[发明专利]基于生存信息势的批式反应器反应过程的控制器

说明书

基于生存信息势的批式反应器反应过程的控制器，属于过程控制领域，其特征在于：将批式反应器批次与批次的反应过程和每个批次内的反应过程这两个追踪问题转化为两个优化问题；先降低期望轨迹的标准，再逐步提高标准达到期望的轨迹。本发明既能抑制高斯噪声的影响，更能抑制非高斯噪声的影响。本可以控制结果的随机性为零从而具有最小的随机性，解决了现有的高斯和非高斯噪声下的控制结果具有较大随机性的问题。

技术领域

本发明涉及一种基于生存信息势(the survival information potential,SIP)的批式反应器反应过程的控制器，属于过程控制领域。

背景技术

近二十年来，随着经济成本的升高，全球产品价格和质量的竞争日益激烈以及消费者日趋多样化的需求，批次过程越来越多的被应用到化学工业中。批次过程，简单说就是一个批次生产过程结束后再进行下一个批次。值得注意的是，批次过程是一个连续的执行过程，会一直执行到生产出预定的产品或达到预定的性能；每一个批次是在有限的时间内运行的，也称每一个批次为一个周期；每个批次(周期)结束，开始运行下一个批次(周期)时，要重置初始工艺条件为零或固定的非零值。批式反应器反应过程是典型的批次过程。

在批式反应器反应过程中，噪声普遍存在，且其产生的影响是无法避免的。在多数控制情况下虽然可以忽略噪声，但当这些噪声不能忽略时，按确定性理论设计的控制系统的输出和性能就会偏离期望的要求。所以，当噪声不能忽略时，能抑制噪声干扰的控制器对批式反应器反应过程进行适当控制使其达到期望的运行状态就具有广泛的应用前景。传统的控制理论基于确定性模型，在建模时通常忽略其中的噪声等随机现象。近几十年来，系统的控制问题获得了广泛的研究，其中伴随高斯白噪声扰动的随机系统引起了人们的广泛关注。随机系统的控制已经取得了大量的理论成果，主要包括最小方差控制、随机预测控制、神经网络控制和自适应非线性随机控制。其中最小方差控制是最早最有效的控制方法之一。在这些随机控制系统中，大多数都是基于随机噪声服从高斯分布的假设。然而，实际系统中的噪声大多是具有非高斯噪声的，即使噪声是高斯的，系统的非线性特征也可能使得系统具有非高斯特性。在这种情况下，传统的随机控制方法的控制效果可能变差，甚至失效。为了解决上述问题，随机分布控制理论近年来得到了高度重视。这种方法的核心思想是设计控制器使得系统输出的PDF尽可能跟随一个预先给定的PDF。通过用B-样条神经网络逼近输出的PDF给出一系列随机分布控制算法理论和应用。然而，在一些情况下，输出PDF不可测，不能用B-样条模型进行逼近。因此，提出了基于熵的随机分布控制方法。然而，任何熵都是在PDF的基础上进行定义的。这类熵具有以下三方面的缺点：当PDF不存在时将无法定义；熵值有可能是负数，这时作为随机性度量比较牵强；通常情况下，无法用经验分布进行近似。另外Badong Chen、Pingping Zhu和JoséC.Principe提出生存信息势(the survivalinformation potential,SIP)构成非高斯随机控制系统的性能指标。SIP准则具有平移变化特性，对跟踪误差偏差的约束项(误差均值或平方误差均值)可以忽略。与熵相比，SIP具有鲁棒性强和计算简单诸多优点。所以，为了达到满意的控制效果，将SIP刻画系统的随机性引用到非高斯批次过程种具有实际的理论意义和广泛的应用场合。

发明内容

本发明的目的是为了解决批式反应器反应过程在高斯和非高斯噪声环境下的追踪问题，将批式反应器反应过程的批次与批次间和每个批次内的两个追踪问题转化为两个优化问题，采用梯度最速下降法算法实现该问题的全局优化，实现了一种基于SIP的批式反应器反应过程的控制器。

基于生存信息势的批式反应器反应过程的控制器，其特征在于：

将批式反应器批次与批次的反应过程和每个批次内的反应过程这两个追踪问题转化为两个优化问题；先降低期望轨迹的标准，再逐步提高标准达到期望的轨迹；

所述批次与批次间的反应过程包括下述步骤：

(1)计算出批次输出和期望轨迹的相邻批间偏差；