×
桑贾·巴德拉;熊猫，阿塔努;帕里贾特·博米克;新吉尼Goswami;熊猫，Rames C。

基于DEKF估计的非线性模型跟踪控制方案的设计与应用。 （英语） Zbl 1425.93268号

最佳方案。控制应用程序。方法 40，第5期，938-960（2019）.
概述：本文讨论了基于非线性模型的稳定和非线性基准工业过程控制方案的设计和应用。主要控制目标是在存在外部干扰、过程噪声、测量噪声、参数不确定性和模型失配的情况下，促进设定点（恒定/时变）跟踪。我们首先提出了一种“非相关型”基于模型的控制方案，它涉及一个有限维、非线性和确定性的过程模型来生成模型状态。其次，引入了一种基于“推理型”模型的控制方案，以考虑过程噪声和测量噪声等随机不确定性。第二种方案利用双重扩展卡尔曼滤波器来估计不可测量的状态和注入扰动的过程参数。与固定参数控制器不同，所提出的方案根据实时过程增益在每一步更新控制器增益。为了证明所提出的闭环跟踪控制方案的有用性，对CSTR和van de Vusse反应器过程进行了两个详尽的案例研究，由于高度非线性和不可预测的行为以及非最小相位特性，这些过程被视为基准工业过程。最后，将所提方案与基于EKF的自适应PI控制框架进行了性能比较，仿真结果表明，所提方案的瞬态性能优于上述PI技术，尤其是在扰动条件下（即存在模型失配和测量噪声）。

引用于2文件

MSC公司：

93E10型 随机控制理论中的估计与检测
93E11号机组 随机控制理论中的滤波
93B40码 系统理论中的计算方法（MSC2010）
93立方厘米 控制理论中的非线性系统

关键词：

DEKF公司;EKF公司;模型预测控制;MPC公司;基于非线性模型的控制;状态和参数估计
PDF格式BibTeX公司 XML格式引用
\textit{S.Bhadra}等人，Optim。控制应用程序。方法40，编号5，938--960（2019；Zbl 1425.93268）
全文： DOI程序

参考文献：

[1] AllgowerF、FindeisenR、NagyZ。非线性模型预测控制：从理论到实践。中国化学工程研究所学报2004；35(3):299‐315.
[2] MayneDQ、RawlingsJB、RaoCV、ScokaertPOM。约束模型预测控制：稳定性和优化。自动化。2000;36(6):789‐814. ·Zbl 0949.93003号
[3] MorariM，LeeJH。预测过去、现在和未来。计算机化学工程1999；23(4‐5):667‐682.
[4] 福布斯MG、PatwardhanRS、GopaluniRB。工业中的模型预测控制：挑战与机遇。摘自：国际会计师联合会化学过程先进控制国际研讨会论文集；2015; 加拿大惠斯勒。
[5] QinS、BadgwellT。工业模型预测控制技术综述。控制工程实践。2003年；11(7):733‐764.
[6] MaY、MatuskoJ、BorrelliF。建筑HVAC系统的随机模型预测控制：复杂性和保守性。IEEE变速器控制系统技术。2015;23(1):101‐116.
[7] ZhangX、GrammaticoS、SchildbachG、GoulartPJ、LygerosJ。机会约束系统随机MPC的样本量及其在建筑气候控制中的应用。摘自：欧洲控制会议记录；2014; 法国斯特拉斯堡。
[8] FaulwasserT、KernB、FindeisenR。约束非线性系统的模型预测路径跟踪。摘自：IEEE决策与控制会议记录；2009; 中国上海。
[9] 斯卡托里尼。分布式和分层模型预测控制的体系结构–综述。J过程控制。2009;19(5):723‐731.
[10] GarciaC、PrettD、MorariM。模型预测控制：理论与实践——综述。自动化。1989;25(3):335‐348. ·Zbl 0685.93029号
[11] PsichogiosD，UngarL。使用人工神经网络的直接和间接基于模型的控制。工业工程化学研究1991；30(12):2564‐2573.
[12] EconomouCG、MorariM、PalssonBO。内模控制：对非线性系统的扩展。工业工程化学研究1986；25（2）:403-411。
[13] NahasEP、HensonMA、SeborgDE。神经网络模型的非线性内模控制策略。计算机化学工程1992；16(12):1039‐1057.
[14] 竞争对手PersonnazL。使用神经网络的内部模型控制。摘自：IEEE工业电子国际研讨会论文集；1996; 波兰华沙。
[15] ShamsuzzohaM，LeeM。IMC‐PID控制器用于改进延时过程的干扰抑制。2007年工业工程化学研究；46(7):2077‐2091.
[16] GruneL，ControlPJ公司。非线性模型预测理论与算法。英国伦敦：施普林格Verlag；2011. ·Zbl 1220.93001号
[17] 梅因DQ。模型预测控制：最新发展和未来展望。自动化。2014;50(12):2967‐2986. ·Zbl 1309.93060号
[18] 罗林斯J。模型预测控制的教程概述。IEEE控制系统杂志2000；20(3):38‐52.
[19] 哈弗贝克、赫佩电视台、迪尔姆、BergheGVD、MoorBD。具有移动时域状态和扰动估计的非线性模型预测控制——在危重病患者血糖正常化中的应用。摘自：第17届IFAC世界大会论文集；2008; 韩国首尔。
[20] ChenH，AllgowerF。一种具有保证稳定性的准无限时域非线性模型预测控制方案。自动化。1998;34(10):1205‐1217. ·Zbl 0947.93013号
[21] DiehlM、AmritR、RawlingsJ。经济优化模型预测控制的Lyapunov函数。IEEE传输自动控制。2011;56(3):703‐707. ·Zbl 1368.93340号
[22] GriffithDW，PatwardhanSC，BieglerLT。准无限自适应时域非线性模型预测控制。IFAC在线论文。2018;51（18）：506‐511。
[23] RaoC、RawlingsJ、MayneD。非线性离散时间系统的约束状态估计：稳定性和移动时域近似。IEEE Trans Autom控制。2003年；48(2):246‐258. ·Zbl 1364.93781号
[24] ScokaertP、RawlingsJ、MeadowsE。带扰动的离散时间稳定性：模型预测控制的应用。自动化。1997;33(3):463‐470. ·Zbl 0876.93064号
[25] MagniL、NicolaoGD、ScattoliniR。基于模型预测控制的非线性系统的输出反馈与跟踪。自动化。2001;37(10):1601‐1607. ·Zbl 1013.93018号
[26] Al‐DuwaishH，NaeemW。使用遗传算法的Hammerstein和Wiener模型的非线性模型预测控制。摘自：IEEE控制应用国际会议论文集；2001; 墨西哥城，墨西哥。
[27] ChandrasekharanS、PandaRC、Swaminathan BN、PandaA。燃煤火力发电厂综合汽包锅炉的运行控制。能源，2018年；159:977‐987.
[28] FruehaufPS、ChienI‐L、Lauritsen MD。简化IMC‐PID调整规则。ISA交易。1994;33(1):43‐59.
[29] 刘C、沈毅、张杰、刘姿。非线性系统控制：Volterra方法。摘自：第17届IEEE仪器和测量技术会议论文集；2000; 马里兰州巴尔的摩。
[30] M'SahilF、BouaniF、El KamelAK、AbdennourRB、KsourM。使用ARX加Volterra模型的基于约束非线性模型的预测控制。摘自：IEEE系统、人与控制论国际会议论文集；1998; 加利福尼亚州圣地亚哥。
[31] 古赫·李斯（GuH LiS）。永磁同步电机调速系统的模糊自适应内模控制方案。IEEE Trans Ind信息。2012;8(4):767‐779.
[32] GaoR，O'DwyerA，科伊尔。基于局部模型网络的CSTR模型预测控制。摘自：爱尔兰信号与系统会议记录；2002; 爱尔兰科克。
[33] 胡斌、赵姿、梁杰。使用ARX神经网络模型在非线性动态PLS框架下设计多回路非线性内模控制器。J过程控制。2012;22(1):207‐217.
[34] 芬戴森·R、伊姆斯兰·L、奥尔戈弗·F、福斯·BA。状态和输出反馈非线性模型预测控制：综述。Eur J控制。2003年；9(2‐3):190‐206. ·Zbl 1293.93288号
[35] 克拉瓦里斯·尼米奇。非最小相位过程的非线性模型状态反馈控制。自动化。2003年；39(7):1295‐1302. ·Zbl 1029.93031号
[36] 张杰、冯。线性系统基于事件驱动观测器的输出反馈控制。自动化。2014;50(7):1852‐1859. ·Zbl 1296.93117号
[37] MiaoQ，Wang S‐F。基于支持向量回归的非线性模型预测控制。摘自：第一届机器学习与控制论国际会议论文集；2002; 中国北京。
[38] Zhejing B、Daoying P、YouxianS。基于多核支持向量机的非线性模型预测控制。中国化学工程杂志2007；15(5):691‐697.
[39] HeirungT、PaulsonJ、O'LearyJ、MesbahA。随机模型预测控制——它是如何工作的？计算机化学工程2018；114(9):158‐170.
[40] 海金斯。卡尔曼滤波和神经网络。第1版，纽约州纽约市：Wiley&Sons，Inc；2001
[41] 沃克·D。使用带约束的卡尔曼滤波器进行参数估计。国际J分叉混沌。2006;16(4):1067‐1078. ·Zbl 1105.93059号
[42] 西瓦塔努A，SubramanianS。用于火电厂再热器污垢检测的扩展卡尔曼滤波器。控制工程实践。2018;73:91‐99.
[43] 布罗西洛·C·帕里什·J。推断控制应用。自动化。1985;25(5):527‐538. ·Zbl 0575.93029号
[44] ArasuSK、PandaA、PrakashJ。基于非线性模型的变面积储罐过程控制方案的实验验证。In:IFAC动力系统控制与优化进展研讨会论文集（ACODS’2016）；特里奇，印度；2016
[45] 普拉卡什·潘达。使用无迹卡尔曼滤波器对连续搅拌槽式反应器进行状态估计和基于非线性模型的控制。Can J Chem Eng.2017；95(7):1323‐1331.
[46] 森蒂尔·R·普拉卡什J。基于观测器的连续搅拌釜反应器非线性模型预测控制器设计。J过程控制。2008年；18(5):504‐514.
[47] AstromKJ，哈格隆德。PID控制器：理论、设计和调节。第二版，北卡罗来纳州三角研究公园：美国仪器学会；1995
[48] PadmasreeR、SrinivasM、ChidambaramM。稳定和不稳定FOPTD系统的PID控制器调整的简单方法。计算机化学工程2004；28:2201‐2218.
[49] 普拉卡什·巴蒂兰纳。在稳定单回路系统的重置配置中设计和实施基于模型的类PI控制方案。Can J Chem Eng.2014；92(9):1651‐1660.
[50] 斯科格斯塔德，波斯特拉斯韦。多变量反馈控制分析与设计。第1版，纽约州纽约市：Wiley；1996
[51] HensonM，SeborgD。一般非线性过程的输入输出线性化。AIChE期刊。1990;36(11):1753‐1757.
[52] HussainM、KittisupakornP、DaosudW。在放热反应器上实施基于神经网络的逆模型控制策略。亚洲科学。2001;27(8):41‐50.
[53] GraichenK、HagenmeyerV、ZeitzM。Van de Vusse CSTR作为非线性前馈控制设计技术的基准问题。IFAC Proc Vol.2004年；37(13):1123‐1128.
[54] KashiwagiH，RongL。非线性Van de Vusse反应器Volterra核的识别。运输控制自动化系统工程，2002年；4(2):109‐113.
[55] KoC‐N，LeeC‐M。使用基于SVR（支持向量回归）的径向基函数神经网络和双扩展卡尔曼滤波器进行短期负荷预测。能源。2013年；49:413‐422.
[56] BequetteB。化学过程的非线性控制：综述。工业工程化学研究1991；30(7):1391‐1413.
[57] BoydS，BarrattBC。线性控制器设计：性能限制。新泽西州上马鞍河：普伦蒂斯·霍尔；1991. ·Zbl 0748.93003号
[58] CheonK、KimJ、HamadacheM、LeeD。直流电机系统用深度学习控制器代替PID控制器的研究。汽车控制工程杂志2015；3(6):452‐456.
[59] 经济学。非线性控制器设计的算子理论方法[博士论文]。加利福尼亚州帕萨迪纳：加利福尼亚理工学院；1985
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。