数据与虚拟未建模动态驱动的非线性自适应智能预测控制及其在电熔镁炉中的应用

This project aims at solving a series of key technological problems for a class of synthetic complexities industrial processes, which generally exhibit strong nonlinear, uncertainty, unknown structure and so on. The research topics cover modeling, prediction, control, stability and convergence analysis which are urgently needed to be solved in the field of industry and control theory. In this project, a nonlinear intelligent predictive control method will be proposed and applied to the fused magnesia furnace based on data driven, virtual unmodeled dynamics driven and its increment compensation algorithm, and adaptive predictive control algorithm. First, the hybrid intelligent modeling method by using low order approximation model and virtual unmodeled dynamic compensation near the operating point is studied. Second, by making full use of the data information of the process and effective decomposition algorithm for virtual unmodeled dynamics, an alternate identification algorithm composed of an improved projection algorithm for identifying model parameters and estimation algorithm for the increment of virtual unmodeled dynamics will be developed. And the precision analysis and convergence analysis of the algorithm are given. Also, a complete set of nonlinear adaptive intelligent predictive control algorithm will be established. Finally, the stability, convergence and robustness analysis of the developed algorithms will be carried out and the developed modeling and control algorithms will be applied in fused magnesium furnace. The results proposed by this project are expected to further advance and improve intelligent control system for complex industrial process, and it has important significance in terms of the control theoretical development and practical application.

本项目针对一类具有强非线性、不确定性，结构未知等综合复杂性的工业过程，围绕工业界和控制理论专家提出的亟待解决的建模、预报、控制及稳定性收敛性分析等一系列关键技术难题，将数据驱动、虚拟未建模动态驱动及其增量补偿算法、预测控制算法等相集成，深入开展数据与虚拟未建模动态驱动的非线性智能预测控制方法及其在电熔镁炉中的应用研究。首先，研究在工作点附近采用低阶主模型近似及虚拟未建模动态补偿的混合智能建模方法；其次，充分挖掘过程的数据信息，有效分解虚拟未建模动态，研究由辨识模型参数的改进投影算法与虚拟未建模动态未知增量估计算法组成的交替辨识算法，给出算法的精度和收敛性分析，建立一套完整的非线性自适应智能预测控制算法；最后，研究算法的稳定性、收敛性及鲁棒性等理论问题，并将算法应用于电熔镁炉进行应用验证。本项目的研究无论从理论上还是实际应用方面都对促进和发展复杂工业过程的智能控制有着重要理论意义和科学价值。

该项目针对一类具有强非线性、不确定性，结构未知等综合复杂性的工业过程，围绕工业界和控制理论专家提出的亟待解决的建模、预报、控制及稳定性收敛性分析等一系列关键技术难题，将数据驱动、虚拟未建模动态驱动及其增量预测与补偿算法、智能控制算法等相集成，深入开展数据与虚拟未建模动态智能预测的非线性控制方法及其应用研究。首先，针对一类动态特性随不同运行条件而变化的复杂过程，将基于数据的建模方法与基于模型的控制方法相结合，提出了数据与未建模动态及其未知增量智能预测与补偿的非线性智能控制方法. 其次，为充分利用系统的数据信息和知识,把数据驱动控制与一步超前最优预报相结合,提出了数据与未建模动态驱动的非线性切换控制方法. 所提的方法直接将未建模动态分解为前一拍数据与未知增量的和,并充分利用未建模动态可测数据信息补偿系统未知的非线性动态特性，给出了保证闭环系统输入输出稳定性的条件. 再次，在上述研究工作的基础上，把虚拟未建模动态的分解估计算法与非线性控制算法相结合，分别设计了带有虚拟未建模动态历史数据补偿的非线性控制器和带有虚拟未建模动态未知增量智能预测与补偿的非线性控制器，提出了两种新的非线性控制方法，推导了闭环系统的输入输出动态方程，并严格分析了闭环系统的稳定性和收敛性。最后，将所提出的未建模动态智能预测算法及控制算法应用到Pendubot平衡控制系统、水箱液位控制系统以及电熔镁炉功率预报过程进行实验，实验结果验证了所提出的理论成果的有效性，在实际系统中取得了满意的控制效果。本项目取得的研究成果以长论文的形式发表在国际智能控制领域的顶级权威期刊(一区长论文)《IEEE Transactions on Neural Networks and Learning Systems》、《IEEE Transactions on Industrial Informatics》以及国内自动化领域的权威期刊《自动化学报》、《控制理论与应用》等期刊论文共14篇，部分成果获得了流程工业综合自动化国家重点实验室优秀研究论文奖。