本课题面向工业实际,重点针对数据驱动的预测控制器设计与性能监控展开研究。通过充分挖掘控制系统历史数据和实时数据所蕴含的丰富信息,对数据驱动的预测控制器进行设计,并从确定性、随机性与鲁棒性角度对其控制能力进行较为全面的定义和离线评估;建立完全基于数据的预测控制器性能历史基准/异常模式库,对预测控制器进行在线性能监控,研究建立反映当前预测控制器性能与历史基准模式间关系的监控指标,对控制器性能进行实时趋势监控;结合系统多种数据形式对预测控制器性能变异的漏判、误判情况进行分析研究,提高预测控制器性能评估准确度,并提出改进控制器性能的有效方法;在此基础上,开发数据驱动的预测控制器设计与性能监控的仿真软件平台。通过对数据驱动的预测控制器设计与性能监控的深入研究,为预测控制理论方法与工业实际的密切结合,提供一种面向应用的预测控制器设计与性能监控、诊断与改善的系统性理论方法。
Data-driven;MPC design;performance monitoring;performance assessment;performance diagnosis
本课题面向工业实际,充分挖掘控制系统历史数据和实时数据所蕴含的丰富信息,针对数据驱动的预测控制器设计与性能监控问题展开研究。针对数据驱动的预测控制器设计,我们分别提出了基于子空间预估器的预测控制器和面向双线性系统的子空间预测控制器设计方法,直接利用系统输入输出数据实现了预测控制器的设计。针对数据驱动的预测控制器性能监控,我们首先设计了基于子空间矩阵特征和完全基于系统输入输出数据的性能参数,辅助用于后续性能监控的基准历史数据集合选取。在此基础上,提出了基于马氏距离的综合性能指标并推导了其性能基准用于预测控制器在线性能评估,并通过分析影响控制器性能的不同因素,设计了性能故障分类方法,实现了对预测控制器性能下降源的定位。此外,采用分类辨识和工况匹配等手段,研究了预测控制器更新和参数调整的策略,提出了多种改善控制器在线运行性能的方案,以保证预测控制系统性能尽快恢复到期望状态。上述研究通过在搭建的东大多功能实验平台上得到了充分验证,并在此基础上开发了数据驱动的预测控制器设计与性能监控仿真软件平台,为其他相关研究提供了验证平台。