一类间歇生产过程的迭代学习控制算法及其收敛性分析

针对基于迭代学习控制的间歇过程产品质量优化控制算法难以进行收敛性分析的难题，并且考虑到实际生产中存在外部干扰和不确定因素的影响，本文对间歇过程模型参数动态更新问题进行了分析，建立了间歇生产过程产品质量的神经模糊（NF）预测模型，提出了一种新颖的批次轴参数自适应调节算法。在此基础上，构造了一种基于数据驱动的间歇生产过程产品质量迭代学习控制算法，并对优化问题的收敛性给出了严格的数学证明。最后，将本文提出的算法用于一类典型的间歇过程终点质量控制研究，仿真结果验证了本文算法的有效性和实用价值，为间歇过程的优化控制提供了一条新途径。