.png){kind=icon}
返回
Data-driven predictive adaptive iterative learning fault-tolerant control for networked batch processes
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jprocont.2025.103431.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文研究了针对一类网络化非线性批处理过程的容错控制（FTC）问题。首先，利用迭代动态线性化技术将受控批处理过程转换为与原系统等价的自适应数据驱动模型，并在控制输入和输出通道中分别考虑了执行器故障和衰减通信现象。其中，衰减通信现象被建模为在迭代和时间域上独立同分布，且具有已知的数学期望和方差。然后，通过充分结合预测控制思想和输出衰减补偿算法，基于双域（迭代和时间域）补偿机制，设计了数据驱动的预测自适应迭代学习容错控制（DDPAILFTC）方案，该方案能够避免短视控制决策并抑制衰减通信带来的不利影响。接下来，利用压缩映射原理对所提出的DDPAILFTC方法进行了严格的收敛性分析。控制方案的设计与分析过程完全基于数据驱动，无需任何显式模型信息。最终，通过一个非线性批处理反应器的温度跟踪控制实例验证了所开发控制方法的有效性。结果表明，与ILFTC相比，所提出的DDPAILFTC策略将平均MAE、平均MSE和计算时间分别降低了20%、21%和31%，与PILFTC相比则分别降低了18%、15%和52%。
Keyword:
Data-driven
Iterative learning fault-tolerant control
Predictive control
Networked batch processes
期刊
IF:
3.9
论文数:
3.5K
被引数:
7.3K
机构
引用论文
Iterative learning hybrid robust predictive fault-tolerant control for nonlinear batch processes with partial actuator faults具有部分执行器故障的非线性间歇过程的迭代学习混合鲁棒预测容错控制
PREAI
分享收藏Recurrent context layered radial basis function neural network for the identification of nonlinear dynamical systems.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏Iterative learning model predictive control for constrained multivariable control of batch processes
PREAI
分享收藏A two-stage robust iterative learning model predictive control for batch processes间歇过程的两阶段鲁棒迭代学习模型预测控制ISA TRANSACTIONS
ISA TRANSACTIONSIF6.5
PREAI
分享收藏Improved design of constrained model predictive tracking control for batch processes against unknown uncertaintiesISA TRANSACTIONS
ISA TRANSACTIONSIF6.5
PREAI
分享收藏
查看更多内容