基于核方法的间歇过程迭代学习控制研究

间歇过程在生产中占有重要地位。但间歇过程的控制一直是个难点。由于间歇过程具有重复性，前批次的信息可以得到利用，而迭代学习控制亦具有重复性特点，因此迭代学习控制可以用于间歇过程控制。间歇过程的机理模型很难获得，且代价高昂，因此基于过程数据的经验模型越来越受到重视。近年来核方法（如支持向量机、核主元方法、核偏最小二乘方法，核独立元方法等）在数据处理方面得到了应用，显示出独特的优势。间歇过程的数据通常具有高维数、强耦合性和非线性的特点，而核方法在处理非线性、小样本数据和数据降维去噪等方面具有很好的优势，适合于间歇过程的建模。目前核方法在间歇过程的控制方面得到一定应用，但结合迭代学习控制的研究还少有出现，因此本研究将提出基于核方法建模的迭代学习方案，用于间歇过程控制。由于核方法能更好地描述过程特性，在此基础上能构建更有效的迭代学习控制方案，对提高间歇过程产品的质量有重要意义。

本项目所要进行的研究任务均已完成，所得到的研究结果也达到项目书中所提到的预期目标。本项目采用核方法的一些理论，用于间歇过程的迭代学习控制研究。核方法有很多内容。本项目采用支持向量机、核主元分析、核偏最小二乘和核独立元分析方法对间歇过程建模。间歇过程是典型的非线性过程，核方法采用数据对间歇过程建模，可以有效地消除数据间的非线性相关性和噪声。其中支持向量机适于小样本建模；核主元分析方法可以有效地捕捉过程的动态特性；核偏最小二乘方法适于大数据量的复杂过程建模；核独立元分析方法适于含有非高斯数据过程的建模。这些方法和迭代学习控制结合，均取得了有效的控制效果。在对基于支持向量回归模型的迭代学习控制研究中，误差处理采用批次间的误差反馈，取得了比别的误差处理方法更好的控制效果，收敛过程更加稳定。因此在该项目其它的研究方案中，迭代学习控制均采用批次间误差反馈的办法。在采用核主元回归模型的间歇过程迭代学习控制研究中，由于核主元分析方法捕捉过程的动态特性的能力比较强，因此迭代学习控制采用模型更新的方法克服过程变化的影响，保证了迭代过程的收敛。该方法在过程有约束的情况下也能实现有效控制。为了克服迭代学习控制过早收敛的问题，对学习增益矩阵进行加权，取得了更好的控制效果。核偏最小二乘方法可以有效地解释复杂过程数据的内在特性，因此本项目采用多向核偏最小二乘方法对多输入多输出间歇过程进行建模，首次对多输入多输出间歇过程的迭代学习控制进行研究，控制过程收敛，达到了预想效果。核独立元回归算法本项目首次提出来，也得到实现，针对非高斯数据有很好的回归性能，和迭代学习控制结合，也得到了理想的控制效果。本项目采用这些核方法对间歇过程进行迭代学习控制的研究，均取得了比采用线性建模方法进行迭代学习控制更好的控制效果。