CN103064286A - 一种工业过程的控制方法与设备 - Google Patents
一种工业过程的控制方法与设备 Download PDFInfo
- Publication number
- CN103064286A CN103064286A CN2013100183737A CN201310018373A CN103064286A CN 103064286 A CN103064286 A CN 103064286A CN 2013100183737 A CN2013100183737 A CN 2013100183737A CN 201310018373 A CN201310018373 A CN 201310018373A CN 103064286 A CN103064286 A CN 103064286A
- Authority
- CN
- China
- Prior art keywords
- control inputs
- normalization
- controlled output
- control
- upper limit
- 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
Images
Abstract
本发明公开了一种工业过程的控制方法和设备。该方法包括:离线部分:基于控制输入的上限与下限以及被控输出的上限与下限,计算模型向量调整因子,由此得到归一化后的模型向量。在线部分:基于当前时刻控制输入与被控输出的即时值进行控制输入与被控输出的归一化操作,使用控制输入与被控输出归一化后的数值及归一化后的模型向量进行控制计算。将经优化计算得到的控制输入计算结果进行反归一化变换,使之回复到控制输入正常的下限与上限范围内,并下传至控制系统。
Description
技术领域
本发明涉及工业过程控制领域,尤其涉及一种工业过程的控制方法和设备。
背景技术
在流程工业领域中,所使用的过程控制系统通常具有多个控制输入变量、扰动变量以及多个被控制输出变量。这类控制系统常使用被称为预测控制的计算方法进行计算。
一种常用的预测控制方法是基于阶跃响应的多变量预测控制方法。例如,假定过程的控制输入变量个数为m和被控输出变量个数为p,控制输入 与被控输出之间的阶跃响应系数模型为,为1与p之间的整数,为1与m之间的整数。 在每个控制时刻,设定个输入的个增量变化量,,由此可以计算出过程第个输出的步预测向量为
各向量的定义如下,
利用过程的阶跃响应模型模型、用户的设定被控输出目标可对如下的性能指标函数进行求解,求解最优控制律。
其中,
在不考虑过程约束情况下,通过对性能指标函数求导可以计算出最优的控制增量
其中,
其中,
以上就是工业领域中所使用的多变量预测控制方法。
多变量预测控制方法实施效果一定程度上依赖于控制器误差权系数参数的选择。的选取在一定程度上反映了各输出设定点的重要程度,越大,说明控制系统期望该书出变量以越快的速度逼近第个输出设定点;反之,则趋近设定点的速度不必过快可以缓慢的趋近。然而,在实际工业生产过程各个输出往往具有不同的量纲,量纲的不同将导致输出变量的呈现不同的值域特点。鉴于输出值域与控制器误差权系数参数间存在一定的耦合关系,这使得工程实际中控制器误差权系数参数的选定变得十分困难。为区分不同输出的重要性,取值跨度将会比较大,理论上的取值范围是,非常不利于工程人员进行控制器设计。如果能缩小的取值范围,最理想情况下是将的范围缩小到区间内,将会极大方便工程人员进行控制器设计。
发明内容
为了实现上述的第一个目的,本发明采用了以下的技术方案:
一种工业过程的控制方法,所述工业过程包含具有多个输入变量以及被控输出变量的多变量过程,所述多个输入变量是可以对所述工业过程的工业设备进行操纵的控制系统节点,所述的控制系统节点对应于控制系统内的基础控制回路设定点或所述工业过程中的控制阀门或变频器装置或其他可控部件,所述多个被控输出变量是所述工业过程反映过程运行状况的参量,所述的控制输入变量和被控输出变量需要满足上限和下限约束条件,所述方法包括离线和在线两个部分,所述的离线部分包括:
步骤1. 针对由被控输出的上限、下限给定值以及控制输入的上限、下限给定值计算相应的模型向量调整因子;
步骤2.基于模型向量调整因子,计算归一化后的模型向量;
所述的在线部分包括:
步骤1. 针对每个控制输入变量的上限和下限及其即时值计算归一化数值,针对每个被控输出变量的上限、下限及其即时值计算归一化数值;
步骤2. 基于归一化后的各控制输入、各被控输出以及阶跃响应输入输出模型进行在线优化计算得到下一时刻控制输入的未来值。
步骤3. 将所述的计算得到的下一时刻控制输入变量值经过反归一化变换得到真实值域下的数值,并下传至控制系统进行实施。
为了实现上述的第二个目的,本发明采用了以下的技术方案:
一种工业过程的控制设备,所述工业过程具有多个输入变量以及随所述多个输入变量的改变而变化的多个输出变量,所述多个输入变量是可以对所述工业过程的工业设备进行操纵的控制系统节点,所述多个被控输出变量是所述工业过程反映过程运行状况的参量,所述的控制输入变量和被控输出变量需要满足上限和下限约束条件,该控制设备包括:
离线装置,用于针对由被控输出的上限、下限给定值以及控制输入的上限、下限给定值计算相应的模型向量调整因子;基于模型向量调整因子,计算归一化后的模型向量;
归一化装置,用于针对每个控制输入变量的上限和下限及其即时值计算归一化数值,针对每个被控输出变量的上限、下限及其即时值计算归一化数值;
优化计算装置,基于归一化后的各控制输入、各被控输出以及阶跃响应输入输出模型进行在线优化计算得到下一时刻控制输入的未来值;
工业设备控制装置,用于将所述的计算得到的下一时刻控制输入变量值经过反归一化变换得到真实值域下的数值,并下传至控制系统进行控制实施。
附图说明
图1为本发明方法的流程图。
图2为本发明设备的结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式做一个详细的说明。
本发明涉及离线和在线两个主要模块。
1、 离线模块
2、 在线模块
(a) 优化计算前
(b) 优化计算
(c) 优化计算后
根据本发明的另一个方面,本发明实施例还提供了一种工业过程的控制设备,该工业过程具有多个输入变量以及多个被控输出变量,输入变量是可以对所述工业过程的工业设备进行操纵的控制系统节点,所被控输出变量是所述工业过程反映过程运行状况的参量,控制输入变量和被控输出变量需要满足上限和下限约束条件,
该控制设备包括:
离线装置,用于针对由被控输出的上限、下限给定值以及控制输入的上限、下限给定值计算相应的模型向量调整因子;基于模型向量调整因子,计算归一化后的模型向量;
归一化装置,用于针对每个控制输入变量的上限和下限及其即时值计算归一化数值,针对每个被控输出变量的上限、下限及其即时值计算归一化数值;
优化计算装置,基于归一化后的各控制输入、各被控输出以及阶跃响应输入输出模型进行在线优化计算得到下一时刻控制输入的未来值。
工业设备控制装置,用于将所述的计算得到的下一时刻控制输入变量值经过反归一化变换得到真实值域下的数值,并下传至控制系统进行控制实施。
Claims (8)
1.一种工业过程的控制方法,所述工业过程包含具有多个输入变量以及被控输出变量的多变量过程,所述多个输入变量是可以对所述工业过程的工业设备进行操纵的控制系统节点,所述的控制系统节点对应于控制系统内的基础控制回路设定点或所述工业过程中的控制阀门或变频器装置或其他可控部件,所述多个被控输出变量是所述工业过程反映过程运行状况的参量,所述的控制输入变量和被控输出变量需要满足上限和下限约束条件,其特征在于,所述方法包括离线和在线两个部分,所述的离线部分包括:
步骤1. 针对由被控输出的上限、下限给定值以及控制输入的上限、下限给定值计算相应的模型向量调整因子;
步骤2.基于模型向量调整因子,计算归一化后的模型向量;
所述的在线部分包括:
步骤1. 针对每个控制输入变量的上限和下限及其即时值计算归一化数值,针对每个被控输出变量的上限、下限及其即时值计算归一化数值;
步骤2. 基于归一化后的各控制输入、各被控输出以及阶跃响应输入输出模型进行在线优化计算得到下一时刻控制输入的未来值;
步骤3. 将所述的计算得到的下一时刻控制输入变量值经过反归一化变换得到真实值域下的数值,并下传至控制系统进行实施。
8.一种工业过程的控制设备,所述工业过程具有多个输入变量以及随所述多个输入变量的改变而变化的多个输出变量,所述多个输入变量是可以对所述工业过程的工业设备进行操纵的控制系统节点,所述多个被控输出变量是所述工业过程反映过程运行状况的参量,所述的控制输入变量和被控输出变量需要满足上限和下限约束条件,
其特征在于,该控制设备包括:
离线装置,用于针对由被控输出的上限、下限给定值以及控制输入的上限、下限给定值计算相应的模型向量调整因子;基于模型向量调整因子,计算归一化后的模型向量;
归一化装置,用于针对每个控制输入变量的上限和下限及其即时值计算归一化数值,针对每个被控输出变量的上限、下限及其即时值计算归一化数值;
优化计算装置,基于归一化后的各控制输入、各被控输出以及阶跃响应输入输出模型进行在线优化计算得到下一时刻控制输入的未来值;
工业设备控制装置,用于将所述的计算得到的下一时刻控制输入变量值经过反归一化变换得到真实值域下的数值,并下传至控制系统进行控制实施。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100183737A CN103064286A (zh) | 2013-01-17 | 2013-01-17 | 一种工业过程的控制方法与设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100183737A CN103064286A (zh) | 2013-01-17 | 2013-01-17 | 一种工业过程的控制方法与设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103064286A true CN103064286A (zh) | 2013-04-24 |
Family
ID=48106959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013100183737A Pending CN103064286A (zh) | 2013-01-17 | 2013-01-17 | 一种工业过程的控制方法与设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103064286A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105549392A (zh) * | 2015-12-21 | 2016-05-04 | 北京机械设备研究所 | 一种伺服系统的非线性补偿控制方法 |
CN109521677A (zh) * | 2018-12-29 | 2019-03-26 | 浙江中控技术股份有限公司 | 一种基于预测模型的控制方法和控制器 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1912616A (zh) * | 2006-08-28 | 2007-02-14 | 哈尔滨工业大学 | 水体化学需氧量在线虚拟监测方法 |
CN101118610A (zh) * | 2007-09-10 | 2008-02-06 | 东北大学 | 稀疏数据过程建模方法 |
US20080082181A1 (en) * | 2006-09-29 | 2008-04-03 | Fisher-Rosemount Systems, Inc. | Statistical signatures used with multivariate analysis for steady-state detection in a process |
CN102588129A (zh) * | 2012-02-07 | 2012-07-18 | 上海艾铭思汽车控制系统有限公司 | 高压共轨柴油机氮氧化物和颗粒排放的优化协同控制方法 |
CN102809966A (zh) * | 2012-07-30 | 2012-12-05 | 上海交通大学 | 基于半闭环的软测量仪表及其软测量方法 |
-
2013
- 2013-01-17 CN CN2013100183737A patent/CN103064286A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1912616A (zh) * | 2006-08-28 | 2007-02-14 | 哈尔滨工业大学 | 水体化学需氧量在线虚拟监测方法 |
US20080082181A1 (en) * | 2006-09-29 | 2008-04-03 | Fisher-Rosemount Systems, Inc. | Statistical signatures used with multivariate analysis for steady-state detection in a process |
CN101535910A (zh) * | 2006-09-29 | 2009-09-16 | 费舍-柔斯芒特系统股份有限公司 | 过程变量数据的多元监控和诊断 |
CN101118610A (zh) * | 2007-09-10 | 2008-02-06 | 东北大学 | 稀疏数据过程建模方法 |
CN102588129A (zh) * | 2012-02-07 | 2012-07-18 | 上海艾铭思汽车控制系统有限公司 | 高压共轨柴油机氮氧化物和颗粒排放的优化协同控制方法 |
CN102809966A (zh) * | 2012-07-30 | 2012-12-05 | 上海交通大学 | 基于半闭环的软测量仪表及其软测量方法 |
Non-Patent Citations (2)
Title |
---|
段生兵: "基于DO/PH测量的微生物流加培养过程的在线模式识别和控制的研究", 《中国优秀硕士学位论文全文数据库》 * |
邹涛等: "《模型预测控制工程应用导论》", 30 June 2010 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105549392A (zh) * | 2015-12-21 | 2016-05-04 | 北京机械设备研究所 | 一种伺服系统的非线性补偿控制方法 |
CN109521677A (zh) * | 2018-12-29 | 2019-03-26 | 浙江中控技术股份有限公司 | 一种基于预测模型的控制方法和控制器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112286043B (zh) | 基于被控对象阶跃响应特性数据的pid参数整定方法 | |
Zhong | PID controller tuning: A short tutorial | |
Hou et al. | Controller-dynamic-linearization-based model free adaptive control for discrete-time nonlinear systems | |
US9400491B2 (en) | Stabilized deteministic optimization based control system and method | |
CN101763083A (zh) | 一种有效的控制变量参数化的工业过程动态优化系统及方法 | |
CN104463381A (zh) | 基于kpca与wlssvm的建筑能耗预测方法 | |
CN103838139A (zh) | 具有积分饱和预处理功能的pid控制方法 | |
CN114428462B (zh) | 基于mpc算法对被控系统进行动态控制的方法、设备和介质 | |
Efheij et al. | Comparison of model predictive control and PID controller in real time process control system | |
WO2009067952A1 (fr) | Procédé de commande de technique et son dispositif | |
CN104330972A (zh) | 一种基于模型自适应的综合预测迭代学习控制方法 | |
Isa et al. | Comparative study of PID controlled modes on automatic water level measurement system | |
CN109946979B (zh) | 一种伺服系统灵敏度函数的自适应调整方法 | |
Zhu et al. | Controller compact form dynamic linearization based model free adaptive control | |
CN109687703A (zh) | 基于干扰上界估计的降压型直流变换器固定时间滑模控制方法 | |
CN103064286A (zh) | 一种工业过程的控制方法与设备 | |
CN104460317A (zh) | 单输入单输出化工生产过程的自适应预测函数的控制方法 | |
CN104155876B (zh) | 一种pid控制器的分离实现方法 | |
CN107870567B (zh) | 一种比例微分超前广义智能内部模型集pid控制器设计方法 | |
Wu et al. | A comprehensive decoupling control strategy for a gas flow facility based on active disturbance rejection generalized predictive control | |
CN108132596B (zh) | 一种微分超前广义智能内部模型集pid控制器设计方法 | |
Škarda et al. | Bode-like control loop performance index evaluated for a class of fractional-order processes | |
Guolian et al. | Multiple-model predictive control based on fuzzy adaptive weights and its application to main-steam temperature in power plant | |
CN103365206A (zh) | 一种工业过程的控制方法和设备 | |
US10317857B2 (en) | Sequential deterministic optimization based control system and method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130424 |
|
RJ01 | Rejection of invention patent application after publication |