TI - Data-Driven approximation Optimal Control for Chemical Processes with State and Input Constraints SP - 1396913 VL - 2019 AB - Input and State Constraints广泛存在于化学过程中。在输入和状态的不等式约束并存的情况下，化工过程的最优控制具有挑战性，特别是当过程模型只有部分已知时。本文的目标是针对已知模型结构和未知模型参数的化工过程，设计一种适用的最优控制方法。为了消除混合约束和未知模型参数带来的障碍，首先利用松弛函数方法将不等式状态约束转化为等式状态约束。然后，采用具有非二次性能被积函数的自适应动态规划(ADP)来处理具有输入约束的增广系统。所提出的方法只需要系统的部分知识，即模型结构。不需要模型参数的值信息。以连续搅拌釜反应器(CSTR)为例，通过两个非线性实例验证了所提方法的可行性和性能。SN - 1076-2787 UR - https://doi.org/10.1155/2019/1396913 DO - 10.1155/2019/1396913 JF -复杂性PB - Hindawi KW - ER -