使用通用铰链超平面的基于模型的批处理过程迭代学习控制

提出了一种使用广义铰链超平面（GHH）的基于模型的迭代学习控制（ILC）策略，以跟踪批处理过程中的产品质量轨迹。 GHH作为具有分段仿射基函数的经验模型，非常适合构建批处理过程的动态模型，由于GHH模型的结构，可以轻松获得其梯度信息。 基于GHH，构造了基于二次判据的ILC（Q-ILC）算法，其中通过ILC定律更新下一个批次的输入轨迹，并且可以逐批次逐渐减少输出跟踪误差。 将该策略在模拟的典型间歇React器上进行了演示，并与基于神经网络的方法进行了比较。 仿真结果表明，在模型工厂不匹配和未知干扰下，输出跟踪误差的收敛性和所提方法的鲁棒性。