发酵过程混合建模及带动态补偿的非线性预测控制方法研究控制理论与控制工程专业论文.docxVIP

学位论文数据集中图分类号 学位论文数据集 中图分类号 TPl 学科分类号 510．8060 论文编号 1001020100108 密 级 公开 学位授予单位代码 10010 学位授予单位名称 北京化工大学 作者姓名 冯絮影 学 号08 获学位专业名称 控制理论与控制工程 获学位专业代码 081101 课题来源 国家自然科学基金 研究方向 智能检测与优化控制 论文题目 发酵过程混合建模及带动态补偿的非线性预测控制方法研究 关键词 非线性系统，未知动态，支持向量机，状态估计，预测控制，发酵过程 论文答辩日期 2010年5月19日 ·论文类型 基础研究 学位论文评阅及答辩委员会情况 姓名 职称 工作单位 学科专长 指导教师 王建林 教授 北京化工大学 智能检测与优化控制 评阅人1 201000067A 评阅人2 201000068A 评阅人3 20lO00069A 评阗人4 丁天怀 教授 清华大学 测控技术与仪器 评阅人5 陈祥光 教授 北京理工大学 测控技术 答暇员蝴 丁天怀 教授 清华大学 测控技术与仪器 答辩委员1 陈祥光 教授 北京理工大学 测控技术 答辩委员2 周富强 教授 北京航空航天大学 测试计量技术及仪器 答辩委员3 周强 教授 中国农业大学 检测技术 答辩委员4 黄克谨 教授 北京化工大学 过程系统工程 答辩委员5 注：一．论文类型：1．基础研究2．应用研究3．开发研究4．其它 二．中图分类号在《中国图书资料分类法》查询。 三．学科分类号在中华人民共和国国家标准(GB／T 13745．9)《(学科分类与代码》中查 询。 四．论文编号由单位代码和年份及学号的后四位组成． 摘要发酵过程混合建模及带动态补偿的非线性预测控制方法研究 摘要 发酵过程混合建模及带动态补偿的非线性预测控制方法研究 摘 要 微生物发酵是生物工程和现代生物技术及其产业化的基础。随着 生物工程技术的进步和发酵工业生产规模的不断扩大，迫切需要提高 发酵过程控制系统的控制性能和鲁棒性。发酵过程是典型的非线性、 非平稳、高维数、慢时变的复杂系统，且缺乏足够的先验知识，难以 构建准确描述发酵过程特性的数学模型。随着对发酵过程控制性能要 求的不断提高，研究能准确表征发酵过程特性的混合建模方法及有效 的自适应控制策略具有重要的理论意义和应用价值。 本文在分析现有发酵过程建模和控制方法研究现状基础上，以系统 的未知动态不确定性为主要研究对象，针对模型失配和未知动态等不确 定性影响发酵过程控制品质的难题，研究了发酵过程的混合模型结构、 在线快速建模、状态抗差估计、鲁棒预测控制等问题，并进行了青霉素 发酵过程预测控制的仿真实验研究。 发酵过程机理十分复杂，已有的建模方法对过程的描述并不全 面。本文提出了一种带未知动态的非线性系统混合状态空间模型，未 知动态的引入使得该模型不但具备一般非线性系统的优点，还能表征 北京化T大学博卜学位论文更广泛领域的非线性过程特性。在此基础上，设计了带动态补偿的输 北京化T大学博卜学位论文 更广泛领域的非线性过程特性。在此基础上，设计了带动态补偿的输 出反馈非线性模型预测控制(Nonlinear Model Predictive Control， NMPC)的整体实现框架，并分析了未知动态对系统动态特性的影响， 为后续研究打下了坚实的理论基础。 基于核方法的在线建模研究方面，为提高支持向量回归(Support Vector Regression，SVR)建模的实时性和运算速度，本文首次从在特 征空间复制训练样本的角度证明了SVR和支持向量分类(Support Vector Classification，SVC)的等价性问题，部分消除了SVC和SVR 训练算法的差异，将简洁快速的几何训练算法推广用于SVR训练，有 效提高了SVR的实时性和运算速度。基于核独立元分析(Kernel Independent Component Analysis，KICA)和递推最,j,--乘支持向量机 (Recursive Least Square Support Vector Machine，RLS—SVM)的未知动 态回归估计满足了在线建模和预测估计的实时性要求，且具有较低的 计算复杂度。 基于滤波器的自适应控制器设计方面，基于过程混合模型，研究了 基于环路传递复现(Loop Transfer Recovery，LTR)非线性二次调节 (Nonlinear Quadratic Regulation with LTR，NQG／LTR)的、带一步动 态补偿的NMPC(NMPC with Dynamic Compensation，NMPC／DC)设 计方法，考虑到高斯和非高斯扰动的情况，本文在不敏粒