数据驱动与未建模动态补偿的非线性自催化反应控制方法的研究

The project concentrates on the key technological issues to be solved about the nonlinear chemical dynamic system. All kinds of nonlinear dynamic behavior of nonlinear autocatalytic reaction are considered, such as vibration, chaos, bifurcation, etc. The data modeling methods, intelligent estimation theory, data driven control and some advanced control theory are integrated, while the basic research and application research are combined. Data driven and unmodeled dynamic compensation nonlinear control method for autocatalytic reaction process is studied. Firstly, using available data information of autocatalytic reaction, data modeling method of unmodeled dynamics is studied; Secondly, based on the mass and reaction rate conservation principles, the appropriate differential and differential algebraic dynamical system for autocatalysis reaction is established. Moreover, consider uncertain factors, an alternating identification algorithm that consists of a parameters identification algorithm and unmodeled dynamic estimation algorithm is proposed. With the above development, nonlinear control method for the autocatalytic reaction is studied, and the dynamics behavior of the system changing with parametric variation is analyzed; Finally, through the numerical simulation study and the experiment by real data of autocatalytic reaction process, the effectiveness and practicability of the proposed algorithm is justified. The results proposed by this project can further develop and improve nonlinear autocatalytic reaction control theory, it has important significance for both the theory and practical application.

本项目围绕非线性化学动力系统中亟待解决的关键科技难题，全面考虑非线性自催化反应中的振荡、混沌、分岔等非线性动力学行为，将数据建模方法、智能估计理论、数据驱动控制与先进控制理论相集成，基础研究与应用研究相结合，开展数据驱动和未建模动态补偿的非线性自催化反应控制方法的研究。首先，充分利用自催化反应过程的数据信息，研究未建模动态的数据建模方法；其次，利用质量守恒和反应速率守恒原理为自催化反应过程建立恰当的微分及微分代数动力系统，并考虑不确定因素，提出一种参数辨识算法与未建模动态估计交替辨识的非线性建模方法。在此基础上，研究非线性自催化反应的控制方法，并分析在参数变化条件下系统的动力学行为，建立闭环系统的稳定性和收敛性分析；最后，通过数值仿真算例，并采集自催化反应过程的真实数据进行实验验证，说明所提算法的有效性和实用性。本项目的研究对促进和发展非线性自催化反应的控制有着重要的理论意义和科学价值。

该项目针对非线性化学动力系统中一类具有强非线性动力学行如振荡、混沌、分岔等的非线性过程的建模与控制为目标，以大数据驱动的建模方法、神经网络估计理论为主要工具，建立非线性化学动力系统恰当的微分及微分代数动力系统模型，充分利用过程的数据信息和相关知识，研究未建模动态的数据建模方法；参数辨识算法与未建模动态估计组成的交替辨识方法。在此基础上，提出了一系列非线性系统的先进控制方法，并分析在参数变化条件下系统的动力学行为，从理论上建立闭环系统的稳定性和收敛性分析; 最后，以数值仿真对比实验以及连续搅拌釜(continuous stirred tank reactor, CSTR)反应过程、微分代数生物系统：Lotka-Volterra食饵-捕食生物模型、水箱液位控制系统、氢氧化镍钴矿浆中和化学反应过程、Pendubot平衡控制系统以及电熔镁炉功率预报过程为实例, 进行仿真和应用验证研究。项目所取得的研究成果对促进和发展非线性动力系统的建模与控制有着重要的理论意义和科学价值。. 本项目的研究成果在《IEEE Transactions on neural network and Learning systems》、《IEEE Transact ions on Control Systems Technology》、《IEEE Transact ions on Systems, Man, and Cybernetics: Systems》、《Numerical Algebra, Control And Optimization》、《自动化学报》、《控制理论与应用》等国际与国内期刊上共发表学术论文11篇，其中IEEE Trans 系列SCI期刊regular paper：3篇，发表《自动化学报》长论文3篇；在国内控制领域的顶级会议上发表论文1篇。