[发明专利]塑料烘干器温度优化节能控制方法

摘要

本发明公开了一种塑料烘干器温度优化节能控制方法。该方法考虑了塑料烘干器在不同工况下的运行特性，采用基于多模型切换的预测控制策略对塑料烘干器空气温度的动态特性进行辨识，建立对象在各个典型工况下的切换系统模型。然后，利用切换规则建立具有约束的优化目标函数，由处理连续变量的神经网络和处理离散二进制变量的神经网络共同组成混合神经网络，最后利用该混合神经网络方法对切换系统进行优化求解。本发明可以使被控系统在各个典型工况下都处于最优运行状态，从而提高塑料烘干器空气温度控制的精度。

主权项

1. 塑料烘干器温度优化节能控制方法，其特征在于该方法的具体步骤是：a. 建立多模型切换系统模型；具体方法是：以塑料烘干器的燃气阀门开度值、冷配风阀门开度值、塑料进料量和塑料烘干器转轴转速为输入控制量，以温度传感器采集到的塑料烘干器空气温度值为输出量，以塑料进料量、冷配风阀门开度值、湿度传感器采集到的塑料烘干器空气湿度为状态量，建立典型工况下的离散时间切换模型：其中是3维状态变量，分别表示k时刻塑料进料量、冷配风阀门开度值、塑料烘干器内空气湿度值这三个状态变量；是4维控制输入变量，分别表示k时刻燃气阀门开度值、冷配风阀门开度值、塑料进料量和塑料烘干器转轴转速；是单输出变量，表示k时刻塑料烘干器中空气温度测量值；分别表示需要辨识的不同状态下的多模型参数；Rⁿ代表n维欧氏空间，是分段切换常数，从有限集中选取，表示m个典型工况下的系统模型参数；状态变量和控制变量分别为：；；其中表示塑料进料量，表示冷配风阀门开度值，表示塑料烘干器内湿度传感器采集到的湿度值，表示表示燃气阀门开度值，表示冷配风阀门开度值、塑料进料量，塑料烘干器转轴转速，表示塑料烘干器中空气温度值；在烘干过程中，通过调节燃气阀门开度值、冷配风阀门开度值、塑料进料量和塑料烘干器转轴转速来实现烘干器内气体温度的控制，是一个多输入单输出的控制系统；b. 建立输出值的预测方程；按照前面建立的离散时间状态空间模型，得到塑料烘干器中空气温度值预测模型；        基于前一步建立的切换系统模型，有输出变量模型其中为k+j时刻的输出变量，为k+j时刻的控制输入变量，j为正整数；可以得到的预测模型为：其中表示状态变量的预测估计值，表示时刻塑料烘干器空气温度的预测输出值，表示时刻与前一时刻控制变量的差值；       定义其中是预测时域，是控制时域；则可得其中；        c. 建立多模型切换系统的优化目标函数；由于系统由m个子系统构成，且相互之间进行切换，直接求解较难，现将利用切换规则建立优化目标函数，再利用混和神经网络进行优化求解；假设k时刻状态变量的初始值已知，选择系统的目标函数，并进行如下优化：其中J是优化目标函数，和是权重矩阵；和分别表示输出变量的最小值和最大值；和分别表示控制变量的最小值和最大值；和分别是输出变量和控制变量的参考轨迹；对于系统模型数量为m的多模型切换系统，基于切换规则可得：其中m表示切换系统模型的数量，为0-1变量，即对于有；考虑到任何一个时刻只有一个子系统被激活，即模型之间的切换规则为：式中为切换信号的切换规则，为切换后被激活的子系统；根据切换规则，系统状态方程和输出方程，以及前面的优化目标函数，可得其中、D和M为常数矩阵，且且，，，；d. 基于混合神经网络求解最优控制律；利用混合神经网络对前述切换系统优化问题进行优化求解，该神经网络由两个相互作用的神经网络组成，即c-网络和b-网络，其中c-网络为处理连续变量的神经网络，b-网络为处理离散二进制变量的神经网络；选择神经网络的作用函数为其中，表示在连续c-网络中第个点的控制输入，其下限和上限分别为和，，表示在离散b-网络中第个点的模型输入，，；于是，神经网络中变量的赋值空间为        惩罚函数可以增强优化的约束条件和切换规则，于是用惩罚函数的方法构造混合神经网络的能量函数，它由下述三部分组成:令，则可以得到优化可行解，于是可以得到神经网络的能量函数为其中,,和是惩罚系数。