CN110058527A - 一种工业过程无穷时域优化先进控制方法 - Google Patents
一种工业过程无穷时域优化先进控制方法 Download PDFInfo
- Publication number
- CN110058527A CN110058527A CN201910432796.0A CN201910432796A CN110058527A CN 110058527 A CN110058527 A CN 110058527A CN 201910432796 A CN201910432796 A CN 201910432796A CN 110058527 A CN110058527 A CN 110058527A
- Authority
- CN
- China
- Prior art keywords
- moment
- stage
- state
- batch
- kth
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种工业过程无穷时域优化先进控制方法,包括如下步骤:步骤1、扩展二维切换系统模型的建立;步骤2、设计系统无穷时域优化过程控制器。本发明通过数据采集、模型建立、预测机理、优化等手段,提出了一种工业过程无穷时域优化先进控制,该方法可有效提高系统的控制性能。
Description
技术领域
本发明属于自动化技术领域,涉及一种工业过程无穷时域优化先进控制方法。
背景技术
在实际工业生产过程中,提炼油化工过程控制具有给定值最佳跟踪的优良性能,该性能保证了产品生产的一致性。但是实际的提炼油化工过程中,往往会遇到执行器失效的情况,执行器一旦失效,受控对象的快速性、准确性、稳定性都将受到极大影响。现有的二维系统模型中的提炼油化工过程鲁棒控制技术虽然能够有效地处理不确定性问题,但是在执行器失效的情况下,无法解决系统中的状态偏差问题,这些偏差问题将会对系统的持续稳定运行、系统控制性能产生不利影响,甚至影响产品质量。因此提出一种更加有效的处理执行器失效的方法是有必要的。
发明内容
本发明的目的是更好的处理提炼油化工过程中执行器失效的问题,进而提出了一种工业过程无穷时域优化先进控制方法。该方法首先将模型转化为新的状态空间模型,其次,建立包含状态误差和输出跟踪误差的等效扩展二维切换系统模型;然后,通过引入目标函数,设计了能够抵抗部分执行器故障的控制器;最后,根据时间方向和批量方向的收敛指标,设计了各阶段的最小运行时间。这种工业过程无穷时域优化先进控制方法不仅解决了执行器失效的问题,而且使得受控对象的快速性、准确性、稳定性都得到了极大的提升。
本发明方法的步骤包括:
步骤1、扩展二维切换系统模型的建立,具体步骤是:
1.1首先考虑具有延迟作用的系统过程状态空间模型,模型如下:
其中,i为阶段,t为时刻,k是批次,d是时滞,xi(t,k),yi(t,k)分别表示第i阶段第k批次t时刻的状态、输出,xi(t+1,k)表示第i阶段第k批次t+1时刻的状态ui(t-d,k)表示第i阶段第k批次t-d时刻的输入,分别表示系统第i阶段的状态、输入和输出的对应的系数矩阵。
1.2将步骤1.1中的过程模型进一步处理成如下状态空间模型形式:
其中,
T是矩阵的转置符号,ui(t,k),yi(t,k)分别表示第i阶段第k批次t时刻的状态空间模型下的状态、输入、输出,表示第i阶段第k批次t+1时刻的状态空间模型下的状态;
ui(t-1,k)T,ui(t-2,k)T,…ui(t-d,k)T分别表示第i阶段第k批次t-1,t-2,...t-d时刻的状态空间模型下的输入。
1.3定义系统过程中的状态误差和输出跟踪误差为:
其中,表示第i阶段第k批次t时刻系统状态误差,ei(t+1,k)表示第i阶段第k批次t+1时刻的输出跟踪误差,表示第i阶段第k-1批次t时刻状态,表示第i阶段第k批次t+1时刻参考轨迹输出,yi(t+1,k)表示第i阶段第k批次t+1时刻实际输出。
1.4根据步骤1.2和1.3,可以得到扩展二维切换系统模型如下:
其中,Zi(t,k)表示第i阶段第k批次t时刻扩展二维切换系统模型的状态,ei(t+1,k-1)表示第i阶段第k-1批次t+1时刻的输出跟踪误差,ri(t,k)表示第i阶段第k批次t时刻的更新律。
步骤2、设计系统无穷时域优化过程控制器,具体步骤是:
2.1对于一个扩展二维切换系统模型的描述,迭代学习控制律应具有以下一般形式:
其中,ui(t,0)=0表示迭代的初始值,ui(t,k-1)表示第i阶段第k-1批次t时刻的输入。
2.2确定扩展二维切换系统模型的目标函数,如下所示:
其中,Qi,Ri分别表示状态的加权矩阵和输入加权矩阵,Ji表示扩展二维切换系统模型的目标函数。
2.3根据步骤2.2,可以求得更新律如下所示:
其中,Ii表示适当维数的单位矩阵,表示控制增益。
2.4根据步骤2.3以及李雅普诺夫稳定性的知识,可以得出:
2.5根据步骤2.1到步骤2.4,得到一种工业过程无穷时域优化先进控制的控制量:
2.6根据步骤2.1到步骤2.5,依次循环求解基于一种工业过程无穷时域优化先进控制的控制量ui(t,k),再将其作用于被控对象。
本发明的技术方案是通过数据采集、模型建立、预测机理、优化等手段,提出了一种工业过程无穷时域优化先进控制,该方法可有效提高系统的控制性能。
具体实施方式
以实际过程中一种提炼油化工过程中常减压蒸馏反应器压力的控制为例:
由提炼油化工过程反应器模型出发,通过调节提炼油化工过程常减压蒸馏控制器的阀门开度,从而实现对提炼油化工过程中常减压蒸馏反应器压力的控制。
步骤1、扩展的二维切换常减压蒸馏提炼油化工过程模型的建立,具体步骤是:
1.1首先考虑具有延迟作用的常减压蒸馏提炼油化工过程,模型如下:
其中,i为阶段,t为时刻,k是批次,d是时滞,xi(t,k),yi(t,k)分别表示第i阶段第k批次t时刻的状态、常减压蒸馏反应器的压力,xi(t+1,k)表示第i阶段第k批次t+1时刻的状态ui(t-d,k)表示第i阶段第k批次t-d时刻的阀门的开度,分别表示系统第i阶段的状态、阀门的开度和常减压蒸馏反应器的压力对应的系数矩阵。
1.2将步骤1.1中的常减压蒸馏提炼油化工过程模型进一步处理成如下的状态空间模型:
其中,
T是矩阵的转置符号,ui(t,k),yi(t,k)分别表示第i阶段第k批次t时刻的状态空间模型下的状态、阀门的开度和常减压蒸馏反应器的压力,表示第i阶段第k批次t+1时刻的状态空间模型下的状态,ui(t-1,k)T,ui(t-2,k)T,…ui(t-d,k)T分别表示第i阶段第k批次t-1,t-2,...t-d时刻的状态空间模型下的阀门的开度。
1.3定义相邻常减压蒸馏提炼油化工过程中常减压蒸馏提炼油化工过程的状态误差和输出跟踪误差为:
其中,表示第i阶段第k批次t时刻系统状态误差,ei(t+1,k)表示第i阶段第k批次t+1时刻的常减压蒸馏反应器压力的跟踪误差,表示第i阶段第k-1批次t时刻状态,表示第i阶段第k批次t+1时刻参考轨迹的常减压蒸馏反应器压力,yi(t+1,k)表示第i阶段第k批次t+1时刻实际常减压蒸馏反应器的压力。
1.4根据步骤1.2和1.3,可以得到扩展二维切换常减压蒸馏提炼油化工过程模型如下:
其中,Zi(t,k)表示第i阶段第k批次t时刻扩展二维切换系统模型的状态,ei(t+1,k-1)表示第i阶段第k-1批次t+1时刻的常减压蒸馏反应器的压力跟踪误差,ri(t,k)表示第i阶段第k批次t时刻的更新律。
步骤2、设计常减压蒸馏提炼油化工过程控制器,具体步骤是:
2.1对于一个扩展二维切换常减压蒸馏提炼油化工过程模型的描述,迭代学习控制律应具有以下一般形式:
其中,ui(t,0)=0表示迭代的初始值,ui(t,k-1)表示第i阶段第k-1批次t时刻的输入。
2.2确定扩展二维切换常减压蒸馏提炼油化工过程模型的目标函数,如下所示:
其中,Qi,Ri分别表示状态的加权矩阵和阀门开度加权矩阵,Ji表示扩展二维切换提炼油化工过程模型的目标函数。
2.3根据步骤2.2,可以求得更新律如下所示:
其中,Ii表示适当维数的单位矩阵,表示控制增益。
2.4根据步骤2.3以及李雅普诺夫稳定性的知识,可以得出:
2.5根据步骤2.1到步骤2.4,得到一种工业过程无穷时域优化先进控制的控制量:
2.6根据步骤2.1到步骤2.5,依次循环求解基于一种工业过程无穷时域优化先进控制的控制量ui(t,k),再将其作用于被控对象。
Claims (3)
1.一种工业过程无穷时域优化先进控制方法,包括如下步骤:
步骤1、扩展二维切换系统模型的建立;
步骤2、设计系统无穷时域优化过程控制器。
2.如权利要求1所述的工业过程无穷时域优化先进控制方法,其特征在于:
所述步骤1具体如下:
1.1首先考虑具有延迟作用的系统过程状态空间模型,模型如下:
其中,i为阶段,t为时刻,k是批次,d是时滞,xi(t,k),yi(t,k)分别表示第i阶段第k批次t时刻的状态、输出,xi(t+1,k)表示第i阶段第k批次t+1时刻的状态ui(t-d,k)表示第i阶段第k批次t-d时刻的输入,分别表示系统第i阶段的状态、输入和输出的对应的系数矩阵;
1.2将步骤1.1中的过程模型进一步处理成如下状态空间模型形式:
其中,
T是矩阵的转置符号,ui(t,k),yi(t,k)分别表示第i阶段第k批次t时刻的状态空间模型下的状态、输入、输出,表示第i阶段第k批次t+1时刻的状态空间模型下的状态,ui(t-1,k)T,ui(t-2,k)T,…ui(t-d,k)T分别表示第i阶段第k批次t-1,t-2,...t-d时刻的状态空间模型下的输入;
1.3定义系统过程中的状态误差和输出跟踪误差为:
其中,表示第i阶段第k批次t时刻系统状态误差,ei(t+1,k)表示第i阶段第k批次t+1时刻的输出跟踪误差,表示第i阶段第k-1批次t时刻状态,表示第i阶段第k批次t+1时刻参考轨迹输出,yi(t+1,k)表示第i阶段第k批次t+1时刻实际输出;
1.4根据步骤1.2和1.3,可以得到扩展二维切换系统模型如下:
其中,Zi(t,k)表示第i阶段第k批次t时刻扩展二维切换系统模型的状态,ei(t+1,k-1)表示第i阶段第k-1批次t+1时刻的输出跟踪误差,ri(t,k)表示第i阶段第k批次t时刻的更新律。
3.如权利要求2所述的工业过程无穷时域优化先进控制方法,其特征在于:
所述步骤2具体如下:
2.1对于一个扩展二维切换系统模型的描述,迭代学习控制律应具有以下一般形式:
其中,ui(t,0)=0表示迭代的初始值,ui(t,k-1)表示第i阶段第k-1批次t时刻的输入;
2.2确定扩展二维切换系统模型的目标函数,如下所示:
其中,Qi,Ri分别表示状态的加权矩阵和输入加权矩阵,Ji表示扩展二维切换系统模型的目标函数;
2.3根据步骤2.2,可以求得更新律如下所示:
其中,Ii表示适当维数的单位矩阵,表示控制增益;
2.4根据步骤2.3以及李雅普诺夫稳定性得出:
2.5根据步骤2.1到步骤2.4,得到控制量:
2.6根据步骤2.1到步骤2.5,依次循环求解控制量ui(t,k),再将其作用于被控对象。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910432796.0A CN110058527A (zh) | 2019-05-22 | 2019-05-22 | 一种工业过程无穷时域优化先进控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910432796.0A CN110058527A (zh) | 2019-05-22 | 2019-05-22 | 一种工业过程无穷时域优化先进控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110058527A true CN110058527A (zh) | 2019-07-26 |
Family
ID=67324164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910432796.0A Pending CN110058527A (zh) | 2019-05-22 | 2019-05-22 | 一种工业过程无穷时域优化先进控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110058527A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113341717A (zh) * | 2021-06-10 | 2021-09-03 | 江苏舜高智能科技有限公司 | 一种大型燃煤电站co2捕集整体系统扰动抑制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102130A (zh) * | 2014-06-20 | 2014-10-15 | 杭州电子科技大学 | 状态空间模型的批次过程无穷时域线性二次容错控制方法 |
CN107966902A (zh) * | 2017-11-27 | 2018-04-27 | 辽宁石油化工大学 | 一种不确定性间歇过程的约束2d跟踪控制方法 |
CN107976942A (zh) * | 2017-11-22 | 2018-05-01 | 海南师范大学 | 无穷时域优化的间歇过程2d约束容错控制方法 |
CN108073077A (zh) * | 2017-12-25 | 2018-05-25 | 海南师范大学 | 批次过程无穷时域优化的线性二次混杂容错控制方法 |
US20180330300A1 (en) * | 2017-05-15 | 2018-11-15 | Tata Consultancy Services Limited | Method and system for data-based optimization of performance indicators in process and manufacturing industries |
CN109212971A (zh) * | 2018-10-11 | 2019-01-15 | 海南师范大学 | 多阶段间歇过程2d线性二次跟踪容错控制方法 |
-
2019
- 2019-05-22 CN CN201910432796.0A patent/CN110058527A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102130A (zh) * | 2014-06-20 | 2014-10-15 | 杭州电子科技大学 | 状态空间模型的批次过程无穷时域线性二次容错控制方法 |
US20180330300A1 (en) * | 2017-05-15 | 2018-11-15 | Tata Consultancy Services Limited | Method and system for data-based optimization of performance indicators in process and manufacturing industries |
CN107976942A (zh) * | 2017-11-22 | 2018-05-01 | 海南师范大学 | 无穷时域优化的间歇过程2d约束容错控制方法 |
CN107966902A (zh) * | 2017-11-27 | 2018-04-27 | 辽宁石油化工大学 | 一种不确定性间歇过程的约束2d跟踪控制方法 |
CN108073077A (zh) * | 2017-12-25 | 2018-05-25 | 海南师范大学 | 批次过程无穷时域优化的线性二次混杂容错控制方法 |
CN109212971A (zh) * | 2018-10-11 | 2019-01-15 | 海南师范大学 | 多阶段间歇过程2d线性二次跟踪容错控制方法 |
Non-Patent Citations (1)
Title |
---|
王立敏等: "多阶段间歇过程无穷时域优化线性二次容错控制", 《化工学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113341717A (zh) * | 2021-06-10 | 2021-09-03 | 江苏舜高智能科技有限公司 | 一种大型燃煤电站co2捕集整体系统扰动抑制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107168293B (zh) | 一种批次化工过程的模型预测跟踪控制方法 | |
CN107942667B (zh) | 基于时变时滞和干扰的注塑过程混杂2d跟踪控制方法 | |
CN110579970B (zh) | 一种2d滚动优化下间歇过程终端约束预测控制方法 | |
CN111722628B (zh) | 一种多智能体轨迹更新迭代学习的点到点跟踪控制方法 | |
Chu et al. | Final quality prediction method for new batch processes based on improved JYKPLS process transfer model | |
CN105404144A (zh) | 连续搅拌反应釜的多模型自适应控制方法及系统 | |
CN110058527A (zh) | 一种工业过程无穷时域优化先进控制方法 | |
Wang et al. | Fuzzy adaptive finite-time consensus tracking control of high-order nonlinear multi-agent networks with dead zone | |
CN104102130B (zh) | 状态空间模型的批次过程无穷时域线性二次容错控制方法 | |
CN110597055B (zh) | 抗不确定性的2d分段仿射间歇过程最小-最大优化的预测控制方法 | |
CN110015740B (zh) | 一种基于ph值动态模型的废水处理过程控制方法 | |
Li et al. | The application of immune genetic algorithm in PID parameter optimization for level control system | |
CN110412873A (zh) | 基于终端约束的时滞间歇过程2d迭代学习预测控制方法 | |
Saravanakumar et al. | Tuning of multivariable decentralized PID controller using state transition algorithm | |
CN108897219B (zh) | 一种化工不确定工业过程约束预测控制方法 | |
CN110750049A (zh) | 带有时滞和扰动的间歇过程2d预测容错控制方法 | |
CN111061155B (zh) | 一种基于遗传算法优化的间歇过程2d模型预测控制方法 | |
CN114237187A (zh) | 一种工业过程的约束学习先进控制方法 | |
CN108829058B (zh) | 一种化工批次过程模糊迭代学习控制方法 | |
Igreja et al. | Application of distributed model predictive control to a water delivery canal | |
Ali et al. | Intelligent PID controller tuning for higher order process system | |
CN108803314A (zh) | 一种化工间歇过程的新型复合跟踪控制方法 | |
CN111505937A (zh) | 一种多模态下的工业过程改进模型预测容错控制方法 | |
CN115542741A (zh) | 基于李雅普诺夫-拉祖米欣函数的多阶段间歇过程迭代学习鲁棒预测控制方法 | |
CN110069016A (zh) | 一种工业过程预测线性二次先进控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190726 |
|
RJ01 | Rejection of invention patent application after publication |