基于Koopman算子的连续搅拌反应釜的模型预测控制  

Model predictive control of continuous stirred tank reactor based on Koopman operator

作　　者：辛丽平 牛先铎 单文悦 冯伟 刘守元 XIN Li-ping;NIU Xian-duo;SHAN Wen-yue;FENG Wei;LIU Shou-yuan(School of Information and Control Engineering,Qingdao University of Technology,Qingdao 266500,China)

机构地区：[1]青岛理工大学信息与控制工程学院,山东青岛266500

出　　处：《控制与决策》2025年第4期1181-1188,共8页Control and Decision

基　　金：山东省自然科学基金项目(ZR2021MF076,ZR2016FB04);国家自然科学基金项目(201606141);山东省重点研发项目(2018GHY115025);中国博士后基金面上项目(2018M642611)。

摘　　要：针对连续搅拌反应釜系统的浓度和温度的跟踪控制问题,提出基于Koopman算子的模型预测控制方法.基于Koopman算子建立CSTR的有限高维线性模型(24维),以CSTR的高维线性Koopman模型作为预测模型,结合预测控制滚动时域多目标优化,考虑状态约束、控制目标、性能优化等约束条件,设计连续搅拌反应釜系统的温度和浓度跟踪控制算法.利用Matlab/Simulink仿真实验验证所提出方法的有效性.通过与CSTR的局部线性化模型预测控制算法(LMPC)和非线性模型预测控制算法(NMPC)进行仿真对比,验证所提出方法的优越性.实验结果表明,所提出方法无需依赖系统的精确数学模型,能避免求解非凸优化问题,而且收敛速度更快,控制精度更高.This paper presents a model predictive control approach using the Koopman operator for tracking concentration and temperature in continuous stirred tank reactor(CSTR)systems.A 24-dimensional Koopman-based linear model serves as the predictive model.The method combines predictive control with receding horizon multiobjective optimization,considering state constraints and control objectives.Matlab/Simulink simulations validate its effectiveness,and comparisons with local linear model predictive control(LMPC)and nonlinear model predictive control(NMPC)algorithms demonstrate faster convergence and higher control accuracy without requiring precise system models or solving non-convex optimizations.

关 键 词：Koopman算子 模型预测控制 连续搅拌反应釜 浓度控制 温度控制 均方根误差 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]