基於小波-卡爾曼濾波的二維離散隨機系統魯棒H∞控制

《基於小波-卡爾曼濾波的二維離散隨機系統魯棒H∞控制》是依託北京科技大學，由崔家瑞擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於小波-卡爾曼濾波的二維離散隨機系統魯棒H∞控制
• 依託單位：北京科技大學
• 項目負責人：崔家瑞
• 項目類別：青年科學基金項目

項目摘要

傳統的魯棒控制器設計沒有利用噪聲特性，也沒有減弱/消除輸出信號中的噪聲，導致得到的設計判據有一定的保守性。因此，擬研究基於小波卡爾曼濾波的二維離散隨機魯棒H∞控制器設計方法，降低設計判據的保守性。首先，從變分技術和最佳化的設計思路出發，將以魯棒H∞控制為背景的小波卡爾曼濾波器設計轉化為多變數最佳化問題，利用多尺度分析和分裂疊代算法求解，設計具有較低複雜度和較大穩定裕度的小波卡爾曼濾波器；其次，以小波卡爾曼濾波器輸出特性為約束，提出帶約束的隨機魯棒H∞控制器設計方法；再次，基於熵型指標函式建立濾波器和控制器的雙目標協調最佳化機制，進一步最佳化控制器性能，降低控制器保守性，實現系統最優控制；最後，鑒於熱軋層流冷卻控制系統是含乘性噪聲和加性噪聲的不確定複雜二維系統，擬將研究成果套用到該系統，給出複雜網路環境下的熱軋層流冷卻控制器設計方法，提高卷取溫度的分布均勻性和命中率。

結題摘要

針對傳統魯棒控制器設計沒有利用噪聲特性，也沒有減弱/消除輸出信號中的噪聲問題，研究二維離散隨喜魯棒控制問題。首先，提出了一種基於對偶樹復小波與多塊預測引擎的預測方法。該方法利用對偶樹復小波對採集的數據進行濾波，由於對偶樹復小波具有平移不變性、精確重構性、優先榮譽和計算量小、多方向選擇性等特點，有效避免了頻譜混疊導致的去噪效果差的問題，採用異常值不敏感的特徵提取算法，降低由基於數據驅動的診斷方法中異常值導致的診斷效率低下的問題。然後，提出了一種考慮面向可變時間大滯後的軟測量方法。基於快速採樣的測量和非線性第一原理模型，使用平方根無味卡爾曼濾波器（SR-UKF）實現了頻繁且無延遲的關鍵績效指標（KPI）估計，提出了一種改進的卡爾曼濾波器（MKF）算法來處理那些頻率不高但準確的測量，這些測量的值會隨時間而變化，基於分布狀態融合UKF濾波器算法，對這兩種類型的估計進行融合和最佳化，以給出最佳，可靠的KPI估計。接著，提出了一種基於馬爾可夫隨機場和EM算法的關鍵性能指標軟測量方法，解決了現有技術存在的無法實時準確測量工業過程中的關鍵性能指標的技術問題。最後，針對冶金領域套用，基於噪聲模型設計了鋁電解槽陽極電流採集器，建立了整個測量電路的總噪聲模型，提出了基於最小二乘支持向量機回歸模型的氧化鋁濃度軟測量方法，分析了分散式槽電壓、陽極導桿電流與氧化鋁濃度之間的關係，建立了面向氧化鋁濃度預測的最小二乘支持向量機回歸模型，提出了基於格線搜尋和交叉驗證的懲罰因子和核函式寬度的尋優方法。現場套用驗證了所提方法的有效性。