对角CARIMA模型抗扰约束广义预测控制

针对存在输入和输入增量约束的多变量系统,提出了一种基于变权重的对角CARIMA模型抗扰动约束广义预测控制算法。根据对角CARIMA模型中的A和C矩阵为对角形式的特点,将多输入多输出系统分解为多个多输入单输出系统进行预测和控制,简化了控制器的设计,降低了变量之间的耦合性。根据模型预测值与参考轨迹之间的偏差实时调整目标函数中各输出跟踪误差的权重,达到抑制由耦合而造成回路之间扰动的目的。权重调整的基本原则是,每个输出的预测值跟踪参考轨迹的权重由其他输出在同时刻偏离其参考轨迹的误差平方加权和构成。当某个输出偏离其目标值时,其他输出的控制作用相对增强,避免输出之间的相互扰动,达到抑制扰动的目的。同时,分析了系统输入和输入增量约束的表达形式。利用多变量广义预测控制(MGPC)以及提出的扰动抑制方法,分别对Shell重油分馏问题进行了仿真实验,仿真结果验证了算法的有效性。

一种基于多尺度分析的多变量统计过程监测方法

现有的多尺度主元分析方法为监测具有多尺度特性的工业过程提供了一种有效途径,但该方法还存在以下两个问题:一是采用了重构步骤使得需要建立的监测模型数大大增加;二是采用Haar小波进行小波变换,而Haar小波不连续从而对信号特征的刻画能力比较弱,为此,本文提出了根据故障尺度特征的分布特点修改原有的多尺度主元分析的框架,去除了重构步骤并具体给出了突变故障和振荡故障的定位和跟踪方法,还提出了采用sym小波进行多尺度分析并解决了边界效应的处理和信号对齐的计算等问题,在一个标准的CSTR仿真过程中验证了所提方法的有效性。