项目名称: 间歇过程控制系统的动态性能评估与优化理论及应用研究

项目编号: No.61273098

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 夏浩

作者单位: 大连理工大学

项目金额: 80万元

中文摘要: 随着工业生产自动化水平的提高,工业界及学术界已经普遍认识到工业控制系统的日常维护与优化的重要性,工业控制系统的性能评价已经成为过程控制领域一个重要的研究方向。目前学术界对于工业控制器的评价工作主要集中在控制器对稳态连续过程在随机扰动下的整定能力的评价。而对间歇过程控制器的动态轨迹跟踪性能的评价尚处于起步阶段。这类控制器由连续动态反馈和离散逻辑决策组成,具有典型的混杂特性和非线性。本研究以如何评价间歇过程控制器的动态跟踪性能这一富有挑战性和创新性的科学问题为对象,试图建立一个基于系统模型和历史数据的控制器综合评价体系,为间歇类控制系统的评价提供可靠的标准。主要研究内容有:过程系统模型的建立与指标基准的确定;基于模型的非线性最优控制器的设计及与之相应的动态跟踪基准确定和计算;基于数据及模型预测控制指标的动态性能评价方法,基于模型和基于数据的评价结果的综合等。

中文关键词: 间歇控制器;性能评价;非线性控制;系统辨识;混杂系统

英文摘要: As the process industry becomes more and more automated, the importance of daily controller maintenance and optimization has been recognized by both the industry and the academic. Controller performance assessment has become an important research topic. Up to now, most of the research has been focused on the controller performance assessment for continuous processes subject to stochastic disturbances. There is little work regarding the controller performance assessment for batch processes. Such systems comprise continuous dynamical and discrete logical components, while their management uses sequential execution of events aided by feedback control. The processes and the control systems are typically hybrid and nonlinear, which make them hard to analyse and design. The aim of this project is to provide a theoretical basis for and practical demonstrations of benchmarking for batch controllers. During the project, the following problems will be addressed: how to build the process model and define a mathematical representation of the overall performance criteria; how to develop and implement algorithms for model-based controller performance assessment based on nonlinear optimal control techniques; how to design a data-driven benchmarking algorithm by using model predictive control criteria, the synthesis of a overal

英文关键词: batch controller;performance assessment;nonlinear control;system identification;hybrid system

成为VIP会员查看完整内容
0

相关内容

Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
专知会员服务
32+阅读 · 2021年9月14日
专知会员服务
24+阅读 · 2021年6月9日
专知会员服务
21+阅读 · 2021年4月20日
专知会员服务
132+阅读 · 2021年2月17日
专知会员服务
83+阅读 · 2020年12月11日
FPGA加速系统开发工具设计:综述与实践
专知会员服务
65+阅读 · 2020年6月24日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
基于深度学习的多标签生成研究进展
专知会员服务
141+阅读 · 2020年4月25日
【KDD2021】基于生成对抗图网络的不平衡网络嵌入
流程工业数字孪生关键技术探讨
专知
1+阅读 · 2021年4月7日
【APC】先进过程控制系统(APC: Advanced Process Control)
产业智能官
61+阅读 · 2020年7月12日
【数字孪生】数字孪生标准体系探究
产业智能官
47+阅读 · 2019年11月27日
综述 | 近年来深度学习的重要研究成果(附PDF)
数据派THU
14+阅读 · 2018年8月15日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
16+阅读 · 2020年5月20日
Optimization for deep learning: theory and algorithms
Arxiv
104+阅读 · 2019年12月19日
小贴士
相关VIP内容
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
专知会员服务
32+阅读 · 2021年9月14日
专知会员服务
24+阅读 · 2021年6月9日
专知会员服务
21+阅读 · 2021年4月20日
专知会员服务
132+阅读 · 2021年2月17日
专知会员服务
83+阅读 · 2020年12月11日
FPGA加速系统开发工具设计:综述与实践
专知会员服务
65+阅读 · 2020年6月24日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
基于深度学习的多标签生成研究进展
专知会员服务
141+阅读 · 2020年4月25日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员