草酸钴合成过程批次间自适应优化

本文以钴湿法冶金过程草酸钴合成为背景,研究基于多向偏最小二乘回归(MPLS)模型的草酸钴平均粒度批次间自适应优化策略.本文首先利用MPLS方法建立草酸钴平均粒度的数据模型;针对模型不确定性情况下难以获得最优操作变量的问题,提出利用批次间修正项自适应优化方法,使迭代优化结果逐渐趋向于实际最优值;本文还通过引入T2统计量软约束将优化结果限制在数据模型的有效区间之内.数值仿真表明该方法可以有效解决草酸钴合成过程的批次间自适应优化问题,且与传统两步方法和迭代学习控制相比具有更好的优化效果.

基于MKPLS和SQP方法的间歇过程迭代优化控制

采用多向核偏最小二乘(MKPLS)方法建立间歇过程的模型并进行操作条件的优化。由于存在模型失配和未知扰动,基于MKPLS模型的最优控制轨迹在实际对象上往往难以实现最优的产品质量指标。本文利用间歇过程批次间的重复特性与序贯二次规划(SQP)优化算法中迭代计算的相似特点,提出了一种基于MKPLS模型的批次间优化调整策略,使得经过逐步优化调整得到的控制轨迹作用于实际对象时,可以得到更优的质量指标。该方法的有效性在苯乙烯聚合反应器和乙醇流加发酵过程的仿真对象上得到了验证。

基于支持向量回归模型的间歇过程优化

针对间歇过程的优化问题,提出了一种基于支持向量回归模型的批次到批次的优化控制策略。通过对支持向量回归模型在当前控制轨迹处的线性化,构造了一种批次到批次的优化控制方法。在苯乙烯聚合反应器的仿真实验中,该方法能够在存在模型失配与过程扰动的情况下,逐批次地改善过程性能。

基于广义预测控制的间歇生产迭代优化控制

针对间歇生产,提出了一种基于广义预测控制的批次迭代优化控制策略———BGPC,在间歇过程中引入批次间优化的思想,将迭代学习控制ILC和广义预测控制GPC相结合,在GPC实时结构参数辨识的基础上利用前面批次的模型预测误差修正当前批次的模型预测值。该算法能够有效地克服模型失配、扰动和系统参数变化等情况。文章最后以一个数值例子和间歇反应器为对象进行仿真试验,验证了该算法是有效的。