CN103616815A - 动态矩阵控制优化的废塑料炼油裂解炉炉膛温度控制方法 - Google Patents
动态矩阵控制优化的废塑料炼油裂解炉炉膛温度控制方法 Download PDFInfo
- Publication number
- CN103616815A CN103616815A CN201310567673.0A CN201310567673A CN103616815A CN 103616815 A CN103616815 A CN 103616815A CN 201310567673 A CN201310567673 A CN 201310567673A CN 103616815 A CN103616815 A CN 103616815A
- Authority
- CN
- China
- Prior art keywords
- constantly
- value
- controlled device
- cor
- ref
- 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
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明公开了动态矩阵控制优化的废塑料炼油裂解炉炉膛温度控制方法。本发明方法首先基于废塑料裂解炉炉膛温度对象的阶跃响应数据建立炉膛温度对象的模型,挖掘出基本的对象特性;然后依据动态矩阵控制的特性去整定相应PID控制器的参数;最后对废塑料裂解炉炉膛温度对象实施PID控制。本发明提出了一种基于动态矩阵控制优化的废塑料裂解炉炉膛温度PID控制方法,结合了PID控制和动态矩阵控制的良好的控制性能,有效地提高了传统控制方法的不足,同时也促进了先进控制算法的发展与应用。
Description
技术领域
本发明属于自动化技术领域,涉及一种基于动态矩阵控制(DMC)优化的废塑料裂解炉炉膛温度比例积分微分(PID)控制方法。
背景技术
随着自动化技术的不断发展,先进过程控制技术对提高生产效率起着越来越重要的作用,但由于硬件、成本、实施难度等方面的原因,目前占据主流的仍然是PID控制。目前废塑料裂解炉炉膛温度的控制通常采用比例积分微分(PID)控制。动态矩阵控制作为先进控制方法的一种,对模型要求低,控制性能好,如果能将动态矩阵控制算法和PID技术结合,将动态矩阵控制的性能赋给PID控制,那将更加有利于生产效率的提高,同时也能够推动先进控制的发展。
发明内容
本发明的目的是针对现有先进控制方法的应用不足之处,提供一种基于动态矩阵控制优化的废塑料裂解炉炉膛温度PID控制方法,以获得更好的实际控制性能。该方法通过结合动态矩阵控制和PID控制,得到了一种带有动态矩阵控制性能的PID控制方法。该方法不仅继承了动态矩阵控制的优良性能,同时形式简单并能满足实际工业过程的需要。
本发明方法首先基于废塑料裂解炉炉膛温度对象的阶跃响应数据建立炉膛温度对象的模型,挖掘出基本的对象特性;然后依据动态矩阵控制的特性去整定相应PID控制器的参数;最后对废塑料裂解炉炉膛温度对象实施PID控制。
本发明的技术方案是通过数据采集、建立动态矩阵、建立预测模型、预测机理、优化等手段,确立了一种基于动态矩阵控制优化的PID控制方法,利用该方法可有效提高控制的精度与稳定性。
本发明方法的步骤包括:
步骤(1).通过过程对象的实时阶跃响应数据建立被控对象的模型,具体方法是:
a.给被控对象一个阶跃输入信号,记录被控对象的阶跃响应曲线。
b.将a步骤得到的阶跃响应曲线进行滤波处理,然后拟合成一条光滑曲线,记录光滑曲线上每个采样时刻对应的阶跃响应数据,第一个采样时刻为Ts,相邻两个采样时刻间隔的时间为Ts,采样时刻顺序为Ts、2Ts、3Ts……;被控对象的阶跃响应将在某一个时刻tN=NT后趋于平稳,当ai(i>N)与aN的误差和测量误差有相同的数量级时,即可认为aN近似等于阶跃响应的稳态值。建立对象的模型向量a:
a=[a1,a2,…aN]Τ
其中Τ为矩阵的转置符号,N为建模时域。
步骤(2).设计被控对象的PID控制器,具体方法是:
a.利用上面获得的模型向量a建立被控对象的动态矩阵,其形式如下:
其中,A是被控对象的P×M阶动态矩阵,ai是阶跃响应的数据,P为动态矩阵控制算法的优化时域,M为动态矩阵控制算法的控制时域,M<P<N。
b.建立被控对象当前k时刻的模型预测初始响应值yM(k)
先得到k-1时刻加入控制增量Δu(k-1)后的模型预测值yp(k-1):
yP(k-1)=yM(k-1)+A0Δu(k-1)
其中,
y1(k|k-1),y1(k+1|k-1),…,y1(k+N-1|k-1)分别表示被控对象在k-1时刻对k,k+1,…,k+N-1时刻加入控制增量Δu(k-1)后模型预测值,y0(k|k-1),y0(k|k-1),…y0(k+N-1|k-1)表示k-1时刻对k,k+1,…,k+N-1时刻的初始预测值,A0为阶跃响应数据建立的矩阵,Δu(k-1)为k-1时刻的输入控制增量。
接着得到k时刻被控对象的模型预测误差值e(k):
e(k)=y(k)-y1(k|k-1)
其中,y(k)表示k时刻测得的被控对象的实际输出值。
进一步得到k时刻模型输出的修正值ycor(k):
ycor(k)=yM(k-1)+h*e(k)
其中,
ycor(k|k),ycor(k+1|k),…ycor(k+N-1|k)分别表示被控对象在k时刻模型的修正值,h为误差补偿的权矩阵,α为误差校正系数。
最后的得到k时刻的模型预测的初始响应值yM(k):
yM(k)=Sycor(k)
其中,S为N×N阶的状态转移矩阵,
c.计算被控对象在M个连续的控制增量Δu(k),…,Δu(k+M-1)下的预测输出值yPM,具体方法是:
yPM(k)=yp0(k)+AΔuM(k)
其中,yP0(k)是yM(k)的前P项,yM(k+1|k),yM(k+2|k),…,yM(k+P|k)为k时刻对k+1,k+2,…,k+P时刻的模型预测输出值
d.令被控对象的控制时域M=1,选取被控对象的目标函数J(k),J(k)形式如下:
min J(k)=Q(ref(k)-yPM(k))2+rΔu2(k)=Q(ref(k)-yP0(k)-AΔu(k))2+rΔu2(k)
ref(k)=[ref1(k),ref2(k),…,refP(k)]Τ
refi(k)=βiy(k)+(1-βi)c(k),Q=diag(q1,q2,…,qP)
其中,Q为误差加权矩阵,q1,q2,…,qP为加权矩阵的参数值;β为柔化系数,c(k)为设定值;r=diag(r1,r2,…rM)为控制加权矩阵,r1,r2,…rM为控制加权矩阵的参数,ref(k)为系统的参考轨迹,refi(k)为参考轨迹中第i个参考点的值。
e.将控制量u(k)进行变换:
u(k)=u(k-1)+Kp(k)(e1(k)-e1(k-1))+Ki(k)e1(k)+Kd(k)(e1(k)-2e1(k-1)+e1(k-2))
e(k)=c(k)-y(k)
将u(k)代入到步骤d中的目标函数求解PID控制器中的参数得:
u(k)=u(k-1)+w(k)ΤE(k)
w(k)=[w1(k),w2(k),w3(k)]Τ
w1(k)=Kp(k)+Ki(k)+Kd(k),w2(k)=-Kp(k)-2Kd(k),w3(k)=Kd(k)
E(k)=[e1(k),e1(k-1),e1(k-2)]Τ
其中,Kp(k)、Ki(k)、Kd(k)分别为k时刻PID控制器的比例、微分、积分参数,e1(k)为k时刻参考轨迹值与实际输出值之间的误差,Τ为矩阵的转置符号。
综合上述式子,可得:
进一步可以得到:
Kp(k)=-w2(k)-2Kd(k)
Ki(k)=w1(k)-KP(k)-Kd(k)
Kd(k)=w3(k)
f.得到PID控制器的参数Kp、Ki、Kd以后构成控制量u(k)作用于被控对象,u(k)=u(k-1)+Kp(k)(e1(k)-e1(k-1))+Ki(k)e1(k)+Kd(k)(e1(k)-2e1(k-1)+e1(k-2))。
h.在下一时刻,依照b到f中的步骤继续求解PID控制器新的参数kP(k+1)、ki(k+1)、kd(k+1)的值,依次循环。
本发明提出了一种基于动态矩阵控制优化的废塑料裂解炉炉膛温度PID控制方法,结合了PID控制和动态矩阵控制的良好的控制性能,有效地提高了传统控制方法的不足,同时也促进了先进控制算法的发展与应用。
具体实施方式
以废塑料裂解炉炉膛温度过程控制为例:
裂解炉炉膛温度对象为带滞后的过程,调节手段采用燃烧火嘴开度。
步骤(1).通过废塑料裂解炉炉膛温度对象的实时阶跃响应数据建立被控对象的模型,具体方法是:
a.给废塑料裂解炉炉膛一个阶跃输入信号,记录其阶跃响应曲线。
b.将对应的阶跃响应曲线进行滤波处理,然后拟合成一条光滑曲线,记录光滑曲线上每个采样时刻对应的阶跃响应数据,第一个采样时刻为Ts,相邻两个采样时刻间隔的时间为Ts,采样时刻顺序为Ts、2Ts、3Ts……;响应将在某一个时刻tN=NT后趋于平稳,当ai(i>N)与aN的误差和测量误差有相同的数量级时,即可认为aN近似等于阶跃响应的稳态值。建立对象的模型向量a:
a=[a1,a2,…aN]Τ
其中Τ为矩阵的转置符号,N为建模时域。
步骤(2).设计废塑料裂解炉炉膛温度的PID控制器,具体方法是:
a.利用上面获得的模型向量a建立废塑料裂解炉炉膛温度的动态矩阵,其形式如下:
其中,A是废塑料裂解炉炉膛温度的P×M阶动态矩阵,ai是废塑料裂解炉炉膛温度的阶跃响应的数据,P为动态矩阵控制算法的优化时域,M为动态矩阵控制算法的控制时域,M<P<N。
b.建立废塑料裂解炉炉膛温度当前k时刻的初始模型预测值yM(k)
先得到k-1时刻加入控制增量Δu(k-1)后的模型预测值yp(k-1):
yP(k-1)=yM(k-1)+A0Δu(k-1)
其中,
y1(k|k-1),y1(k+1|k-1),…,y1(k+N-1|k-1)分别表示废塑料裂解炉炉膛温度在k-1时刻对k,k+1,…,k+N-1时刻加入Δu(k-1)后的模型预测值,y0(k|k-1),y0(k|k-1),…y0(k+N-1|k-1)表示k-1时刻对k,k+1,…,k+N-1时刻的废塑料裂解炉炉膛温度的初始预测值,A0为由废塑料裂解炉炉膛温度阶跃响应数据建立的矩阵,Δu(k-1)为k-1时刻的废塑料裂解炉温度的输入控制增量。
接着得到k时刻废塑料裂解炉温度的模型预测误差值e(k):
e(k)=y(k)-y1(k|k-1)
其中,y(k)表示k时刻测得的废塑料裂解炉温度的实际输出值。
进一步得到k时刻废塑料裂解炉温度的模型输出的修正值ycor(k):
ycor(k)=yM(k-1)+h*e(k)
其中,
ycor(k|k),ycor(k+1|k),…ycor(k+N-1|k)分别表示废塑料裂解炉炉膛温度在k时刻模型的修正值,h为误差补偿的权矩阵,α为误差校正系数。
最后的得到废塑料裂解炉温度炉膛温度在k时刻模型的初始预测值yM(k):
yM(k)=Sycor(k)
其中,S为N×N阶的状态转移矩阵,
c.计算废塑料裂解炉炉膛温度在M个连续的控制增量Δu(k),…,Δu(k+M-1)下的预测输出值yPM,具体方法是:
yPM(k)=yP0(k)+AΔuM(k)
其中,
yP0(k)是yM(k)的前P项,yM(k+1|k),yM(k+2|k),…,yM(k+P|k)为废塑料裂解炉炉膛温度在k时刻对k+1,k+2,…,k+P时刻的模型预测输出值。
d.令控制时域M=1,并选取废塑料裂解炉炉膛温度的目标函数J(k),J(k)形式如下:
min J(k)=Q(ref(k)-yPM(k))2+rΔu2(k)=Q(ref(k)-yP0(k)-AΔu(k))2+rΔu2(k)
ref(k)=[ref1(k),ref2(k),…,refP(k)]Τ
refi(k)=βiy(k)+(1-βi)c(k),Q=diag(q1,q2,…,qP)
其中,Q为误差加权矩阵,q1,q2,…,qP为误差加权矩阵的参数值;β为柔化系数,c(k)为设定值;r=diag(r1,r2,…rM)为控制加权矩阵,r1,r2,…rM为控制加权矩阵的参数,ref(k)为废塑料裂解炉炉膛温度的参考轨迹,refi(k)为参考轨迹中第i个参考点的值。
e.将废塑料裂解炉炉膛温度的控制量u(k)进行变换:
u(k)=u(k-1)+Kp(k)(e1(k)-e1(k-1))+Ki(k)e1(k)+Kd(k)(e1(k)-2e1(k-1)+e1(k-2))
e(k)=c(k)-y(k)
并将u(k)代入到步骤d中的目标函数求解废塑料裂解炉炉膛温度的PID控制器中的参数,可求得:
u(k)=u(k-1)+w(k)ΤE(k)
w(k)=[w1(k),w2(k),w3(k)]Τ
w1(k)=Kp(k)+Ki(k)+Kd(k),w2(k)=-Kp(k)-2Kd(k),w3(k)=Kd(k)
E(k)=[e1(k),e1(k-1),e1(k-2)]Τ
其中,Kp(k)、Ki(k)、Kd(k)分别为PID控制器的比例、微分、积分参数,e1(k)为k时刻参考轨迹值与实际输出值之间的误差,Τ为矩阵的转置符号。
综合上述式子,可得:
进一步可以得到:
Kp(k)=-w2(k)-2Kd(k)
Ki(k)=w1(k)-KP(k)-Kd(k)
Kd(k)=w3(k)
f.得到PID控制器的参数Kp(k)、Ki(k)、Kd(k)以后构成控制量u(k)作用于废塑料裂解炉炉膛
u(k)=u(k-1)+Kp(k)(e1(k)-e1(k-1))+Ki(k)e1(k)+Kd(k)(e1(k)-2e1(k-1)+e1(k-2))。
g.在下一时刻,依照b到f中的步骤继续求解PID控制器新的参数Kp(k+1)、Ki(k+1)和Kd(k+1),并依次循环。
Claims (1)
1.动态矩阵控制优化的废塑料炼油裂解炉炉膛温度控制方法,其特征在于该方法的具体步骤是:
步骤(1).通过过程对象的实时阶跃响应数据建立被控对象的模型,具体方法是:
1-a.给被控对象一个阶跃输入信号,记录被控对象的阶跃响应曲线;
1-b.将步骤1-a得到的阶跃响应曲线进行滤波处理,然后拟合成一条光滑曲线,记录光滑曲线上每个采样时刻对应的阶跃响应数据,第一个采样时刻为Ts,相邻两个采样时刻间隔的时间为Ts,采样时刻顺序为Ts、2Ts、3Ts……;被控对象的阶跃响应将在某一个时刻tN=NT后趋于平稳,当ai,i>N与aN的误差和测量误差有相同的数量级时,即可认为aN近似等于阶跃响应的稳态值;建立对象的模型向量a:
a=[a1,a2,…aN]Τ
其中Τ为矩阵的转置符号,N为建模时域;
步骤(2).设计被控对象的PID控制器,具体方法是:
2-a.利用上面获得的模型向量a建立被控对象的动态矩阵,其形式如下:
其中,A是被控对象的P×M阶动态矩阵,ai是阶跃响应的数据,P为动态矩阵控制算法的优化时域,M为动态矩阵控制算法的控制时域,M<P<N;
2-b.建立被控对象当前k时刻的模型预测初始响应值yM(k)
先得到k-1时刻加入控制增量Δu(k-1)后的模型预测值yp(k-1):
yP(k-1)=yM(k-1)+A0Δu(k-1)
其中,
y1(k|k-1),y1(k+1|k-1),…,y1(k+N-1|k-1)分别表示被控对象在k-1时刻对k,k+1,…,k+N-1时刻加入控制增量Δu(k-1)后模型预测值,y0(k|k-1),y0(k|k-1),…y0(k+N-1|k-1)表示k-1时刻对k,k+1,…,k+N-1时刻的初始预测值,A0为阶跃响应数据建立的矩阵,Δu(k-1)为k-1时刻的输入控制增量;
接着得到k时刻被控对象的模型预测误差值e(k):
e(k)=y(k)-y1(k|k-1)
其中,y(k)表示k时刻测得的被控对象的实际输出值;
进一步得到k时刻模型输出的修正值ycor(k):
ycor(k)=yM(k-1)+h*e(k)
其中,
ycor(k|k),ycor(k+1|k),…ycor(k+N-1|k)分别表示被控对象在k时刻模型的修正值,h为误差补偿的权矩阵,α为误差校正系数;
最后的得到k时刻的模型预测的初始响应值yM(k):
yM(k)=Sycor(k)
其中,S为N×N阶的状态转移矩阵,
2-c.计算被控对象在M个连续的控制增量Δu(k),…,Δu(k+M-1)下的预测输出值yPM,具体方法是:
yPM(k)=yp0(k)+AΔuM(k)
其中,yP0(k)是yM(k)的前P项,yM(k+1|k),yM(k+2|k),…,yM(k+P|k)为k时刻对k+1,k+2,…,k+P时刻的模型预测输出值
2-d.令被控对象的控制时域M=1,选取被控对象的目标函数J(k),形式如下:
min J(k)=Q(ref(k)-yPM(k))2+rΔu2(k)=Q(ref(k)-yP0(k)-AΔu(k))2+rΔu2(k)
ref(k)=[ref1(k),ref2(k),…,refP(k)]Τ
refi(k)=βiy(k)+(1-βi)c(k),Q=diag(q1,q2,…,qP)
其中,Q为误差加权矩阵,q1,q2,…,qP为加权矩阵的参数值;β为柔化系数,c(k)为设定值;r=diag(r1,r2,…rM)为控制加权矩阵,r1,r2,…rM为控制加权矩阵的参数,ref(k)为系统的参考轨迹,refi(k)为参考轨迹中第i个参考点的值;
2-e.将控制量u(k)进行变换:
u(k)=u(k-1)+Kp(k)(e1(k)-e1(k-1))+Ki(k)e1(k)+Kd(k)(e1(k)-2e1(k-1)+e1(k-2))
e(k)=c(k)-y(k)
将u(k)代入到步骤d中的目标函数求解PID控制器中的参数得:
u(k)=u(k-1)+w(k)ΤE(k)
w(k)=[w1(k),w2(k),w3(k)]Τ
w1(k)=Kp(k)+Ki(k)+Kd(k),w2(k)=-Kp(k)-2Kd(k),w3(k)=Kd(k)
E(k)=[e1(k),e1(k-1),e1(k-2)]Τ
其中,Kp(k)、Ki(k)、Kd(k)分别为k时刻PID控制器的比例、微分、积分参数,e1(k)为k时刻参考轨迹值与实际输出值之间的误差,Τ为矩阵的转置符号;
综合上述式子,可得:
进一步可以得到:
Kp(k)=-w2(k)-2Kd(k)
Ki(k)=w1(k)-KP(k)-Kd(k)
Kd(k)=w3(k)
2-f.得到PID控制器的参数Kp、Ki、Kd以后构成控制量u(k)作用于被控对象:
u(k)=u(k-1)+Kp(k)(e1(k)-e1(k-1))+Ki(k)e1(k)+Kd(k)(e1(k)-2e1(k-1)+e1(k-2));
2-h.在下一时刻,依照2-b到2-f中的步骤继续求解PID控制器新的参数kP(k+1)、ki(k+1)、kd(k+1)的值,依次循环。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310567673.0A CN103616815B (zh) | 2013-11-14 | 2013-11-14 | 动态矩阵控制优化的废塑料炼油裂解炉炉膛温度控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310567673.0A CN103616815B (zh) | 2013-11-14 | 2013-11-14 | 动态矩阵控制优化的废塑料炼油裂解炉炉膛温度控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103616815A true CN103616815A (zh) | 2014-03-05 |
CN103616815B CN103616815B (zh) | 2016-06-01 |
Family
ID=50167519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310567673.0A Active CN103616815B (zh) | 2013-11-14 | 2013-11-14 | 动态矩阵控制优化的废塑料炼油裂解炉炉膛温度控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103616815B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105892296A (zh) * | 2016-05-11 | 2016-08-24 | 杭州电子科技大学 | 一种工业加热炉系统的分数阶动态矩阵控制方法 |
CN105955014A (zh) * | 2016-05-11 | 2016-09-21 | 杭州电子科技大学 | 分布式动态矩阵控制优化的焦炭炉炉膛压力控制方法 |
CN105955020A (zh) * | 2016-05-03 | 2016-09-21 | 华东理工大学 | 一种水煤浆气化过程的dmc-pid多变量控制方法 |
CN106200379A (zh) * | 2016-07-05 | 2016-12-07 | 杭州电子科技大学 | 一种非自衡对象的分布式动态矩阵控制方法 |
CN108931144A (zh) * | 2018-04-20 | 2018-12-04 | 杭州电子科技大学 | 陶瓷窑炉温度控制的智能优化方法 |
CN113359460A (zh) * | 2021-06-24 | 2021-09-07 | 杭州司南智能技术有限公司 | 一种约束动态矩阵控制优化的积分对象控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2430764A (en) * | 2005-09-30 | 2007-04-04 | Fisher Rosemount Systems Inc | Online adaptive model predictive control in a process control system |
CN102156407A (zh) * | 2011-04-08 | 2011-08-17 | 南京师范大学 | 基于arm的嵌入式模型预测控制方法和装置 |
US20130110298A1 (en) * | 2011-10-31 | 2013-05-02 | Emerson Process Management Power & Water Solutions , Inc. | Model-based load demand control |
CN103116283A (zh) * | 2013-01-18 | 2013-05-22 | 杭州电子科技大学 | 一种非自衡对象的动态矩阵控制方法 |
CN103345150A (zh) * | 2013-07-19 | 2013-10-09 | 杭州电子科技大学 | 预测函数控制优化的废塑料炼油裂解炉炉膛温度控制方法 |
-
2013
- 2013-11-14 CN CN201310567673.0A patent/CN103616815B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2430764A (en) * | 2005-09-30 | 2007-04-04 | Fisher Rosemount Systems Inc | Online adaptive model predictive control in a process control system |
CN102156407A (zh) * | 2011-04-08 | 2011-08-17 | 南京师范大学 | 基于arm的嵌入式模型预测控制方法和装置 |
US20130110298A1 (en) * | 2011-10-31 | 2013-05-02 | Emerson Process Management Power & Water Solutions , Inc. | Model-based load demand control |
CN103116283A (zh) * | 2013-01-18 | 2013-05-22 | 杭州电子科技大学 | 一种非自衡对象的动态矩阵控制方法 |
CN103345150A (zh) * | 2013-07-19 | 2013-10-09 | 杭州电子科技大学 | 预测函数控制优化的废塑料炼油裂解炉炉膛温度控制方法 |
Non-Patent Citations (2)
Title |
---|
张强等: "基于DMC-PID的循环流化床锅炉床层温度控制设计与实现", 《化工自动化及仪表》 * |
陈乔等: "改进的动态矩阵控制算法在发酵罐温度控制中的应用", 《计算机应用》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105955020A (zh) * | 2016-05-03 | 2016-09-21 | 华东理工大学 | 一种水煤浆气化过程的dmc-pid多变量控制方法 |
CN105955020B (zh) * | 2016-05-03 | 2018-10-30 | 华东理工大学 | 一种水煤浆气化过程的dmc-pid多变量控制方法 |
CN105892296A (zh) * | 2016-05-11 | 2016-08-24 | 杭州电子科技大学 | 一种工业加热炉系统的分数阶动态矩阵控制方法 |
CN105955014A (zh) * | 2016-05-11 | 2016-09-21 | 杭州电子科技大学 | 分布式动态矩阵控制优化的焦炭炉炉膛压力控制方法 |
CN105892296B (zh) * | 2016-05-11 | 2018-12-21 | 杭州电子科技大学 | 一种工业加热炉系统的分数阶动态矩阵控制方法 |
CN106200379A (zh) * | 2016-07-05 | 2016-12-07 | 杭州电子科技大学 | 一种非自衡对象的分布式动态矩阵控制方法 |
CN106200379B (zh) * | 2016-07-05 | 2018-11-16 | 杭州电子科技大学 | 一种非自衡对象的分布式动态矩阵控制方法 |
CN108931144A (zh) * | 2018-04-20 | 2018-12-04 | 杭州电子科技大学 | 陶瓷窑炉温度控制的智能优化方法 |
CN113359460A (zh) * | 2021-06-24 | 2021-09-07 | 杭州司南智能技术有限公司 | 一种约束动态矩阵控制优化的积分对象控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103616815B (zh) | 2016-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103616815A (zh) | 动态矩阵控制优化的废塑料炼油裂解炉炉膛温度控制方法 | |
CN103605284B (zh) | 动态矩阵控制优化的废塑料裂解炉炉膛压力控制方法 | |
CN101693945B (zh) | 一种热处理炉脉冲燃烧的温度控制方法 | |
CN105892296B (zh) | 一种工业加热炉系统的分数阶动态矩阵控制方法 | |
CN102156496B (zh) | 一种反应釜温度混合控制方法 | |
CN103389746B (zh) | 预测函数控制优化的废塑料炼油裂解炉炉膛压力控制方法 | |
CN103345150B (zh) | 预测函数控制优化的废塑料炼油裂解炉炉膛温度控制方法 | |
CN102401371A (zh) | 一种基于多变量预测控制的再热气温优化控制方法 | |
CN103399486A (zh) | 塑料烘干器温度优化节能控制方法 | |
CN102053562A (zh) | 一种裂解炉出口温度混合控制方法 | |
CN105423334A (zh) | 热风炉燃烧过程智能控制系统及方法 | |
CN103760931B (zh) | 动态矩阵控制优化的油气水卧式三相分离器压力控制方法 | |
CN103019097A (zh) | 一种轧钢加热炉优化控制系统 | |
CN106325074A (zh) | 一种基于布谷鸟算法的pid控制器参数智能整定方法 | |
CN106200379B (zh) | 一种非自衡对象的分布式动态矩阵控制方法 | |
CN111123708B (zh) | 基于分布式动态矩阵控制优化的焦化炉炉膛压力控制方法 | |
CN105955014A (zh) | 分布式动态矩阵控制优化的焦炭炉炉膛压力控制方法 | |
CN102020996B (zh) | 炼焦炉自动加热控制方法 | |
CN110673482A (zh) | 一种基于神经网络预测的电站燃煤锅炉智能控制方法和系统 | |
CN103672949A (zh) | 一种克服燃气热值和生产节奏波动的加热炉燃烧控制技术 | |
CN103593578A (zh) | 焦炉加热燃烧过程烟道吸力反馈设定方法 | |
CN109539359A (zh) | 分工况pid+自适应前馈补偿的相变电蓄热供暖系统及方法 | |
CN103760773A (zh) | 状态空间模型预测控制优化的批次过程pi-pd控制方法 | |
CN103605381A (zh) | 动态矩阵控制优化的分馏塔液位控制方法 | |
CN102880047B (zh) | 炼油工业加热炉温度过程的伴随矩阵解耦预测控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |