CN106873375A - 基于调度与控制器参数动态重构的多晶硅熔炼装置网络化控制方法 - Google Patents

Abstract

基于调度与控制器参数动态重构的多晶硅熔炼装置网络化控制方法，包括以下步骤：1)、根据实际工况对控制对象的模型进行辨识得到对象模型参数；根据系统IAE性能指标参数设置调度器阈值、调度策略、系统采样周期、系统传输周期初始值，采样序列和更新序列，系统模型为(1)；2)、根据当前的网络服务质量动态重构通信序列并在线解析计算控制器参数；3)、由D/A转换后输出至执行器，由执行器作用到被控对象,使被控对象运行在给定的范围内。本发明可根据网络实时状态进行控制器参数动态重构的单一控制器，克服原有控制器结构复杂并受通信序列传输周期约束问题，避免多个控制器周期性切换，方便被工程技术人员掌握和推广使用。本发明可有效改善网络环境，提高网络利用率及系统的整体性能。

Description

基于调度与控制器参数动态重构的多晶硅熔炼装置网络化控 制方法

技术领域

本发明属于工业以太网控制技术领域，涉及的是一种基于调度与控制器参数动态重构的多晶硅熔炼装置网络化控制方法。

背景技术

无机材料的熔炼作为材料制备过程的重要工序之一,直接影响着材料的品质,多晶硅熔炼设备的无人监控是现代硅材料制造业转型升级的关键,关系着国家半导体行业现代化与国际化的进程。多晶硅外观、纯度及间隙氧含量等很大一部分原因取决于熔炼过程好坏；同时，基于以太网的网络化控制方法也是提高多晶硅材料质量必不可少的要求。

网络控制系统是一种全分布式、网络化实时反馈控制系统，是指传感器、控制器及执行器和通信网络的集合，用通信网络提供设备之间的数据传输，从而实现系统资源共享和协调操作。目前，针对多变量通信受限的网络控制器的设计方法普遍采用通信序列及混合逻辑动态构架的概念将原有网络控制系统转变成集调度和控制于一体的离散周期性时变切换系统，进而设计相应的控制器。这类设计方法普遍存在控制器的个数要受原有通信序列周期数的约束并且结构复杂；更进一步，当网络服务质量发生动态变化的时候，往往需要多个控制器周期性频繁切换才能确保控制系统的性能；另一方面，这类方法所用到的相关专业理论知识较多，不便于被工程技术人员掌握和推广使用。

发明内容

为了克服具有随机短时延的多输入/多输出多晶硅熔炼装置网络化控制系统中存在控制增益、通信序列无法动态重构的问题，本发明提供可根据系统IAE性能指标动态地调整信息的传输方式，克服网络传输调度受限于当前传输网络利用率的先验知识，无法自适应网络的动态变化，无法保证整个闭环网络化控制系统具有良好的抗干扰性和鲁棒性，在恶劣情况下甚至会引起控制器失效，从而使得整个闭环网络控制系统达不到预先设计的控制性能问题。

同时，本发明可根据网络实时状态进行控制器参数动态重构的单一控制器，克服原有控制器结构复杂并受通信序列传输周期约束问题，避免多个控制器周期性切换，方便被工程技术人员掌握和推广使用。本发明可有效改善网络环境，提高网络利用率及系统的整体性能。为了解决上述技术问题采用的技术方案为：

基于调度与控制器参数动态重构的多晶硅熔炼装置网络化控制方法，包括如下步骤：

Step 1、根据实际工况对多晶硅熔炼装置进行系统辨识和参数估计如式(1)：

其中表示r维多晶硅熔炼装置的状态向量；表示m维多晶硅熔炼装置的阀门开度输入向量，τ_k表示每个采样周期内的随机有界网络短时延，且满足0≤τ_k≤eh(0＜e＜1)h为控制系统的采样周期，表示q维的部扰动信号，表示多晶硅熔炼装置的被调输出温度、压力和氧气浓度信号向量，A_p,B_p,C_p是适当维数的系统矩阵；

Step 2：设置控制系统的采样周期h、调度周期步长N、调度周期T，并满足：T＝Nh；设置多晶硅熔炼装置kT+αh时刻采样序列的调度系数θ_i(kT+αh)阈值η_i和kT+βh时刻更新序列的调度系数δ_j(kT+βh)阈值并设置调度策略如式(2)所示：

其中i∈(1,…,r),α∈(1,…,N)j∈(1,…,m),β∈(0,…,N-1)，IAE表示信号的绝对误差性能。

当k＝1时，设置初始调度矩阵Λ_α＝I，Ξ_β＝I，否则根据调度策略生成当前调度周期T内的采样调度矩阵和更新调度矩阵

其中为kT+αh时刻采样序列调度系数组成的向量，为kT+βh时刻更新序列调度系数组成的向量；

Step 3:系统以调度周期T离散化，并根据step 2的调度策略建立如下映射关系：

其中为系统调度后控制器的输入状态向量，为经系统调度后控制器的输出向量；

构建系统增广向量矩阵包括：状态向量矩阵X(kT)，控制器输出U(kT)、控制器的有效输入执行器的有效输入被调输出Z(kT)、外部扰动信号W(kT)、采样调度矩阵更新调度矩阵和并建立新的映射关系如下：

其中：

Step 4:设置系统状态反馈控制器重新构造新的状态向量M、N、L如下：

L＝H₁′并建立集调度与控制为一体的闭环系统模型(5)：

其中：

K_k为控制器参数,τ_kd----表示第k个调度周期内第d个采样周期的时延,A、B₀(τ_k)、B₁(τ_k1)、H₀、A_e、B₀′(τ_k)、B₁′(τ_k)、H₀′、D₀′(τ_k)、C_e′、D₁′(τ_k)、H₁′为中间计算变量；

Step 5：重新定义计算变量 并在线求解以下的优化问题:

min r

X＞0

利用上一步得到的可行解，可得状态反馈控制器参数其中表示矩阵的伪逆；当k＝k+1，重新回到Step 3求解控制器参数；温度控制信号由D/A转换后输出至电加热装置，压力控制信号由D/A转换后输出至溢流阀，流量控制信号由D/A转换后输出至溢流节流阀，最后作用到多晶硅熔炼装置,使多晶硅熔炼装置的温度、压力和流量运行在给定的范围内。

本发明的有益效果主要表现在：单一控制器、系统传输周期动态重构、控制器参数动态重构结构简单。

附图说明

图1是本发明给出的多晶硅熔炼装置闭环控制结构图

图2是本发明实际运行时采用的结构示意图

实施方式

下面结合附图对本发明作进一步描述。

参照图1～图2，一种基于调度与控制器参数动态重构的多晶硅熔炼装置网络化控制方法，本实施例多晶硅熔炼装置温度、压力和氧气浓度网络化控制过程：

第一步、在组态界面上设置模型辨识的相应参数，确定多晶硅熔炼装置的辨识模型如下：

其中：x(t)是系统的状态向量，u(t)＝[u₁ u₂]^T是控制输入向量，u₁代表罐内蒸汽阀门开度，u₂代表冷凝水阀门开度。z(t)＝[z₁ z₂]^T是被控输出向量，z₁代表罐内温度，z₂代表罐内压力。w(t)是外部扰动向量。由工控机将对象模型辨识参数等数据送到存储单元RAM中；并在组态界面上设置系统为“离线”调节状态。按照附图2所示的闭环控制结构图组建一个闭环控制系统。

第二步：在组态界面上设置系统采样周期h＝1s，调度周期的步长N＝2，IAE控制性能指标的阈值分别为η₁＝0.01，η₂＝0.05，

第三步：在组态界面上点击“运行”键，在线计算调度的通信序列、控制器参数。

第四步：对u(k)进行限幅，防止积分饱和，然后由D/A转换后输出至执行器，由执行器作用到被控对象,使被控对象运行在给定的范围内；此时组态界面上显示的是在线情况下的系统闭环响应曲线，观察曲线进行在线微调。

第五步：在组态界面上设置系统为“在线”调节状态，启动控制系统参数调节，重新执行“在线控制程序”得到当前时刻的控制量。

以上阐述的是本发明给出的一个实施例表现出的优良优化效果，显然本发明不只是限于上述实施例，在不偏离本发明基本精神及不超出本发明实质内容所涉及范围的前提下对其可作种种变形加以实施。

Claims (1)

1.基于调度与控制器参数动态重构的多晶硅熔炼装置网络化控制方法，包括以下步骤：

Step 1、根据实际工况对多晶硅熔炼装置进行系统辨识和参数估计如式(1)：

$\left\{\begin{array}{c}\stackrel{\·}{x}\left(t\right)=A_{p}x(t,{\mathrm{\τ}}_k)+B_{p}u(t,{\mathrm{\τ}}_k)\\ z\left(t\right)=C_{p}x(t,{\mathrm{\τ}}_k)+w\left(t\right)\end{array}\right.---\left(1\right)$

其中表示r维多晶硅熔炼装置的状态向量；表示m维多晶硅熔炼装置的阀门开度输入向量，τ_k表示每个采样周期内的随机有界网络短时延，且满足0≤τ_k≤eh(0＜e＜1)h为控制系统的采样周期，表示q维的部扰动信号，表示多晶硅熔炼装置的被调输出温度、压力、流量信号向量，A_p,B_p,C_p是适当维数的系统矩阵，R^x(r,m,q,n∈x)表示x维的实数集；

Step 2：设置控制系统的采样周期h、调度周期步长N、调度周期T，并满足：T＝Nh；设置多晶硅熔炼装置kT+αh时刻采样序列的调度系数θ_i(kT+αh)阈值η_i和kT+βh时刻更新序列的调度系数δ_j(kT+βh)阈值并设置调度策略如式(2)所示：

其中i∈(1,…,r),α∈(1,…,N)j∈(1,…,m),β∈(0,…,N-1)，IAE表示信号的绝对误差性能。

当k＝1时，设置初始调度矩阵Λ_α＝I，Ξ_β＝I，否则根据调度策略生成当前调度周期T内的采样调度矩阵和更新调度矩阵

其中为kT+αh时刻采样序列调度系数组成的向量，为kT+βh时刻更新序列调度系数组成的向量；

Step 3:系统以调度周期T离散化，并根据step 2的调度策略建立如下映射关系：

其中为系统调度后控制器的输入状态向量，为经系统调度后控制器的输出向量；

构建系统增广向量矩阵包括：状态向量矩阵X(kT)，控制器输出U(kT)、控制器的有效输入执行器的有效输入被调输出Z(kT)、外部扰动信号W(kT)、采样调度矩阵更新调度矩阵和并建立新的映射关系如下：

$\left\{\begin{array}{c}\stackrel{\‾}{X}\left(kT\right)=\stackrel{\‾}{\mathrm{\Λ}}\left(kT\right)X\left(kT\right)\\ \stackrel{\‾}{U}\left(kT\right)={\stackrel{\‾}{\mathrm{\Ξ}}}_0\left(kT\right)U\left(kT\right)+{\stackrel{\‾}{\mathrm{\Ξ}}}_1\left(kT\right)\stackrel{\‾}{U}\left(kT\right)\end{array}\right.---\left(4\right)$

其中：

$X\left(kT\right)=\left[\begin{array}{c}x\[(k-1)T+h\]\\ x\[(k-1)T+2h\]\\ .\\ .\\ .\\ x\left(kT\right)\end{array}\right],U\left(kT\right)=\left[\begin{array}{c}u\left(kT\right)\\ u(kT+h)\\ .\\ .\\ .\\ u\[kT+(N-1)h\]\end{array}\right]$

$\stackrel{\‾}{X}\left(kT\right)=\left[\begin{array}{c}\stackrel{\‾}{x}\[(k-1)T+h\]\\ \stackrel{\‾}{x}\[(k-1)T+2h\]\\ .\\ .\\ .\\ \stackrel{\‾}{x}\left(kT\right)\end{array}\right],\stackrel{\‾}{U}\left(kT\right)=\left[\begin{array}{c}\stackrel{\‾}{u}\left(kT\right)\\ \stackrel{\‾}{u}(kT+h)\\ .\\ .\\ .\\ \stackrel{\‾}{u}\[kT+(N-1)h\]\end{array}\right],Z\left(kT\right)=\left[\begin{array}{c}z\left(kT\right)\\ z(kT+h)\\ .\\ .\\ .\\ z\[kT+(N-1)h\]\end{array}\right],$

${\stackrel{\‾}{\mathrm{\Ξ}}}_1\left(kT\right)=\left[\begin{array}{cccc}0& \mathrm{...}& 0& I-{\mathrm{\Ξ}}_0\\ 0& \mathrm{...}& 0& (I-{\mathrm{\Ξ}}_1)(I-{\mathrm{\Ξ}}_0)\\ .& & .& .\\ .& \mathrm{...}& .& .\\ .& & .& .\\ 0& 0& 0& {\Π}_{i=1}^{N-1}(I-{\mathrm{\Ξ}}_i)\end{array}\right],$

Step 4:设置系统状态反馈控制器重新构造新的状态向量G、M、N、L如下：

$\tilde{X}\left(kT\right)={\left[\begin{array}{cc}{X}^T\left(kT\right)& {\stackrel{\‾}{U}}^T\[(k-1)T\]\end{array}\right]}^T,$

$G=\left[\begin{array}{cc}{A}_e+B_0^{\′}\left({\mathrm{\τ}}_k\right){\stackrel{\‾}{\mathrm{\Ξ}}}_0\left(kT\right)K_k\stackrel{\‾}{\mathrm{\Λ}}\left(kT\right)& B_0^{\′}\left({\mathrm{\τ}}_k\right){\stackrel{\‾}{\mathrm{\Ξ}}}_1\left(kT\right)+B_1^{\′}\left({\mathrm{\τ}}_k\right)\\ {\stackrel{\‾}{\mathrm{\Ξ}}}_0\left(kT\right)K_k\stackrel{\‾}{\mathrm{\Λ}}\left(kT\right)& {\stackrel{\‾}{\mathrm{\Ξ}}}_1\left(kT\right)\end{array}\right],$

L＝H′₁并建立集调度与控制为一体的闭环系统模型(5)：

$\left\{\begin{array}{c}\tilde{X}\[(k+1)T\]=G\left(kT\right)+MW\left(kT\right)\\ Z\left(kT\right)=N\tilde{X}\left(kT\right)+LW\left(kT\right)\end{array}\right.---\left(5\right)$

其中：

K_k为控制器参数，τ_kd----表示第k个调度周期内第d个采样周期的时延，A、B₀(τ_k)、B₁(τ_k1)、H₀、A_e、B′₀(τ_k)、B′₁(τ_k)、H′₀、D′₀(τ_k)、C′_e、D′₁(τ_k)、H′₁为中间计算变量；

$A=e^{A_{p}h},B_0\left({\mathrm{\τ}}_k\right)={\∫}_0^{h-{\mathrm{\τ}}_{k1}}{e}^{A_{p}s}{\mathrm{dsB}}_p,B_1\left({\mathrm{\τ}}_{k1}\right)={\∫}_{h-{\mathrm{\τ}}_{k1}}^h{e}^{A_{p}s}{\mathrm{dsB}}_p,H_0={\∫}_0^h{e}^{A_{p}s}{\mathrm{dsH}}_p,$

$A_e=\left[\begin{array}{cccc}0& \mathrm{...}& 0& A\\ 0& \mathrm{...}& 0& A^2\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ 0& \mathrm{...}& 0& A^N\end{array}\right]$

Step 5：重新定义计算变量 并在线求解以下的优化问题:

$\begin{array}{c}\min r\\ \begin{array}{cc}s.t.& \left[\begin{array}{ccccc}-X& 0& {(C_e^{\&prime;}X+{\tilde{B}}_{1}Y)}^T& {(A_e^{\&prime;}X+{\tilde{B}}_{0}Y)}^T& {({\tilde{E}}_{0}Y+{\tilde{E}}_{1}X)}^T\\ *& -rI& L^T& M^T& 0\\ *& *& -I+\mathrm{\&epsiv;}{\tilde{D}}_1{\tilde{D}}_1^T& {\tilde{D}}_0{\tilde{D}}_0^T& 0\\ *& *& *& -X+\mathrm{\&epsiv;}{\tilde{D}}_0{\tilde{D}}_0^T& 0\\ *& *& *& *& -\mathrm{\&epsiv;}I\end{array}\right]<0\end{array}\\ X>0\end{array}---\left(6\right)$

利用上一步得到的可行解，可得状态反馈控制器参数其中表示矩阵的伪逆；当k＝k+1，重新回到Step 3求解控制器参数；温度控制信号由D/A转换后输出至电加热装置，压力控制信号由D/A转换后输出至溢流阀，流量控制信号由D/A转换后输出至溢流节流阀，最后作用到多晶硅熔炼装置,使多晶硅熔炼装置的温度、压力和流量运行在给定的范围内。