CN102183699A - 化工过程多变量预测控制系统模型失配检测与定位方法 - Google Patents
化工过程多变量预测控制系统模型失配检测与定位方法 Download PDFInfo
- Publication number
- CN102183699A CN102183699A CN2011100366762A CN201110036676A CN102183699A CN 102183699 A CN102183699 A CN 102183699A CN 2011100366762 A CN2011100366762 A CN 2011100366762A CN 201110036676 A CN201110036676 A CN 201110036676A CN 102183699 A CN102183699 A CN 102183699A
- Authority
- CN
- China
- Prior art keywords
- model
- predictive control
- residual error
- data
- matrix
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000001514 detection method Methods 0.000 title claims abstract description 22
- 238000001311 chemical methods and process Methods 0.000 title claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 39
- 238000012360 testing method Methods 0.000 claims description 17
- 238000011084 recovery Methods 0.000 claims description 8
- 239000002904 solvent Substances 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims 2
- MQIUGAXCHLFZKX-UHFFFAOYSA-N Di-n-octyl phthalate Natural products CCCCCCCCOC(=O)C1=CC=CC=C1C(=O)OCCCCCCCC MQIUGAXCHLFZKX-UHFFFAOYSA-N 0.000 claims 1
- BJQHLKABXJIVAM-UHFFFAOYSA-N bis(2-ethylhexyl) phthalate Chemical class CCCCC(CC)COC(=O)C1=CC=CC=C1C(=O)OCC(CC)CCCC BJQHLKABXJIVAM-UHFFFAOYSA-N 0.000 claims 1
- 230000001934 delay Effects 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 21
- 238000012423 maintenance Methods 0.000 abstract description 7
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 238000004540 process dynamic Methods 0.000 abstract 1
- QTBSBXVTEAMEQO-UHFFFAOYSA-N Acetic acid Chemical compound CC(O)=O QTBSBXVTEAMEQO-UHFFFAOYSA-N 0.000 description 9
- KKEYFWRCBNTPAC-UHFFFAOYSA-N Terephthalic acid Chemical compound OC(=O)C1=CC=C(C(O)=O)C=C1 KKEYFWRCBNTPAC-UHFFFAOYSA-N 0.000 description 8
- 230000000295 complement effect Effects 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 3
- 238000010992 reflux Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 239000000728 ammonium alginate Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000648 calcium alginate Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000003889 chemical engineering Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000000123 paper Substances 0.000 description 1
- 239000012071 phase Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明公开了一种化工过程多变量预测控制系统模型失配检测与定位方法。针对当前过程工业中典型的递阶控制体系,分别多变量系统和多变量系统中的各个单变量子系统做模型失配检测并定位。本发明包括基于正交投影的方法获得预测控制层多变量系统残差,构造监控统计量计算引擎,基于辅助变量辨识方法获得单变量子系统只对过程动态特性变化敏感的残差。本发明直接采用闭环操作数据,无需系统的额外信息;利用少量数据就可以做出快速检测与定位,对工况扰动小;能够定位多变量系统中各个单变量子系统过程模型的失配信息,消除扰动的影响。本发明能够以较小的代价快速得出精确的模型失配信息,降低预测控制系统维护成本,延长预测控制系统寿命,提高效益。
Description
技术领域
本发明涉及石油、化工等流程工业控制系统故障诊断领域,特别地,涉及一种化工过程多变量预测控制系统模型失配检测与定位方法。
背景技术
近年来,以预测控制技术(MPC,Model Predictive Control)为代表的先进控制策略已在石油、化工、造纸、制药等流程工业中得到了广泛应用,MPC能够有效的处理各种复杂的多变量系统控制问题,提高控制性能,降低能耗,增加经济效益。这些控制系统在投运初期运行良好,但是随着时间的推移,由于设备的老化等因素引起的控制对象特性发生变化会使得控制性能衰减。,国际上,一套预测控制系统的寿命为2-3年,国内的的预测控制系统寿命仅有1-1.5年。通常情况下,模型预测控制项目需要每隔半年进行系统维护。
为了检测模型失配,Jiang H L等利用双模散度算法(Jiang H L,Huang B,Shah S L.Closed-loop model validation based on the two-model divergence method.Journal of Process Control,2009,19(4):644-655.)通过构造基于标称模型和新辨识模型预测误差的统计量函数并监控所述统计量函数的期望判断模型是否失配。该方法依赖于辨识结果的精度并且需要对过程施加充分激励信号,从工程的角度,为了保证信号的充分激励,会对工况造成较大的干扰,同时,辨识算法的应用增加了计算复杂度,不利于实际应用。Patwardhan R S等通过计算模型预测控制器目标函数的可达值与实际值之比(Patwardhan,R S,Shah S L,Qi KZ.Assessing the performance of model predictive controllers.Canadian Journal ofChemical Engineering,2002,80(5):954-966.)判断性能下降是否由模型失配引起,但是这一方法不能分离对象特性和不可测扰动特性的变化。由于预测控制器的设计往往利用随机游走扰动模型(例如被广泛应用的动态矩阵控制),而且工业控制系统的不可测扰动特性具有很强的时变特性,所以上述方法的实用性受到限制。
模型的精度是影响模型预测控制器性能的关键因素。由于先进控制系统往往包含成百上千个回路,系统庞大且复杂,所以在系统维护时如果重新辨识系统模型将付出很大代价。由于流程工业具有连续生产的特点,所以能够在对工况干扰较小的前提下精确定位模型发生变化的回路,使得系统维护有的放矢,代价小,实现局部调整和故障预防,对于延长预测控制系统寿命,提高经济效益具有重要的实用价值。
发明内容
本发明的目的是针对现有技术的不足,提供一种化工过程多变量预测控制系统模型失配检测与定位方法。
化工过程多变量预测控制系统模型失配检测与定位方法的步骤如下:
1)在预测控制器运行状态下对化工过程预测控制系统的预测控制层多变量系统进行多变量闭环测试,测试信号为广义二进制噪声或伪随机二进制序列,将测试信号施加到化工过程设备操作变量MV,并采集输出变量CV数据,用于模型失配检测的数据集记为{u(t),y(t)},并且u(t)的均值不为0;
2)计算预测控制层多变量系统的残差ζK:
3)调用实时数据库平台被检测单变量子系统的控制器和过程模型参数,控制器和过程模型的离散传递函数分别用Q0和T0表示,T0Q0的分子分母系数分别为{b0b1…bp}和{a0a1…ap},p为T0Q0阶次,数据窗口大小为K,过程扰动在控制器作用下在在一定时延后衰减,选取2至3倍过程时延作为扰动衰减长度,记为n,单变量系统控制变量CV输出数据记为y(t),通过以下公式计算单变量子系统过程残差UK:
其中:α(t)=(a0+b0)y(t)+(a1+b1)y(t-1)+…+(ap+bp)y(t-p)
β(t)=[y(t-n-1)y(t-n-2)…y(t-n-p)]T
残差的维数记为dim令χ2分布表中自由度为dim置信度为95%的值为若发出模型失配警告,若检测出预测控制层多变量系统,则对各个单边量子系统按照步骤3)的方法产生残差并通过T2统计量计算引擎结果进行定位。
5)在精对本二甲酸装置的溶剂回收过程中,预测控制层为2个输入,3个输出的多变量系统,多变量系统的标称状态空间模型矩阵为{A0,B0,C0},对于测试数据集{u(t),y(t)}中长度为500的数据窗口,结合扩展可观测矩阵的正交补矩阵Γk ⊥和Hankel矩阵Hk得到预测控制层多变量系统残差ζK,通过T2统计量计算引擎得到多变量系统产生模型失配的结果,则部分或全部子系统的扰动特性或者设备的动态特性发生了变化,获取2个子回路的残差UCIC401,残差UCIC402,依次将残差UCIC401,残差UCIC402输入T2统计量计算引擎,将多变量系统模型失配信息定位到CIC402子回路的设备动态特性发生变化。
2.根据权利要求1所述的一种化工过程多变量预测控制系统模型失配检测与定位方法,其特征在于所述的计算预测控制层多变量系统的残差ζK步骤为:
(1)调用预测控制系统数据库中的标称状态空间模型矩阵{A0,B0,C0},建立扩展可观测矩阵Γk,通过正交三角分解得到它的正交补Γk ⊥;
(2)建立关于系统标称模型的Hankel矩阵Hk;
(3)选取残差数据窗口k,N,均为大于多变量控制系统维数的自然数,从先进控制系统实时数据库中将步骤1)所采集的数据用以下公式建立数据单元矩阵W0|N-1:
uk(t)=[uk(t)uk(t+1)…uk(t+k-1)]T
yk(t)=[yk(t)yk(t+1)…uk(t+k-1)]T
(4)根据步骤(1)得到的扩展可观测矩阵正交补Γk ⊥,标称模型Hankel矩阵Hk以及步骤(3)中得到的数据单元矩阵,计算预测控制层多变量系统残差F0|N-1:
F0|N-1=(Γk -)T[Ikm-Hk]W0|N-1=[fk(0)fk(1)…fk(N-1)]
(5)用滑动数据窗口的方法实现模型失配在线检测,选取数据窗口大小,记为K,为了协方差估计的一致性,选取大于300个采样点数据作为数据窗口,用以下公式将步骤(4)得到的残差F0|N-1转换为标准化残差ζK:
本发明与现有技术相比具有的有益效果:
1、根据流程工业多变量预测控制系统特点,得到多变量系统的残差产生方法,使得故障诊断操作能够在预测控制器运行下直接进行多变量测试,减少对正常工况的干扰,保障安全性。
2、通过统计量计算引擎,能够快速得到多变量系统和单变量系统的模型失配检测统计量,提高故障诊断和系统维护效率。
3、能够检测局部子系统模型失配,消除扰动的影响,从而能够对复杂系统进行局部调整,降低预测控制系统维护成本,延长使用寿命。
附图说明
图1是预测控制系统模型失配检测与定位系统结构示意图;
图2是PTA溶剂回收过程;
图3是施加到操作变量MV的测试信号图;
图4是测试中的系统控制变量CV输出;
图5是预测控制层多变量系统模型失配监控统计量,虚线为门限值;
图6是CIC401回路模型失配定位统计量,虚线为门限值;
图7是CIC402回路模型失配定位统计量,虚线为门限值。
具体实施方式
化工过程多变量预测控制系统模型失配检测与定位方法的步骤如下:
1)在预测控制器运行状态下对化工过程预测控制系统的预测控制层多变量系统进行多变量闭环测试,测试信号为广义二进制噪声或伪随机二进制序列,将测试信号施加到化工过程设备操作变量MV,并采集输出变量CV数据,用于模型失配检测的数据集记为{u(t),y(t)},并且u(t)的均值不为0;
2)计算预测控制层多变量系统的残差ζK:
3)调用实时数据库平台被检测单变量子系统的控制器和过程模型参数,控制器和过程模型的离散传递函数分别用Q0和T0表示,T0Q0的分子分母系数分别为{b0b1…bp}和{a0a1…ap},p为T0Q0阶次,数据窗口大小为K,过程扰动在控制器作用下在在一定时延后衰减,选取2至3倍过程时延作为扰动衰减长度,记为n,单变量系统控制变量CV输出数据记为y(t),通过以下公式计算单变量子系统过程残差UK:
其中:α(t)=(a0+b0)y(t)+(a1+b1)y(t-1)+…+(ap+bp)y(t-p)
β(t)=[y(t-n-1)y(t-n-2)…y(t-n-p)]T
4)基于统计局部方法构造T2统计量计算引擎,将数据窗口K的残差表示为模型失配检测统计量由以下计算引擎快速得出:
残差的维数记为dim令χ2分布表中自由度为dim置信度为95%的值为若发出模型失配警告,若检测出预测控制层多变量系统,则对各个单边量子系统按照步骤3)的方法产生残差并通过T2统计量计算引擎结果进行定位。
5)在精对本二甲酸装置的溶剂回收过程中,预测控制层为2个输入,3个输出的多变量系统,多变量系统的标称状态空间模型矩阵为{A0,B0,C0},对于测试数据集{u(t),y(t)}中长度为500的数据窗口,结合扩展可观测矩阵的正交补矩阵Γk -和Hankel矩阵Hk得到预测控制层多变量系统残差ζK,通过T2统计量计算引擎得到多变量系统产生模型失配的结果,则部分或全部子系统的扰动特性或者设备的动态特性发生了变化,获取2个子回路的残差UCIC401,残差UCIC402,依次将残差UCIC401,残差UCIC402输入T2统计量计算引擎,将多变量系统模型失配信息定位到CIC402子回路的设备动态特性发生变化。
2.根据权利要求1所述的一种化工过程多变量预测控制系统模型失配检测与定位方法,其特征在于所述的计算预测控制层多变量系统的残差ζK步骤为:
(1)调用预测控制系统数据库中的标称状态空间模型矩阵{A0,B0,C0},建立扩展可观测矩阵Γk,通过正交三角分解得到它的正交补Γk -;
(2)建立关于系统标称模型的Hankel矩阵Hk;
(3)选取残差数据窗口k,N,均为大于多变量控制系统维数的自然数,从先进控制系统实时数据库中将步骤1)所采集的数据用以下公式建立数据单元矩阵W0|N-1:
uk(t)=[uk(t)uk(t+1)…uk(t+k-1)]T
yk(t)=[yk(t)yk(t+1)…uk(t+k-1)]T
(4)根据步骤(1)得到的扩展可观测矩阵正交补Γk ⊥,标称模型Hankel矩阵Hk以及步骤(3)中得到的数据单元矩阵,计算预测控制层多变量系统残差F0|N-1:
F0|N-1=(Γk -)T[Ikm-Hk]W0|N-1=[fk(0)fk(1)…fk(N-1)]
(5)用滑动数据窗口的方法实现模型失配在线检测,选取数据窗口大小,记为K,为了协方差估计的一致性,选取大于300个采样点数据作为数据窗口,用以下公式将步骤(4)得到的残差F0|N-1转换为标准化残差ζK:
实施例
下面针对国内某厂精对本二甲酸(PTA)装置的溶剂回收过程为例对本发明具体实施方式做进一步描述。
PTA装置的溶剂回收过程,流程图如图2所示。溶剂回收塔T403以醋酸和水混合物为原料;塔底液相经再沸器E403加热后返回塔内,塔底采出为醋酸返回PTA装置循环使用;塔顶气相经冷凝器E404后,进入回流罐D404,部分作为回流返回塔内,其余废水进行排放。其中,塔底蒸汽加热量FIC424与塔底温度TIC424形成PID串级回路。在MPC控制器中,TIC424设定值和回流量FIC421作为操作变量(MVs),塔底电导率CIC402、压差(PDI422)、塔顶电导率CIC401作为受控变量(CVs),另外还有三个干扰变量(DVs),控制目标是在塔底电导率CIC402、压差(PDI422)平稳的前提下,尽量降低塔顶电导率CIC401,减少醋酸排放量,提高回收率。
1)为了获取预测控制层的多变量系统模型失配检测数据,该实施例中采用了用于项目实施初期用于系统辨识的测试信号部分,从先进控制系统实时数据库中采集到测试数据,并做归一化预处理,如图3、图4所示。
2)多变量系统的状态空间模型表示为;
其中{A0,B0,C0}为标称模型矩阵,{ΔA,ΔB,ΔC}为系统不确定部分,即模型失配部分。v(t),e(t)分别为状态噪声和测量噪声。项目实施初期通过辨识过程模型,用于预测控制器的设计,该模型参数为:
该实施例中取残差数据窗口N=k=12。利用标称模型可以得到扩展观测矩阵Γk,维数为36×4,对其进行正交三角分解,得到正交矩阵记为Q,取Q的后32列得到扩展观测矩阵的正交补矩阵Γk -,维数为36×32。同时结合标称模型和系统输入输出数据,通过预测控制层多变量系统的残差获取步骤得到残差ζK。
3)将残差ζK输入统计量计算引擎,采用滑动窗口计算的方法,设置数据窗口大小K=500,得到每一个窗口数据的T2统计量以及门限值,如图5所示,95%置信度的置信限为36.415,门限值用虚线表示。从图可以看出,T2统计量超出门限值,预测控制层模型发生失配。
4)进一步对多变量系统的单变量子回路做模型失配检测。计算多变量系统控制变量CV的方差,发现,塔顶电导率控制回路CIC401以及塔底电导率控制回路CIC402的方差较项目实施初期有明显增大。首先选择CIC401回路,调用先进控制系统实时数据库中过程标称模型和离散PID控制器参数,过程标称模型和离散PID控制器传递函数分别为: 将模型和控制器参数以及CIC402控制变量CV输入到单变量残差计算单元得到残差UCIC401。将残差UCIC401输入到T2统计量计算引擎得到T2统计量以及门限值,门限值用虚线表示,如图6所示。统计量在门限值以下,则该回路方差增大的原因为扰动动态特性发生了变化,过程模型没有产生失配,如果方差持续保持较高的值,则应考虑调节控制器参数或者引入前馈控制。
调用CIC402回路的过程模型,控制器参数以及控制变量CV的输出数据,输入到残差计算单元得到残差UCIC402,将残差UCIC402输入到统计量计算引擎,得到反映该回路模型失配信息的统计量以及门限值,如图7所示。从图可以看出,CIC402回路模型产生了失配,应该对该回路进行重新建模,得到更为精确的模型用于控制器参数的整定。
运用本发明所提供的方法,可以通过直接调用先进控制系统实时数据库中的数据,自动计算残差,并经过统计量计算引擎统一处理快速对模型失配进行定位,诊断出CIC402回路过程特性发生了变化。这样,只需要对CIC402回路的控制设备进行维护、修理或者更换,同时也可以对CIC402回路控制系统进行重新建模和参数整定达到提高控制器性能的目的。通过本方面提供的方法,降低了预测控制系统维护成本,提高安全保证,延长预测控制系统寿命,增加经济效益。
Claims (2)
1.一种化工过程多变量预测控制系统模型失配检测与定位方法,其特征在于它的步骤如下:
1)在预测控制器运行状态下对化工过程预测控制系统的预测控制层多变量系统进行多变量闭环测试,测试信号为广义二进制噪声或伪随机二进制序列,将测试信号施加到化工过程设备操作变量MV,并采集输出变量CV数据,用于模型失配检测的数据集记为{u(t),y(t)},并且u(t)的均值不为0;
2)计算预测控制层多变量系统的残差ζK:
3)调用实时数据库平台被检测单变量子系统的控制器和过程模型参数,控制器和过程模型的离散传递函数分别用Q0和T0表示,T0Q0的分子分母系数分别为{b0b1…bp}和{a0a1…ap},p为T0Q0阶次,数据窗口大小为K,过程扰动在控制器作用下在在一定时延后衰减,选取2至3倍过程时延作为扰动衰减长度,记为n,单变量系统控制变量CV输出数据记为y(t),通过以下公式计算单变量子系统过程残差UK:
其中:α(t)=(a0+b0)y(t)+(a1+b1)y(t-1)+…+(ap+bp)y(t-p)
β(t)=[y(t-n-1)y(t-n-2)…y(t-n-p)]T
4)基于统计局部方法构造T2统计量计算引擎,将数据窗口K的残差表示为模型失配检测统计量由以下计算引擎快速得出:
残差的维数记为dim令χ2分布表中自由度为dim置信度为95%的值为若发出模型失配警告,若检测出预测控制层多变量系统,则对各个单边量子系统按照步骤3)的方法产生残差并通过T2统计量计算引擎结果进行定位。
5)在精对本二甲酸装置的溶剂回收过程中,预测控制层为2个输入,3个输出的多变量系统,多变量系统的标称状态空间模型矩阵为{A0,B0,C0},对于测试数据集{u(t),y(t)}中长度为500的数据窗口,结合扩展可观测矩阵的正交补矩阵Γk -和Hankel矩阵Hk得到预测控制层多变量系统残差ζK,通过T2统计量计算引擎得到多变量系统产生模型失配的结果,则部分或全部子系统的扰动特性或者设备的动态特性发生了变化,获取2个子回路的残差UCIC401,残差UCIC402,依次将残差UCIC401,残差UCIC402输入T2统计量计算引擎,将多变量系统模型失配信息定位到CIC402子回路的设备动态特性发生变化。
2.根据权利要求1所述的一种化工过程多变量预测控制系统模型失配检测与定位方法,其特征在于所述的计算预测控制层多变量系统的残差ζK步骤为:
(1)调用预测控制系统数据库中的标称状态空间模型矩阵{A0,B0,C0},建立扩展可观测矩阵Γk,通过正交三角分解得到它的正交补Γk -;
(2)建立关于系统标称模型的Hankel矩阵Hk;
(3)选取残差数据窗口k,N,均为大于多变量控制系统维数的自然数,从先进控制系统实时数据库中将步骤1)所采集的数据用以下公式建立数据单元矩阵W0|N-1:
uk(t)=[uk(t)uk(t+1)…uk(t+k-1)]T
yk(t)=[yk(t)yk(t+1)…uk(t+k-1)]T
(4)根据步骤(1)得到的扩展可观测矩阵正交补Γk ⊥,标称模型Hankel矩阵Hk以及步骤(3)中得到的数据单元矩阵,计算预测控制层多变量系统残差F0|N-1:
F0|N-1=(Γk -)T[Ikm-Hk]W0|N-1=[fk(0)fk(1)…fk(N-1)]
(5)用滑动数据窗口的方法实现模型失配在线检测,选取数据窗口大小,记为K,为了协方差估计的一致性,选取大于300个采样点数据作为数据窗口,用以下公式将步骤(4)得到的残差F0|N-1转换为标准化残差ζK:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110036676 CN102183699B (zh) | 2011-01-30 | 2011-01-30 | 化工过程多变量预测控制系统模型失配检测与定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110036676 CN102183699B (zh) | 2011-01-30 | 2011-01-30 | 化工过程多变量预测控制系统模型失配检测与定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102183699A true CN102183699A (zh) | 2011-09-14 |
CN102183699B CN102183699B (zh) | 2012-12-26 |
Family
ID=44569902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110036676 Active CN102183699B (zh) | 2011-01-30 | 2011-01-30 | 化工过程多变量预测控制系统模型失配检测与定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102183699B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246279A (zh) * | 2013-04-18 | 2013-08-14 | 浙江大学 | 一种存在执行阀粘滞特性的化工过程的控制性能评估方法 |
CN103439968A (zh) * | 2013-08-28 | 2013-12-11 | 浙江大学 | 存在控制阀粘滞特性的化工过程的控制性能测定方法 |
CN105373098A (zh) * | 2015-11-26 | 2016-03-02 | 江南大学 | 一种基于变量时段分解的间歇过程无模型在线滚动优化方法 |
CN105759606A (zh) * | 2015-12-24 | 2016-07-13 | 浙江中控软件技术有限公司 | 一种针对模型失配的稳态目标鲁棒优化方法和装置 |
CN105960614A (zh) * | 2014-02-07 | 2016-09-21 | 三菱电机株式会社 | 系统辨识装置 |
CN107831736A (zh) * | 2016-09-16 | 2018-03-23 | 霍尼韦尔有限公司 | 使用用于造纸机或其它系统的模型参数数据群集的模型‑工厂失配检测 |
CN108536127A (zh) * | 2018-04-20 | 2018-09-14 | 华中科技大学 | 一种数据驱动的多变量控制系统的模型失配诊断方法 |
CN108549228A (zh) * | 2018-04-18 | 2018-09-18 | 南京工业大学 | 一种基于交叉评估的多变量dmc系统模型失配通道定位方法 |
CN108646553A (zh) * | 2018-04-20 | 2018-10-12 | 华中科技大学 | 一种统计在线监控闭环控制系统模型质量的方法 |
CN111109632A (zh) * | 2019-12-12 | 2020-05-08 | 河南中烟工业有限责任公司 | 一种基于水浸式烟梗回潮的质量控制方法及系统 |
CN111176155A (zh) * | 2019-12-20 | 2020-05-19 | 华中科技大学 | 一种闭环模型预测控制系统的过程模型失配检测方法 |
CN111538316A (zh) * | 2020-05-21 | 2020-08-14 | 北京航空航天大学 | 基于性能的闭环控制系统执行机构故障诊断方法及系统 |
CN112861074A (zh) * | 2021-03-09 | 2021-05-28 | 东北电力大学 | 基于Hankel-DMD的电力系统机电参数提取方法 |
CN115793604A (zh) * | 2022-11-18 | 2023-03-14 | 阿里云计算有限公司 | 控制器运维方法、装置及系统 |
CN117148724A (zh) * | 2023-10-08 | 2023-12-01 | 浙江中智达科技有限公司 | 一种控制系统的性能维护方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6064809A (en) * | 1998-06-05 | 2000-05-16 | The Board Of Trustees Of The University Of Illinois | Fast model predictive ellipsoid control process |
CN1664726A (zh) * | 2005-03-17 | 2005-09-07 | 上海交通大学 | 化工多变量生产过程的两自由度解耦控制系统 |
CN101135887A (zh) * | 2006-09-01 | 2008-03-05 | 大庆开发区华创电子有限公司 | 高鲁棒性先进控制方法及其控制系统 |
CN101458498A (zh) * | 2008-11-26 | 2009-06-17 | 清华大学 | 一种快速模型预测控制方法 |
CN101900992A (zh) * | 2010-07-16 | 2010-12-01 | 浙江大学 | 化工过程预测控制系统经济目标优化自适应退避的选择方法 |
-
2011
- 2011-01-30 CN CN 201110036676 patent/CN102183699B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6064809A (en) * | 1998-06-05 | 2000-05-16 | The Board Of Trustees Of The University Of Illinois | Fast model predictive ellipsoid control process |
CN1664726A (zh) * | 2005-03-17 | 2005-09-07 | 上海交通大学 | 化工多变量生产过程的两自由度解耦控制系统 |
CN101135887A (zh) * | 2006-09-01 | 2008-03-05 | 大庆开发区华创电子有限公司 | 高鲁棒性先进控制方法及其控制系统 |
CN101458498A (zh) * | 2008-11-26 | 2009-06-17 | 清华大学 | 一种快速模型预测控制方法 |
CN101900992A (zh) * | 2010-07-16 | 2010-12-01 | 浙江大学 | 化工过程预测控制系统经济目标优化自适应退避的选择方法 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246279A (zh) * | 2013-04-18 | 2013-08-14 | 浙江大学 | 一种存在执行阀粘滞特性的化工过程的控制性能评估方法 |
CN103439968A (zh) * | 2013-08-28 | 2013-12-11 | 浙江大学 | 存在控制阀粘滞特性的化工过程的控制性能测定方法 |
CN103439968B (zh) * | 2013-08-28 | 2016-01-13 | 浙江大学 | 存在控制阀粘滞特性的化工过程的控制性能测定方法 |
CN105960614B (zh) * | 2014-02-07 | 2020-11-27 | 三菱电机株式会社 | 系统辨识装置 |
CN105960614A (zh) * | 2014-02-07 | 2016-09-21 | 三菱电机株式会社 | 系统辨识装置 |
CN105373098A (zh) * | 2015-11-26 | 2016-03-02 | 江南大学 | 一种基于变量时段分解的间歇过程无模型在线滚动优化方法 |
CN105373098B (zh) * | 2015-11-26 | 2017-10-24 | 江南大学 | 一种基于变量时段分解的间歇过程无模型在线滚动优化方法 |
CN105759606A (zh) * | 2015-12-24 | 2016-07-13 | 浙江中控软件技术有限公司 | 一种针对模型失配的稳态目标鲁棒优化方法和装置 |
CN107831736A (zh) * | 2016-09-16 | 2018-03-23 | 霍尼韦尔有限公司 | 使用用于造纸机或其它系统的模型参数数据群集的模型‑工厂失配检测 |
CN107831736B (zh) * | 2016-09-16 | 2022-08-12 | 霍尼韦尔有限公司 | 使用用于造纸机或其它系统的模型参数数据群集的模型-工厂失配检测 |
CN108549228A (zh) * | 2018-04-18 | 2018-09-18 | 南京工业大学 | 一种基于交叉评估的多变量dmc系统模型失配通道定位方法 |
CN108549228B (zh) * | 2018-04-18 | 2021-02-02 | 南京工业大学 | 一种基于交叉评估的多变量dmc系统模型失配通道定位方法 |
CN108536127A (zh) * | 2018-04-20 | 2018-09-14 | 华中科技大学 | 一种数据驱动的多变量控制系统的模型失配诊断方法 |
CN108536127B (zh) * | 2018-04-20 | 2019-08-13 | 华中科技大学 | 一种数据驱动的多变量控制系统的模型失配诊断方法 |
CN108646553A (zh) * | 2018-04-20 | 2018-10-12 | 华中科技大学 | 一种统计在线监控闭环控制系统模型质量的方法 |
CN111109632A (zh) * | 2019-12-12 | 2020-05-08 | 河南中烟工业有限责任公司 | 一种基于水浸式烟梗回潮的质量控制方法及系统 |
CN111176155A (zh) * | 2019-12-20 | 2020-05-19 | 华中科技大学 | 一种闭环模型预测控制系统的过程模型失配检测方法 |
CN111176155B (zh) * | 2019-12-20 | 2021-07-02 | 华中科技大学 | 一种闭环模型预测控制系统的过程模型失配检测方法 |
CN111538316A (zh) * | 2020-05-21 | 2020-08-14 | 北京航空航天大学 | 基于性能的闭环控制系统执行机构故障诊断方法及系统 |
CN112861074A (zh) * | 2021-03-09 | 2021-05-28 | 东北电力大学 | 基于Hankel-DMD的电力系统机电参数提取方法 |
CN115793604A (zh) * | 2022-11-18 | 2023-03-14 | 阿里云计算有限公司 | 控制器运维方法、装置及系统 |
CN117148724A (zh) * | 2023-10-08 | 2023-12-01 | 浙江中智达科技有限公司 | 一种控制系统的性能维护方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN102183699B (zh) | 2012-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102183699A (zh) | 化工过程多变量预测控制系统模型失配检测与定位方法 | |
CN107632592B (zh) | 基于高效递推核主元分析的非线性时变过程故障监测方法 | |
Zhao et al. | A sparse dissimilarity analysis algorithm for incipient fault isolation with no priori fault information | |
Zhu et al. | A dynamic alarm management strategy for chemical process transitions | |
Lin et al. | Nonlinear dynamic principal component analysis for on-line process monitoring and diagnosis | |
CN103761450B (zh) | 一种基于模糊自适应预测的动态过程故障预报方法 | |
CN104914723B (zh) | 基于协同训练偏最小二乘模型的工业过程软测量建模方法 | |
Ma et al. | Fault detection for dynamic processes based on recursive innovational component statistical analysis | |
CN112069457B (zh) | 一种基于动态平稳子空间分析的非平稳动态过程异常监测方法 | |
CN109143995B (zh) | 质量相关慢特征分解的闭环系统精细运行状态监测方法 | |
CN109491358B (zh) | 一种面向百万千瓦超超临界机组锅炉动态信息的控制性能监测方法 | |
CN104699050A (zh) | 数据驱动的卷烟制丝过程制叶丝段在线监测和故障诊断方法 | |
CN106773693A (zh) | 一种工业控制多回路振荡行为稀疏因果分析方法 | |
CN109538311B (zh) | 面向高端发电装备中汽轮机的控制性能实时监测方法 | |
Xiang et al. | Multimode process monitoring based on fuzzy C-means in locality preserving projection subspace | |
CN115047839A (zh) | 一种甲醇制烯烃工业过程的故障监测方法和系统 | |
Ji | Data-driven sensor fault diagnosis under closed-loop control with slow feature analysis | |
Liu et al. | Data-driven identification model for associated fault propagation path | |
CN110942258B (zh) | 一种性能驱动的工业过程异常监测方法 | |
CN108181893B (zh) | 一种基于pca-kdr的故障检测方法 | |
Huang et al. | Nonstationary industrial process monitoring based on stationary projective dictionary learning | |
Chu et al. | Operating performance assessment of complex nonlinear industrial process based on kernel locally linear embedding PLS | |
Yu et al. | Intrinsic causality embedded concurrent quality and process monitoring strategy | |
CN111914886B (zh) | 一种基于在线简略核学习的非线性化工过程监测方法 | |
CN112925290A (zh) | 一种基于多变量本征chirp模态分解的厂级振荡检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |