基于无约束迭代学习的间歇生产过程优化控制

贾立; 施继平; 邱铭森; 俞金寿

您当前的位置：

首页 >

文章列表页 >

基于无约束迭代学习的间歇生产过程优化控制

过程系统工程 | 更新时间：2025-12-10

- 基于无约束迭代学习的间歇生产过程优化控制
- Nonrestraint-iterative learning-based optimal control for batch processes
- 化工学报 2010年第8期页码：1889-1893
- 作者机构：
  
  1. 上海大学机电工程与自动化学院自动化系，上海市电站自动化技术重点实验室,上海,200072
  2. 新加坡国立大学工程学院,新加坡,119260
  3. 华东理工大学自动化研究所,上海,200237
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 网络首发：2010-08-05，
  
  纸质出版：2010-08-05
- 稿件说明：
移动端阅览
贾立, 施继平, 邱铭森, 等. 基于无约束迭代学习的间歇生产过程优化控制[J]. 化工学报, 2010,(8):1889-1893.

JIA Li, SHI Jiping, CHIU Min-Sen, et al. Nonrestraint-iterative learning-based optimal control for batch processes[J]. CIESC Journal, 2010, (8): 1889-1893.
贾立, 施继平, 邱铭森, 等. 基于无约束迭代学习的间歇生产过程优化控制[J]. 化工学报, 2010,(8):1889-1893. DOI：

JIA Li, SHI Jiping, CHIU Min-Sen, et al. Nonrestraint-iterative learning-based optimal control for batch processes[J]. CIESC Journal, 2010, (8): 1889-1893. DOI：

摘要

针对基于迭代学习控制的间歇过程优化控制算法难以进行收敛性分析的难题，本文基于数据驱动的神经模糊模型提出一种新颖的间歇过程无约束迭代学习控制方法，通过调节因子的变化去除了约束条件，使控制轨迹在批次轴上收敛，并创新性地对优化问题的收敛性给出了严格的数学证明。在理论研究的基础上，将本文提出的算法用于间歇连续反应釜的终点质量控制研究，仿真结果验证了本文算法的有效性和实用价值，为间歇过程的优化控制提供了一条新途径。

Abstract

Considering that it is difficult to analyze the convergence of iterative learning optimal control for quality control of batch processes

a novel iterative learning control based on data-driven neural fuzzy model for product quality control in batch process is proposed in this paper

which results in the convergence of the product quality and control trajectory in batch axes.Moreover

the rigorous proof is given.Lastly

to verify the efficiency of the proposed algorithm

it was applied to a benchmark batch process.The simulation results show that the proposed method is better and can be applied to practical processes

thus it provides a new way for the control of batch processes.

关键词

Keywords

references

浏览量

173

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一类间歇生产过程的迭代学习控制算法及其收敛性分析

主元空间中的故障分离与识别方法

基于机器学习的改型歧管式微通道热沉流动传热特性多目标优化

磷酸钒锂正极材料的氮掺杂碳包覆与Ti4+共掺杂协同改性研究

煤化工废盐中杂质对NaCl和Na2SO4溶剂化影响研究