-
公开(公告)号:CN110794672B
公开(公告)日:2022-03-25
申请号:CN201910976876.2
申请日:2019-10-15
Applicant: 杭州电子科技大学 , 浙江邦业科技股份有限公司
IPC: G05B13/04
Abstract: 本发明公开了一种水泥生产过程分解炉炉温显式控制方法。本发明首先建立水泥生产过程分解炉炉温的状态空间模型,设计系统控制量约束和输出约束;然后,通过一种新型的显式PID型模型预测控制策略对系统实施控制,该策略使用模型预测控制处理系统干扰作用,并且通过将约束矩阵进行值域和核空间的分解来消除约束对于系统的影响,同时引入PID结构增强系统的整体的性能。该方法有效的处理了水泥生产过程分解炉炉温控制中的干扰以及约束问题,并且提升了系统的响应速度,使水泥生产过程分解炉炉温带来了更好的控制效果。
-
公开(公告)号:CN108897219B
公开(公告)日:2021-02-09
申请号:CN201810760493.7
申请日:2018-07-11
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种化工不确定工业过程约束预测控制方法,包括如下步骤:步骤1、建立等效的二维模型;步骤2、设计预测控制器。该方法首先通过分析一个具有扰动的不确定系统的状态空间模型,根据迭代学习控制策略确定系统状态误差和输出跟踪误差,建立一个等效的二维模型;然后基于闭环预测模型建立李雅普诺夫函数,根据预测控制的目标函数与李雅普诺夫函数的约束关系,求得系统的更新律,进而得到控制量作用于被控对象。这种化工不确定批次过程约束预测控制方法不但解决了不确定性和扰动问题,而且系统的稳定性也得到了保障。
-
公开(公告)号:CN108829058B
公开(公告)日:2020-06-19
申请号:CN201810685878.1
申请日:2018-06-28
Applicant: 杭州电子科技大学
IPC: G05B19/418
Abstract: 本发明公开了一种化工批次过程模糊迭代学习控制方法。本发明首先通过分析一个非线性批次过程的状态空间模型,建立一个简单的模糊模型;然后采用迭代学习控制策略并定义了系统状态误差和输出跟踪误差,通过结合误差补偿的技术,得到了一种基于跟踪误差的控制更新律,进而得到控制量作用于被控对象。本发明将迭代学习控制与模糊控制相结合,有效的解决了工业生产过程中的不确定性以及非线性问题,并且系统的稳定性也有一定的提升。
-
公开(公告)号:CN110794672A
公开(公告)日:2020-02-14
申请号:CN201910976876.2
申请日:2019-10-15
Applicant: 杭州电子科技大学 , 浙江邦业科技股份有限公司
IPC: G05B13/04
Abstract: 本发明公开了一种水泥生产过程分解炉炉温显式控制方法。本发明首先建立水泥生产过程分解炉炉温的状态空间模型,设计系统控制量约束和输出约束;然后,通过一种新型的显式PID型模型预测控制策略对系统实施控制,该策略使用模型预测控制处理系统干扰作用,并且通过将约束矩阵进行值域和核空间的分解来消除约束对于系统的影响,同时引入PID结构增强系统的整体的性能。该方法有效的处理了水泥生产过程分解炉炉温控制中的干扰以及约束问题,并且提升了系统的响应速度,使水泥生产过程分解炉炉温带来了更好的控制效果。
-
公开(公告)号:CN108897219A
公开(公告)日:2018-11-27
申请号:CN201810760493.7
申请日:2018-07-11
Applicant: 杭州电子科技大学
IPC: G05B13/04
CPC classification number: G05B13/042
Abstract: 本发明公开了一种化工不确定工业过程约束预测控制方法,包括如下步骤:步骤1、建立等效的二维模型;步骤2、设计预测控制器。该方法首先通过分析一个具有扰动的不确定系统的状态空间模型,根据迭代学习控制策略确定系统状态误差和输出跟踪误差,建立一个等效的二维模型;然后基于闭环预测模型建立李雅普诺夫函数,根据预测控制的目标函数与李雅普诺夫函数的约束关系,求得系统的更新律,进而得到控制量作用于被控对象。这种化工不确定批次过程约束预测控制方法不但解决了不确定性和扰动问题,而且系统的稳定性也得到了保障。
-
公开(公告)号:CN108829058A
公开(公告)日:2018-11-16
申请号:CN201810685878.1
申请日:2018-06-28
Applicant: 杭州电子科技大学
IPC: G05B19/418
Abstract: 本发明公开了一种化工批次过程模糊迭代学习控制方法。本发明首先通过分析一个非线性批次过程的状态空间模型,建立一个简单的模糊模型;然后采用迭代学习控制策略并定义了系统状态误差和输出跟踪误差,通过结合误差补偿的技术,得到了一种基于跟踪误差的控制更新律,进而得到控制量作用于被控对象。本发明将迭代学习控制与模糊控制相结合,有效的解决了工业生产过程中的不确定性以及非线性问题,并且系统的稳定性也有一定的提升。
-
-
-
-
-