本文提出了一種基於LSTM的Koopman網絡模型,用於預測FRIB RFQ的共振頻率變化。FRIB RFQ是一種關鍵的重離子加速器,其共振頻率會因RF加熱而發生偏頻,需要通過冷卻水系統進行控制。由於水系統存在傳輸延遲和非線性熱傳過程,頻率控制十分困難,傳統PID控制器通常需要數十分鐘才能最小化頻率偏移。
作者首先選取13個與RFQ運行相關的變量,包括水溫、壓力、流量以及RFQ腔體的電場等,並將其輸入到LSTM網絡中。LSTM網絡能夠學習這些時間序列數據中隱藏的相關性,並將其轉換為一個可觀測函數。然後,Koopman網絡對這個可觀測函數進行線性化處理,從而預測未來300秒內RFQ頻率的變化趨勢。
作者進一步利用這個預測模型,實現了基於牛頓-拉夫遜法的模型預測控制(MPC)框架。MPC通過優化頻率偏移,調整控制閥門CV2和CV3的開度,以消除頻率偏移。與傳統PID控制相比,MPC控制器可將控制時間縮短約一半。這是由於MPC能夠同時調整多個閥門,充分利用它們之間的複雜相互作用,並且基於模型的長期預測能力,可以更快速地響應頻率偏移。
總的來說,本文提出的LSTM-Koopman模型及其在MPC中的應用,為解決複雜動態系統的控制問題提供了一般性框架,在科學和工業領域都有潛在的應用價值。
翻譯成其他語言
從原文內容
arxiv.org
深入探究