控制理论与应用

作者：易诚明,周平,柴天佑

单位：东北大学流程工业综合自动化国家重点实验室,东北大学流程工业综合自动化国家重点实验室,东北大学流程工业综合自动化国家重点实验室

关键词：高炉;数据驱动;即时学习;线性化;模型预测控制;工业数据异常

基金：国家自然科学基金,其它,国家重点实验室

针对高炉炼铁过程, 本文提出一种基于即时学习的高炉铁水质量自适应预测控制方法(JITL-APC). 该方法的特点是控制器通过k向量近邻(k-VNN)方法搜索数据库中的I/O数据信息, 对非线性系统进行局部建模, 并在此基础上计算控制律. 而且, 该方法中引入了工业异常数据处理机制, 利用JITL学习子集中的平均数据项, 对异常数据项进行填补或替换, 从而消除异常数据对控制系统的影响. 此外, 本文提出一种JITL模型保留策略(MRS), 避免由于数据库中相似数据样本不足导致的局部模型严重失配, 并通过实时收集I/O数据更新数据库, 使控制器自适应不同的工况条件, MRS还可以有效抑制噪声干扰的影响,从而提高控制系统的稳定性. 最后, 基于某大型钢铁厂2#高炉的数值仿真实验, 充分验证了该方法的有效性.

来源：2020年第2期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2020年第2期