基于多参数灵敏度分析与遗传优化的铁水质量无模型自适应控制

铁水硅含量(化学热)和铁水温度(物理热)是高炉炼铁过程最重要的铁水质量指标,其建模与控制对于整个高炉炼铁过程的运行优化意义重大.针对高炉炼铁过程极复杂动态特性以及铁水质量难以进行常规机理建模与控制的难题,基于直接数据驱动控制思想,提出一种基于多参数灵敏度分析与大规模变异遗传参数优化的高炉铁水质量无模型自适应控制方法.首先,基于紧格式动态线性化(Compact form dynamic linearization,CFDL)无模型自适应控制(Model free adaptive control,MFAC)技术确定铁水质量的多变量数据驱动控制器结构;然后,针对CFDL-MFAC众多可调参数对控制器性能影响大,同时对众多参数整体优化非常耗时且效果不理想的问题,基于多参数灵敏度分析(Multi-parameter sensitivity analysis,MPSA)技术,提出基于大规模变异与精英局部搜索遗传优化的CFDL-MFAC控制器参数整定方法;最后,将参数整定后的CFDL-MFAC控制器应用到高炉炼铁过程多元铁水质量控制,并与基于递推子空间辨识的数据驱动预测控制进行比较研究,验证所提控制方法的有效性和先进性.

污水处理过程递推双线性子空间建模及无模型自适应控制

污水处理过程中,生化反应硝态氮浓度和溶解氧浓度是决定出水水质好坏的两个最关键变量,难以采用常规基于模型的方法进行有效控制.本文基于数据驱动建模与控制技术,提出一种污水处理过程递推双线性子空间辨识(Recursive bilinear subspace identification,RBLSI)建模和无模型自适应控制方法.首先,针对污水处理过程的非线性时变动态特性,采用最小二乘递推双线性子空间辨识方法建立污水处理生化反应过程具有参数自适应能力的递推双线性模型;其次,基于建立的数据驱动模型,采用基于多参数灵敏度分析(Multi-parameter sensitivity analysis,MPSA)和遗传粒子群优化(Genetic algorithm-particle swarm optimization,GA-PSO)算法的无模型自适应控制(Model-free adaptive control,MFAC)方法对硝态氮和溶解氧浓度进行直接数据驱动控制;最后,数据实验及其比较分析表明了所提方法的有效性和优越性.