復雜環(huán)境下數據驅動的MPC性能監(jiān)控.pdf

1、控制器的性能監(jiān)控，是保證控制器及整個工業(yè)過程平穩(wěn)正常運行的一種常用手段。由于工業(yè)過程日趨復雜，傳統(tǒng)的數據驅動的預測控制器(Model Predictive Control，MPC)的性能監(jiān)控方法已經無法滿足當前的需求，本文針對基于多工況和多誘因的復雜環(huán)境下的MPC性能監(jiān)控方法進行研究，結合數據在多工況多誘因下的特點，提出了有效可行的數據驅動的性能監(jiān)控的方法。多工況環(huán)境的性能監(jiān)控中，在進行性能評估時，控制器的性能基準會隨著工況的變化而變化

2、，因此在性能評估前需要通過確定實時數據所處的工況，以確定數據所在工況對應的性能基準。本文就此問題提出了基于綜合相似因子的工況判定方法，利用改進的主元分析(Principle Component Analysis，PCA)相似因子和巴氏距離(Bhattacharyya distance)相似因子，同時考慮了數據在主元方向上的變化以及在空間距離的變化，比較實時數據與歷史數據的相似程度，從而獲取實時數據所處的工況。在多誘因的性能監(jiān)控中，即同時

3、存在多種導致MPC性能下降的原因，若只考慮單一誘因，并不能完全診斷出導致MP C控制器性能下降的所有原因。而在多誘因的影響下，會使得不同情況下MP C的輸入/輸出數據特征相近，加大了性能監(jiān)控的難度。
　　本文對數據驅動的多誘因影響的MP C性能監(jiān)控首先提出了一種基于巴氏距離相似因子的性能評估方法，該方法利用巴氏距離相似因子作為性能指標，由于巴氏距離考慮到了數據方差的變化，通過比較實時數據與歷史數據的空間距離和方差差異，有效地放大了

4、數據的波動變化，從而提高了性能評估的準確性。在性能評估的基礎上，針對多誘因 MP C性能診斷問題，本文提出了基于對支持向量機(Twin Support Vector Machine，TWSVM)和有向無環(huán)圖(Directed Acyclic Graph，DAG)相結合的分類器算法。該算法考慮到了多誘因存在的影響，對性能診斷的過程進行逐步分解，從而達到對多誘因的MPC性能診斷的目的。最后數據驅動的MPC性能監(jiān)控仿真軟件平臺的建立，推廣了本