复杂环境下数据驱动的MPC性能监控-控制科学与工程专业论文.docx

摘 摘 要 万方数据 万方数据 复杂环境下数据驱动的 MPC 性能监控 摘 要 控制器的性能监控，是保证控制器及整个工业过程平稳正常运行的 一种常用手段。由于工业过程日趋复杂，传统的数据驱动的预测控制器 (Model Predictive Control, MPC)的性能监控方法已经无法满足当前的需 求，本文针对基于多工况和多诱因的复杂环境下的 MPC 性能监控方法 进行研究，结合数据在多工况多诱因下的特点，提出了有效可行的数据 驱动的性能监控的方法。 多工况环境的性能监控中，在进行性能评估时，控制器的性能基准 会随着工况的变化而变化，因此在性能评估前需要通过确定实时数据所 处的工况，以确定数据所在工况对应的性能基准。本文就此问题提出了 基于综合相似因子的工况判定方法，利用改进的主元分析(Principle Component Analysis, PCA)相似因子和巴氏距离(Bhattacharyya distance) 相似因子，同时考虑了数据在主元方向上的变化以及在空间距离的变化， 比较实时数据与历史数据的相似程度，从而获取实时数据所 处的工 况。 在多诱因的性能监控中，即同时存在多种导致 MPC 性能下降的原 因，若只考虑单一诱因，并不能完全诊断出导致 MPC 控制器性能下降 的所有原因。而在多诱因的影响下，会使得不同情况下 MPC 的输入/输 出数据特征相近，加大了性能监控的难度。本文对数据驱动的多诱因影 响的 MPC 性能监控首先提出了一种基于巴氏距离相似因子的性能评估 方法，该方法利用巴氏距离相似因子作为性能指标，由于巴氏距离考虑 到了数据方差的变化，通过比较实时数据与历史数据的空间距离和方差 差异，有效地放大了数据的波动变化，从而提高了性能评估的准确性。 在性能评估的基础上，针对多诱因 MPC 性能诊断问题，本文提出了基 于对支持向量机 (Twin Support Vector Machine, TWSVM) 和有向无环图 (Directed Acyclic Graph, DAG)相结合的分类器算法。该算法考虑到了多 诱因存在的影响，对性能诊断的过程进行逐步分解，从而达到对多诱因 的 MPC 性能诊断的目的。 最后数据驱动的 MPC 性能监控仿真软件平台的建立，推广了本文 提出的性能监控方法，该软件平台利用 MATLAB GUI 工具，将上述算 法以代码的方式实现，软件平台的功能模块包括了数据导入，工况判定， 性能评估以及性能诊断。通过导入相应的历史数据和实时数据，便可完 成对于多工况多诱因影响下数据驱动的 MPC 性能监控。 关键字：数据驱动，性能监控，预测控制器，多工况多诱因，巴氏距离 AB ABSTRACT Data-driven Approach for MPC Performance Monitoring under Complex Environment ABSTRACT The controller performance monitoring is a common means to ensure the smooth running of the controller and the whole industrial process. Due to the increasing complexity of industrial process, the traditional data-driven approaches for Model Predictive Control (MPC) performance monitoring can no longer meet the current demand. This paper focuses on the MPC performance monitoring under multi-operating conditions and multi-causes, considers the characteristics of the data, and proposes an effective and feasible data-driven method for performance monitoring. In the process of performance monitoring under multi-operating conditions, the performance benchmark of the controller varies when the operating condition changes. Therefore, it is important to deter