基於核方法的間歇過程疊代學習控制研究

《基於核方法的間歇過程疊代學習控制研究》是依託南昌大學，由李贛平擔任項目負責人的地區科學基金項目。

基本介紹

• 中文名：基於核方法的間歇過程疊代學習控制研究
• 項目類別：地區科學基金項目
• 項目負責人：李贛平
• 依託單位：南昌大學

項目摘要

間歇過程在生產中占有重要地位。但間歇過程的控制一直是個難點。由於間歇過程具有重複性，前批次的信息可以得到利用，而疊代學習控制亦具有重複性特點，因此疊代學習控制可以用於間歇過程控制。間歇過程的機理模型很難獲得，且代價高昂，因此基於過程數據的經驗模型越來越受到重視。近年來核方法（如支持向量機、核主元方法、核偏最小二乘方法，核獨立元方法等）在數據處理方面得到了套用，顯示出獨特的優勢。間歇過程的數據通常具有高維數、強耦合性和非線性的特點，而核方法在處理非線性、小樣本數據和數據降維去噪等方面具有很好的優勢，適合於間歇過程的建模。目前核方法在間歇過程的控制方面得到一定套用，但結合疊代學習控制的研究還少有出現，因此本研究將提出基於核方法建模的疊代學習方案，用於間歇過程控制。由於核方法能更好地描述過程特性，在此基礎上能構建更有效的疊代學習控制方案，對提高間歇過程產品的質量有重要意義。

結題摘要

本項目所要進行的研究任務均已完成，所得到的研究結果也達到項目書中所提到的預期目標。本項目採用核方法的一些理論，用於間歇過程的疊代學習控制研究。核方法有很多內容。本項目採用支持向量機、核主元分析、核偏最小二乘和核獨立元分析方法對間歇過程建模。間歇過程是典型的非線性過程，核方法採用數據對間歇過程建模，可以有效地消除數據間的非線性相關性和噪聲。其中支持向量機適於小樣本建模；核主元分析方法可以有效地捕捉過程的動態特性；核偏最小二乘方法適於大數據量的複雜過程建模；核獨立元分析方法適於含有非高斯數據過程的建模。這些方法和疊代學習控制結合，均取得了有效的控制效果。在對基於支持向量回歸模型的疊代學習控制研究中，誤差處理採用批次間的誤差反饋，取得了比別的誤差處理方法更好的控制效果，收斂過程更加穩定。因此在該項目其它的研究方案中，疊代學習控制均採用批次間誤差反饋的辦法。在採用核主元回歸模型的間歇過程疊代學習控制研究中，由於核主元分析方法捕捉過程的動態特性的能力比較強，因此疊代學習控制採用模型更新的方法克服過程變化的影響，保證了疊代過程的收斂。該方法在過程有約束的情況下也能實現有效控制。為了克服疊代學習控制過早收斂的問題，對學習增益矩陣進行加權，取得了更好的控制效果。核偏最小二乘方法可以有效地解釋複雜過程數據的內在特性，因此本項目採用多向核偏最小二乘方法對多輸入多輸出間歇過程進行建模，首次對多輸入多輸出間歇過程的疊代學習控制進行研究，控制過程收斂，達到了預想效果。核獨立元回歸算法本項目首次提出來，也得到實現，針對非高斯數據有很好的回歸性能，和疊代學習控制結合，也得到了理想的控制效果。本項目採用這些核方法對間歇過程進行疊代學習控制的研究，均取得了比採用線性建模方法進行疊代學習控制更好的控制效果。