基于二維模型預(yù)測控制的迭代學(xué)習(xí)控制性能評估方法

王永耀，索寒生，王 娟，孫希法

(1.中國石油化工集團有限公司 信息和數(shù)字化管理部，北京 100728；2.石化盈科信息技術(shù)有限責(zé)任公司 信息技術(shù)研究院，北京 100007；3.北京化工大學(xué) 信息技術(shù)研究院，北京 100029；4.北京時代凌宇科技股份有限公司，北京 100012)

為實現(xiàn)工業(yè)生產(chǎn)中的批次過程更好地運行，研究人員在批次生產(chǎn)控制方面做了大量的研究工作，迭代學(xué)習(xí)控制(iterative learning control，ILC)能夠充分挖掘重復(fù)信息，是處理批次過程的有力工具。由于缺乏足夠的維護、設(shè)備老化、傳感器/執(zhí)行器故障等原因[1]，控制器的性能會隨著時間的推移逐漸下降，監(jiān)測和評定控制器性能的性能評估技術(shù)應(yīng)運而生[2]。然而，針對迭代學(xué)習(xí)控制的性能評估研究不多；同時，由于批次過程的周期性或重復(fù)性，針對一般系統(tǒng)的性能評估方法不適用。因此，迭代學(xué)習(xí)控制性能評估研究對推動工業(yè)發(fā)展具有重要意義。

1978年，迭代學(xué)習(xí)控制的概念首次出現(xiàn)在文獻[3]中。1984年，Arimoto等[4]首次發(fā)表了ILC方面的研究論文。1990年，Geng等[5]成功地將二維系統(tǒng)理論應(yīng)用于離散系統(tǒng)的迭代學(xué)習(xí)控制的設(shè)計，在此之后大批學(xué)者參照這個思路進行了研究[6]。二維系統(tǒng)是能夠同時在兩個獨立的方向上演化的動態(tài)系統(tǒng)[7]，考慮到迭代學(xué)習(xí)控制的更新恰好同時包括時間軸和批次軸，因此可以把迭代學(xué)習(xí)控制作用下的閉環(huán)系統(tǒng)轉(zhuǎn)換成二維系統(tǒng)，從而達到簡化研究的效果。

控制性能評估(control performance assessment，CPA)技術(shù)可以有效解決控制性能欠佳的問題，因而在學(xué)術(shù)界和工業(yè)界引起廣泛的關(guān)注[8]。控制性能評估的相關(guān)研究最早可以追溯到1970年[9]。1989年，Harris在最小方差控制的背景下引出名詞性能指標(Harris指標)[10]，象征著CPA的興起。大批學(xué)者致力于拓展此領(lǐng)域，并取得了突破性進展。Huang等[11]為簡化最小方差基準計算，提出使用濾波相關(guān)法進行估計。最小方差基準由于過于理想化，其他更貼近實際的性能評估基準被陸續(xù)地設(shè)計出來。Huang等[12]基于線性二次高斯控制器設(shè)計了線性二次高斯(linear quadratic Gaussian，LQG)基準——展現(xiàn)為一條性能權(quán)衡曲線，LQG基準比最小方差控制(minimum variance control，MVC)基準更貼近實際。Zhao等[13]將LQG基準應(yīng)用到先進過程控制的經(jīng)濟性能評估。Julien等[14]提出了模型預(yù)測控制(model predictive control，MPC)基準，已在工業(yè)界有很多成功的應(yīng)用案例，是目前最實用的先進控制方法。

雖然性能評估技術(shù)成果頗豐，但有關(guān)迭代學(xué)習(xí)控制的評估研究報道較少。直到2009年，Chen和Kong的工作[15]彌補了這一缺憾，以最小方差控制為基準對ILC進行性能評估。2013年，F(xiàn)arasat和Huang指出文獻[16]遺漏了確定性性能與隨機性性能之間的耦合關(guān)系，通過把系統(tǒng)劃分為內(nèi)環(huán)控制器和外環(huán)控制器，同時加入權(quán)重系數(shù)，提出了一個更全面的方案。2015 年，Wei等[17]選用線性二次高斯基準構(gòu)建了一個全新的評估工具——性能評估曲面。接著，Wang等[18]繼續(xù)對該理論進行深入研究，進一步將一維基準控制器改進為二維基準控制器。隨著迭代學(xué)習(xí)控制在工業(yè)過程中的地位越來越重要，亟需更好的框架來評估其性能。

本研究利用二維系統(tǒng)理論，首次為迭代學(xué)習(xí)控制設(shè)計MPC基準的性能評估策略。針對工業(yè)過程通常模型未知的問題，設(shè)計了閉環(huán)子空間辨識方法，進而得到數(shù)據(jù)驅(qū)動的評估策略。算法可以概括為：根據(jù)測量得到的輸入輸出數(shù)據(jù)構(gòu)造Hankel矩陣，再借助正交三角分解(QR decomposition，QRD)、奇異值分解(singular value decomposition，SVD)等幾何工具計算出子空間矩陣[19]，由列子空間與行子空間估計出系統(tǒng)模型參數(shù)。在得到辨識模型后，把迭代學(xué)習(xí)控制作用下的閉環(huán)系統(tǒng)轉(zhuǎn)換成二維模型，進而設(shè)計基于二維MPC基準的控制性能評估策略。設(shè)計方法在注塑過程上進行了仿真測試。

本研究的主要創(chuàng)新在于：為迭代學(xué)習(xí)控制設(shè)計了二維MPC基準的性能評估策略；針對工業(yè)過程通常模型未知的問題，首次設(shè)計了數(shù)據(jù)驅(qū)動的評估策略；對Fornasini-Marchesini(FM)模型參數(shù)的獲取進行了深入研究。

1 子空間辨識

漢克爾矩陣(Hankel matrix)：

托普利茲矩陣(Toeplitz matrix)：

由于子空間辨識是基于投影的算法，接下來將介紹其中涉及到的正交投影理論：

任意矩陣的行空間映射至矩陣Φ的行空間上的算子記為：

∏Φ=ΦT(ΦΦT)?Φ，

(1)

其中，符號?代指偽逆，在MATLAB中，調(diào)用函數(shù)pinv即可求得。

在此基礎(chǔ)上，可以得到Ψ/Φ=Ψ∏Φ=ΨΦT(ΦΦT)?Φ。

類似地，任意矩陣的行空間映射至矩陣Φ的行空間正交補上的算子記為：

∏Φ⊥=Ι-∏Φ,

(2)

則有

Ψ/Φ⊥=Ψ∏Φ⊥。

借助∏Φ和∏Φ⊥，能夠把Ψ拆分為下列形式：

Ψ=Ψ∏Φ+Ψ∏Φ⊥。

圖1 矩陣正交投影過程的圖像化展示

如圖1所示。

2 二維子空間矩陣

考慮如下批次過程：

(3)

其中，t=0,1,…,T-1,為時間指標;k=0,1,…,N-1為批次指標；x∈Rn、u∈Rp以及y∈Rm分別表示狀態(tài)、輸入和輸出；ω∈Rn與v∈Rm皆為高斯白噪聲，分別指系統(tǒng)噪聲、測量噪聲。

對于上述批次過程，引入如下形式的迭代學(xué)習(xí)控制律：

∑ILC:u(t,k)=u(t,k-1)+r(t,k)。

(4)

其中，r(t,k)是待設(shè)計的學(xué)習(xí)律。

(5)

為了在二維系統(tǒng)理論框架下進行推導(dǎo)，定義符號：

(6)

由式(3)～(6)，可以得到如下所示的二維系統(tǒng)的典型描述形式——Fornasini-Marchesini(FM)模型：

(7)

(8)

把式(7)簡化成：

(9)

(10)

又注意到A1第二列矩陣塊的元素都為0，所以作下列變形也不會造成影響：

(11)

考慮下列新息模型，可以看出是對式(11)的一般化形式：

(12)

根據(jù)Ramos等學(xué)者的理論，對式(12)進行反復(fù)的迭代操作，最終獲得下述子空間等式：

(13)

(14)

(15)

其中，下標p指過去項、f指未來項，輸入Hankel矩陣Up和Uf定義如下：

輸出Hankel 矩陣的具體表達式為：

狀態(tài)矩陣定義如下：

擴展的可觀測矩陣以及擴展的可控矩陣的具體表達式分別為：

下三角托普利茲矩陣為：

上述過程是為閉環(huán)子空間辨識做準備，下一節(jié)借鑒文獻[20]的子空間模型辨識主元分析(subspace model identification-principal component analysis，SIM-PCA)思想，面向開環(huán)系統(tǒng)的二維子空間辨識，推導(dǎo)出帶有擾動閉環(huán)的方法。

3 閉環(huán)子空間辨識

(16)

接著，做一些簡單的變形：

(17)

(18)

(19)

(20)

(21)

記Z=Wf/Wp，對Z做SVD分解：

(22)

結(jié)合式(21)和式(22)，可以看出Z的正交列空間等于U2，則有

(23)

其中，M可以取作任意的常數(shù)非奇異矩陣。

(24)

由式(24)可以得到：

(25)

(26)

4 控制性能評估

根據(jù)第3節(jié)中的算法，可以獲得系統(tǒng)矩陣A、B、C、D，進而得到系統(tǒng)(9)。為該二維系統(tǒng)設(shè)計控制器：

r(t,k)=K1X(t,k)+K2X(t+1,k-1)。

(27)

實際上，這種情況下的二維控制器設(shè)計可以分解為狀態(tài)反饋控制和前饋ILC控制。狀態(tài)反饋控制用來提高系統(tǒng)狀態(tài)的收斂性能，而前饋ILC控制則用于保證沿批次方向的收斂性。

結(jié)合式(9)和式(27)，可以得到以下形式：

(28)

定義二維MPC代價函數(shù)：

+XT(t+j+1|t,k+l|k)Q2X(t+j+1|t,k+l|k)

+(r(t+j,k+l+1))TMr(t+j,k+l+1)}}

(29)

其中，φT(j,l)=[XT(t+j|t,k+l+1|k),XT(t+j+1|t,k+l|k)]，Q1,Q2,M是權(quán)重矩陣。

MPC基準控制器可以通過求解下列優(yōu)化問題獲得

(30)

但一維MPC控制問題的解決方案不能直接應(yīng)用于二維系統(tǒng)，因為兩個系統(tǒng)的結(jié)構(gòu)和動態(tài)復(fù)雜性有著顯著的差別。為此，本節(jié)提出了一個次優(yōu)的解決方案。在證明主要結(jié)論的過程中，需要用到下面兩個引理。

引理1[21]對于具有適當(dāng)維度的給定矩陣W，L和V，其中W和V是正定矩陣，滿足

LTVL-W<0。

(31)

當(dāng)且僅當(dāng)

(32)

引理2[22]設(shè)E、G、F和M表示具有適當(dāng)維度的實矩陣，M滿足M=MT，則對于所有GTG≤I,

M+EGF+FTGTET<0，

(33)

當(dāng)且僅當(dāng)存在μ>0滿足

M+μ-1EET+μFTF<0。

(34)

定理1假設(shè)W(t,k)≡0成立。給定二維FM系統(tǒng)(9)，則優(yōu)化問題(30)是可解的，如果存在正定對稱矩陣S1、S2、Ω以及矩陣Y1、Y2，滿足

(35)

基于上述線性矩陣不等式(linear matrix inequality，LMI)的解，可以得到控制律的增益：

K1=Y1Ω-1,K2=Y2Ω-1。

(36)

證明：設(shè)計如下Lyapunov函數(shù)：

(37)

其中，[·]是任何具有適當(dāng)維度的正定對稱矩陣。對于正定對稱矩陣P、R1、R2，有

ΔV(X(t,k))=Vp(X(t+1,k))-VR1(X(t,k))-VR2(X(t+1,k-1))
=‖X(t+1,k)‖p-‖X(t,k)‖R1-‖X(t+1,k-1)‖R2。

(38)

根據(jù)等式(28)，可以得到：

(39)

對式(35)的左側(cè)矩陣分別左乘和右乘對角矩陣diag{P,P,I,I,I,I}，得到矩陣不等式(35)等價于

(40)

(41)

由此，可以得到

(42)

根據(jù)上式有:

(43)

Vp(X(t+1,k))

(44)

不失一般性，假設(shè)R1=λP,R2=(1-λ)P，也就是說R1=P-R2，這帶來

Vp(X(t+1,k))

(45)

對于任意整數(shù)T0,K0,i>0，以下不等式成立：

Vp(X(T0+1,K0+i))

Vp(X(T0+2,K0+i-1))

+VR2(X(T0+2,K0+i-2)，

?

Vp(X(T0+i,K0+1))

+VR2(X(T0+i,K0)。

把這些不等式相加，得到

很明顯，Lyapunov函數(shù)值的總和沿狀態(tài)軌跡逐漸減小，那么當(dāng)系統(tǒng)批次趨向于無窮時，會完全跟蹤期望軌跡。

證明完畢。

5 仿真實例

注塑成型是典型的批次過程，其注射階段對注射速度的控制關(guān)乎產(chǎn)品質(zhì)量的高低。本節(jié)選用注塑過程的注射階段作為研究對象，通過仿真實驗來驗證設(shè)計的算法。

已經(jīng)確定相對于比例閥的注射速度被描述為如下模型[23]：

(46)

上述傳遞函數(shù)模型可以轉(zhuǎn)換成下列狀態(tài)空間模型：

(47)

在仿真中，首先假設(shè)模型參數(shù)是未知的，使用上述模型生成的數(shù)據(jù)來驗證所提出的閉環(huán)子空間辨識方法。為此，進行了30次仿真實驗，并從不同角度展示了識別結(jié)果。

圖2 系統(tǒng)矩陣A的特征根

圖3 真實模型和識別模型的波德圖

表1 特征值的平均值和方差

圖2描述了系統(tǒng)矩陣A的真實特征根和利用子空間算法識別出的特征根，經(jīng)過對比可知辨識效果較為理想。同時，表1中的數(shù)據(jù)也表明，特征根的平均值和方差皆處于可接受的范圍內(nèi)。圖3是真實模型和辨識模型的Bode圖比較。綜上所述，所識別的效果實現(xiàn)了一致的估計和良好的準確性。從而，可以進行下一步的性能評估研究。

該系統(tǒng)的控制目標是跟蹤以下參考軌跡：

(48)

LQG基準對應(yīng)的代價函數(shù)通常選取：

(49)

根據(jù)已有的求解LQG問題的算法，就可以得到r(t,k)的最優(yōu)解；然后就能夠擬合出性能曲面。為了對比兩種基準的評估效果，將它們分別作為評估模型(47)的基準，并將各自的性能曲面展示在同一個仿真圖(圖4)中。

由圖4可看出，MPC基準對應(yīng)的性能曲面要高于LQG基準對應(yīng)的性能曲面。造成這種局面的原因有兩個：第一，過程模型的精確度不能百分百保證，在設(shè)計模型預(yù)測控制器時經(jīng)常采用與實際模型不匹配的近似模型。第二，兩者優(yōu)化目標中的時間范圍不同：MPC的優(yōu)化目標是有限時域，而LQG是無限時域。因此，即使過程和擾動模型精確已知，MPC性能曲面也一定高于LQG性能曲面。

圖4 兩種基準下的性能曲面比較

6 結(jié)論

本研究提出一種基于二維模型預(yù)測控制的迭代學(xué)習(xí)控制性能評估方法。考慮到實際的工業(yè)過程中通常無法知曉系統(tǒng)的模型，對如何獲取FM模型參數(shù)展開了研究。為了保證安全、產(chǎn)品質(zhì)量、系統(tǒng)穩(wěn)定運行等，只能在閉環(huán)條件下進行辨識，由此提出了子空間辨識算法，所識別的效果實現(xiàn)了一致的估計和良好的準確性。在得到辨識模型后，把迭代學(xué)習(xí)控制作用下的閉環(huán)系統(tǒng)轉(zhuǎn)換成二維模型，進而設(shè)計基于二維MPC基準的控制性能評估策略，其性能曲線高于LQG基準曲線。算法的仿真測試結(jié)果驗證了其有效性。