CN103257572B - 分馏系统中稳态优化的软约束控制方法 - Google Patents
分馏系统中稳态优化的软约束控制方法 Download PDFInfo
- Publication number
- CN103257572B CN103257572B CN201210507170.XA CN201210507170A CN103257572B CN 103257572 B CN103257572 B CN 103257572B CN 201210507170 A CN201210507170 A CN 201210507170A CN 103257572 B CN103257572 B CN 103257572B
- Authority
- CN
- China
- Prior art keywords
- lambda
- epsiv
- max
- region
- constraint
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005457 optimization Methods 0.000 title claims abstract description 28
- 230000009021 linear effect Effects 0.000 claims abstract description 49
- 230000009977 dual effect Effects 0.000 claims abstract description 28
- 239000000047 product Substances 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000004508 fractional distillation Methods 0.000 claims description 12
- 238000013439 planning Methods 0.000 claims description 11
- 238000009835 boiling Methods 0.000 claims description 8
- 239000000203 mixture Substances 0.000 claims description 8
- 239000006227 byproduct Substances 0.000 claims description 4
- 238000010438 heat treatment Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000010992 reflux Methods 0.000 claims description 4
- 238000012886 linear function Methods 0.000 claims description 3
- 230000007935 neutral effect Effects 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 25
- 230000001276 controlling effect Effects 0.000 description 16
- 230000000295 complement effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000295 fuel oil Substances 0.000 description 2
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 1
- 235000011613 Pinus brutia Nutrition 0.000 description 1
- 241000018646 Pinus brutia Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005194 fractionation Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种分馏系统中稳态优化的软约束控制方法,步骤如下1)建立稳态目标优化模型;2)当稳态目标计算不可行时,对所述稳态目标优化模型进行软约束处理得到线性规划问题;3)根据线性规划的对偶理论,将线性规划问题转化为其对偶问题;4)对偶问题求解得到关于约束放松的权重系数在多个变化区域所对应的区域解;5)在各个变化区域中,根据对应的区域解转化步骤2)中的线性规划问题形成新的线性规划问题;6)在各个变化区域中求解步骤5)中所述新的线性规划问题,得到各个变化区域中权重系数的选择范围,实现所述软约束控制。本发明通过将各软约束放松的范围划分不同的区域,在此基础上确定使稳态经济目标达到最优的软约束范围。
Description
技术领域
本发明涉及一种分馏系统中工业系统控制,尤其是一种分馏系统中稳态优化的软约束控制方法。
背景技术
模型预测控制(以下简称MPC)自20世纪70年代诞生以来,在理论研究和工程实践方面都得到了蓬勃发展,特别是在流程工业中得到了广泛应用。在实际工程运用中,MPC由模型预测控制稳态目标计算(优化)层和模型预测控制动态优化层两层构成,几乎所有的商品化MPC软件包在执行MPC控制功能之前将运行一个独立的局部稳态优化操作,用于计算稳态控制输入、状态及被控输出的期望目标值,这一操作被命名为稳态目标计算(steady-statetargetcalculation),其主要目的是跟踪局部经济优化的计算结果或在MPC现有配置模式下根据过程本身的情况进行以经济性为目的的自优化,此时,MPC作用的实质是解决生产过程中多变量约束的优化控制难题。
对于MPC稳态目标计算问题,可将其优化求解过程分解为两个阶段:1、可行性阶段,要确保优化问题是可行的;2、最优化阶段,在可行解域内进行寻优。这种划分方法的简化理解为:首先由可行性问题判定有约束条件所形成的解空间是否存在,若存在则在其中进行寻优;若不存在,则通过软约束调整来获得可行空间,然后再进行求解。
软约束处理的方式有多种,而在现有的工业生产处理方式中仅考虑,通过软约束的调整而使得原问题变得可行。目前,在执行过程中对各软约束放松权重系数的选择还完全根据经验或操作者个人偏好,并未从现场工艺的需求将软约束处理与稳态经济目标最优结合在一起,进而分析软约束的不同放松方法对稳态经济目标的影响。因此,现有的软约束处理还不能保证稳态经济目标达到最优的软约束处理,进而实现厂家利益的最大化,成本和利润的比例最优化。
发明内容
为了克服现有技术的不足,本发明提供了一种从多参数规划的角度将各软约束放松的范围划分不同的区域,在此基础上确定使稳态经济目标达到最优的软约束范围的分馏系统中稳态优化的软约束控制方法。
本发明技术方案是:一种分馏系统中稳态优化的软约束控制方法,步骤如下
1)建立模型预测控制器的稳态目标优化模型;
2)当模型预测控制器的稳态目标计算不可行时,对所述稳态目标优化模型进行软约束处理得到线性规划问题;该线性规划问题用于求解所述稳态目标优化模型中控制输入变量和控制输出变量的约束放松的权重系数;
3)根据线性规划的对偶理论,将步骤2)中线性规划问题(2)转化为其对偶问题;
4)对步骤3)中的对偶问题求解得到关于约束放松的权重系数在多个变化区域所对应的区域解;
5)在各个变化区域中,根据对应的区域解转化步骤2)中的线性规划问题形成新的线性规划问题;
6)在各个变化区域中求解步骤5)中所述新的线性规划问题,得到各个变化区域中权重系数的选择范围,实现所述软约束控制。
进一步优选是,在步骤1)中,所述模型预测控制器的稳态目标优化模型为
us为分馏过程中的控制输入变量;
us=[u1,u2,u3]T,u1为分馏系统塔顶回流量,u2为侧线抽出,u3为塔底再沸加热蒸汽量;
ys为分馏过程中的控制输出变量;
ys=[y1,y2,y3]T,y1为塔顶产品组成,y2为塔侧产品组成,y3为塔底再沸温度;
J1为分馏系统的经济性能;
c1为与各控制输入变量相关的向量系数;
H为us与ys之间的映射关系。
进一步优选是,在步骤2)中,当模型预测控制器稳态目标计算不可行时,对步骤1)中稳态目标优化模型(1)进行软约束处理,通过软约束处理转化为线性规划问题
式中,εymin,εymax为ys需要放松的幅度;
εumin,εumax为us需要放松的幅度;
ε1max,ε2max为ys最大允许放松界;
ε3max,ε4max为us最大允许放松界;
c2为各约束放松的权重系数。
进一步优选是,在步骤3)中,将步骤2)中线性规划问题(2)转化为其对偶问题
式中,
λ11为控制输出变量ys上界所对应的对偶变量,λ12为控制输出变量ys下界所对应的对偶变量,λ13为控制输入变量us上界所对应的对偶变量;
λ21为控制输出变量ys上界最大允许放松量所对应的对偶变量,λ22为控制输出变量ys下界最大允许放松量所对应的对偶变量,λ23为控制输入变量us上界最大允许放松量所对应的对偶变量,λ24为控制输入变量us下界最大允许放松量所对应的对偶变量;
c21为控制输出变量ys上界约束所放松的权重系数,c22为控制输出变量ys下界约束所放松的权重系数,c23为控制输入变量us上界约束所放松的权重系数,c24为控制输入变量us下界约束所放松的权重系数;
m为控制输出变量ys的个数,n为控制输入变量us的个数。
进一步优选是,在步骤4)中,对步骤3)中的对偶问题求解得到作为参变量的各约束放松的权重系数c2的变化范围的k个区域(i∈[1,2,…,k]),在第i个区域中,得到区域解为
式中,在每个区域中,λ都是c2的线性函数;
F为λ与c2间线性关系的一次项系数矩阵;
ω为λ与c2间线性关系的常数项系数向量;
为每个区域中c2的变化范围;
Φ为c2中各变量的线性关系矩阵系数;
为线性区域的边界范围。
进一步优选是,在步骤5)中,在第i个区域中,根据区域解(4)考查Fi中所有不全为零的行所对应的λj(c2)i,j为Fi中所有不全为零行的序号,并将所有不全为零行所对应线性规划问题(2)中的不等式约束条件取等号后作为新的约束条件代入到稳态目标优化模型(1)中,形成如下新的线性规划问题
式中,
由 与 分别划分成的两部分获得,即
ε1max,ε2max为第i个区域中ys所求得的最大允许放松界,ε3max,ε4max为第i个区域中us所求得的最大允许放松界;
c1为与各控制输入变量相关的向量系数;
I为多维单位矩阵,I的下标为维数。
进一步优选是,在步骤6)中,在各个区域中求解线性规划问题(5),得到所有可解区域中优化目标的最小值,并得到优化目标在第i个区域内所对应的各约束放松的权重系数c2的选择范围对应的最优解εi为最恰当的软约束放松方式,并解得第i个区域内能够获得最恰当软约束放松方式的各约束放松的权重系数c2的选择范围。
进一步优选是,步骤3)中将对偶问题(3)写成多参数规划的标准形式
式中,
S=I2(m+n);
r=12(m+n);
12(m+n)为元素全为1的2(m+n)维向量;
0m×n为元素全为0的m行n列矩阵;
步骤4)通过标准算法求解标准形式(3a),得到关于参变量c2变化范围的k个区域(i∈[1,2,…,k]),在第i个区域中,得到区域解。
本发明的有益效果是:从多参数规划的角度将各软约束放松的范围划分成不同的区域,在此基础上确定使稳态经济目标达到最优的软约束范围,这个最优的软约束范围即为分馏过程中控制输入变量和控制输出变量的可选择范围,通过在这个范围内选值,可以对分馏过程中各变量进行控制的同时,使得分馏过程的经济目标值最优化,整个操作不仅简单,而且易于在现有的分散控制系统工作站或者上位机上实施。
附图说明
图1为本发明实施例重油分馏塔的过程示意图。
具体实施方式
下面结合附图对本发明作进一步描述:
本发明主要在于提供一种最优的稳态优化的软约束控制方法,具体步骤如下:
1)建立模型预测控制器的稳态目标优化模型。
假设稳定线性时不变多入多出系统H的输入us∈Rm,输出ys∈Rn;m为控制输出变量ys的个数,n为控制输入变量us的个数;
其中,分馏塔的控制输出变量与控制输入变量之间稳态时的关系为
ys=Hus;稳态增益阵H为输入稳态值us∈Rm与输出稳态值ys∈Rn之间的映射关系,则稳态目标计算问题描述为如下的线性规划问题:
us为分馏过程中的控制输入变量;
us=[u1,u2,u3]T,u1为分馏塔塔顶回流量,u2为侧线抽出,u3为塔底再沸加热蒸汽量;
ys为分馏过程中的控制输出变量;
ys=[y1,y2,y3]T,y1为塔顶产品组成,y2为塔侧产品组成,y3为塔底再沸温度;
J1为分馏塔的经济性能;
c1为与各控制输入变量(操作或产品)相关的产品标准化效益或操作成本所组成的向量系数;
H为us与ys之间的映射关系;
umin为控制输入变量的下限;
umax为控制输入变量的上限;
ymin为控制输出变量的下限;
ymax为控制输出变量的上限;
umin,umax∈Rm,ymin,ymax∈Rn。
2)当模型预测控制器稳态目标计算不可行时,对步骤1)中稳态目标优化模型(1)进行软约束处理,通过软约束处理转化为线性规划问题
式中,εymin,εymax为ys需要放松的幅度,εumin,εumax为us需要放松的幅度,ε1max,ε2max为ys最大允许放松界,ε3max,ε4max为us最大允许放松界,这些放松的幅度和最大允许放松界是根据分馏塔中具体工艺条件来确定的;
c2为各约束放松的权重系数。
接着,为了简化计算过程,将线性规划问题(2)写成标准形式(2a)
式中,
c2为各约束放松的权重系数;
m为控制输出变量ys的个数,n为控制输入变量us的个数;
I为多维单位矩阵,I的下标为维数。
3)根据线性规划的对偶理论,将标准形式(2a)转化为其对偶问题:
式中,
c1=0;
式中,λ为对偶变量;
λ11,λ12,λ13,λ2均为线性规划问题(2)中变量所对应的对偶变量;
λ11为控制输出变量ys上界所对应的对偶变量,λ12为控制输出变量ys下界所对应的对偶变量,λ13为控制输入变量us上界所对应的对偶变量;
λ21为控制输出变量ys上界最大允许放松量所对应的对偶变量,λ22为控制输出变量ys下界最大允许放松量所对应的对偶变量,λ23为控制输入变量us上界最大允许放松量所对应的对偶变量,λ24为控制输入变量us下界最大允许放松量所对应的对偶变量;
c21为控制输出变量ys上界约束所放松的权重系数,c22为控制输出变量ys下界约束所放松的权重系数,c23为控制输入变量us上界约束所放松的权重系数,c24为控制输入变量us下界约束所放松的权重系数;
m为控制输出变量ys的个数,n为控制输入变量us的个数。
然后,将(3)写成多参数规划的标准形式(3a)
式中,
S=I2(m+n);
r=12(m+n);
12(m+n)为元素全为1的2(m+n)维向量;
0m×n为元素全为0的m行n列矩阵;
4)对步骤3)求解得到关于参变量c2变化范围的k个区域(i∈[1,2,…,k]),在第i个区域中,得到区域解为
式中,在每个区域中,λ都是c2的线性函数;
F为λ与c2间线性关系的一次项系数矩阵;
ω为λ与c2间线性关系的常数项系数向量;
为每个区域中c2的变化范围;
Φ为c2中各变量的线性关系矩阵系数;
为线性区域的边界范围。
5)根据线性规划的对偶理论的互补松弛性质,由步骤4)中区域解(4)考查Fi中所有不全为零的行所对应的λj(c2)i,j为Fi中所有不全为零行的序号,并将所有不全为零行所对应线性规划问题(2)中的不等式约束条件取等号后作为新的约束条件代入到稳态目标优化模型(1)中,形成如下新的线性规划问题
式中,
由 与
分别划分成的两部分获得,即
ε1max,ε2max为第i各区域中ys所求得的最大允许放松界,ε3max,ε4max为第i各区域中us所求得的最大允许放松界;
c1为与各控制输入变量相关的向量系数;
I为多维单位矩阵,I的下标为维数;
6)在各个区域中求解线性规划问题(5),得到所有可解区域中优化目标的最小值,并得到优化目标在第i个区域内所对应的系数c2的选择范围对应的最优解εi为最恰当的软约束放松方式,并解得第i个区域内最恰当软约束放松方式的c2的选择范围。
整个软约束处理方法的思路如下:
对于一个分馏塔来说,希望获得其最佳的经济性能(产品利润最大化和操作成本最小化),于是需要对所建立的稳态目标优化模型(1)进行求解。由于通常实际操作中对分馏塔的输入u、输出y的约束设置得相对较保守,当稳态目标优化模型(1)不可行时,可以通过对相关输入u、输出y的约束上下界进行恰当程度的放松(即扩大软约束)使得稳态目标优化模型(1)变得可行,从而获得分馏塔的经济性能的进一步提升。
为了计算稳态目标优化模型(1),需要将稳态目标优化模型(1)按照软约束处理方式求得线性规划问题(2),而线性规划问题(2)中的权重系数向量c2(各项元素都不小于零)表示对不同约束放松的偏好,而根据不同的权重系数c2得到的各约束的放松结果也不同,从而也会得到不同的经济性能。对于c2的选取,以往的方法完全是根据经验给出的,具有盲目性和随意性,不具有最优性,导致最终无法明确地给出最优的经济性能。
本方法将线性规划问题(2)转化成其对偶问题(3),根据对偶理论的互补松弛性质求解对偶问题(3),从而能够得出c2最优的选取范围以及其对应的最优经济性能。
下面针对国内某厂的重油分馏塔控制问题为例对本发明具体实施方式做进一步描述。
如图1所示,热能从装置的底部送入,在装置顶部和侧部分别根据不同需求得到不同类型的产品。为了保证能得到满足特定性能要求的产品,分别在顶部、中部和底部设置了3个回流控制回路,保证装置内部的温度分布满足不同产品的需求。系统中包含有3个操作变量、3个被控变量。至于图中,d1为顶部回流热负荷,d2为中部回流热负荷,两者均为分馏过程中的变量,但是在本实施例中并不涉及相应的计算。
被控变量:y1为塔顶产品组成,y2为塔侧产品组成,y3为塔底再沸温度;
操作变量:u1为分馏塔塔顶回流量,u2为侧线抽出,u3为塔底再沸加热蒸汽量;
分馏塔的过程标称模型为
系统初始输出为零。根据分馏塔的操作特性,可设经济目标函数为J1=-2u1-u2+u3,这是因为分馏塔的塔顶产品和侧线产品是塔的重要产物,过程优化要根据产品的价值合理分配塔的两种产品的抽出量,而热负荷的增加则在一定程度上增加了操作费用。
控制要求:以u1、u2、u3为操作变量控制y1、y2、y3在一定范围内,分别为y1、y2∈[0.3,0.4],y3∈[-0.5,-0.4](mol/L)。操作变量范围均为[-0.5,0.5](mol/L)。假设用户初始给定的变量的高高限和低低限(硬约束):u1、u2、u3∈[-0.5,0.5](mol/L),y1、y2∈[0.1,0.6],y3∈[-0.7,-0.2](mol/L)。
运行后发现其对应的优化问题(1)不可行,需要进行软约束放松。若按照传统的经验方法发现选取不同的c2,则得到不同的约束放松结果及其经济目标函数值J1(如表1所示)。
表1不同c2下的不同软约束放松结果及其经济目标函数值J1
由表1可知,c2取值将影响最终可以达到的经济目标,而c2的选取完全是根据经验的,有很大的随意性。
采用本发明的多参数线性规划方法求解,求解结果将参变量范围0≤c2≤1分成10块区域,如表2所示。其中第1、3、4、8块区域所对应的问题(6)是不可解的,其余可解区域求解情况如表3所示,其中
区域号 | 将0≤c2≤1划分的区域 |
1 | 0.5259c213-0.8505c222≤0,-0.7783c221+0.6279c222≤0,0.5362c231-0.8441c222≤0 |
2 | -0.5259c213+0.8505c222≤0,0.4464c213-0.8948c221≤0,-0.6975c213+0.7166c231≤0 |
3 | 0.4464c213-0.8948c221≤0,0.7783c221-0.6279c222≤0,-0.8899c221+0.4561c231≤0 |
4 | 0.5259c213-0.8505c222≤0,-0.7783c221+0.6279c222≤0,-0.5362c231+0.8441c222≤0 |
5 | -0.5259c213+0.8505c222≤0,-0.4464c213+0.8948c221≤0,-0.6975c213+0.7166c231≤0 |
6 | -0.5259c213+0.8505c222≤0,0.4464c213-0.8948c221≤0,0.6975c213-0.7166c231≤0 |
7 | 0.5259c213-0.8505c222≤0,-0.4464c213+0.8948c221≤0,-0.6975c213+0.7166c231≤0 |
8 | 0.4464c213-0.8948c221≤0,0.7783c221-0.6279c222≤0,0.8899c221-0.4561c231≤0 |
9 | -0.5259c213+0.8505c222≤0,-0.4464c213+0.8948c221≤0,0.6975c213-0.7166c231≤0 |
10 | 0.5259c213-0.8505c222≤0,-0.4464c213+0.8948c221≤0,0.6975c213-0.7166c231≤0 |
表2多参数规划求解结果所划分区域
表3各可解区域求解情况
由表2、3可知,最终求出使得经济目标达到最优的软约束放松为ymin,1从0.3放宽到0.1;ymax,3应该由-0.4放宽到-0.2513,此时J1取得最优解为-1.2788,可获得该最优解的c2的取值范围为第6、9、10块区域的并集。本发明的计算方法直接给出了软约束放松条件下最优经济目标值,同时也直接给出了最优软约束放松系数c2的取值范围。
故从多参数规划的角度将各软约束放松的范围划分成不同的区域,在此基础上确定使稳态经济目标达到最优的软约束范围,这个最优的软约束范围即为分馏过程中控制输入变量和控制输出变量的可选择范围,通过在这个范围内选值,可以对分馏过程中各变量进行控制的同时,使得分馏过程的经济目标值最优化,整个操作不仅简单,而且易于在现有的分散控制系统工作站或者上位机上实施。
Claims (6)
1.一种分馏系统中稳态优化的软约束控制方法,其特征是:步骤如下
1)建立模型预测控制器的稳态目标优化模型;
2)当模型预测控制器的稳态目标计算不可行时,对所述稳态目标优化模型进行软约束处理得到线性规划问题;该线性规划问题用于求解所述稳态目标优化模型中控制输入变量和控制输出变量的约束放松的权重系数;
3)根据线性规划的对偶理论,将步骤2)中的线性规划问题转化为其对偶问题;
4)对步骤3)中的对偶问题求解得到关于约束放松的权重系数在多个变化区域所对应的区域解;
5)在各个变化区域中,根据对应的区域解转化步骤2)中的线性规划问题形成新的线性规划问题;
6)在各个变化区域中求解步骤5)中所述新的线性规划问题,得到各个变化区域中权重系数的选择范围,实现所述软约束控制;
在步骤1)中,所述模型预测控制器的稳态目标优化模型为
us为分馏过程中的控制输入变量;
us=[u1,u2,u3]T,u1为分馏系统塔顶回流量,u2为侧线抽出,u3为塔底再沸加热蒸汽量;
ys为分馏过程中的控制输出变量;
ys=[y1,y2,y3]T,y1为塔顶产品组成,y2为塔侧产品组成,y3为塔底再沸温度;
J1为分馏系统的经济性能;
c1为与各控制输入变量相关的向量系数;
H为us与ys之间的映射关系;
umin为控制输入变量的下限;
umax为控制输入变量的上限;
ymin为控制输出变量的下限;
ymax为控制输出变量的上限;
umin,umax∈Rm,ymin,ymax∈Rn;
在步骤3)中,根据线性规划的对偶理论,将步骤2)中线性规划问题转化为其对偶问题
式中,
λ11为控制输出变量ys上界所对应的对偶变量,λ12为控制输出变量ys下界所对应的对偶变量,λ13为控制输入变量us上界所对应的对偶变量;
λ21为控制输出变量ys上界最大允许放松量所对应的对偶变量,λ22为控制输出变量ys下界最大允许放松量所对应的对偶变量,λ23为控制输入变量us上界最大允许放松量所对应的对偶变量,λ24为控制输入变量us下界最大允许放松量所对应的对偶变量;
c21为控制输出变量ys上界约束所放松的权重系数,c22为控制输出变量ys下界约束所放松的权重系数,c23为控制输入变量us上界约束所放松的权重系数,c24为控制输入变量us下界约束所放松的权重系数;
m为控制输出变量ys的个数,n为控制输入变量us的个数。
2.根据权利要求1所述的分馏系统中稳态优化的软约束控制方法,其特征是:在步骤2)中,当模型预测控制器稳态目标计算不可行时,对步骤1)中稳态目标优化模型(1)进行软约束处理,通过软约束处理转化为线性规划问题
式中,
εymin,εymax为ys需要放松的幅度;
εumin,εumax为us需要放松的幅度;
ε1max,ε2max为ys最大允许放松界;
ε3max,ε4max为us最大允许放松界;
c2为各约束放松的权重系数。
3.根据权利要求2所述的分馏系统中稳态优化的软约束控制方法,其特征是:在步骤4)中,对步骤3)中的对偶问题求解得到作为参变量的各约束放松的权重系数c2的变化范围的k个区域,i∈[1,2,…,k],在第i个区域中,得到区域解为
式中,在每个区域中,λ都是c2的线性函数;
F为λ与c2间线性关系的一次项系数矩阵;
ω为λ与c2间线性关系的常数项系数向量;
为每个区域中c2的变化范围;
Φ为c2中各变量的线性关系矩阵系数;
为线性区域的边界范围。
4.根据权利要求3所述的分馏系统中稳态优化的软约束控制方法,其特征是:在步骤5)中,在第i个区域中,根据区域解(4)考查Fi中所有不全为零的行所对应的λj(c2)i,j为Fi中所有不全为零行的序号,并将所有不全为零行所对应线性规划问题(2)中的不等式约束条件取等号后作为新的约束条件代入到稳态目标优化模型(1)中,形成如下新的线性规划问题
式中,
由 与 分别划分成的两部分获得,即
ε1max,ε2max为第i个区域中ys所求得的最大允许放松界,ε3max,ε4max为第i个区域中us所求得的最大允许放松界;
c1为与各控制输入变量相关的向量系数;
I为多维单位矩阵,I的下标为维数。
5.根据权利要求4所述的分馏系统中稳态优化的软约束控制方法,其特征是:在步骤6)中,在各个区域中求解线性规划问题(5),得到所有可解区域中优化目标的最小值,并得到优化目标在第i个区域内所对应的各约束放松的权重系数c2的选择范围对应的最优解εi为最恰当的软约束放松方式,并解得第i个区域内能够获得最恰当软约束放松方式的各约束放松的权重系数c2的选择范围。
6.根据权利要求1所述的分馏系统中稳态优化的软约束控制方法,其特征是:步骤3)中将对偶问题(3)写成多参数规划的标准形式
式中,
S=I2(m+n);
r=12(m+n);
12(m+n)为元素全为1的2(m+n)维向量;
0m×n为元素全为0的m行n列矩阵;
步骤4)通过标准算法求解标准形式(3a),得到关于参变量c2变化范围的k个区域i∈[1,2,…,k],在第i个区域中,得到区域解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210507170.XA CN103257572B (zh) | 2012-11-29 | 2012-11-29 | 分馏系统中稳态优化的软约束控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210507170.XA CN103257572B (zh) | 2012-11-29 | 2012-11-29 | 分馏系统中稳态优化的软约束控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103257572A CN103257572A (zh) | 2013-08-21 |
CN103257572B true CN103257572B (zh) | 2016-05-18 |
Family
ID=48961550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210507170.XA Expired - Fee Related CN103257572B (zh) | 2012-11-29 | 2012-11-29 | 分馏系统中稳态优化的软约束控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103257572B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103995466B (zh) * | 2014-04-24 | 2017-02-15 | 燕山大学 | 一种基于软约束的区间预测控制建模及优化方法 |
CN105068422A (zh) * | 2015-07-17 | 2015-11-18 | 燕山大学 | 一种基于三角区间软约束的模型预测控制方法 |
CN106647250B (zh) * | 2015-10-30 | 2019-07-16 | 中国科学院沈阳自动化研究所 | 基于离线优化/在线查表方式的双层结构预测控制方法 |
CN110262257B (zh) * | 2019-07-25 | 2021-11-16 | 杭州希亚智新科技有限公司 | 一种多变量控制方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6381505B1 (en) * | 1998-09-28 | 2002-04-30 | Aspen Technology, Inc. | Robust steady-state target calculation for model predictive control |
CN1490690A (zh) * | 2002-09-11 | 2004-04-21 | ����-��˹â��ϵͳ�ɷ�����˾ | 在过程控制系统中的集成模型预测控制和最佳化 |
CN1745347A (zh) * | 2003-01-31 | 2006-03-08 | 法赫尔丁·T·阿塔尔瓦拉 | 使用模块化模型预测控制器的集成优化和控制 |
CN101813917A (zh) * | 2010-03-19 | 2010-08-25 | 浙江工业大学 | 基于线性规划实现动态优化的工业模型预测控制方法 |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6654649B2 (en) * | 1999-12-22 | 2003-11-25 | Aspen Technology, Inc. | Computer method and apparatus for optimized controller in a non-linear process |
-
2012
- 2012-11-29 CN CN201210507170.XA patent/CN103257572B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6381505B1 (en) * | 1998-09-28 | 2002-04-30 | Aspen Technology, Inc. | Robust steady-state target calculation for model predictive control |
CN1490690A (zh) * | 2002-09-11 | 2004-04-21 | ����-��˹â��ϵͳ�ɷ�����˾ | 在过程控制系统中的集成模型预测控制和最佳化 |
CN1745347A (zh) * | 2003-01-31 | 2006-03-08 | 法赫尔丁·T·阿塔尔瓦拉 | 使用模块化模型预测控制器的集成优化和控制 |
CN101813917A (zh) * | 2010-03-19 | 2010-08-25 | 浙江工业大学 | 基于线性规划实现动态优化的工业模型预测控制方法 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN103257572A (zh) | 2013-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103257572B (zh) | 分馏系统中稳态优化的软约束控制方法 | |
CN107515598A (zh) | 基于多参数动态矩阵控制的火电机组分布式协调控制系统 | |
Han et al. | A novel DEACM integrating affinity propagation for performance evaluation and energy optimization modeling: Application to complex petrochemical industries | |
Ge et al. | Simulation based approach to optimal design of dividing wall column using random search method | |
CN110567101A (zh) | 一种基于支持向量机模型的冷水机组高能效控制方法 | |
CN112147891A (zh) | 一种火电机组协调系统全局非线性优化控制方法 | |
CN103995466B (zh) | 一种基于软约束的区间预测控制建模及优化方法 | |
CN102736640B (zh) | 用于除氧器水位控制的系统和方法 | |
CN111626539B (zh) | 一种基于q强化学习的电网运行断面动态生成方法 | |
CN106527125A (zh) | 智能控制中的无模型控制方法 | |
CN104865944B (zh) | 基于pca‑lssvm的气分装置控制系统性能评估方法 | |
CN114995155B (zh) | 一种高纯度精馏过程鲁棒解耦控制系统及控制方法 | |
CN105573123A (zh) | 一种基于改进的t-s模糊预测建模的火电机组机炉协调控制方法 | |
CN202677208U (zh) | 用于除氧器水位控制的系统 | |
Wang et al. | Soft-sensing modeling and intelligent optimal control strategy for distillation yield rate of atmospheric distillation oil refining process | |
CN106932201A (zh) | 考虑阀门节流损失的火电机组纯凝工况滑压曲线确定方法 | |
CN1936737A (zh) | 工业多输入输出过程的分布式pi和pid控制器定量整定方法 | |
CN110110424A (zh) | 一种压缩机自适应性能曲线生成方法 | |
CN107942682B (zh) | 非高斯系统的动态经济性能优化与控制一体化设计方法 | |
Rong et al. | Design and synthesis of multicomponent thermally coupled distillation flowsheets | |
CN111880415B (zh) | 一种具有执行器故障的cstr温度系统随机预测容错控制方法 | |
CN110826907B (zh) | 一种冷热电联产系统的综合利用效率评价方法 | |
CN104834217A (zh) | 二元精馏塔抗饱和控制分析系统 | |
CN1601411A (zh) | 基于模糊目标与模糊约束的工业过程预测控制方法 | |
CN105182752B (zh) | 一种稀丙酮精馏工业动态优化控制层输出约束的快速设计方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160518 Termination date: 20181129 |
|
CF01 | Termination of patent right due to non-payment of annual fee |