基于即时学习的高炉炼铁过程数据驱动自适应预测控制

• 作者: 周平 易诚明 柴天佑
• 来源期刊: 控制理论与应用
• 关键词: 高炉 数据驱动 即时学习 线性化 模型预测控制 工业数据异常
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 论文与报告
• 页码范围: 295-306
• 页数: 12页
• 语种: 中文
• DOI: 10.7641/CTA.2019.80689

摘要

针对高炉炼铁过程,本文提出一种基于即时学习的高炉铁水质量自适应预测控制方法(JITL-APC).该方法的特点是控制器通过k向量近邻(k-VNN)方法搜索数据库中的输入输出(I/O)数据信息,对非线性系统进行局部建模,并在此基础上计算控制律.而且,该方法中引入了工业异常数据处理机制,利用JITL学习子集中的平均数据项,对异常数据项进行填补或替换,从而消除异常数据对控制系统的影响.此外,本文提出一种JITL模型保留策略(MRS),避免由于数据库中相似数据样本不足导致的局部模型严重失配,并通过实时收集I/O数据更新数据库,使控制器自适应不同的工况条件,MRS还可以有效抑制噪声干扰的影响,从而提高控制系统的稳定性.最后,基于某大型钢铁厂2#高炉的数值仿真实验,充分验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柴天佑	东北大学流程工业综合自动化国家重点实验室	382	9006	43.0	78.0
2	周平	东北大学流程工业综合自动化国家重点实验室	38	462	12.0	20.0
3	易诚明	东北大学流程工业综合自动化国家重点实验室	1	0	0.0	0.0