存在模型-实际偏差时的同时模型辨识与优化
最优化与控制
2015-08-27 v1
摘要
在标准优化方法中，首先在给定操作条件集下辨识底层过程模型，然后使用该更新后的模型计算过程的最优条件。通过基于先前迭代在最优操作条件下进行新实验，随后重新辨识与重新优化直至达到收敛，这一两步过程可迭代重复。然而，当存在模型-实际偏差时，使辨识问题中预测误差最小化的参数估计集可能无法准确预测优化目标的梯度。因此，无法保证两步迭代方法收敛至过程最优点。本文提出了一种新方法，其中模型输出被显式地针对偏差进行校正，使得利用更新后的参数估计，辨识与优化目标得以妥善协调。随着所提校正逐步融入各次迭代中，该算法可保证收敛至过程最优点，且在收敛时，最终校正后的模型能准确预测过程行为。所提方法在逐次优化框架下以补料分批生物过程为案例研究进行了说明。
引用
@article{arxiv.1508.06517,
title = {Simultaneous model identification and optimization in presence of model-plant mismatch},
author = {Jasdeep S. Mandur and Hector M. Budman},
journal= {arXiv preprint arXiv:1508.06517},
year = {2015}
}