CN103853045A - 多变量控制装置以及方法 - Google Patents

多变量控制装置以及方法 Download PDF

Info

Publication number
CN103853045A
CN103853045A CN201310616663.1A CN201310616663A CN103853045A CN 103853045 A CN103853045 A CN 103853045A CN 201310616663 A CN201310616663 A CN 201310616663A CN 103853045 A CN103853045 A CN 103853045A
Authority
CN
China
Prior art keywords
variable
desired value
control
performance
performance variable
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
Application number
CN201310616663.1A
Other languages
English (en)
Other versions
CN103853045B (zh
Inventor
清水洋
岩本聪一
齐藤徹
田原铁也
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Azbil Corp
Original Assignee
Azbil Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Azbil Corp filed Critical Azbil Corp
Publication of CN103853045A publication Critical patent/CN103853045A/zh
Application granted granted Critical
Publication of CN103853045B publication Critical patent/CN103853045B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive 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
    • G05B13/048Adaptive 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 using a predictor
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive 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
    • G05B13/041Adaptive 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 variable is automatically adjusted to optimise the performance
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00Systems involving the use of models or simulators of said systems
    • G05B17/02Systems involving the use of models or simulators of said systems electric

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Feedback Control In General (AREA)

Abstract

一种多变量控制装置以及方法,即使在过程内存在延迟的情况下,也能抑制多变量控制中的控制性能的恶化。多变量控制装置具有目标值延迟处理部(102),所述目标值延迟处理部(102)根据所设定的延迟处理条件,使由稳定状态最优化部(101)输出的、第二控制变量目标值以及第二操作变量目标值中由稳定状态最优化部所输出的至少一个相对于由稳定状态最优化部(101)输出的、第一控制变量目标值以及第一操作变量目标值中由稳定状态最优化部所输出的至少一个延迟输出。

Description

多变量控制装置以及方法
技术领域
本发明涉及能够适用于使用模型对控制对象进行控制的模型预测控制等中的多变量控制装置以及方法。
背景技术
在石油提纯过程、石油化学过程等工业过程中,作为多输入多输出的动态的系统控制方法,即多变量控制方法的一种,模型预测控制被广泛熟知。
狭义定义中的模型预测控制是一种在对操作变量(MV)、控制变量(CV)赋予的上下限约束中使控制变量向所给的目标值逐渐接近的控制方法(参照非专利文献1、非专利文献2)。另一方面,在面向具有控制变量、操作变量的过程的多变量模型预测控制中,一般通过线性规划法(LP)以及二次规划法(QP)将模型预测控制的目标值最优化(参照专利文献1、非专利文献2、非专利文献3)。
它们通过最优化来决定稳定状态下的目标值,通过模型预测控制向决定了的目标值进行控制,谋求在操作变量、控制变量的上下限约束的范围内进行过程的最优化。
以下对这种模型预测控制的例子进行说明。如图3所示,进行多变量模型预测控制的系统具有稳定状态最优化部301和进行多变量模型预测控制的运算的多变量控制部302。稳定状态最优化部301输入最优化评价函数、上下限约束值、操作变量和控制变量等,并算出最优目标值。多变量控制部302输入最优目标值、控制变量以及上下限值等,算出操作变量,将算出的操作变量输出给作为控制对象的过程303。在作为控制对象的过程303中,来自多变量控制部302的操作变量被输入,并且,输出控制变量。
现有技术文献
专利文献
专利文献1日本特开2005-292862号公报
非专利文献
非专利文献1Jan M.Maciejoeski(足立修一·菅野政明译),“モデル予測制御-制約の下での最適制御-(模型预测控制—约束下的最优控制—)”,东京电机大学出版局,2005年。
非专利文献2大岛正裕,“モデル予測制御-理論の誕生·展開·発展-(模型预测控制—理论的诞生·展开·发展—)”,测量与控制,第39卷,第5号,321~325页,2000年。
非专利文献3石川昭夫,大岛正裕,谷垣昌敬,村上周太,“定常最適化機能を持つモデル予測制御での悪条件の除去法(采用具有稳定最优化功能的模型预测控制的不利条件的除去法)”,化学工程学论文集,第24卷,第1号,24~29页,1998年。
发明内容
发明要解决的课题
在上述多变量模型预测控制的系统中,通过最优化决定了的目标值被立即赋予多变量控制部302。例如,如果被赋予稳定状态最优化部301的上下限值以及最优化评价函数等被改变,最优化的结果变化的话,则紧随其后,输出给多变量控制部302的最优目标值也会改变。
但是,在作为控制对象的过程中存在较长延迟时间(无用的时间)的情况下,会有引起控制性能恶化的情况。例如,在作为控制对象的过程由多个子过程构成、在子过程之间存在由输送导致的滞后等延迟时间的情况下,如上所述,在最优化的结果变化的同时,使用于模型预测控制中的最优目标值也变更的话,可能会引起控制性能的恶化。
对这一点进行说明。首先,如图4所示,成为控制对象的过程303由第一子过程331以及第二子过程332构成,考虑的是在第二子过程332使用的原料是第一子过程331的生成物的情况。在该情况下,一般来说,在第一子过程331的生成物到达第二子过程332之前的期间,存在输送滞后那样的延迟。
在这种过程303中,假定最优化的结果发生变化,例如,变为了过程整体的温度降低那样的目标值的情况。此时,假定第二子过程332的温度目标值降低的主要原因为,由第一子过程331供给的生成物的温度(控制变量)的目标值降低了。
在此,在过程303中,首先,第一子过程331的状态发生变化,由此经过一定时间后,第二子过程332的状态发生变化。另一方面,上述最优目标值是第二子过程332的状态变化后的最优目标值。
然而,在上述模型预测控制中,虽然输入到稳定状态最优化部301的值伴随着来自第一子过程331的生成物的温度变化而变化,但是由于该变化,最优目标值立即改变并被输出到多变量控制部302中。因此,在从第一子过程331输送至第二子过程332的生成物的温度变化之前,关于第二子过程332的生成物,温度的最优目标值也发生变化。又,在多变量控制部302中,由于输入的最优目标值的改变,为了改变(降低)第二子过程332的生成物的温度,需要立即操作第二子过程的操作变量。
但是,利用上述多变量控制部302的操作是,没有根据实际情况的无用的操作。其理由是,在上述过程303中,如果第一子过程331的生成物的温度降低的话,则与此联动,一定时间后第二子过程332的生成物的温度也会降低,因此第二子过程的操作变量的操作就会变成不必要的操作。
又,上述最优目标值是过程303的状态变化延及第二子过程332后的目标值,在状态的变化到达第二子过程332之前,也不需要积极地控制使得第二子过程332的生成物温度降低,变成是不必要的。又,根据情况,也不仅仅是不需要,而且还是损失、控制性能恶化的原因。在上文中,以模型预测控制为例进行了说明,但是上述问题与控制方法没有关系,该问题是在使用一个多变量控制装置控制第一子过程和第二子过程的情况下会产生的问题。
本发明用于消除以上问题,其目的在于,即使在过程内存在延迟的情况下,也能抑制多变量控制中控制性能的恶化。
用于解决课题的手段
本发明所涉及的多变量控制装置,其特征在于,具有:稳定状态最优化部,所述稳定状态最优化部基于为了控制而向控制对象输出的至少第一操作变量、第二操作变量两个变量以及从所述控制对象得到的至少第一控制变量、第二控制变量两个变量,算出并输出所述控制对象的稳定状态下的所述第一控制变量的第一控制变量目标值、所述第一操作变量的第一操作变量目标值中的至少一个,以及所述第二控制变量的第二控制变量目标值、所述第二操作变量的第二操作变量目标值中的至少一个;目标值延迟处理部,所述目标值延迟处理部根据所设定的延迟处理条件,使所述第二控制变量目标值以及所述第二操作变量目标值中由所述稳定状态最优化部所输出的至少一个相对于所述第一控制变量目标值以及所述第一操作变量目标值中由所述稳定状态最优化部所输出的至少一个延迟输出;以及多变量控制部,所述多变量控制部基于所述第一控制变量目标值、所述第一操作变量目标值中由所述目标值延迟处理部输出的至少一个以及所述第二控制变量目标值、所述第二操作变量目标值中由所述目标值延迟处理部输出的至少一个,算出所述控制对象将来使用的第一操作变量、第二操作变量。
在上述多变量控制装置中,目标值延迟处理部也可以基于被输出给控制对象的第一操作变量、从控制对象得到的第一控制变量,改变使第二控制变量目标值以及第二操作变量目标值中的至少一个输出相对于第一控制变量目标值以及第一操作变量目标值中的至少一个有所延迟的延迟时间。
本发明所涉及的多变量控制方法具有:目标算出步骤,基于为了控制输出给控制对象的至少第一操作变量、第二操作变量两个变量以及从所述控制对象得到的至少第一控制变量、第二控制变量两个变量,算出并输出所述控制对象的稳定状态下的所述第一控制变量的第一控制变量目标值、所述第一操作变量的第一操作变量目标值中的至少一个以及所述第二控制变量的第二控制变量目标值、所述第二操作变量的第二操作变量目标值中的至少一个;目标值延迟处理步骤,根据所设定的延迟处理条件,使所述第二控制变量目标值以及所述第二操作变量目标值中在所述目标算出步骤输出的至少一个相对于所述第一控制变量目标值以及所述第一操作变量目标值中在所述目标算出步骤输出的至少一个延迟输出;以及多变量控制步骤,基于所述第一控制变量目标值、所述第一操作变量目标值中在所述目标值延迟处理步骤输出的至少一个以及所述第二控制变量目标值、所述第二操作变量目标值中在所述目标值延迟处理步骤输出的至少一个,算出所述控制对象将来使用的第一操作变量、第二操作变量。
在上述多变量控制方法中,在目标值延迟处理步骤中,基于被输出给控制对象的第一操作变量、从控制对象得到的第一控制变量,改变使第二控制变量目标值以及第二操作变量目标值中的至少一个输出相对于第一控制变量目标值以及第一操作变量目标值中的至少一个有所延迟的延迟时间。
发明效果
通过以上的说明,根据本发明,即使在过程内存在延迟的情况下,也能取得抑制多变量控制中控制性能的恶化这样的良好效果。
附图说明
图1是示出本发明的实施形态的多变量控制装置结构的结构图。
图2是对本发明的实施形态的多变量控制方法进行说明的流程图。
图3是示出多变量控制装置结构的结构图。
图4是示出成为控制对象的过程303的构成例的结构图。
具体实施方式
以下,参照附图对本发明的实施形态进行说明。图1是示出本发明的实施形态的多变量控制装置结构的结构图。
该多变量控制装置首先具有稳定状态最优化部101,所述稳定状态最优化部101基于为了控制而输出到作为控制对象的过程104的至少第一操作变量、第二操作变量两个变量以及从过程104得到的至少第一控制变量、第二控制变量两个变量,算出并输出过程104的稳定状态中的第一控制变量的第一控制变量目标值、第一操作变量的第一操作变量目标值中的至少一个,以及第二控制变量的第二控制变量目标值、第二操作变量的第二操作变量目标值中的至少一个。以下,对稳定状态最优化部101算出并输出第一控制变量目标值、第一操作变量目标值、第二控制变量目标值以及第二操作变量目标值的情况进行说明。
另外,由于本发明是多变量控制装置,因此在稳定状态最优化部101中,将多个变量,即所有的控制变量、操作变量中的至少两个变量作为对象进行最优化是很重要的。又,作为最优化的结果,能够输出至少两个变量的目标值是很重要的。
但是,不需要总是输出两个以上的变量的目标值。基于最优化的结果,也有仅暂时输出一个变量的目标值的情况。另一方面,不要求输出所有的控制变量、操作变量的目标值。例如,也可以采用如下结构:仅输出控制变量的目标值,仅输出操作变量的目标值,又,从控制变量和操作变量中圈定必需的变量并输出目标值。
过程104至少具有第一子过程以及第二子过程两个子过程,在其间存在有延迟。例如,第一子过程的生成物是在第二子过程中使用的原料,第一子过程的生成物被输送至第二子过程的时间会延迟。对第一子过程赋予第一操作变量,对第二子过程赋予第二操作变量。又,从第一子过程输出第一控制变量,从第二子过程输出第二控制变量。
然而,虽然稳定状态最优化部101能够输出所有的控制变量、操作变量中的至少两个变量的目标值,但是如上所述,在第一子过程与第二子过程之间存在延迟的情况下,最好选择属于第一子过程的变量中的至少一个变量和属于第二子过程的变量中的至少一个变量输出目标值。这是因为,如果仅对属于某一个子过程的变量设定目标值的话,则另一个子过程的控制性能就很有可能会恶化。在本发明中,处理对第一子过程和第二子过程的各自一个以上的变量输出目标值的情况。
又,多变量控制装置具有目标值延迟处理部102,所述目标值延迟处理部102根据设定的延迟处理条件使第二控制变量目标值以及第二操作变量目标值中由稳定状态最优化部输出的至少一个相对于第一控制变量目标值以及第一操作变量目标值中由稳定状态最优化部输出的至少一个延迟输出。对应第一子过程与第二子过程之间的延迟设定延迟处理条件。延迟处理条件例如由用户进行设定。在本例中,使第二控制变量目标值以及第二操作变量目标值延迟输出。
又,多变量控制装置具有多变量控制部103,所述多变量控制部103基于第一控制变量目标值、第一操作变量目标值中由目标值延迟处理部102输出的至少一个,以及第二控制变量目标值、第二操作变量目标值中由目标值延迟处理部102输出的至少一个,算出控制对象将来使用的第一操作变量、第二操作变量。多变量控制部103例如基于从过程104得到的第一控制变量、第二控制变量以及为了控制而向过程104输出的第一操作变量、第二操作变量,算出过程104将来使用的第一操作变量、第二操作变量,使得预测了过程104将来输出的第一控制变量、第二控制变量的第一控制变量预测响应、第二控制变量预测响应接近于由目标值延迟处理部102输出的第一控制变量目标值、第二控制变量目标值。
目标值延迟处理部102对每个操作变量以及控制变量设定延迟的大小。例如,没有延迟地将目标值赋予属于第一子过程的第一操作变量以及第一控制变量,延迟地将目标值赋予属于第二子过程的第二操作变量以及第二控制变量。又,通过较短的延迟将目标值赋予属于第一子过程的第一操作变量以及第一控制变量,通过比前述延迟长的延迟将目标值赋予属于第二子过程的第二操作变量以及第二控制变量。也像这样,对延迟的大小进行设定,使第二操作变量以及第二控制变量相对于第一操作变量以及第一控制变量延迟。
接着,使用图2的流程图对本实施形态的多变量控制装置的动作例(多变量控制方法)进行说明。首先,在步骤S101中,稳定状态最优化部101基于为了控制而向过程104输出的两个第一操作变量、第二操作变量、以及从过程104得到的两个第一控制变量、第二控制变量,算出并输出过程104的稳定状态中的第一控制变量的第一控制变量目标值、第一操作变量的第一操作变量目标值中的至少一个,以及第二控制变量的第二控制变量目标值、第二操作变量的第二操作变量目标值中的至少一个(目标值算出步骤)。另外,以下,对稳定状态最优化部101算出并输出第一控制变量目标值、第一操作变量目标值、第二控制变量目标值以及第二操作变量目标值的情况进行说明。
接着,在步骤S102中,目标值延迟处理部102根据被设定的延迟处理条件,使步骤S101中输出的第二控制变量目标值以及第二操作变量目标值相对于第一控制变量目标值以及第一操作变量目标值延迟输出(目标值延迟处理步骤)。
接着,在步骤S103中,多变量控制部103基于第一控制变量目标值、第一操作变量目标值中的目标值延迟处理部102输出的至少一个,以及第二控制变量目标值、第二操作变量目标值中由目标值延迟处理部102输出的至少一个,算出控制对象将来使用的第一操作变量、第二操作变量(多变量控制步骤)。例如,基于从过程104得到的第一控制变量、第二控制变量以及为了控制而向过程104输出的第一操作变量、第二操作变量,算出过程104将来使用的第一操作变量、第二操作变量,使得预测了过程104将来输出的第一控制变量、第二控制变量的第一控制变量预测响应、第二控制变量预测响应接近于由目标值延迟处理部102输出的第一控制变量目标值、第二控制变量目标值。
算出的第一操作变量被向过程104的第一子过程输出,算出的第二操作变量被向过程104的第二子过程输出。由于第二控制变量目标值以及第二操作变量目标值相对于第一控制变量目标值以及第一操作变量目标值延迟并被赋予多变量控制部103,作为结果,第二操作变量就相对于第一操作变量延迟,输出发生变化。
这样一来,在与由第一子过程供给的生成物相关的变量的值发生了变化时,新的最优的第二操作变量就被给予第二子过程。结果是,前述的不需要的操作就得到抑制。
接着,对目标值延迟处理部102的延迟处理进行更详细的说明。延迟处理有若干个方法。以下,将作为由目标值延迟处理部102延迟处理的对象的输入变量表示为x(k),将延迟处理后的输出变量表示为z(k)。k是示出控制周期的索引。
作为延迟处理的一例,如“z(k)=x(k-L)···(1)”所示,具有输出使输入信号仅滞后规定的控制周期后的信号的方法。在式(1)中,L为1以上的整数,相当于无用时间。
又,作为延迟处理的另一例,如“z(k)=αz(k-1)+(1-α)x(k)···(2)”所示,输出使输入通过一次滞后过滤器后的信号。在式(2)中,α是0以上不到1的常数。α越小,从输入到输出的延迟就越大。
又,可以将上述两个延迟处理方法组合,适用如“z(k)=αz(k-1)+(1-α)x(k-L)···(3)”所示的延迟处理。又,除了在此示出的延迟处理方法以外,也可以利用具有使输入信号送出并输出的效果的过滤器、信号处理计算程序算法、电路等。
接着,对延迟处理参数(L、α等)的决定进行说明。例如,关于如前述的在子过程之间存在延迟的情况,只要与子过程之间的延迟同程度地决定参数,将决定的值(参数)适用于属于存在延迟的子过程的操作变量、控制变量的目标值即可。又,如果使用对多变量控制部103的控制的举动进行模拟实验的软件,则也能够改变延迟处理的参数进行模拟实验,通过试错求出适当的值。
又,也可以监视过程104的状态,从而调整利用目标值延迟处理部102的延迟处理。目标值延迟处理部102基于输出给过程104的第一操作变量、从过程104得到的第一控制变量,改变使与第二控制变量以及第二操作变量对应的目标值的输出相对于与第一控制变量以及第一操作变量对应的目标值有所延迟的延迟时间。
例如,如上所述,在具有两个第一子过程以及第二子过程的过程104中,对第一子过程的第一操作变量、第一控制变量进行监视,即使经过与子过程之间的延迟相同程度的时间,只要它们没有达到最优目标值,就延长延迟处理的延迟时间。又,如果第一子过程的上述变量比从过程模型预测到的时间更快达到最优目标值的话,就缩短延迟处理的延迟时间。
如以上所说明的,根据本发明,由于使第二控制变量、第二操作变量的目标值相对于第一控制变量、第一操作变量的目标值延迟并向多变量控制部输出,因此即使在过程内存在延迟的情况下,也能够抑制多变量控制中的控制性能的恶化。
然而,稳定状态最优化部101可以采用从所有的控制变量、操作变量中选择一部分变量输出目标值的结构,也可以采用根据最优化的条件切换输出目标值的变量的结构。作为这种情况下的处理的一例,存在有在切换的同时以当前的控制变量、操作变量的值重置目标值延迟处理部102的输出的方法(结构)。在该情况下,在设定了的延迟之后,输出新的目标值。
另外,本发明不限于以上说明的实施形态,在本发明的技术思想内,本领域具有通常知识的人员能够实施多种变形以及组合这一点是显而易见的。例如,在以上叙述中,以过程104的过程具有第一子过程以及第二子过程两个子过程的情况为例进行了说明,但是不仅限于此。属于各子过程的控制变量以及操作变量均不仅限于一个,也可以均为两个以上。又,也可以适用于作为控制对象的过程具有三个以上子过程的情况。又,本发明能够适用于多个多变量控制,也可以是内部模型控制(IMC)。
本发明以在子过程之间存在干涉的情况为控制对象,即便在这种控制对象情况下也能使多个变量靠近各自的目标值的对象为本发明的对象。因此,多变量模型预测控制是能够适用本发明的有力的候选之一。
符号说明
101:稳定状态最优化部,102:目标值延迟处理部,103:多变量控制部,104:过程。

Claims (4)

1.一种多变量控制装置,其特征在于,具有:
稳定状态最优化部,所述稳定状态最优化部基于为了控制而向控制对象输出的至少第一操作变量、第二操作变量两个变量以及从所述控制对象得到的至少第一控制变量、第二控制变量两个变量,算出并输出所述控制对象的稳定状态下的所述第一控制变量的第一控制变量目标值、所述第一操作变量的第一操作变量目标值中的至少一个,以及所述第二控制变量的第二控制变量目标值、所述第二操作变量的第二操作变量目标值中的至少一个;
目标值延迟处理部,所述目标值延迟处理部根据所设定的延迟处理条件,使所述第二控制变量目标值以及所述第二操作变量目标值中由所述稳定状态最优化部所输出的至少一个,相对于所述第一控制变量目标值以及所述第一操作变量目标值中由所述稳定状态最优化部所输出的至少一个延迟输出;以及
多变量控制部,所述多变量控制部基于所述第一控制变量目标值、所述第一操作变量目标值中由所述目标值延迟处理部输出的至少一个以及所述第二控制变量目标值、所述第二操作变量目标值中由所述目标值延迟处理部输出的至少一个,算出所述控制对象将来使用的第一操作变量、第二操作变量。
2.如权利要求1所记载的多变量控制装置,其特征在于,
所述目标值延迟处理部基于被输出给所述控制对象的所述第一操作变量、从所述控制对象得到的所述第一控制变量,改变使所述第二控制变量目标值以及所述第二操作变量目标值中的至少一个输出相对于所述第一控制变量目标值以及所述第一操作变量目标值中的至少一个有所延迟的延迟时间。
3.一种多变量控制方法,其特征在于,具有:
目标算出步骤,基于为了控制输出给控制对象的至少第一操作变量、第二操作变量两个变量以及从所述控制对象得到的至少第一控制变量、第二控制变量两个变量,算出并输出所述控制对象的稳定状态下的所述第一控制变量的第一控制变量目标值、所述第一操作变量的第一操作变量目标值中的至少一个以及所述第二控制变量的第二控制变量目标值、所述第二操作变量的第二操作变量目标值中的至少一个;
目标值延迟处理步骤,根据所设定的延迟处理条件,使所述第二控制变量目标值以及所述第二操作变量目标值中在所述目标算出步骤输出的至少一个相对于所述第一控制变量目标值以及所述第一操作变量目标值中在所述目标算出步骤输出的至少一个延迟输出;以及
多变量控制步骤,基于所述第一控制变量目标值、所述第一操作变量目标值中在所述目标值延迟处理步骤输出的至少一个以及所述第二控制变量目标值、所述第二操作变量目标值中在所述目标值延迟处理步骤输出的至少一个,算出所述控制对象将来使用的第一操作变量、第二操作变量。
4.如权利要求3所记载的多变量控制方法,其特征在于,
在所述目标值延迟处理步骤中,基于被输出给所述控制对象的所述第一操作变量、从所述控制对象得到的所述第一控制变量,改变使所述第二控制变量目标值以及所述第二操作变量目标值中的至少一个输出相对于所述第一控制变量目标值以及所述第一操作变量目标值中的至少一个有所延迟的延迟时间。
CN201310616663.1A 2012-11-30 2013-11-27 多变量控制装置以及方法 Expired - Fee Related CN103853045B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012-262656 2012-11-30
JP2012262656A JP6216112B2 (ja) 2012-11-30 2012-11-30 多変数制御装置および方法

Publications (2)

Publication Number Publication Date
CN103853045A true CN103853045A (zh) 2014-06-11
CN103853045B CN103853045B (zh) 2017-01-18

Family

ID=50860844

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310616663.1A Expired - Fee Related CN103853045B (zh) 2012-11-30 2013-11-27 多变量控制装置以及方法

Country Status (4)

Country Link
JP (1) JP6216112B2 (zh)
KR (1) KR101462809B1 (zh)
CN (1) CN103853045B (zh)
TW (1) TWI525406B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107924162A (zh) * 2015-07-29 2018-04-17 株式会社东芝 最优控制装置、最优控制方法、计算机程序以及最优控制系统
CN109828459A (zh) * 2017-11-23 2019-05-31 中国科学院沈阳自动化研究所 一种基于多变量约束区间预测控制的平稳控制实现方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6684115B1 (en) * 2000-04-11 2004-01-27 George Shu-Xing Cheng Model-free adaptive control of quality variables
US20050120444A1 (en) * 2001-12-28 2005-06-02 Honda Giken Kogyo Kabushiki Kaisha Control system
CN102193500A (zh) * 2010-03-02 2011-09-21 费希尔-罗斯蒙特系统公司 快速过程模型识别和生成
CN102339040A (zh) * 2010-07-15 2012-02-01 清华大学 精馏塔优化控制方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0689103A (ja) * 1992-09-08 1994-03-29 Toshiba Corp 多変数制御装置
JPH08249004A (ja) * 1995-03-15 1996-09-27 Toshiba Corp プラント制御装置
US7050863B2 (en) 2002-09-11 2006-05-23 Fisher-Rosemount Systems, Inc. Integrated model predictive control and optimization within a process control system

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6684115B1 (en) * 2000-04-11 2004-01-27 George Shu-Xing Cheng Model-free adaptive control of quality variables
US20050120444A1 (en) * 2001-12-28 2005-06-02 Honda Giken Kogyo Kabushiki Kaisha Control system
CN102193500A (zh) * 2010-03-02 2011-09-21 费希尔-罗斯蒙特系统公司 快速过程模型识别和生成
CN102339040A (zh) * 2010-07-15 2012-02-01 清华大学 精馏塔优化控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
宫向阳等: "先进控制技术在延迟焦化装置的应用", 《计算机与应用化学》, vol. 28, no. 5, 28 May 2011 (2011-05-28) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107924162A (zh) * 2015-07-29 2018-04-17 株式会社东芝 最优控制装置、最优控制方法、计算机程序以及最优控制系统
CN109828459A (zh) * 2017-11-23 2019-05-31 中国科学院沈阳自动化研究所 一种基于多变量约束区间预测控制的平稳控制实现方法

Also Published As

Publication number Publication date
KR101462809B1 (ko) 2014-11-20
JP6216112B2 (ja) 2017-10-18
KR20140070361A (ko) 2014-06-10
JP2014109813A (ja) 2014-06-12
TWI525406B (zh) 2016-03-11
TW201421176A (zh) 2014-06-01
CN103853045B (zh) 2017-01-18

Similar Documents

Publication Publication Date Title
Åström et al. Design of decoupled PI controllers for two-by-two systems
Visioli Research trends for PID controllers
CN106575104B (zh) 使用无线过程信号的模型预测控制
CN101523308B (zh) 动态方差校正在优化中的使用
CN108151253B (zh) 一种变风量空调送风温度自动补偿方法
CN101995822A (zh) 一种大时滞系统的灰色自抗扰控制方法
CN113198591B (zh) 基于滚动时域估计的辊式立磨自适应预测控制系统
CN108491965A (zh) 冲压设备的状态预测方法、装置、电子设备与存储介质
WO2009067952A1 (fr) Procédé de commande de technique et son dispositif
CN103853045A (zh) 多变量控制装置以及方法
WO2013087973A1 (en) Method of tuning a process controller
CN106019934B (zh) 控制装置及控制方法
JP4971074B2 (ja) 工業製品の生産支援プログラム
EP2753991B1 (en) Arrangement and method for system identification of an industrial plant or process
EP2940536B1 (en) A method for calculating a load distribution among a plurality of rotary machines of a machine station
JP7059697B2 (ja) 最適計算装置、最適計算方法、およびプログラム
CN109964180A (zh) 用于确定调节装置的参数的装置和方法
Wang et al. PID control loop performance assessment and diagnosis based on DEA-related MCDA
CN106814625A (zh) 一种基于lqg基准的电加热炉系统的性能确定方法
Valencia-Palomo et al. Comparison between an auto-tuned PI controller, a predictive controller and a predictive functional controller in elementary dynamic systems
Wakitani et al. Design and experimental evaluation of a performance-driven adaptive controller
Silveira et al. GMV-PID controller design with gradient method for the energy weighting factor in nonlinear plants
Blevins et al. Wireless model predictive control applied for dividing wall column control
KR20160014104A (ko) 기능 유닛, 아날로그 입력 유닛, 프로그래머블 컨트롤러 시스템
Gough et al. SAG Mill optimization using model predictive control

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170118

Termination date: 20201127