-
题名批次过程控制—回顾与展望
被引量：14
- 1
-
-
作者
卢静宜
曹志兴
高福荣
-
机构
香港科技大学霍英东研究院
香港科技大学化学与生物分子工程学系
-
出处
《自动化学报》
EI
CSCD
北大核心
2017年第6期933-943,共11页
-
基金
国家自然科学基金(61433005)
香港研究资助局项目(16233316)资助~~
-
文摘
批次过程是一类重要的化工过程.因其本身的灵活性及高效性,被广泛应用于半导体制造、塑料加工、生物制药等领域.针对批次过程控制算法的研究也得到了大批学者的关注.在近三十年中,批次过程控制理论得到了长足的发展.但由于过程本身复杂的动态特性,以及对控制精度要求的提高,现有的理论和方法仍面临着挑战.本文从批次过程的特性出发,分析了算法设计的难点,对几种重要的控制算法进行总结分析,同时讨论了未来可能的发展方向.
-
关键词
批次过程
过程控制
迭代学习控制
二维时间控制
-
Keywords
Batch process
process control
iterative learning control（ILC）
two-time-dimensional（2D） control
-
分类号
TP13
[自动化与计算机技术—控制理论与控制工程]
-
-
题名迭代学习模型预测控制研究现状与挑战
被引量：5
- 2
-
-
作者
马乐乐
刘向杰
高福荣
-
机构
华北电力大学控制与计算机工程学院
香港科技大学化学与生物分子工程学系
-
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2022年第6期1385-1401,共17页
-
基金
国家自然科学基金(62073136,U1709211)
中国博士后科学基金(2021M701184)
国家重点研发计划(2021YFE0190900)资助。
-
文摘
历经20多年的发展,迭代学习模型预测控制在理论和应用方面都取得了长足的进步.但由于批次工业过程复杂多样、结构各异、精细化程度较高,现有的迭代学习模型预测控制理论仍面临着巨大挑战.本文简要回顾了迭代学习模型预测控制理论的产生及发展,阐述了二维预测模型、控制律迭代优化及二维稳定性等基本理论问题;分析了现有方法在理论及应用方面的局限性,说明了迭代学习模型预测控制在迭代建模、高效优化、变工况适应等方面面临的难点问题,提出了可行的解决方案.简要综述了近年来迭代学习模型预测控制理论和应用层面的发展动态,指出了研究复杂非线性系统、快速系统、变工况系统对进一步完善其理论体系和拓宽其应用前景的意义,展望了成品质量控制和动态经济控制等重要的未来研究方向.
-
关键词
迭代学习模型预测控制
二维预测模型
控制律迭代优化
复杂非线性系统
快速系统
变工况
-
Keywords
Iterative learning model predictive control(ILMPC)
two-dimensional predictive model
iterative optimization of control law
complex nonlinear system
fast system
iteration-varying conditions
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于知识迁移的数据驱动迭代学习模型预测控制
被引量：1
- 3
-
-
作者
马乐乐
刘向杰
高福荣
-
机构
华北电力大学控制与计算机工程学院
香港科技大学化学与生物分子工程学系
-
出处
《中国科学：信息科学》
CSCD
北大核心
2024年第7期1752-1774,共23页
-
基金
国家自然科学基金(批准号:62203170,62073163)
国家重点研发计划(批准号:2021YFE0190900)
中央高校基本科研业务费专项资金(批准号:2023JC002,2023YQ002)资助项目。
-
文摘
迭代学习模型预测控制(iterative learning model predictive control,ILMPC)作为一种广泛应用于批次生产过程的数据驱动智能控制策略,能够在沿批次逐步提高跟踪性能的同时沿时间不断抑制实时干扰.现有ILMPC算法的点对点学习机制依赖于批次运行工况的强一致性,以此保证当前批次与历史批次间的有效信息传递.然而,生产需求和生产环境的变化通常会导致各批次的操作轨迹和操作周期存在差异,从而使得历史批次提供的先验知识对于后续批次呈现出不精确性和不完整性.为了提高ILMPC在变运行工况条件下的适应性和灵活性,本文提出了一种具有知识迁移机制的数据驱动ILMPC策略.建立自适应深度神经网络(deep neural network,DNN)沿批次学习ILMPC控制行为,实现历史控制经验在当前批次工况下的全面转换.为抑制DNN前期估计误差的影响,在知识迁移机制下进一步构建Tube控制结构下的ILMPC算法,保证ILMPC系统的时域稳定性和迭代域收敛性.针对非线性注塑过程的仿真实验验证了在操作轨迹和操作周期同时变化时,所提方法在跟踪精度和收敛速度方面具有明显优势.
-
关键词
迭代学习模型预测控制
知识迁移
数据驱动
变运行工况
-
Keywords
iterative learning model predictive control
knowledge transfer
data-driven
trial-varying operating conditions
-
分类号
TP13
[自动化与计算机技术—控制理论与控制工程]
-
