專(zhuān)利名稱(chēng)：具有可變動(dòng)態(tài)特性的過(guò)程的自適應(yīng)控制的一種系統(tǒng)和方法
技術(shù)領(lǐng)域：
本發(fā)明大體上涉及高級(jí)的預(yù)測(cè)性建模和控制。本發(fā)明尤其涉及對(duì)于具有可變動(dòng)態(tài)特性的過(guò)程的建模和控制尤其有用的自適應(yīng)控制。
背景技術(shù)：
許多操作過(guò)程具有著名地難以建模和控制的可變動(dòng)態(tài)特性。這些過(guò)程極其多樣，并且實(shí)質(zhì)上在任何努力領(lǐng)域都可被找到。這樣的操作過(guò)程的一個(gè)例子是用于研究基本粒子的粒子加速器。對(duì)于基本粒子及其相互作用的研究試圖回答兩個(gè)問(wèn)題(1)構(gòu)造所有物質(zhì)的基本構(gòu)建塊(最小的)是什么？以及(2)在這些粒子間決定粒子如何結(jié)合和衰變的相互作用是什么？為了回答這些問(wèn)題，物理學(xué)家用加速器來(lái)向亞原子粒子提供高能，然后這些亞原子粒子與目標(biāo)碰撞。從這些相互作用中產(chǎn)生許多其他進(jìn)入檢測(cè)器的亞原子粒子。
圖1A和1B描繪了此研究中使用的典型的碰撞或相互作用。根據(jù)檢測(cè)器中搜集到的信息，物理學(xué)家可確定粒子的屬性及其相互作用。
在這些實(shí)驗(yàn)中，亞原子粒子碰撞。但是，為了實(shí)現(xiàn)期望的實(shí)驗(yàn)，要求對(duì)于粒子軌道和實(shí)際發(fā)生碰撞的環(huán)境有很大程度的控制。過(guò)程和控制模型通常被用于在這些實(shí)驗(yàn)的設(shè)置和執(zhí)行中幫助物理學(xué)家。
用于預(yù)測(cè)、控制和優(yōu)化的過(guò)程模型可被分成兩個(gè)一般范疇，穩(wěn)態(tài)模型和動(dòng)態(tài)模型。這些模型是描述過(guò)程特征的數(shù)學(xué)概念，并且過(guò)程測(cè)量值常被利用來(lái)以一種使所述模型復(fù)制所述過(guò)程的行為的方式構(gòu)建這些數(shù)學(xué)概念。然后這些模型可被用于過(guò)程的預(yù)測(cè)、優(yōu)化和控制。
許多現(xiàn)代過(guò)程控制系統(tǒng)使用穩(wěn)態(tài)或靜態(tài)模型。這些模型通常捕獲大量數(shù)據(jù)中包含的信息，其中所述數(shù)據(jù)通常包含在許多不同的操作條件下的穩(wěn)態(tài)信息。一般來(lái)說(shuō)，穩(wěn)態(tài)模型是一個(gè)非線性模型，其中過(guò)程輸入變量由矢量U表示，矢量U經(jīng)過(guò)模型被處理，以輸出因變量Y。非線性穩(wěn)態(tài)模型是一個(gè)唯象的或經(jīng)驗(yàn)的模型，是用來(lái)自不同被測(cè)穩(wěn)態(tài)的數(shù)據(jù)的幾個(gè)有序?qū)?Ui，Yi)發(fā)展出來(lái)的。如果一個(gè)模型被表示為Y＝P(U，Y) (1)其中P是一個(gè)適當(dāng)?shù)撵o態(tài)映射，則穩(wěn)態(tài)建模程序可被表示為M(U→,Y→)→P...(2)]]>其中U和Y是包含Ui，Yi有序?qū)υ氐氖噶俊＝o定模型P，則穩(wěn)態(tài)過(guò)程增益可被計(jì)算為K=ΔP(u,y)Δu...(3)]]>因此，穩(wěn)態(tài)模型表示當(dāng)過(guò)程處于一個(gè)“靜態(tài)”模式時(shí)獲得的過(guò)程測(cè)量值。這些測(cè)量值不能說(shuō)明非穩(wěn)態(tài)條件下的過(guò)程行為(例如當(dāng)過(guò)程被擾動(dòng)時(shí)，或者當(dāng)過(guò)程從一個(gè)穩(wěn)態(tài)條件過(guò)渡到另一個(gè)穩(wěn)態(tài)條件時(shí))。應(yīng)該注意真實(shí)世界的過(guò)程(例如粒子加速器、化學(xué)工廠)在一個(gè)天生動(dòng)態(tài)的環(huán)境內(nèi)操作。因此光有穩(wěn)態(tài)模型一般而言對(duì)于一個(gè)天生動(dòng)態(tài)的過(guò)程的預(yù)測(cè)、優(yōu)化和控制是不充分的。
一個(gè)動(dòng)態(tài)模型通常是根據(jù)非穩(wěn)態(tài)過(guò)程測(cè)量值獲得的一個(gè)模型。這些非穩(wěn)態(tài)過(guò)程測(cè)量值常常是在過(guò)程從一個(gè)穩(wěn)態(tài)條件過(guò)渡到另一個(gè)時(shí)獲得的。在此程序中，應(yīng)用到一個(gè)過(guò)程的過(guò)程輸入(由矢量u(t)表示的被操縱的和/或擾動(dòng)變量)影響被輸出和測(cè)量的過(guò)程輸出(由矢y(t)表示的受控變量)。再一次，測(cè)得的數(shù)據(jù)的有序?qū)Φ?u(ti)，y(ti))表示一個(gè)唯象的或經(jīng)驗(yàn)的模型，其中在此實(shí)例中數(shù)據(jù)來(lái)自非穩(wěn)態(tài)操作。動(dòng)態(tài)模型被表示為y(t)＝p(u(t)，u(t-1)，…，u(t-M)，y(t)，y(t-1)，...，y(t-N)) (4)其中p是一個(gè)適當(dāng)?shù)挠成?。M和N指定了構(gòu)建動(dòng)態(tài)模型所必需的輸入和輸出歷史。一個(gè)動(dòng)態(tài)系統(tǒng)的狀態(tài)空間描述對(duì)于適當(dāng)選擇的M和N值等價(jià)于方程(4)中的輸入/輸出描述，因此方程(4)中的描述也包含了動(dòng)態(tài)系統(tǒng)/過(guò)程的狀態(tài)空間描述。
非線性動(dòng)態(tài)系統(tǒng)一般而言難以構(gòu)建?，F(xiàn)有技術(shù)包括多種模型結(jié)構(gòu)，其中一個(gè)非線性靜態(tài)模型和一個(gè)線性動(dòng)態(tài)模型被結(jié)合起來(lái)以便表示一個(gè)非線性動(dòng)態(tài)系統(tǒng)。例子包括Hammerstein模型(其中一個(gè)靜態(tài)非線性模型串聯(lián)連接在一個(gè)線性動(dòng)態(tài)模型之前)和Wiener模型(其中一個(gè)線性動(dòng)態(tài)模型串聯(lián)連接在一個(gè)靜態(tài)非線性模型之前)。專(zhuān)利#5,933,345構(gòu)造了一個(gè)非線性動(dòng)態(tài)模型，其中非線性模型涉及被一個(gè)神經(jīng)網(wǎng)絡(luò)捕獲的非線性靜態(tài)映射。
此發(fā)明通過(guò)開(kāi)發(fā)一個(gè)被訓(xùn)練為產(chǎn)生能夠最佳逼近方程(4)中的動(dòng)態(tài)映射的一個(gè)動(dòng)態(tài)模型的參數(shù)中的變動(dòng)的神經(jīng)網(wǎng)絡(luò)，然后利用整體的輸入/輸出靜態(tài)映射(也用根據(jù)段落 中的描述訓(xùn)練的神經(jīng)網(wǎng)絡(luò)捕獲)來(lái)構(gòu)造一個(gè)適于其建立的過(guò)程的預(yù)測(cè)、優(yōu)化和控制的一個(gè)精簡(jiǎn)非線性動(dòng)態(tài)模型，擴(kuò)展了現(xiàn)有技術(shù)水平。
在大多數(shù)真實(shí)世界的應(yīng)用中，第一原理(FP)模型(FPM)描述了(完全或部分地)支配過(guò)程行為的規(guī)律。通常，模型中的特定參數(shù)主要地影響模型的行為方式。因此，一個(gè)成功的控制系統(tǒng)的設(shè)計(jì)嚴(yán)重依賴于標(biāo)識(shí)的參數(shù)的精度。此發(fā)明開(kāi)發(fā)了用于表示所述過(guò)程的非線性動(dòng)態(tài)模型的一個(gè)參數(shù)結(jié)構(gòu)(見(jiàn)方程(6))。為了實(shí)現(xiàn)在線建模系統(tǒng)目標(biāo)，神經(jīng)網(wǎng)絡(luò)(NN)模型(NNM)已被開(kāi)發(fā)來(lái)在操作區(qū)域有相當(dāng)大地變化時(shí)魯棒地標(biāo)識(shí)此動(dòng)態(tài)模型中的參數(shù)的變動(dòng)(見(jiàn)圖7)。所開(kāi)發(fā)出的訓(xùn)練方法也可用于魯棒地訓(xùn)練參數(shù)穩(wěn)態(tài)模型。
存在眾多結(jié)合NNM和FPM的方式。NNM和FPM可被“并行”結(jié)合。這里NNM FPM的誤差，然后把NNM和FPM的輸出加在一起。此發(fā)明使用了經(jīng)驗(yàn)?zāi)Ｐ秃蛥?shù)物理模型的一個(gè)結(jié)合，以便模擬具有可變動(dòng)態(tài)特性的一個(gè)非線性過(guò)程。
NNM和FPM表示兩種不同的數(shù)學(xué)建模方法。NNM是用于做非線性(或線性)回歸(即將一個(gè)模型按擬合到數(shù)據(jù))的經(jīng)驗(yàn)方法。FPM是基于已知的物理關(guān)系的物理模型。這兩種方法之間的界線并不是絕對(duì)的。例如，F(xiàn)PM實(shí)質(zhì)上總是有必須被擬合到數(shù)據(jù)的“參數(shù)”。在許多FPM中，這些參數(shù)實(shí)際上并不是常數(shù)，而是在模型的可能操作范圍上變化的。如果操作的單個(gè)點(diǎn)被選中并且模型的參數(shù)在該點(diǎn)被擬合，則隨著模型在越來(lái)越遠(yuǎn)離該點(diǎn)處被使用，模型的精度退化。有時(shí)多個(gè)FPM在多個(gè)不同的點(diǎn)被擬合，并且最接近當(dāng)前操作點(diǎn)的模型被用作當(dāng)前模型。
NNM和FPM各自具有其自身的長(zhǎng)處和弱點(diǎn)集合。NNM通常在單個(gè)操作點(diǎn)附近更精確，而當(dāng)在遠(yuǎn)離模型參數(shù)擬合處的一個(gè)操作點(diǎn)被使用時(shí)，F(xiàn)PM提供更好的外推結(jié)果。這是因?yàn)镹NM包含被模擬的過(guò)程的特質(zhì)。這些長(zhǎng)處和弱點(diǎn)集合是高度互補(bǔ)的-一種方法弱的地方另一種就強(qiáng)-因此，結(jié)合兩種方法可以產(chǎn)生比單獨(dú)的任一種方法在所有方面都更好的模型。這適用于過(guò)程的動(dòng)態(tài)行為在過(guò)程的操作范圍上顯示顯著變動(dòng)的過(guò)程的控制。
本發(fā)明提供了一種創(chuàng)新的方法，來(lái)構(gòu)建參數(shù)非線性模型，其是一個(gè)過(guò)程在其整個(gè)操作區(qū)域上的穩(wěn)態(tài)和動(dòng)態(tài)行為的計(jì)算高效的表示。例如，本發(fā)明提供了一種用于控制粒子加速器內(nèi)的非線性控制問(wèn)題的系統(tǒng)和方法。此方法涉及首先利用軟件工具來(lái)標(biāo)識(shí)與要被控制的操作過(guò)程相關(guān)聯(lián)的輸入變量和受控變量，其中至少一個(gè)輸入變量是一個(gè)被操縱的變量。此軟件工具可被進(jìn)一步操作以確定輸入變量和受控變量之間的關(guān)系。向軟件工具提供輸入并且作用于來(lái)自軟件工具的輸入的一個(gè)控制系統(tǒng)調(diào)整一個(gè)或多個(gè)模型參數(shù)，以確保一個(gè)或多個(gè)受控變量的一種期望的行為，這在粒子加速器的情況中可以被實(shí)現(xiàn)為一個(gè)更高效的碰撞。

發(fā)明內(nèi)容
本發(fā)明可根據(jù)物理模型和經(jīng)驗(yàn)數(shù)據(jù)的一個(gè)結(jié)合確定輸入變量和受控變量之間的關(guān)系。本發(fā)明利用來(lái)自物理模型的信息以多種方式魯棒地構(gòu)造圖7的參數(shù)變化模型，其中多種方式包括但不限于根據(jù)物理模型生成數(shù)據(jù)、將物理模型用作訓(xùn)練神經(jīng)網(wǎng)絡(luò)的約束、以及用方程(6)中描述的一個(gè)類(lèi)型的模型解析地逼近物理模型。
可用一種建立串聯(lián)模型的殘留誤差的并行神經(jīng)網(wǎng)絡(luò)來(lái)加強(qiáng)圖(7)的參數(shù)非線性模型。所述并行神經(jīng)網(wǎng)絡(luò)可以用多種方式加以訓(xùn)練，包括對(duì)串聯(lián)神經(jīng)網(wǎng)絡(luò)的同步訓(xùn)練，串聯(lián)神經(jīng)網(wǎng)絡(luò)的獨(dú)立訓(xùn)練，或迭代訓(xùn)練過(guò)程。
這種情況下，所述神經(jīng)網(wǎng)絡(luò)可以使用多種已知方式加以訓(xùn)練。這些方法既包括基于梯度的方法，例如后向傳播和基于梯度的非線性編程(NLP)解算器(例如順序二次編程、廣義約化梯度方法)，又包括非梯度方法?；谔荻鹊姆椒ㄍǔＲ笸ㄟ^(guò)數(shù)值微分或解析微分獲得的相對(duì)于一個(gè)權(quán)重和偏置的一個(gè)誤差的梯度。
在本發(fā)明對(duì)一個(gè)粒子加速器的應(yīng)用中，通過(guò)調(diào)整校正器磁體和/或四極磁體以操作加速器內(nèi)的粒子束位置來(lái)控制諸如但不限于變化的磁場(chǎng)強(qiáng)度、形狀、位置和/或方向的受控變量，以便實(shí)現(xiàn)粒子間的更高效的相互作用。
本發(fā)明的另一個(gè)實(shí)施例為一種控制粒子加速器內(nèi)的非線性控制問(wèn)題的系統(tǒng)。此系統(tǒng)包括一個(gè)用于操作粒子加速器的分布式控制系統(tǒng)。該分布式控制系統(tǒng)進(jìn)一步包括一個(gè)(或多個(gè))計(jì)算設(shè)備，其中所述計(jì)算設(shè)備能被操作以執(zhí)行一個(gè)標(biāo)識(shí)與粒子加速器中的給定的控制問(wèn)題相關(guān)聯(lián)的輸入變量和受控變量的第一軟件工具，其中至少一個(gè)輸入變量是一個(gè)被操縱的變量。該軟件工具可被進(jìn)一步操作以確定輸入變量和受控變量之間的關(guān)系。輸入/輸出控制器(IOC)操作以監(jiān)視輸入變量并且調(diào)整先前標(biāo)識(shí)的一個(gè)(或多個(gè))控制變量以實(shí)現(xiàn)一個(gè)(或多個(gè))受控變量中的期望的行為。
圖7中的物理模型被顯示為輸入變量的一個(gè)函數(shù)。暗示了如果動(dòng)態(tài)模型中的一個(gè)參數(shù)的變動(dòng)是所述過(guò)程的一個(gè)或多個(gè)輸入變量的函數(shù)，則所述的輸入變量被視為到神經(jīng)網(wǎng)絡(luò)模型的輸入。輸入變量和參數(shù)模型中的參數(shù)之間的關(guān)系可通過(guò)使用經(jīng)驗(yàn)方法表示，例如但不限于神經(jīng)網(wǎng)絡(luò)。
本發(fā)明的特定實(shí)施例可利用與校正器磁體和/或四極磁體相關(guān)聯(lián)的IOC來(lái)控制磁場(chǎng)強(qiáng)度、形狀、位置和/或方向，以便實(shí)現(xiàn)粒子加速器內(nèi)的一個(gè)期望的粒子軌道或相互作用。
本發(fā)明的另一個(gè)實(shí)施例提供了一個(gè)動(dòng)態(tài)控制器，用于通過(guò)預(yù)測(cè)動(dòng)態(tài)輸入值中的一個(gè)變化以實(shí)現(xiàn)粒子加速器的輸出從一個(gè)第一時(shí)間處的一個(gè)當(dāng)前輸出值到一個(gè)第二時(shí)間處的一個(gè)不同的期望的輸出值的變化來(lái)控制粒子加速器的操作，以便實(shí)現(xiàn)粒子間的更高效的碰撞。此動(dòng)態(tài)控制器包括一個(gè)用于接收當(dāng)前輸入值的動(dòng)態(tài)預(yù)測(cè)模型，其中該動(dòng)態(tài)預(yù)測(cè)模型依賴于輸入值和期望的輸出值變化。這允許了動(dòng)態(tài)預(yù)測(cè)模型在第一時(shí)間和第二時(shí)間之間的不同時(shí)間位置產(chǎn)生期望的受控輸入值，以便定義粒子加速器在當(dāng)前輸出值和在第二時(shí)間處的期望輸出值之間的一個(gè)動(dòng)態(tài)操作路徑。一個(gè)優(yōu)化器根據(jù)一個(gè)優(yōu)化動(dòng)態(tài)控制器的目標(biāo)的預(yù)定優(yōu)化方法，優(yōu)化從第一時(shí)間到第二時(shí)間的不同的時(shí)間位置上動(dòng)態(tài)控制器的操作以實(shí)現(xiàn)從第一時(shí)間到第二時(shí)間的一個(gè)期望的路徑，以便動(dòng)態(tài)預(yù)測(cè)模型的目標(biāo)從第一時(shí)間到第二時(shí)間作為一個(gè)時(shí)間函數(shù)而變化。
一個(gè)動(dòng)態(tài)前向模型操作以接收不同時(shí)間位置處的輸入值，并且將輸入值映射到與接收到的輸入值相關(guān)聯(lián)的動(dòng)態(tài)預(yù)測(cè)模型的分量，以便提供一個(gè)預(yù)測(cè)的動(dòng)態(tài)輸出值。一個(gè)誤差生成器將預(yù)測(cè)到的動(dòng)態(tài)輸出值與期望的輸出值相比較，并且生成一個(gè)初級(jí)誤差值，作為每個(gè)時(shí)間位置的差異。一個(gè)誤差最小化設(shè)備確定輸入值中的一個(gè)變化，以最小化由誤差生成器輸出的初級(jí)誤差值。用于對(duì)所述的確定的輸入變化值與一個(gè)原輸入值求和的一個(gè)求和設(shè)備，為每個(gè)時(shí)間位置提供一個(gè)未來(lái)的輸入值作為一個(gè)求和后的輸入值，其中原輸入值包含其中確定的變化之前的輸入值。一個(gè)控制器操作誤差最小化設(shè)備在優(yōu)化器的控制下操作，以根據(jù)預(yù)定的優(yōu)化方法最小化初級(jí)誤差值。


為了更完整地理解本發(fā)明及其優(yōu)點(diǎn)，現(xiàn)在參考以下聯(lián)系附圖的說(shuō)明，附圖中相同的附圖標(biāo)記表示相同的特征，其中圖1A和1B圖解了用粒子加速器研究的典型碰撞或相互作用；圖2描繪了根據(jù)本發(fā)明的系統(tǒng)和方法被操作和控制的一個(gè)粒子加速器的元件；圖3圖解了與根據(jù)本發(fā)明的系統(tǒng)和方法被操作和控制的一個(gè)粒子加速器相關(guān)聯(lián)的一個(gè)極化電子槍?zhuān)粓D4描繪了與根據(jù)本發(fā)明的系統(tǒng)和方法被操作和控制的一個(gè)粒子加速器相關(guān)聯(lián)的一個(gè)多層檢測(cè)器；圖5描繪了與根據(jù)本發(fā)明的系統(tǒng)和方法被操作和控制的一個(gè)粒子加速器相關(guān)聯(lián)的三個(gè)物理層；圖6描繪了與根據(jù)本發(fā)明的系統(tǒng)和方法被操作和控制的一個(gè)粒子加速器相關(guān)聯(lián)的五個(gè)軟件層；圖7圖解了一個(gè)神經(jīng)網(wǎng)絡(luò)模型和一個(gè)參數(shù)動(dòng)態(tài)或靜態(tài)模型之間的相互作用；圖8提供了證明MV與BPM之間的明確的相關(guān)的一個(gè)屏幕鏡頭；圖9提供了變量中的變動(dòng)的另一個(gè)屏幕鏡頭；以及圖10提供了顯示輸入/輸出數(shù)據(jù)的一次捕獲的另一個(gè)屏幕鏡頭。
圖11顯示了SLAC處的SPEAR設(shè)備的一個(gè)這樣的輸入/輸出關(guān)系。
圖12圖解了控制器中的不同模型與控制器和過(guò)程的關(guān)系。
具體實(shí)施例方式
本發(fā)明的首先實(shí)施例被圖解在附圖中，相同的標(biāo)記被用于引用不同附圖中的相同并對(duì)應(yīng)的部件。
本發(fā)明提供了用于具有可變動(dòng)態(tài)特性的過(guò)程的計(jì)算高效的建模的方法。更具體地，本發(fā)明提供了一種方法，該方法通過(guò)用于預(yù)測(cè)和在線優(yōu)化的過(guò)程模型的參數(shù)的透明調(diào)整，魯棒地實(shí)現(xiàn)帶可變動(dòng)態(tài)特性的問(wèn)題中的間接自適應(yīng)控制技術(shù)。這樣的問(wèn)題包括但不限于對(duì)于以下項(xiàng)目的控制粒子加速器內(nèi)的粒子軌道、一個(gè)化學(xué)反應(yīng)器中的溫度以及一個(gè)聚合體制造過(guò)程中的等級(jí)過(guò)渡。
此創(chuàng)新使得能夠改進(jìn)現(xiàn)有的控制軟件，例如Pavilion Technology的Process Perfecter，以便在具有甚至嚴(yán)重變化的動(dòng)態(tài)特性中的問(wèn)題中施加有效的控制。這尤其適用于加速器內(nèi)的粒子軌道的控制。
此發(fā)明中介紹的參數(shù)非線性模型已經(jīng)被發(fā)明者成功用于建模嚴(yán)重非線性的過(guò)程。一個(gè)特定的應(yīng)用直接涉及Standford線性加速器中心(Standford Linear Accelerator Center，SLAC)處的線性加速器的控制。
本發(fā)明為諸如Stanford位置電子非對(duì)稱(chēng)環(huán)(Standford PositionElectron Asymmetric Ring，SPEAR)處的那些被操縱的/擾動(dòng)變量和受控變量之間的非線性關(guān)系的分析提供了一個(gè)強(qiáng)大的工具?？刂谱兞康恼{(diào)整可從此分析受益。SLAC執(zhí)行和支持高能物理、粒子天體物理和使用同步加速器輻射的學(xué)科中的世界級(jí)研究。本發(fā)明在加速器技術(shù)的進(jìn)步以及對(duì)于操作過(guò)程-尤其是那些展示嚴(yán)重的隨時(shí)間變化的非線性行為的操作過(guò)程-的所有高級(jí)建模和控制特定或通用的加速器相關(guān)技術(shù)和設(shè)備中扮演了關(guān)鍵角色。
諸如SLAC處的那些加速器向亞原子粒子提供高能，然后這些亞原子粒子與目標(biāo)碰撞。從這些相互作用中產(chǎn)生許多其他的進(jìn)入檢測(cè)器的亞原子粒子。根據(jù)檢測(cè)器中搜集到的信息，物理學(xué)家確定粒子的屬性及其相互作用。
被加速的粒子的能量越高，物質(zhì)的結(jié)構(gòu)就可以被理解得越充分。由于該原因一個(gè)主要目標(biāo)是提供越來(lái)越高的粒子能量。因此，要求改進(jìn)后的控制系統(tǒng)來(lái)確保粒子像實(shí)驗(yàn)中設(shè)計(jì)的那樣撞擊其目標(biāo)。
粒子加速器有兩種設(shè)計(jì)，直線性和回旋(同步加速器)。SLAC處的加速器是一個(gè)直線性加速器。一個(gè)直線性加速器越長(zhǎng)，它可產(chǎn)生的粒子的能量越高。一個(gè)同步加速器通過(guò)在粒子撞擊其目標(biāo)之前多次回旋粒子來(lái)實(shí)現(xiàn)高能。
一個(gè)粒子加速器10的元件被圖解在圖2中。在圖2的最左端是電子槍12，它產(chǎn)生將被加速的電子14。被流經(jīng)細(xì)絲的一個(gè)電流加熱的任何細(xì)絲釋放電子。然后電場(chǎng)16向著加速器18的開(kāi)始處加速電子14。
作為替換可使用如圖3中所示的一個(gè)極化的電子槍20。這里來(lái)自激光源22的極化的激光將電子24從半導(dǎo)體26的表面敲落。然后電場(chǎng)30向著加速器管32加速電子。極化的電子槍20必須保持極高度的真空，甚至高于加速器本身。這樣的一種真空可以在10-12Tor數(shù)量級(jí)。
返回圖2，在直線性加速器18的最初幾英尺之后，電子14以約10MeVG的能量成束地行進(jìn)。這意味著電子槍已到達(dá)了光速的99.9％。這些電子14的射束具有在與其行進(jìn)方向垂直的方向上發(fā)散的趨勢(shì)。
由于一個(gè)發(fā)散的射束給出的碰撞少于一個(gè)窄聚焦的射束，因此電子和正電子束被送進(jìn)阻尼環(huán)33(電子向北，正電子向南)。這些環(huán)是位于主加速器的任一側(cè)的小的儲(chǔ)存環(huán)。當(dāng)射束在阻尼環(huán)33中回旋時(shí)，電子14通過(guò)同步加速器輻射失去能量，并且在它們每次經(jīng)過(guò)一個(gè)饋有電場(chǎng)和磁場(chǎng)的空腔時(shí)被重新加速。同步加速器輻射減少任何方向上的運(yùn)動(dòng)，而空腔只重新加速期望的方向上的運(yùn)動(dòng)。從而，電子或正電子束變得在運(yùn)動(dòng)上更加平行，因?yàn)檩椛洹八p”掉了不必要的方向上的運(yùn)動(dòng)。然后射束被返回到加速器18，以便在在其內(nèi)行進(jìn)時(shí)獲得更多能量。用射束線中的一個(gè)四極磁體或校正器磁體16實(shí)現(xiàn)進(jìn)一步聚焦。這里聚焦被實(shí)現(xiàn)在一個(gè)平面中，而散焦發(fā)生在另一個(gè)平面中。
電子14的射束在加速器18內(nèi)被加速，其方式與沖浪運(yùn)動(dòng)員沿著波浪被推動(dòng)的方式的很相同。加速器18中推動(dòng)電子的電磁波是通過(guò)高能微波產(chǎn)生的。這些微波從速調(diào)管(未顯示)中發(fā)射出，并且經(jīng)由波導(dǎo)饋送進(jìn)粒子加速器結(jié)構(gòu)，以產(chǎn)生一個(gè)電場(chǎng)和磁場(chǎng)模式。
在加速器18內(nèi)，來(lái)自速調(diào)管的微波建立引起沿加速器18指向的振蕩電場(chǎng)以及在加速器管周?chē)膱A圈中的振蕩磁場(chǎng)的電流。在直線性加速器10末端的電子和正電子進(jìn)入射束交換場(chǎng)地(Beam SwitchYard，BSY)34。這里電子被強(qiáng)大的雙極磁體35或校正器磁體35在不同的方向中轉(zhuǎn)向，并且行進(jìn)到儲(chǔ)存環(huán)36中，例如SPEAR中，或者到其他實(shí)驗(yàn)設(shè)施或射束線38中。為了高效地操作加速器10，操作者持續(xù)監(jiān)視它的所有方面。
高效操作加速器10的挑戰(zhàn)包括控制引起金屬加速器結(jié)構(gòu)膨脹或收縮的溫度變化。此膨脹改變結(jié)構(gòu)的微波共振頻率。因此，粒子加速器結(jié)構(gòu)最好始終被保持在一個(gè)穩(wěn)定的溫度。冷卻系統(tǒng)/過(guò)程應(yīng)該被監(jiān)視以確定所有部件都在工作。真空也應(yīng)該在整個(gè)速調(diào)管波導(dǎo)中和加速結(jié)構(gòu)中被保持。任何微小的真空漏洞都會(huì)干擾加速器功能。整個(gè)系統(tǒng)被抽空到大氣壓的1/100,000,000,000。此外，每個(gè)速調(diào)管的相位時(shí)序應(yīng)該是正確的，以便被眾多速調(diào)管饋給的整個(gè)結(jié)構(gòu)攜帶一個(gè)沒(méi)有相位失調(diào)的行波。操作者還在沿加速器的許多點(diǎn)處監(jiān)視和聚集射束。他們使用多種設(shè)備來(lái)監(jiān)視射束，例如條形射束位置監(jiān)視器(BMP)和射束點(diǎn)顯示器。磁場(chǎng)通常被用于聚集射束。
在通過(guò)碰撞電子和正電子產(chǎn)生了亞原子粒子后，必須跟蹤和標(biāo)識(shí)亞原子粒子。一個(gè)粒子在其電荷及其質(zhì)量已知時(shí)可被完全標(biāo)識(shí)。
原則上一個(gè)粒子的質(zhì)量可根據(jù)其動(dòng)量及其速度或其能量中的任一個(gè)計(jì)算出來(lái)。但是，對(duì)于一個(gè)接近光速移動(dòng)的粒子，動(dòng)量或能量中的任何小的不確定性都使得難以根據(jù)這兩者確定其質(zhì)量，因此有必要也測(cè)量速度。
如圖4所示的一個(gè)多層檢測(cè)器被用于標(biāo)識(shí)粒子。每個(gè)層給出關(guān)于碰撞或相互作用的不同信息?；趤?lái)自所有層的信息的計(jì)算機(jī)計(jì)算重建粒子軌跡的位置，并且標(biāo)識(shí)盡可能多的事件中產(chǎn)生的粒子的動(dòng)量、能量和速度。
圖4提供了顯示安裝在一個(gè)鋼質(zhì)圓筒和管端蓋板內(nèi)的所有檢測(cè)器50元件的一幅剖面圖。完整的檢測(cè)器可能重達(dá)4,000噸，立起來(lái)有六層樓那么高。最內(nèi)層52，頂點(diǎn)檢測(cè)器，提供關(guān)于碰撞后的軌跡的位置的最精確的信息。下一層，漂移腔54，檢測(cè)沿軌跡的七個(gè)點(diǎn)處的帶電粒子的位置。磁場(chǎng)中軌跡的曲率提示了粒子的動(dòng)量。中間層，Cerenkov檢測(cè)器56，測(cè)量粒子速度。下一層，液態(tài)氬熱量計(jì)58，阻止大多數(shù)粒子并測(cè)量它們的能量。這是記錄中性粒子的第一層。
一個(gè)大的磁線圈60隔離熱量計(jì)和最外層62。最外層包括用于檢測(cè)μ介子的磁鐵和溫鐵熱量計(jì)。
SLAC內(nèi)的被仔細(xì)控制的碰撞允許了物理學(xué)家確定構(gòu)成所有物質(zhì)的基本(最小)構(gòu)建塊以及基本構(gòu)建塊之間支配它們?nèi)绾谓Y(jié)合和衰減的相互作用。
SLAC處的控制方案的開(kāi)發(fā)進(jìn)一步要求設(shè)備驅(qū)動(dòng)器的開(kāi)發(fā)，以使帶有一種非線性模型預(yù)測(cè)控制技術(shù)的自適應(yīng)控制策略可行以便與SLAC處的分布式控制系統(tǒng)(DCS)通信，以及SLAC處的帶一種非線性模型預(yù)測(cè)控制技術(shù)的自適應(yīng)控制策略的安裝。SLAC處的分布式控制系統(tǒng)也被稱(chēng)為EPICS(Experimental Physics Industrial ControlSystem，實(shí)驗(yàn)物理工業(yè)控制系統(tǒng))。
EPICS包括一套軟件工具和應(yīng)用程序，它們提供一個(gè)軟件基礎(chǔ)結(jié)構(gòu)，用該軟件基礎(chǔ)結(jié)構(gòu)操作粒子加速器內(nèi)的設(shè)備，例如連接器或四極磁體，或者其他類(lèi)似的用于影響粒子軌道的設(shè)備。在此實(shí)施例中EPICS表示一個(gè)由眾多計(jì)算機(jī)組成的分布式的控制系統(tǒng)，這些計(jì)算機(jī)被聯(lián)網(wǎng)在一起以允許它們之間的通信，并且提供從一個(gè)中央室地或在一個(gè)網(wǎng)絡(luò)(例如互聯(lián)網(wǎng))上遠(yuǎn)程地對(duì)設(shè)備的不同部件的控制和反饋。
客戶機(jī)/服務(wù)器和發(fā)表/訂閱技術(shù)允許了不同計(jì)算機(jī)之間的通信。這些計(jì)算機(jī)(輸入/輸出控制器或IOC)執(zhí)行真實(shí)世界的I/O以及本地控制任務(wù)，并且利用允許高帶寬、軟件實(shí)時(shí)網(wǎng)絡(luò)應(yīng)用的網(wǎng)絡(luò)協(xié)議向客戶機(jī)發(fā)表信息。
這樣的一個(gè)分布式控制系統(tǒng)可在加速器本身之內(nèi)以及被SLAC的許多實(shí)驗(yàn)射束線廣泛使用。眾多IOC直接或間接地控制機(jī)器操作的幾乎每個(gè)方面，例如粒子軌道和環(huán)境，而控制室中的工作站或服務(wù)器向系統(tǒng)/過(guò)程提供更高級(jí)別的控制和操作者接口，執(zhí)行數(shù)據(jù)記錄、歸檔和分析。許多IOC可在出現(xiàn)誤差時(shí)引起加速器傾卸射束。在某些情況下，一個(gè)錯(cuò)誤的輸出可損毀設(shè)備，耗費(fèi)幾千美元以及數(shù)天甚至數(shù)周來(lái)修復(fù)。
從結(jié)構(gòu)上來(lái)說(shuō)，EPICS實(shí)現(xiàn)了分布式控制系統(tǒng)設(shè)計(jì)的“標(biāo)準(zhǔn)模型”。成為該EPICS的最基本特征是完全分布式的。從而，EPICS不要求任何層處的中央設(shè)備或軟件實(shí)體。這實(shí)現(xiàn)了容易量測(cè)和魯棒性(無(wú)單點(diǎn)失敗)的目標(biāo)。
EPICS包括三個(gè)物理層，如圖5所示，以及五個(gè)軟件層，如圖6所示。物理前端層如同“輸入/輸出控制器”(IOC)70。物理后端層72被實(shí)現(xiàn)在運(yùn)行Unix的流行的工作站或運(yùn)行Windows NT或Linux的PC硬件上。層70和72被網(wǎng)絡(luò)層74連接，其中網(wǎng)絡(luò)層74是支持TCP/IP互聯(lián)網(wǎng)協(xié)議和某種形式的廣播或多播的媒體(例如以太網(wǎng)、FDDI、ATM)和轉(zhuǎn)發(fā)器以及橋接器的任何組合。
軟件層利用“客戶機(jī)-服務(wù)器”樣式?？蛻魴C(jī)層76通常在后端或工作站物理層72中運(yùn)行，并且表示頂部軟件層。典型的一般客戶機(jī)是操作者控制屏幕、報(bào)警面板和數(shù)據(jù)歸檔/檢索工具。這些全都是用簡(jiǎn)單文本文件或指向并點(diǎn)擊繪圖編輯器配置的。
將所有客戶機(jī)76與所有服務(wù)器78連接起來(lái)的第二軟件層被稱(chēng)為“信道接入”(CA)80。信道接入80形成EPICS的“中樞”，并且對(duì)客戶機(jī)76和服務(wù)器78隱藏TCP/IP網(wǎng)絡(luò)的細(xì)節(jié)。CA 80還在所有客戶機(jī)和服務(wù)器代碼之間產(chǎn)生一個(gè)非常堅(jiān)固的獨(dú)立“防火墻”，以便它們?cè)诓煌奶幚砥魃线\(yùn)行。CA調(diào)解不同的數(shù)據(jù)表示。
第三軟件層是服務(wù)器層78?；痉?wù)器是在嵌入在每個(gè)IOC中的目標(biāo)CPU上運(yùn)行的信道接入服務(wù)器。它將所有客戶機(jī)與數(shù)據(jù)庫(kù)層82隔離開(kāi)來(lái)。服務(wù)器層78與所有信道接入客戶機(jī)76協(xié)作，以實(shí)現(xiàn)回叫和同步機(jī)制。注意雖然客戶機(jī)76通常是通過(guò)一個(gè)共享的庫(kù)調(diào)用信道接入80例程的獨(dú)立的主機(jī)程序，但是信道接入服務(wù)器是網(wǎng)絡(luò)節(jié)點(diǎn)的一個(gè)唯一的分布式控制任務(wù)。
數(shù)據(jù)庫(kù)層82，位于分布式控制系統(tǒng)的心臟。使用一個(gè)主機(jī)工具，數(shù)據(jù)庫(kù)按照被稱(chēng)為“記錄”的功能塊對(duì)象被描述。存在記錄類(lèi)型用于執(zhí)行諸如以下雜務(wù)模擬輸入和輸出；二進(jìn)制輸入和輸出；構(gòu)建柱狀圖；儲(chǔ)存波形；移動(dòng)發(fā)動(dòng)機(jī)；執(zhí)行計(jì)算；實(shí)現(xiàn)PID環(huán)；仿真PAL，驅(qū)動(dòng)時(shí)序硬件；以及其他任務(wù)。處理物理傳感器的記錄提供許多種縮放規(guī)則；允許平滑；提供仿真；并且接受獨(dú)立的磁滯參數(shù)，用于顯示、報(bào)警和歸檔需要。
記錄活動(dòng)通過(guò)幾種方式被啟動(dòng)從I/O硬件中斷；從被客戶機(jī)76例如序列器生成的軟件“事件”；當(dāng)場(chǎng)從一個(gè)“放置”被改變時(shí)；或者利用多種周期性的掃描率。記錄支持許多種數(shù)據(jù)聯(lián)接和流控制，例如順序的、并行的和條件的。數(shù)據(jù)可從硬件層向上或從軟件層向下流動(dòng)。記錄驗(yàn)證從硬件和其他記錄通過(guò)的、以及內(nèi)部標(biāo)準(zhǔn)上的數(shù)據(jù)，并且可對(duì)未初始化的、無(wú)效的或不可容忍的條件啟動(dòng)報(bào)警。雖然所有記錄參數(shù)都是用一個(gè)工作站上的一個(gè)配置工具生成的，但是許多都可被信道接入客戶機(jī)動(dòng)態(tài)更新，但具有完全的數(shù)據(jù)獨(dú)立性。軟件層的第五、最底層是用于個(gè)體設(shè)備的設(shè)備驅(qū)動(dòng)器層84。
此分布式控制系統(tǒng)提供并實(shí)現(xiàn)“標(biāo)準(zhǔn)模型”樣式。此控制系統(tǒng)允許模塊性、可量測(cè)性、魯棒性，以及硬件和軟件中的高速度，然后仍在很大程度上保持售主和硬件獨(dú)立性。
本發(fā)明提供了一種控制粒子碰撞的系統(tǒng)和方法。為了實(shí)現(xiàn)這一點(diǎn)，開(kāi)發(fā)了建模和控制與SLAC處的直線性加速器相關(guān)聯(lián)的眾多變量的特定算法。雖然這里已經(jīng)具體討論了磁場(chǎng)及其控制，但是應(yīng)該注意這些算法可應(yīng)用到與這些結(jié)構(gòu)相關(guān)聯(lián)的任何變量。此外，應(yīng)該注意此方法具有在粒子加速器控制之外的應(yīng)用。
帶有可能可變參數(shù)的參數(shù)非線性模型的開(kāi)發(fā)對(duì)于高度非線性的動(dòng)態(tài)控制問(wèn)題的成功控制策略的設(shè)計(jì)做出了貢獻(xiàn)。與本發(fā)明相關(guān)聯(lián)的活動(dòng)被分成兩個(gè)范疇。第一范疇包括在開(kāi)發(fā)使得能夠在一個(gè)實(shí)施例中實(shí)現(xiàn)為Process Perfecter的非線性模型預(yù)測(cè)控制技術(shù)內(nèi)使用參數(shù)變化的非線性模型的算法中涉及的所有活動(dòng)。第二范疇包括所述控制器的促進(jìn)和開(kāi)發(fā)中涉及的所有活動(dòng)。
本發(fā)明將可變參數(shù)的當(dāng)前值所依賴的所有變量視為到神經(jīng)網(wǎng)絡(luò)模型的輸入。這一點(diǎn)被圖解在圖7中。一個(gè)單獨(dú)的NN將輸入變量93映射到可變參數(shù)95。在運(yùn)行時(shí)，當(dāng)前輸入變量的值饋入NN 91中，并且正確的當(dāng)前可變參數(shù)值作為NN模型的輸出被產(chǎn)生。然后參數(shù)模型97中的參數(shù)被更新以呈現(xiàn)這些值。從而，NN和參數(shù)模型被串聯(lián)連接。然后不論系統(tǒng)/過(guò)程在其中操作的操作區(qū)域?yàn)楹危Y(jié)合后的模型都將具有正確的參數(shù)值。
NN(其權(quán)重和偏置)按如下方式被訓(xùn)練。神經(jīng)網(wǎng)絡(luò)在圖7的情境中被訓(xùn)練。到結(jié)合后的模型的輸入是過(guò)程變量輸入93，結(jié)合后的模型的輸出是過(guò)程變量輸出99。本領(lǐng)域技術(shù)熟練者已知的用于訓(xùn)練一個(gè)NN的任何方法可被用于在此結(jié)合后的結(jié)構(gòu)中訓(xùn)練NN。任何梯度方法(包括后向傳播或任何基于梯度的非線性編程(NLP)方法，例如一種順序二次編程(SQP)、一種廣義約化梯度(GRG)或本領(lǐng)域技術(shù)熟練者已知的其他類(lèi)似的方法)都要求參數(shù)模型97可微分，而非梯度方法不施加此限制。
任何基于梯度的方法都要求相對(duì)于權(quán)重和偏置的誤差梯度。這些梯度可在數(shù)值或解析微分中容易地獲得(假定模型是可微分的)。對(duì)于微分的數(shù)值逼近是通過(guò)對(duì)一個(gè)權(quán)重/偏置做出小改變、觀察因而產(chǎn)生的過(guò)程變量輸出、然后對(duì)權(quán)重/偏置做出一個(gè)或多個(gè)附加的不同的小改變、并且再次觀察FP輸出來(lái)計(jì)算的。然后使用用于第一微分逼近的一個(gè)適當(dāng)?shù)墓健?br> 關(guān)于任何NN權(quán)重和偏置的誤差梯度可經(jīng)由微分的鏈鎖規(guī)則計(jì)算。因此，基于梯度的方法要求參數(shù)模型97可微分。
NN是在沒(méi)有用于其自身輸出的顯式目標(biāo)的情況被訓(xùn)練的。組合模型中的NN輸出的位置與一個(gè)NN中的隱藏單元相同-NN輸出的誤差源自過(guò)程變量輸出99級(jí)別處的目標(biāo)。
任何非梯度方法通常要求過(guò)程輸出99作為第一步驟被計(jì)算，并且被選中的方法自身對(duì)于結(jié)合后的模型的當(dāng)前狀態(tài)的優(yōu)度的評(píng)估可根據(jù)結(jié)合后的模型內(nèi)的需要的值容易地確定。通常，非梯度方法用誤差作為優(yōu)度的量度。
本發(fā)明可將任何一種(不管什么樣的)參數(shù)模型結(jié)構(gòu)用于FP模型塊97穩(wěn)態(tài)模型，包括由開(kāi)放和由閉合方程表示的模型，并且包括FP輸出是否都可被分離到方程的左手側(cè)，以及是否所有的FP輸出都被測(cè)量，以及動(dòng)態(tài)模型，包括IIR、FIR、差分方程和微分方程模型。
不同操作體制上的過(guò)程動(dòng)態(tài)中的變動(dòng)被合并到非線性模型預(yù)測(cè)控制方案中的方法在下文中被描述。此發(fā)明對(duì)于帶有可變動(dòng)態(tài)特性的系統(tǒng)的處理為工業(yè)中的魯棒的自適應(yīng)控制策略的長(zhǎng)期需求提供了一種商業(yè)上可行的方案。
存在重用應(yīng)用，其中過(guò)程處的動(dòng)態(tài)行為在預(yù)期的操作區(qū)域上相當(dāng)大地變化。例子包括殘留時(shí)間顯著變化的聚苯乙烯過(guò)程和反應(yīng)堆，帶有依賴溫度的聲學(xué)屬性的聲學(xué)系統(tǒng)/過(guò)程，以及在寬范圍的馬赫數(shù)上操作的超音速飛機(jī)。正如先前所描述的，本發(fā)明的一個(gè)實(shí)施例集中在對(duì)一個(gè)直線性加速器的控制的應(yīng)用上。但是，本發(fā)明勿需如此受限。
在這些環(huán)境下的關(guān)于系統(tǒng)/過(guò)程動(dòng)態(tài)特性的精確描述的相關(guān)信息可從多種資源中找到。它們包括捕獲動(dòng)態(tài)參數(shù)對(duì)輸入/輸出變量的函數(shù)相關(guān)性的第一原理方程、操作者知識(shí)以及豐富到足夠充分表示系統(tǒng)/過(guò)程動(dòng)態(tài)特性中的變化的經(jīng)驗(yàn)數(shù)據(jù)。
缺乏一種系統(tǒng)的處理變化的過(guò)程動(dòng)態(tài)特性的方法迫使應(yīng)用工程師奉獻(xiàn)大量精力和時(shí)間，以便過(guò)程動(dòng)態(tài)特性中的變動(dòng)不會(huì)導(dǎo)致控制器性能的嚴(yán)重退化。本發(fā)明擴(kuò)展了現(xiàn)有的公式，以便過(guò)程動(dòng)態(tài)特性中的變動(dòng)能被正確考慮。這可能導(dǎo)致改進(jìn)的輸入/輸出控制器(IOC)性能以及擴(kuò)展的操作條件。提議的算法的來(lái)歷是基于以下的將過(guò)程的動(dòng)態(tài)特性作為一個(gè)非線性、可能時(shí)變的差分方程的一般表示YK＝F(uk，uk-1，…，uk-M，yk-1，...Yk-N) (7)其中uk是影響過(guò)程的輸入變量矢量(即操作和干擾變量輸入)，yk是被測(cè)的輸出矢量，F(xiàn)是一個(gè)可能時(shí)變的非線性矢量函數(shù)。
在一個(gè)實(shí)施例中，本發(fā)明提議了以下擾動(dòng)模型來(lái)本地逼近方程(5)δyk=Σi=1Nα(uk,uk-1,...,uk-M,yk-1,...,yk-N)δyk-1+Σi=1Mβ(uk,uk-1,...,uk-N,yk-1,...,yk-N)δyk-1...(6)]]>其中系數(shù)α(.)和β(.)可被定義為α(uk,uk-1,...,uk-M,yk-1,...,yk-N)=∂F∂yk-1...(7)]]>和β(uk,uk-1,...,uk-M,yk-1,...,yk-N)=∂F∂uk-1...(8)]]>是系統(tǒng)的當(dāng)前和過(guò)去的輸入/輸出的函數(shù)。此發(fā)明中介紹的方法可應(yīng)用于非線性函數(shù)F的更高階的本地逼近。此外，正如早前提到的那樣，對(duì)于一個(gè)非線性參數(shù)可變系統(tǒng)的一個(gè)給定的狀態(tài)空間表示，帶有方程(5)的表示的一個(gè)等價(jià)的輸入/輸出模型可以按本領(lǐng)域?qū)＜乙阎亩喾N方式被構(gòu)造。因此，這里介紹的方法也包含狀態(tài)空間中描述的系統(tǒng)。圖7所記錄的逼近策略可直接應(yīng)用于從一個(gè)輸入空間到輸出空間的任何功能映射，因此此發(fā)明中的方法可直接應(yīng)用于帶可變動(dòng)態(tài)特性的線性過(guò)程的狀態(tài)空間描述。
此算法包含動(dòng)態(tài)模型中的參數(shù)的非線性度(除增益外)被顯式表示的情況。
不論關(guān)于可變參數(shù)的信息源為何，關(guān)于所述過(guò)程的動(dòng)態(tài)參數(shù)中的變動(dòng)的信息都可被直接合并到控制器設(shè)計(jì)中。
本發(fā)明在動(dòng)態(tài)參數(shù)的完全或部分知識(shí)可用的情況下都可應(yīng)用。當(dāng)關(guān)于過(guò)程動(dòng)態(tài)參數(shù)的完整信息可用時(shí)，方程(6-8)中的α(uk,uk-1,...,uk-M,yk-1,...,yk-N)=∂F∂yk-1]]>和β(uk,uk-1,...,uk-M,yk-1,...,yk-N)=∂F∂uk-1]]>被用戶顯式定義。但是，在部分信息的情況下，只有某些參數(shù)被顯式定義，其余的是經(jīng)由一個(gè)根據(jù)經(jīng)驗(yàn)數(shù)據(jù)的標(biāo)識(shí)算法找到的。
在二階模型被用于描述過(guò)程的情況下，用戶最常提供增益、時(shí)間常數(shù)、阻尼因數(shù)、自然頻率和連續(xù)時(shí)間域中的延遲方面的信息。這些變量到方程(6)中所示的一個(gè)差分方程中的系數(shù)的轉(zhuǎn)化是直接了當(dāng)?shù)?，并且為了清楚在這里被給出對(duì)于一個(gè)被描述為 的系統(tǒng)/過(guò)程，基于ZOH離散化的差分方程為δyk=(e-Tτ)δyk-1+k(l-e-Tτ)δuk-1...(9)]]>對(duì)于一個(gè)被描述為 的過(guò)阻尼系統(tǒng)/過(guò)程，差分方程為
δyk=(e-Tτ1+e-Tτ2)δyk-1-(e-(Tτ1+Tτ2))δyk-2]]>+(A(1-e-Tτ1)+B(1-e-Tτ2))δuk-1]]>-(Ae-Tτ2(1-e-Tτ1)+Be-Tτ1(1-e-Tτ2))δuk-2...(10)]]>其中A=kτ1-τ3τ1-τ2]]>并且B=kτ3-τ2τ1-τ2.]]>對(duì)于一個(gè)被描述為 的系統(tǒng)/過(guò)程，差分方程為=(2e-Tτ)δyk-1-(e-2Tτ)δyk-2]]>+(k-ke-Tτ(1+Tτ-τleadTτ2))δuk-1]]>+(ke-2Tτ-ke-Tτ(1-Tτ-τleadTτ2))δuk-2...(11)]]>對(duì)于一個(gè)被描述為 的欠阻尼系統(tǒng)/過(guò)程，差分方程為
δyk=(2e-ζτTcos(1-ζ2τT))δyk-1-(e-2ζτT)δyk-2]]>+(GBe-ζτTsin(1-ζ2τT)+kA1)δuk-1]]>+(-GBe-ζτTsin(1-ζ2τT)+kA2)δuk-2...(12)]]>其中G=kτleadτ2]]>B=1-ζ2τ]]>A1=1-e-ζτTcos(1-ζ2τT)-ζ1-ζ2e-ζτTsin(1-ζ2τT),]]>并且A2=e-2ζτT-e-ζτTcos(1-ζ2τT)+ζ1-ζ2e-ζτTsin(1-ζ2τT).]]>不論存在用于動(dòng)態(tài)模型的參數(shù)的一個(gè)顯式函數(shù)描述，或者構(gòu)建了一個(gè)經(jīng)驗(yàn)?zāi)Ｐ蛠?lái)描述變動(dòng)，或者只是參數(shù)變動(dòng)相對(duì)輸入/輸出值的表格式描述，本發(fā)明都容納用戶信息。
在優(yōu)化期間，解算器可訪問(wèn)每個(gè)參數(shù)的變動(dòng)的可用描述，以便在給定一個(gè)(或多個(gè))輸入/輸出的當(dāng)前和過(guò)去值的情況下生成參數(shù)的相關(guān)值。計(jì)算的數(shù)值效率可要求逼近被表達(dá)的參數(shù)的函數(shù)變動(dòng)。
本發(fā)明保持了穩(wěn)態(tài)神經(jīng)網(wǎng)絡(luò)模型和帶有可變動(dòng)態(tài)參數(shù)的動(dòng)態(tài)模型的一致性。
使用對(duì)完全動(dòng)態(tài)模型的近似可簡(jiǎn)化實(shí)施方式，并且加速控制器的執(zhí)行頻率。以下詳述這樣一個(gè)逼近策略。但是不論采用的逼近策略為何此發(fā)明都適用。因此本領(lǐng)域技術(shù)熟練者已知的任何逼近策略通過(guò)引用被結(jié)合在此公布中。
當(dāng)(a)發(fā)生控制問(wèn)題設(shè)置中的變化(例如發(fā)生設(shè)定點(diǎn)變化)時(shí)，或者(b)用戶明確請(qǐng)示一個(gè)模型更新時(shí)，或者(c)當(dāng)由用戶定義的一個(gè)特定數(shù)目的控制步驟被執(zhí)行時(shí)，或者(d)一個(gè)事件觸發(fā)所述模型更新時(shí)，模型可被更新。
假定(uinit，yinit)是系統(tǒng)/過(guò)程的當(dāng)前操作點(diǎn)，并且yfinal是在控制范圍末端處的輸出的期望值，本發(fā)明利用了穩(wěn)態(tài)優(yōu)化器來(lái)獲得對(duì)應(yīng)于控制范圍末端處的期望輸出的ufinal。
通過(guò)在分別給定初始和最終操作點(diǎn)(uinit，yinit)和(ufinal，yfinal)的情況下構(gòu)造動(dòng)態(tài)模型的參數(shù)，動(dòng)態(tài)差分方程被形成在初始和最終點(diǎn)處。注意動(dòng)態(tài)模型的參數(shù)對(duì)輸入/輸出值的函數(shù)相關(guān)性是良好定義的(例如，用戶定義的、表格式的、或一個(gè)經(jīng)驗(yàn)?zāi)Ｐ屠缫粋€(gè)NN)。
為了在過(guò)程從初始操作點(diǎn)過(guò)渡到其最終操作點(diǎn)的過(guò)程中逼近差分方程，一個(gè)可能性是在它們的兩個(gè)終端值之間仿射地的改變參數(shù)。此選擇是為了計(jì)算方便，也可采用對(duì)于本領(lǐng)域技術(shù)熟練者已知的對(duì)于其間的參數(shù)值的任何其他逼近的應(yīng)用(包括但不限于更高階多項(xiàng)式、S形函數(shù)和正切雙曲線函數(shù))。為了強(qiáng)調(diào)本發(fā)明中的方法的一般性，這里描述了本發(fā)明可導(dǎo)用對(duì)輸入/輸出值的參數(shù)的函數(shù)相關(guān)性的仿射逼近。假定p是系統(tǒng)/過(guò)程的一個(gè)動(dòng)態(tài)參數(shù)，例如時(shí)間常數(shù)、增益、阻尼等。參數(shù)p是圖7中的FPM參數(shù)95的一個(gè)分量。還假定p＝f(uk，uk-1，…，uk-M，yk-1，...，yk-N)，其中f是一個(gè)適當(dāng)?shù)挠成?。注意有了?duì)過(guò)渡的兩端處的穩(wěn)態(tài)行為的假定，uk＝uk-1＝...＝uk-M并且yk-1＝y(tǒng)k-2＝...＝y(tǒng)k-N。此參數(shù)的一個(gè)仿射逼近可被定義如下p(uk,uk-1,yk-1,yk-2)=p(uinit,yinit)+pu(∂p∂u)init(uk-uinit)+py(∂p∂u)init(yk-yinit)...(13)]]>其中為了簡(jiǎn)單假定M＝N＝2。
當(dāng)過(guò)程的狀態(tài)空間描述可用時(shí)，p也可是狀態(tài)的一個(gè)函數(shù)。不論p的函數(shù)相關(guān)性為何，該方法都適用。
注意系數(shù)pu和py是逼近因子并且必須被定義為使得p(ufinal，yfinal)＝f(ufinal，yfinal)，其中為了簡(jiǎn)短進(jìn)行了以下代入uk＝uk-l＝…＝uk-M＝ufinal以及yk-1＝…＝y(tǒng)k-N＝y(tǒng)final。最終增益上的約束不足以唯一定義pu和py二者。本發(fā)明覆蓋了pu和py的所有可能的選擇。具有適當(dāng)?shù)目s放和比例考慮的一個(gè)可能的選項(xiàng)如下pu=(pfinal-pinitufinal-uinit)1∂p∂u+ϵ∂p∂y...(14)]]>py=(pfinal-pinityfinal-yinit)ϵ∂p∂u+ϵ∂p∂y...(15)]]>其中0≤ε≤1是由用戶提供來(lái)確定來(lái)自u(píng)k和yk的變動(dòng)的貢獻(xiàn)應(yīng)該如何被加權(quán)的一個(gè)參數(shù)。ε缺省為1。
和 量可由用戶以解析形式提供。在缺乏這些量的解析表達(dá)的情況下，它們可以被逼近。一個(gè)可能的逼近分別是 和 為了保持用戶提供的關(guān)于過(guò)程動(dòng)態(tài)行為的信息與由一個(gè)基于經(jīng)驗(yàn)數(shù)據(jù)的穩(wěn)態(tài)神經(jīng)網(wǎng)絡(luò)捕獲的信息相一致，此發(fā)明中考慮了一個(gè)附加的增益調(diào)度安排級(jí)別。描述此增益調(diào)度的方法被詳細(xì)描述。
保持靜態(tài)非線性增益信息與動(dòng)態(tài)模型的一致的一種可能的方法被描述如下。然而此發(fā)明勿需限于這里描述的方法。
1.由方程(6)所描述的類(lèi)型的差分方程被構(gòu)造。例如，關(guān)于初始和最終點(diǎn)處的τ、ζ、超前時(shí)間等的變量動(dòng)態(tài)信息將通過(guò)用方程(9)-(12)被翻譯成方程(6)中的差分模型。
2.初始和最終點(diǎn)處的整體增益被設(shè)計(jì)為匹配穩(wěn)態(tài)神經(jīng)網(wǎng)絡(luò)或外部提供的變量動(dòng)態(tài)增益信息的增益。
(a)從靜態(tài)神經(jīng)網(wǎng)絡(luò)中，每個(gè)操作點(diǎn)處的增益，即(giss=dydu)(uinit,yinit)]]>和(gfss=dydu)(ufinal,yfinal)]]>被提取。用戶也可以定義增益為一個(gè)可變參數(shù)。
(b)為了介紹簡(jiǎn)便，這里考慮一個(gè)二階差分方程
δyk＝-a1(.)δyk-1-a2(.)δyk-2+v1δuk-1-Δ+v2δuk-2-Δ+ω1(uk-1-uinit)δuk-1-Δ+ω2(uk-2-uinit)δuk-2-Δ(12)其中a1(.)和a2(.)可被構(gòu)造如下a1(.)=(a1i+(a1f-a1i)u‾k-1-uinitufinal-uinit)]]>a2(.)=(a2i+(a2f-a2i)u‾k-2-uinitufinal-uinit)]]>其中a1i，a1f，a2i，a2f，b1i，b1f，b2i，b2f是用方程(9)-(12)確定的。
和 可被(但勿需限于)定義如下u‾k=ui+12(uf-ui)(1+eκuk-umur-e-κuk-umureκuk-umur+e-κuk-umur)]]>其中um=uf+ui2,ur=||uf-ui||,]]>且κ是控制從ui到uf的過(guò)渡如何發(fā)生的一個(gè)參數(shù)。如果不存在可變參數(shù)，則這些參數(shù)的初始和最終值將是相同的。
(c)然后參數(shù)v1，v2，ω1，ω2必須被定義為使得動(dòng)態(tài)系統(tǒng)的穩(wěn)態(tài)增益在過(guò)渡區(qū)域的兩側(cè)匹配從神經(jīng)網(wǎng)絡(luò)提取出的增益(或匹配作為可變動(dòng)態(tài)特性描述一部分的外部提取的增益信息)。參數(shù)的一個(gè)可能的選擇(但勿需限于)如下v1=b1i(1+a1i+a2ib1i+b2i)gssi]]>v2=b2i(1+a1i+a2ib1i+b2i)gssi]]>(d)ω1和ω2參數(shù)的一個(gè)可能的選擇(但勿需限于)如下ω1=(b1fb1f+b2f)(1+a1f+a2fufinal-uinit)gssf-v1ufinal-uinit]]>ω2=(b2fb1f+b2f)(1+a1f+a2fufinal-uinit)gssf-v2ufinal-uinit]]>本發(fā)明在一個(gè)實(shí)施例中可應(yīng)用于SLAC處的直線性加速器的建模和控制。本發(fā)明進(jìn)一步包括使得能夠在本發(fā)明的數(shù)據(jù)接口(DI)和與SLAC處的低層分布式控制系統(tǒng)對(duì)話的SLAC的EPICS之間進(jìn)行通信的開(kāi)發(fā)設(shè)備驅(qū)動(dòng)器。
硬件和一個(gè)諸如SLAC那樣的控制系統(tǒng)之間的任何通信都是經(jīng)過(guò)SLAC的EPICS系統(tǒng)完成的，因此，本發(fā)明包括了硬件和控制系統(tǒng)之間的一個(gè)可靠的接口。
在SPEAR II上收集的數(shù)據(jù)上的建模努力的結(jié)果被總結(jié)在圖8、9和10中。迅速瀏覽一下在一個(gè)實(shí)驗(yàn)過(guò)程中捕捉的相關(guān)數(shù)據(jù)，其中三個(gè)操作變量在實(shí)驗(yàn)過(guò)程中被有意移動(dòng)兩個(gè)校正器磁體和一個(gè)四極磁體。射束位置監(jiān)視器的讀數(shù)被記錄為此實(shí)驗(yàn)的受控變量或輸出。
來(lái)自測(cè)試數(shù)據(jù)的輸入/輸出變量的屏幕捕捉100在圖8中提供。注意BPM之一的x和y讀數(shù)被選擇為如先前提及的MV，其標(biāo)記名稱(chēng)在屏幕捕捉中被清楚示出。圖8證明了MV與BPM之間的明確的相關(guān)。另一個(gè)屏幕分析在圖9中提供，它給出了變量中的變動(dòng)的一個(gè)更佳的屏幕鏡頭。
圖10提供了另一個(gè)屏幕鏡頭120，其中點(diǎn)122是實(shí)際數(shù)據(jù)點(diǎn)。非線性輸入/輸出關(guān)系的一個(gè)模型通過(guò)使用Pavilion的Perfecter被構(gòu)造。由于被操縱的變量中的同時(shí)變動(dòng)，標(biāo)識(shí)相當(dāng)困難。數(shù)據(jù)被操縱(通過(guò)截取數(shù)據(jù)的特定區(qū)域)以確保捕捉輸入/輸出行為的標(biāo)識(shí)中的最大精度。
圖10顯示了SLAC處的SPEAR設(shè)備的這樣一種輸入/輸出關(guān)系。此圖清楚顯示了上述模型中的非線性輸入/輸出關(guān)系。
本發(fā)明在設(shè)計(jì)新的自適應(yīng)控制算法、標(biāo)識(shí)帶有可變動(dòng)態(tài)特性方面的能力被清楚論證。進(jìn)一步的開(kāi)發(fā)努力將把開(kāi)發(fā)出的算法改進(jìn)到一個(gè)商業(yè)質(zhì)量的代碼基礎(chǔ)。
總而言之，本發(fā)明提供了一種控制諸如粒子加速器這樣的操作過(guò)程中的非線性控制問(wèn)題的方法。本發(fā)明利用建模工具來(lái)標(biāo)識(shí)與過(guò)程相關(guān)聯(lián)的變量輸入和受控變量，其中至少一個(gè)變量輸入是一個(gè)被操縱的變量輸入。該建模工具進(jìn)一步可被操作以確定變量輸入和受控變量之間的關(guān)系。提供輸入給該建模工具并且作用于來(lái)自該建模工具的輸入的一個(gè)控制系統(tǒng)調(diào)整一個(gè)或多個(gè)被操縱的變量以實(shí)現(xiàn)一個(gè)期望的受控變量，這在粒子加速器的情況中可被實(shí)現(xiàn)為一個(gè)更高效的碰撞。
圖12提供了對(duì)于過(guò)程200和控制器202的關(guān)系、以及更重要地控制器202中的模型204、206和208對(duì)過(guò)程200的控制的關(guān)系的另一個(gè)圖解。一個(gè)典型過(guò)程具有多種變量輸入u(t)，這些變量中的某些可以是被操縱的變量輸入210，某些可以是被測(cè)擾動(dòng)變量212，而某些可以是未被測(cè)的擾動(dòng)變量214。一個(gè)過(guò)程200通常還具有多個(gè)變量輸出。某些是可測(cè)的，某些不是。某些可能實(shí)時(shí)可測(cè)220，而某些不能222。通常，一個(gè)控制系統(tǒng)的目標(biāo)是控制這些變量輸入之一。此變量可被稱(chēng)為控制變量或受控變量。此外，對(duì)于控制器，變量輸出可被視為到控制器的變量輸入或控制器變量輸入223之一。通常但不必然地，一個(gè)控制系統(tǒng)使用一個(gè)分布式控制系統(tǒng)(DCS)230來(lái)管理控制器202和過(guò)程200之間的相互作用-如圖12的實(shí)施例中所示。在所示的實(shí)施例中控制器包括一個(gè)穩(wěn)態(tài)模型204，該模型可以是過(guò)程的一個(gè)參數(shù)化的物理模型。此模型可接收由期望的受控變量值組成的外部輸入205。這可能是或不是來(lái)自過(guò)程/控制系統(tǒng)202的操作者或用戶(未顯示)。此外，該實(shí)施例描繪了一個(gè)穩(wěn)態(tài)參數(shù)模型206，該模型將變量輸入u映射為穩(wěn)態(tài)模型中的一個(gè)(或多個(gè))變量輸出y。此外，該實(shí)施例描繪了一個(gè)可變動(dòng)態(tài)模型，該模型將變量輸入u映射為過(guò)程的參數(shù)化的物理模型(穩(wěn)態(tài)模型)的參數(shù)p。在本發(fā)明的一個(gè)實(shí)施例中，經(jīng)驗(yàn)建模工具(在此例中為NN)，被用于穩(wěn)態(tài)參數(shù)模型和可變動(dòng)態(tài)參數(shù)模型。根據(jù)從過(guò)程接收的輸入，這些模型提供信息給動(dòng)態(tài)控制器232，其中動(dòng)態(tài)控制器232可被優(yōu)化器234優(yōu)化。優(yōu)化器能夠接收優(yōu)化器約束236，其中該優(yōu)化器約束236可能接收來(lái)自一個(gè)外部源238的部分或全部修改，其中外部源238可能是或不是過(guò)程200或控制系統(tǒng)202的操作者或用戶(未顯示)。輸入205和208可能來(lái)自除控制系統(tǒng)202的操作者或用戶外的其他源。動(dòng)態(tài)控制器232提供信息給DCS 230，其中DCS 230發(fā)送和提供作為控制器240的輸出的被操縱變量輸入240的設(shè)定點(diǎn)。
雖然粒子加速器的例子被詳細(xì)描述，但是這里描述的發(fā)明性的建模和控制系統(tǒng)可同樣應(yīng)用到其他具有相當(dāng)行為特性操作過(guò)程。例如，一個(gè)諸如聚合體制造工廠這樣的制造工廠中的溫度控制，或者一個(gè)電子網(wǎng)中的負(fù)載頻率控制，全都會(huì)從當(dāng)前的發(fā)明性的控制系統(tǒng)中受益。
雖然本發(fā)明被詳細(xì)描述，但是應(yīng)該理解可以在不背離附錄的權(quán)利要求書(shū)所描述的本發(fā)明的精神和范圍的情況下對(duì)其做出各種改變、替換和變更。
權(quán)利要求
1.一種過(guò)程控制器包括由被控過(guò)程的過(guò)程變量輸入的測(cè)量值組成的控制器變量輸入；所述的被控過(guò)程的一個(gè)動(dòng)態(tài)預(yù)測(cè)模型，帶有動(dòng)態(tài)預(yù)測(cè)模型參數(shù)，用于接收當(dāng)前變量輸入值，其中所述的動(dòng)態(tài)預(yù)測(cè)模型參數(shù)根據(jù)由所述控制器接收的所述變量輸入值而變化；以及所述的動(dòng)態(tài)模型的輸出，用于生成控制器輸出以實(shí)現(xiàn)所述的被控過(guò)程的變化。
2.權(quán)利要求1所述的控制器，其中所述的動(dòng)態(tài)預(yù)測(cè)模型進(jìn)一步包括具有物理模型參數(shù)的一個(gè)物理模型；以及根據(jù)所述的控制器變量輸入而調(diào)整所述的物理模型參數(shù)的一個(gè)經(jīng)驗(yàn)?zāi)Ｐ汀?br> 3.權(quán)利要求2所述的控制器，其中所述根據(jù)所述的控制器變量輸入對(duì)所述的物理模型參數(shù)的經(jīng)驗(yàn)?zāi)Ｐ驼{(diào)整進(jìn)一步基于歷史控制器輸入。
4.權(quán)利要求2所述的控制器，其中所述的物理模型是所述的被控過(guò)程的一個(gè)第一原理模型。
5.權(quán)利要求2所述的控制器，其中所述的經(jīng)驗(yàn)?zāi)Ｐ褪欠蔷€性模型。
6.權(quán)利要求2所述的控制器，其中所述的非線性模型是一個(gè)神經(jīng)網(wǎng)絡(luò)。
7.權(quán)利要求2所述的控制器，其中所述的物理模型是所述的被控過(guò)程的一個(gè)第一原理模型，并且所述的經(jīng)驗(yàn)?zāi)Ｐ褪且粋€(gè)非線性神經(jīng)網(wǎng)絡(luò)，其根據(jù)所述的控制器變量輸入而調(diào)整所述的第一原理模型的參數(shù)。
8.權(quán)利要求7所述的控制器，其中所述的物理模型是所述的被控過(guò)程的一個(gè)第一原理模型，并且所述的經(jīng)驗(yàn)?zāi)Ｐ褪且粋€(gè)非線性神經(jīng)網(wǎng)絡(luò)，其根據(jù)當(dāng)前控制器變量輸入而調(diào)整所述的第一原理模型的參數(shù)。
9.權(quán)利要求7所述的控制器，其中所述的物理模型是所述的被控制的過(guò)程的一個(gè)第一原理模型，并且所述的經(jīng)驗(yàn)?zāi)Ｐ褪且粋€(gè)非線性神經(jīng)網(wǎng)絡(luò)，其根據(jù)當(dāng)前和歷史控制器變量輸入而調(diào)整所述的第一原理模型的參數(shù)。
10.一個(gè)過(guò)程控制系統(tǒng)包括一個(gè)分布式控制系統(tǒng)，所述分布式控制系統(tǒng)進(jìn)一步包括一個(gè)計(jì)算設(shè)備，所述計(jì)算設(shè)備可被操作以執(zhí)行一個(gè)第一軟件工具，其標(biāo)識(shí)包括與所述過(guò)程相關(guān)聯(lián)的至少一個(gè)被操縱的變量輸入和受控變量的變量輸入，其中所述的第一軟件工具進(jìn)一步可被操作以確定所述的變量輸入和所述的受控變量之間的關(guān)系；以及至少一個(gè)控制器，其可被操作以監(jiān)視所述的變量輸入?yún)?shù)并調(diào)整所述的被操縱的變量。
11.權(quán)利要求10所述的過(guò)程控制系統(tǒng)，其中所述的變量輸入和所述的受控變量之間的所述關(guān)系包括一個(gè)帶模型參數(shù)的第一原理模型，其中所述的第一原理模型參數(shù)值依賴于所述的變量輸入。
12.權(quán)利要求10所述的過(guò)程控制系統(tǒng)，進(jìn)一步包括用于標(biāo)識(shí)所述的模型參數(shù)的神經(jīng)網(wǎng)絡(luò)。
13.權(quán)利要求10所述的過(guò)程控制系統(tǒng)，其中所述的確定所述的變量輸入和所述的受控變量之間的關(guān)系的步驟利用一個(gè)神經(jīng)網(wǎng)絡(luò)。
14.權(quán)利要求10所述的過(guò)程控制系統(tǒng)，其中所述的確定所述的變量輸入和所述的受控變量之間的關(guān)系的步驟利用物理模型和經(jīng)驗(yàn)方法的一個(gè)組合。
15.權(quán)利要求13所述的過(guò)程控制系統(tǒng)，其中所述的物理模型和經(jīng)驗(yàn)方法被并行和/或串行組合。
16.權(quán)利要求13所述的過(guò)程控制系統(tǒng)，其中所述的物理模型參數(shù)在一個(gè)操作范圍上變化。
17.權(quán)利要求14所述的過(guò)程控制系統(tǒng)，其中所述的物理模型是所述的變量輸入的一個(gè)函數(shù)。
18.權(quán)利要求16所述的過(guò)程控制系統(tǒng)，其中所述的物理模型包括隨所述的變量輸入變化的第一原理參數(shù)，其中經(jīng)驗(yàn)方法包括一個(gè)神經(jīng)網(wǎng)絡(luò)用于標(biāo)識(shí)與所述的變量輸入相關(guān)聯(lián)的第一原理參數(shù)值，并且其中所述的神經(jīng)網(wǎng)絡(luò)用與所述的變量輸入相關(guān)聯(lián)的值更新所述的第一原理參數(shù)。
19.權(quán)利要求18所述的過(guò)程控制系統(tǒng)，其中所述的神經(jīng)網(wǎng)絡(luò)被訓(xùn)練。
20.權(quán)利要求18所述的過(guò)程控制系統(tǒng)，其中所述的神經(jīng)網(wǎng)絡(luò)被根據(jù)從包含以下各項(xiàng)的群組中選出的至少一種方法訓(xùn)練梯度方法、背向傳播、基于梯度的非線性編程方法、順序二次編程、廣義約化梯度方法和非梯度方法。
21.權(quán)利要求20所述的過(guò)程控制系統(tǒng)，其中梯度方法要求由數(shù)值微分獲得的相對(duì)于一個(gè)權(quán)重和偏置的一個(gè)誤差的梯度。
22.權(quán)利要求20所述的過(guò)程控制系統(tǒng)，其中梯度方法要求由解析微分獲得的相對(duì)于一個(gè)權(quán)重和偏置的一個(gè)誤差的梯度。
23.權(quán)利要求10所述的過(guò)程控制系統(tǒng)，其中所述的控制變量包括一個(gè)磁場(chǎng)強(qiáng)度、形狀、位置和/或方向，并且所述的受控變量包括一個(gè)粒子加速器內(nèi)的粒子位置。
24.權(quán)利要求23所述的過(guò)程控制系統(tǒng)，其中一個(gè)調(diào)整所述的控制變量的步驟包括調(diào)整一個(gè)連接器磁體和/或四極磁體。
25.一種動(dòng)態(tài)過(guò)程控制器，其預(yù)測(cè)所述過(guò)程的動(dòng)態(tài)變量輸入值中的一個(gè)變化以實(shí)現(xiàn)所述的過(guò)程受控變量輸出從一個(gè)第一時(shí)間的一個(gè)當(dāng)前受控變量輸出值到一個(gè)第二時(shí)間的一個(gè)不同的和期望的受控變量輸出值的變化，包括一個(gè)動(dòng)態(tài)預(yù)測(cè)模型，用于接收所述的當(dāng)前變量輸入值，其中所述的動(dòng)態(tài)預(yù)測(cè)模型根據(jù)所述的變量輸入值和所述的期望的受控變量輸出值而變化，并且其中所述的動(dòng)態(tài)預(yù)測(cè)模型在所述的第一時(shí)間和所述的第二時(shí)間之間的不同時(shí)間位置產(chǎn)生多個(gè)期望的受控變量輸入值，以定義所述過(guò)程在所述的當(dāng)前受控變量輸出值和所述的第二時(shí)間處的期望的受控變量輸出值之間的一個(gè)動(dòng)態(tài)操作路徑；以及一個(gè)優(yōu)化器，用于根據(jù)一個(gè)預(yù)定的優(yōu)化方法在多個(gè)不同的時(shí)間位置上優(yōu)化所述的動(dòng)態(tài)控制器的操作，其中所述的預(yù)定的優(yōu)化方法優(yōu)化所述的動(dòng)態(tài)控制器的目標(biāo)以實(shí)現(xiàn)一個(gè)期望的路徑，以便所述的動(dòng)態(tài)預(yù)測(cè)模型的目標(biāo)作為一個(gè)時(shí)間函數(shù)變化。
26.權(quán)利要求25所述的動(dòng)態(tài)過(guò)程控制器，其中所述的動(dòng)態(tài)預(yù)測(cè)模型包括一個(gè)動(dòng)態(tài)前向模型，所述的動(dòng)態(tài)前向模型可被操作以接收每個(gè)所述時(shí)間位置處的變量輸入值，并且將所述的變量輸入值映射到與所述的接收到的變量輸入值相關(guān)聯(lián)的所述動(dòng)態(tài)預(yù)測(cè)模型的成分，以便提供一個(gè)預(yù)測(cè)的動(dòng)態(tài)受控變量輸出值；一個(gè)誤差生成器，用于將所述的預(yù)測(cè)的動(dòng)態(tài)受控變量輸出值與所述期望的受控變量輸出值相比較，并生成一個(gè)初級(jí)誤差值作為所述每個(gè)時(shí)間位置處的差異；一個(gè)誤差最小化設(shè)備，用于確定所述的變量輸入值中的一個(gè)變化，以最小化被所述誤差生成器輸出的所述的初級(jí)誤差值；一個(gè)求和設(shè)備，用于對(duì)所述確定的變量輸入變化值與一個(gè)原始變量輸入值求和，其中原始變量輸入值包括多個(gè)時(shí)間位置的、在其中確定變化之前的變量輸入值，以提供一個(gè)未來(lái)的變量輸入值作為一個(gè)求和后的輸入值；以及一個(gè)控制器，用于控制所述的誤差最小化設(shè)備的操作以便在所述的優(yōu)化器的控制下操作，以根據(jù)所述的優(yōu)化方法最小化所述的初級(jí)誤差值。
27.一種用于控制操作過(guò)程的方法，包括以下步驟標(biāo)識(shí)與所述過(guò)程相關(guān)聯(lián)的變量輸入和受控變量，其中至少一個(gè)變量輸入是一個(gè)被操縱的變量；確定所述的變量輸入與所述的受控變量之間的關(guān)系，其中所述的關(guān)系包括模型，并且其中所述模型中的參數(shù)依賴于所述的變量輸入；以及調(diào)整所述的被操縱的變量以實(shí)現(xiàn)一個(gè)期望的受控變量值。
28.權(quán)利要求27所述的方法，進(jìn)一步包括確定所述的變量輸入與所述的模型參數(shù)之間的關(guān)系的步驟，其中所述的關(guān)系包括一個(gè)模型。
29.權(quán)利要求27所述的方法，其中標(biāo)識(shí)所述變量輸入和控制變量之間的關(guān)系的步驟利用神經(jīng)網(wǎng)絡(luò)。
30.權(quán)利要求28所述的方法，其中所述的標(biāo)識(shí)所述的變量輸入和動(dòng)態(tài)模型參數(shù)之間的關(guān)系的步驟利用神經(jīng)網(wǎng)絡(luò)。
31.權(quán)利要求27所述的方法，其中確定所述的變量輸入和所述的受控變量之間的關(guān)系的步驟利用物理模型和經(jīng)驗(yàn)方法的一個(gè)組合。
32.權(quán)利要求31所述的方法，其中所述物理模型和經(jīng)驗(yàn)方法被串行組合。
33.權(quán)利要求31所述的方法，其中所述物理模型和經(jīng)驗(yàn)方法被并行組合。
34.權(quán)利要求31所述的方法，其中所述物理模型在一個(gè)操作范圍上變化。
35.權(quán)利要求34所述的方法，其中所述物理模型是所述的輸入?yún)?shù)的一個(gè)函數(shù)。
36.權(quán)利要求35所述的方法，其中所述物理模型包括隨所述變量輸入變化的第一原理參數(shù)，其中經(jīng)驗(yàn)方法包括用于標(biāo)識(shí)與所述的變量輸入相關(guān)聯(lián)的第一原理參數(shù)值一個(gè)神經(jīng)網(wǎng)絡(luò)，并且其中所述的神經(jīng)網(wǎng)絡(luò)用與所述的變量輸入相關(guān)聯(lián)的值更新所述的第一原理參數(shù)。
37.權(quán)利要求36所述的方法，其中所述的神經(jīng)網(wǎng)絡(luò)被訓(xùn)練。
38.權(quán)利要求37所述的方法，其中所述的神經(jīng)網(wǎng)絡(luò)被根據(jù)從包含以下各項(xiàng)的群組中選出的至少一種方法訓(xùn)練梯度方法、背向傳播、基于梯度的非線性編程(NLP)方法、順序二次編程、廣義約化梯度方法和非梯度方法。
39.權(quán)利要求38所述的方法，其中梯度方法要求由數(shù)值微分或解析微分中任一種，獲得的相對(duì)于一個(gè)權(quán)重和偏置的一個(gè)誤差的梯度。
全文摘要
本發(fā)明提供了一種控制非線性過(guò)程控制問(wèn)題的方法。此方法涉及首先利用建模工具來(lái)標(biāo)識(shí)與過(guò)程相關(guān)聯(lián)的變量輸入和受控變量，其中至少一個(gè)變量輸入是一個(gè)被操縱的變量。該建模工具可進(jìn)一步被操作以確定變量輸入和受控變量之間的關(guān)系。一個(gè)向該建模工具提供輸入并且作用與來(lái)自該建模工具的輸入的控制系統(tǒng)調(diào)整一個(gè)或多個(gè)被操縱的變量輸入以一個(gè)期望的結(jié)果，例如更高的效率、更高的質(zhì)量或更大的一致性。
文檔編號(hào)G05B13/04GK1742241SQ200380109246
公開(kāi)日2006年3月1日 申請(qǐng)日期2003年12月9日 優(yōu)先權(quán)日2002年12月9日
發(fā)明者比加恩·薩亞羅德薩里, 埃里克·哈特曼, 塞爾索·阿克塞爾魯?shù)? 基迪爾·里亞諾 申請(qǐng)人:搭篷技術(shù)公司