基于CPS框架的微粉生产过程多模型自适应控制
针对矿渣微粉(Ground granulated blast-furnace slag,GGBS)生产这一多变量、强耦合、多工况的复杂非线性过程,本文根据大量生产数据,提炼出矿渣微粉生产过程的三个典型工况.求解多工况多目标优化问题以求得最优设定值.建立多工况下的递归神经网数据驱动模型,并采用自适应动态规划方法,建立多个控制器,结合加权多模型控制,实现矿渣微粉生产过程在多工况切换情况下的自适应控制.通过过程运行优化、跟踪控制优化、通讯、工业以太网等信息资源与矿渣微粉生产物理资源之间的融合,构建基于信息物理系统(Cyber-physical system,CPS)的矿渣微粉生产优化控制系统.实验分析表明,本文提出的基于CPS的多模型自适应控制器,能够有效实现多工况条件下矿渣微粉生产过程的自适应控制,减小超调量,提高控制品质.
矿渣微粉生产过程、信息物理系统、多模型自适应控制、自适应动态规划、优化控制
45
国家自然科学基金61873006,61473034,61673053;国家重点研发计划项目2018YFC1602704,2018YFB1702704;北京市科技新星交叉学科项目Z161100004916041;北京市科技重大专项Z181100003118012
2019-08-08（万方平台首次上网日期，不代表论文的发表时间）
共12页
1354-1365
