基于高斯过程模型控制回路性能评估研究.pdfVIP

第17届IFAC系统辨识研讨会预印本北京国际会议中心2015年10月

19‑21日，中国北京

高斯基于过程模型的控制回路性能评估

陈理特·莱斯特和陈俊辉

膜技术研究中心化学工程系中原

基督教大学昌黎，台湾320，中国

(传真：+886-3-2654199电子邮件：jason@wavenet.cycu.edu.tw).

摘要：控制系统的实际约束（如阀门约束）意味着最小方差控制的性能很可能无法实现。相反，

目标可以表达为最小化输入和输出方差的线性二次函数。评估的性能指标取决于模型，并且在模

型的准确性方面，它仅与可用数据的质量一样准确。本工作提出了一种高斯过程模型指标，以提

供性能指标的信任区域，并提供一个判断可行改进的框架。该模型可以自适应更新，从而提高性

能。根据模型质量的指示，可以获得所评估控制器性能指标的可靠性。

关键词：自适应，监测，性能指标，方差，不确定性表征，

1.引言准确度取决于可用数据的质量。过去一直假设模型是完

控制器性能评估的目的是确定和测量控制系统的能力，美的，但事实往往并非如此。数据可能冗余、不完整甚

以改善性能下降。Harris（1989）提出了最小方差控制至不健康。其结果是，基于识别模型的性能指标并不是

（MVC）性能评估。实际控制系统中的约束条件，如阀实际的最佳值。这导致需要对性能指标提供信任度，以

门约束，意味着MVC的性能在实践中很可能无法实现，便操作员在考虑改进当前过程时获得更好的信息。因此，

实际控制器的最佳性能通常比MVC差（Huang和这项工作的动机是使用高斯过程（GP）模型来提供一个

Shah，1999）。相反，目标可以表示为最小化输入和输性能评估框架。原因是GP直接提供了预测分布的方差，

出方差的线性二次函数。可以通过解决线性二次高斯可以解释为模型的置信水平。因此，除了当前性能的定

（LQG）问题来获得解决方案（Kwakernaak和量值外，还可以给出数据质量的指示，从而评估用于评

Sivan，1972）。LQG基准是评估此类控制器性能的更合价过程性能的模型。通过这种方式，可以给出性能评估

适的基准（Huang等，1997）。然而，计算LQG基准需指标的信任水平。

要完全了解过程模型，这是一个苛刻的要求或在实践中

根本不可能实现（Huang等，1997；Huang和Shah，

1999）。高级过程控制的经济性能评估旨在调查通过控制

系统改进可以获得的性能潜力（Zhao，2009）。建模实2.问题陈述

际工厂的一种范式内在地包括了必须在控制设计中考虑

LQG基准是评估控制器性能的合适基准。LQG基准的优

的不确定性，即控制设计程序必须保证在整个不确定性

势在于其能够识别在输入方差约束下的可实现最小输出

域内闭环系统的稳定性、性能和鲁棒性。这是鲁棒控制

方差；因此，在评估如模型预测控制（MPC）等约束控

技术。这些方法基于通过收紧预测状态的约束来增加控

制时，它比MVC更为现实。缺点是需要完整的工艺模型，

制器的鲁棒性的思想，从而可能导致过度约束。因此，在

并且只能处理输入方差约束，即软约束，而不能处理硬

评估过程