CN111123708B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN111123708B CN111123708B CN201911392561.XA CN201911392561A CN111123708B CN 111123708 B CN111123708 B CN 111123708B CN 201911392561 A CN201911392561 A CN 201911392561A CN 111123708 B CN111123708 B CN 111123708B
- Authority
- CN
- China
- Prior art keywords
- ith
- furnace
- subsystem
- moment
- time
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive 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
- G05B13/042—Adaptive 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 parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种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。本发明的技术方案是通过数据采集、模型建立、预测机理、优化等手段,确立了一种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,利用该方法在保证高控制精度和稳定性的前提下,能很好的处理多变量耦合系统,改善动态性能指标,在一定程度上提升系统的控制性能。
Description
技术领域
本发明属于自动化技术领域,涉及一种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。
背景技术
在复杂流程工业中,针对复杂高维的大规模系统,分布式动态矩阵控制(DDMC)虽然控制效果已经能满足基本的要求,但系统跟踪设定值较慢,有时超调量过大,抗扰性弱,快速性不够好,对于有些要求较高的工业过程可能达不到相关的标准。而FOPID(分数阶比例积分微分控制)较传统的PID控制器增加了两个调节参数λ(积分阶次)和μ(微分阶次),在继承传统PID控制结构简单,鲁棒性强等优点上,又扩大了控制器的控制范围和参数的整定范围,使控制效果更为优越。如果能够将FOPID和DDMC算法相结合,系统的控制性能将得到进一步的提升。
发明内容
本发明目的是针对DDMC在多变量过程控制中的不足,提出了一种基于FOPID-DDMC(分数阶PID和分布式动态矩阵控制算法结合)优化的焦化炉炉膛压力控制方法。该方法结合FOPID和DDMC算法,继承了两者的优点,同时也弥补了传统DDMC的不足。
本发明通过获取对象的阶跃响应数据来建立对象模型,依据分布式控制相关思想,将多变量大规模系统分解为多个小规模智能体子系统,同时各智能体子系统之间相互传输通信,以提高系统的整体性能。通过引入FOPID因子重构新的控制性能指标,通过纳什最优思想构造各子系统的相应的控制器,进而求得整个系统的最优控制律,再将获取的即时控制律作用于对应的智能体子系统,并将时域滚动到下一时刻,重复上述过程,从而完成整个系统的优化控制。
本发明的技术方案是通过数据采集、模型建立、预测机理、优化等手段,确立了一种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,利用该方法在保证高控制精度和稳定性的前提下,能很好的处理多变量耦合系统,改善动态性能指标,在一定程度上提升系统的控制性能。
本发明方法的步骤包括:
步骤1.通过焦化炉炉膛压力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:
1.1将工业过程中的多变量N输入N输出的系统分散为N个智能体子系统。以第j个智能体子系统控制量为输入对第i个智能体子系统输出量进行阶跃响应实验,并记录第j(1≤j≤N)个输入对第i(1≤i≤N)个输出的阶跃响应曲线。
1.2通过滤波的方式将步骤1.1中获取的阶跃响应曲线拟合成一条光滑的曲线,并记录该曲线在每个采样时刻Tl下相对应的阶跃响应数据,将采样时刻定义为Tl、2Tl、3Tl……。模型的阶跃响应将在某一时刻tL=LijTl后趋于平稳,当aij(k′)(k′>Lij)与aij(Lij)的误差趋于0时,则可近似认为aij(Lij)等于阶跃响应的稳态值。建立第j个输入对第i个输出之间的阶跃响应模型向量aij:
aij=[aij(1),aij(2),...,aij(Lij)]T
其中,aij(k′)为tL=k′Tl时的阶跃响应采样值,k′为当前采样次数,Lij为第j个输入对第i个输出的建模时域,T为矩阵的转置符号。
步骤2.第i个智能体子系统的FOPID-DDMC控制器的设计,具体方法是:
2.1利用步骤1获取的阶跃响应模型向量aij建立被控对象的动态矩阵,其形式如下:
其中Aij为第j个智能体子系统输入对第i个智能体子系统的P×M阶动态矩阵,aij(k)为第j个输入对第i个输出阶跃响应的数据,P、M分别为分布式动态矩阵控制算法的优化时域和控制时域。
2.2获取第i个智能体子系统当前k时刻的模型预测初始响应值yi,0(k)
在k-1时刻加入各智能体子系统的控制增量Δu1(k-1),Δu2(k-1),…,ΔuN(k-1),得到第i个智能体子系统模型预测值yi,P(k-1)。
其中,
yi,1(k|k-1),yi,1(k+1|k-1),…,yi,1(k+L-1|k-1)分别表示第i个智能体子系统在k-1时刻对k,k+1,…,k+L-1时刻加入控制增量Δu1(k-1),Δu2(k-1),…,ΔuN(k-1)后的模型预测值,yi,0(k|k-1),yi,0(k+1|k-1),…,yi,0(k+L-1|k-1)表示k-1时刻对k,k+1,…,k+L-1时刻的初始预测值,Aii,0,Aij,0分别为第i个智能体子系统和第j个智能体子系统对第i个智能体子系统阶跃响应数据建立的矩阵,Δu1(k-1),Δu2(k-1),…,ΔuN(k-1)为k-1时刻各智能体子系统的控制增量;L为建模时域。
接着得到k时刻第i个智能体子系统的模型预测误差值ei(k):
ei(k)=yi(k)-yi,1(k|k-1)
其中yi(k)表示k时刻测得的第i个智能体子系统的实际输出值;
进一步得到k时刻修正后的模型输出yi,cor(k):
yi,cor(k)=yi,0(k-1)+hei(k)
其中,
yi,cor(k|k),yi,cor(k+1|k),…,yi,cor(k+L-1|k)分别表示第i个智能体子系统在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;
最后得到k时刻第i个智能体子系统的模型预测的初始响应值yi,0(k):
yi,0(k)=Syi,cor(k)
其中,S为L×L阶的状态转移矩阵,
2.3计算第i个智能体子系统在M个连续的控制增量Δui(k),…,Δui(k+M-1)下的预测输出值yi,PM,具体方法是:
yi,0(k+1|k),yi,0(k+2|k),…,yi,0(k+P|k)为第i个智能体子系统k时刻对k+1,k+2,…,k+P时刻的初始预测输出值;
2.4选取第i个智能体子系统的性能指标Ji(k),形式如下:
Δui,M(k)=[Δui(k),…,Δui(k+M-1)]T
wi(k)=[wi(k+1),…,wi(k+P)]T
wi(k+ε)=θεyi(k)+(1-θε)c(k)(ε=1,...,P)
其中wi(k+ε)为第i个智能体子系统给定期望输出的参考轨迹,为误差加权系数矩阵,为控制加权系数矩阵,和分别为Qi,Ri中的权重系数,θ为参考轨迹的柔化系数,yi(k)为k时刻第i个智能体的过程实际输出,c(k)为k时刻第i个智能体子系统的期望输出。
2.5增量式FOPID的控制增量Δu(k)的求取
在时域范围内,FOPID控制器的传递函数为
u(t)=Kpe(t)+KiD-λe(t)+KdDμe(t)
其中,u(t)为t时刻控制器的输出值,e(t)为t时刻控制器输入的偏差值,Kp、Ki、Kd分别为比例增益、积分常数和微分常数三个设计参数,λ和μ分别表示积分阶数和微分阶数,D为分数阶微积分的基本操作算子。
为了对FOPID进行数值运算,将传递函数离散化得:
则增量式FOPID的控制增量Δu(k)为:
则:
2.6将FOPID引入DDMC的目标函数中
选取第i个智能体子系统的性能指标为:
wi(k)=[wi(k+1),wi(k+2),…,wi(k+P)]T
wi(k+ε)=θεyi(k)+(1-θε)c(k)(ε=1,…,P)
表示第i个智能体子系统的输出误差,Δ表示差分算子,为第i个智能体子系统的控制权系数矩阵,wi(k+ε)为第i个智能体子系统给定期望输出的参考轨迹,yi(k)为k时刻第i个智能体子系统的过程实际输出,c(k)为k时刻第i个智能体子系统的期望输出,θ为参考轨迹柔化因子。
根据上式中有
引入矩阵
则:
综上可以获得第i个智能体子系统的性能指标为:
则:
2.7求取系统的最优控制律
依据纳什最优的思想,以Δui,M(k)为控制变量,最小化目标函数。
2.8由步骤2.2到步骤2.7,可进一步得到k时刻第i个智能体子系统的新一轮迭代最优解为:
则整个系统在k时刻的最优控制律为:
2.9将第i个智能体子系统k时刻的纳什最优解首项作为即时控制律Δui(k),得到第i个智能体子系统的实际控制量ui(k)=ui(k-1)+Δui(k)作用于第i个智能体子系统。
2.10在下一时刻,重复步骤2.2到2.9,继续求解第i个智能体子系统的即时控制律Δui(k+1),进而得到整个系统的最优控制律Δu(k+1),并依次循环。
本发明的有益效果:本发明提出了一种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。该方法通过采集实时阶跃响应数据建立被控对象的模型向量,引入分数阶PID后设计了基于分布式动态矩阵控制优化的控制器,在保证系统整体性能的同时,弥补了传统分布式动态矩阵控制的不足。相比基于传统整数阶PID的分布式动态矩阵控制优化方法,增加了积分阶次和微分阶次两个参数,扩大了控制器的控制范围和参数的整定范围,使系统控制效果更为优越,提高了系统灵活性、鲁棒性和整体控制性能。
具体实施方式
以焦化炉炉膛压力控制为例:
焦化炉炉膛压力控制系统是一个典型的多变量耦合过程,通过控制烟道挡板的阀门开度来进行调节。
步骤1、通过获取焦化炉炉膛系统压力对象的阶跃响应数据来建立被控焦化炉炉膛压力的模型,具体步骤是:
1.1将一个N输入N输出的焦化炉炉膛系统分散为N个炉膛子系统。以第j个炉膛子系统控制量为输入对第i个炉膛子系统输出量进行阶跃响应实验,并记录第j(1≤j≤N)个输入对第i(1≤i≤N)个输出的阶跃响应曲线。
1.2通过滤波的方式将步骤1.1中获取的阶跃响应曲线拟合成一条光滑的曲线,并记录该曲线在每个采样时刻Tl下相对应的阶跃响应数据,将采样时刻定义为Tl、2Tl、3Tl……。该焦化炉炉膛压力模型的阶跃响应将在某一时刻tL=LijTl后趋于平稳,当aij(k′)(k′>Lij)与aij(Lij)的误差趋于0时,则可近似认为aij(Lij)等于阶跃响应的稳态值。建立第j个输入对第i个输出之间的阶跃响应模型向量aij:
aij=[aij(1),aij(2),…,aij(Lij)]T
其中,aij(k′)为tL=k′Tl时的阶跃响应采样值,k′为当前采样次数,Lij为第j个输入对第i个输出的建模时域,T为矩阵的转置符号
步骤2.第i个炉膛子系统的FOPID-DDMC控制器的设计,具体方法是:
2.1利用步骤1获取的阶跃响应模型向量aij建立被控对象的动态矩阵,其形式如下:
其中Aij为第j个炉膛子系统输入对第i个炉膛子系统的P×M阶动态矩阵,aij(k)为第j个炉膛子系统输入对第i个炉膛子系统输出阶跃响应的数据,P、M分别为分布式动态矩阵控制算法的优化时域和控制时域。
2.2获取第i个炉膛子系统当前k时刻的模型预测初始响应值yi,0(k)
在k-1时刻加入各炉膛子系统的阀门开度增量Δu1(k-1),Δu2(k-1),…,ΔuN(k-1),得到第i个炉膛子系统模型预测值yi,P(k-1)。
其中,
yi,1(k|k-1),yi,1(k+1|k-1),…,yi,1(k+L-1|k-1)分别表示第i个炉膛子系统在k-1时刻对k,k+1,…,k+L-1时刻加入阀门开度增量Δu1(k-1),Δu2(k-1),…,ΔuN(k-1)后的模型预测值,yi,0(k|k-1),yi,0(k+1|k-1),…,yi,0(k+L-1|k-1)表示k-1时刻对k,k+1,…,k+L-1时刻的初始预测值,Aii,0,Aij,0分别为第i个炉膛子系统和第j个炉膛子系统对第i个炉膛子系统阶跃响应数据建立的矩阵,Δu1(k-1),Δu2(k-1),…,ΔuN(k-1)为k-1时刻各炉膛子系统的阀门开度增量;L为建模时域。
接着得到k时刻第i个炉膛子系统的模型预测误差值ei(k):
ei(k)=yi(k)-yi,1(k|k-1)
其中yi(k)表示k时刻测得的第i个炉膛子系统的实际输出值;
进一步得到k时刻修正后的模型输出yi,cor(k):
yi,cor(k)=yi,0(k-1)+hei(k)
其中,
yi,cor(k|k),yi,cor(k+1|k),…,yi,cor(k+L-1|k)分别表示第i个炉膛子系统在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;
最后得到k时刻第i个炉膛子系统的模型预测的初始响应值yi,0(k):
yi,0(k)=Syi,cor(k)
其中,S为L×L阶的状态转移矩阵,
2.3计算第i个炉膛子系统在M个连续的阀门开度增量Δui(k),…,Δui(k+M-1)下的预测输出值yi,PM,具体方法是:
yi,0(k+1|k),yi,0(k+2|k),…,yi,0(k+P|k)为第i个炉膛子系统k时刻对k+1,k+2,…,k+P时刻的初始预测输出值。
2.4选取第i个炉膛子系统的性能指标Ji(k),形式如下:
Δui,M(k)=[Δui(k),…,Δui(k+M-1)]T
wi(k)=[wi(k+1),…,wi(k+P)]T
wi(k+ε)=θεyi(k)+(1-θε)c(k)(ε=1,…,P)
其中wi(k+ε)为第i个炉膛子系统给定期望输出的参考轨迹,为误差加权系数矩阵,为控制加权系数矩阵,和分别为Qi,Ri中的权重系数,θ为参考轨迹的柔化系数,yi(k)为k时刻第i个炉膛子系统的过程实际输出,c(k)为k时刻第i个炉膛子系统的期望输出。
2.5增量式FOPID的阀门开度增量Δu(k)的求取
在时域范围内,FOPID控制器的传递函数为
u(t)=Kpe(t)+KiD-λe(t)+KdDμe(t)
其中,u(t)为t时刻控制器的输出值,e(t)为t时刻控制器输入的偏差值,Kp、Ki、Kd分别为比例增益、积分常数和微分常数三个设计参数,λ和μ分别表示积分阶数和微分阶数,D为分数阶微积分的基本操作算子。
为了对FOPID进行数值运算,将传递函数离散化得:
则增量式FOPID的阀门开度增量Δu(k)为:
则:
2.6将FOPID引入DDMC的目标函数中
选取第i个炉膛子系统的性能指标为:
wi(k)=[wi(k+1),wi(k+2),…,wi(k+P)]T
wi(k+ε)=θεyi(k)+(1-θε)c(k)(ε=1,…,P)
表示第i个炉膛子系统的输出误差,Δ表示差分算子,为第i个炉膛子系统的控制权系数矩阵,wi(k+ε)为第i个炉膛子系统给定期望输出的参考轨迹,yi(k)为k时刻第i个炉膛子系统的过程实际输出,c(k)为k时刻第i个炉膛子系统的期望输出,θ为参考轨迹柔化因子。
根据上式中有
引入矩阵
则:
综上可以获得第i个炉膛子系统的性能指标为:
则:
2.7求取焦化炉炉膛系统的阀门开度增量
依据纳什最优的思想,以Δui,M(k)为阀门开度增量,最小化目标函数。
2.8由步骤2.2到步骤2.7,可进一步得到k时刻第i个炉膛子系统的新一轮迭代最优阀门开度增量为:
则整个系统在k时刻的最优阀门开度增量为:
2.9将第i个炉膛子系统k时刻的最优阀门开度增量首项作为即时阀门开度增量Δui(k),得到第i个炉膛子系统的实际阀门开度增量ui(k)=ui(k-1)+Δui(k)作用于第i个炉膛子系统。
2.10在下一时刻,重复步骤2.2到2.9,继续求解第i个炉膛子系统的即时阀门开度增量Δui(k+1),进而得到整个炉膛系统的最优阀门开度增量Δu(k+1),并依次循环。
Claims (1)
1.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,通过控制烟道挡板的阀门开度来进行调节,其特征在于包括以下步骤:
步骤1.通过焦化炉炉膛系统压力对象的实时阶跃响应数据建立被控焦化炉炉膛压力的模型,具体是:
1.1将工业过程中的多变量N输入N输出的焦化炉炉膛系统分散为N个炉膛子系统;以第j个炉膛子系统控制量为输入对第i个炉膛子系统输出量进行阶跃响应实验,并记录第j个输入对第i个输出的阶跃响应曲线;
1.2通过滤波的方式将步骤1.1中获取的阶跃响应曲线拟合成一条光滑的曲线,并记录该曲线在每个采样时刻Tl下相对应的阶跃响应数据,根据所获得的阶跃响应数据建立起焦化炉炉膛压力的模型,将采样时刻定义为Tl、2Tl、3Tl……;该焦化炉炉膛压力模型的阶跃响应将在某一时刻tL=LijTl后趋于平稳,当aij(k′)与aij(Lij)的误差趋于0时,则认为aij(Lij)等于阶跃响应的稳态值;建立第j个输入对第i个输出之间的阶跃响应模型向量aij:
aij=[aij(1),aij(2),…,aij(Lij)]T
其中,aij(k′)为tL=k′Tl时的阶跃响应采样值,k′为当前采样次数,Lij为第j个输入对第i个输出的建模时域,T为矩阵的转置符号;
步骤2.第i个炉膛子系统的FOPID-DDMC控制器的设计,具体是:
2.1利用步骤1获取的阶跃响应模型向量aij建立被控对象的动态矩阵,其形式如下:
其中Aij为第j个炉膛子系统输入对第i个炉膛子系统的P×M阶动态矩阵,aij(k)为第j个输入对第i个输出阶跃响应的数据,P、M分别为分布式动态矩阵控制算法的优化时域和控制时域;
2.2获取第i个炉膛子系统当前k时刻的模型预测初始响应值yi,0(k)
在k-1时刻加入各炉膛子系统的阀门开度增量Δu1(k-1),Δu2(k-1),…,ΔuN(k-1),得到第i个炉膛子系统模型预测值yi,P(k-1);
其中,
yi,1(k|k-1),yi,1(k+1|k-1),…,yi,1(k+L-1|k-1)分别表示第i个炉膛子系统在k-1时刻对k,k+1,…,k+L-1时刻加入阀门开度增量Δu1(k-1),Δu2(k-1),…,ΔuN(k-1)后的模型预测值,yi,0(k|k-1),yi,0(k+1|k-1),…,yi,0(k+L-1|k-1)表示k-1时刻对k,k+1,…,k+L-1时刻的初始预测值,Aii,0,Aij,0分别为第i个炉膛子系统和第j个炉膛子系统对第i个炉膛子系统阶跃响应数据建立的矩阵,Δu1(k-1),Δu2(k-1),…,ΔuN(k-1)为k-1时刻各炉膛子系统的阀门开度增量;
接着得到k时刻第i个炉膛子系统的模型预测误差值ei(k):
ei(k)=yi(k)-yi,1(k|k-1)
其中yi(k)表示k时刻测得的第i个炉膛子系统的实际输出值;
得到k时刻修正后的模型输出yi,cor(k):
yi,cor(k)=yi,0(k-1)+hei(k)
其中,
yi,cor(k|k),yi,cor(k+1|k),…,yi,cor(k+L-1|k)分别表示第i个炉膛子系统在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;
最后得到k时刻第i个炉膛子系统的模型预测的初始响应值yi,0(k):
yi,0(k)=Syi,cor(k)
其中,S为L×L阶的状态转移矩阵,
2.3计算第i个炉膛子系统在M个连续的阀门开度增量Δui(k),…,Δui(k+M-1)下的预测输出值yi,PM,具体是:
yi,0(k+1|k),yi,0(k+2|k),…,yi,0(k+P|k)为第i个炉膛子系统k时刻对k+1,k+2,…,k+P时刻的初始预测输出值;
2.4选取第i个炉膛子系统的性能指标Ji(k),形式如下:
Δui,M(k)=[Δui(k),…,Δui(k+M-1)]T
wi(k)=[wi(k+1),…,wi(k+P)]T
wi(k+ε)=θεyi(k)+(1-θε)c(k)
其中wi(k+e)为第i个炉膛子系统给定期望输出的参考轨迹,为误差加权系数矩阵,为控制加权系数矩阵,和分别为Qi,Ri中的权重系数,θ为参考轨迹的柔化系数,yi(k)为k时刻第i个炉膛子系统的过程实际输出,c(k)为k时刻第i个炉膛子系统的期望输出;
2.5求取增量式FOPID的阀门开度增量Δu(k)
在时域范围内,FOPID控制器的传递函数为
u(t)=Kpe(t)+KiD-le(t)+KdDμe(t)
其中,u(t)为t时刻控制器的输出值,e(t)为t时刻控制器输入的偏差值,Kp、Ki、Kd分别为比例增益、积分常数和微分常数,λ和μ分别表示积分阶数和微分阶数,D为分数阶微积分的基本操作算子;
为了对FOPID进行数值运算,将传递函数离散化得:
则增量式FOPID的阀门开度增量Δu(k)为:
则:
2.6将FOPID引入DDMC的目标函数中
选取第i个炉膛子系统的性能指标为:
wi(k)=[wi(k+1),wi(k+2),…,wi(k+P)]T
wi(k+ε)=θεyi(k)+(1-θε)c(k);e=1,…,P
表示第i个炉膛子系统的输出误差,Δ表示差分算子,为第i个炉膛子系统的控制权系数矩阵,wi(k+ε)为第i个炉膛子系统给定期望输出的参考轨迹,yi(k)为k时刻第i个炉膛子系统的过程实际输出,c(k)为k时刻第i个炉膛子系统的期望输出,θ为参考轨迹的柔化系数;
根据上式中有
引入矩阵
则:
获得第i个炉膛子系统的性能指标为:
则:
2.7求取焦化炉炉膛系统的最优阀门开度增量
依据纳什最优的思想,以Δui,M(k)为阀门开度增量,最小化目标函数;
2.8由步骤2.2到步骤2.7,可进一步得到k时刻第i个炉膛子系统的新一轮迭代最优阀门开度增量为:
则整个焦化炉炉膛系统在k时刻的最优阀门开度增量为:
2.9将第i个炉膛子系统k时刻的最优阀门开度增量首项作为即时阀门开度增量Δui(k),得到第i个炉膛子系统的实际阀门开度ui(k)=ui(k-1)+Δui(k)作用于第i个炉膛子系统;
2.10在下一时刻,重复步骤2.2到2.9,继续求解第i个炉膛子系统的即时阀门开度增量Δui(k+1),进而得到整个炉膛系统的最优阀门开度增量Δu(k+1),并依次循环。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911392561.XA CN111123708B (zh) | 2019-12-30 | 2019-12-30 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911392561.XA CN111123708B (zh) | 2019-12-30 | 2019-12-30 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111123708A CN111123708A (zh) | 2020-05-08 |
CN111123708B true CN111123708B (zh) | 2022-10-18 |
Family
ID=70504803
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911392561.XA Active CN111123708B (zh) | 2019-12-30 | 2019-12-30 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111123708B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111506037A (zh) * | 2020-05-26 | 2020-08-07 | 杭州电子科技大学 | 动态矩阵优化的工业加热炉系统分布式控制方法 |
CN112947323B (zh) * | 2021-01-26 | 2022-03-18 | 杭州电子科技大学 | 一种显式模型预测控制优化的化工过程分布式控制方法 |
CN113419432B (zh) * | 2021-07-23 | 2022-04-08 | 珠海捷创华自科技有限公司 | 一种基于动态矩阵控制算法的污水处理系统精准加药方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105180136A (zh) * | 2015-10-08 | 2015-12-23 | 南京信息工程大学 | 基于分数阶pi动态矩阵的火电厂锅炉主蒸汽温度控制方法 |
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 |
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 |
CN106444388A (zh) * | 2016-12-06 | 2017-02-22 | 杭州电子科技大学 | 一种焦炭炉炉膛压力的分布式pid型动态矩阵控制方法 |
CN106483853A (zh) * | 2016-12-30 | 2017-03-08 | 杭州电子科技大学 | 炼油加热炉炉膛压力的分数阶分布式动态矩阵控制方法 |
-
2019
- 2019-12-30 CN CN201911392561.XA patent/CN111123708B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105180136A (zh) * | 2015-10-08 | 2015-12-23 | 南京信息工程大学 | 基于分数阶pi动态矩阵的火电厂锅炉主蒸汽温度控制方法 |
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 |
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 |
CN106444388A (zh) * | 2016-12-06 | 2017-02-22 | 杭州电子科技大学 | 一种焦炭炉炉膛压力的分布式pid型动态矩阵控制方法 |
CN106483853A (zh) * | 2016-12-30 | 2017-03-08 | 杭州电子科技大学 | 炼油加热炉炉膛压力的分数阶分布式动态矩阵控制方法 |
Non-Patent Citations (1)
Title |
---|
基于时域的分数阶PID动态矩阵控制算法改进;郭伟 等;《仪器仪表学报》;20100531;第31卷(第5期);第968-973页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111123708A (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN109581870B (zh) | 含能材料反应釜的釜内温度动态矩阵控制方法 | |
CN104375475B (zh) | 间歇反应器中间歇反应过程的优化控制方法 | |
CN109557810B (zh) | 一种基于新型二自由度内模pid的加热炉温度控制方法 | |
CN105911868B (zh) | 多批次间歇反应器二维迭代学习反馈控制方法 | |
CN105892296B (zh) | 一种工业加热炉系统的分数阶动态矩阵控制方法 | |
CN110609476B (zh) | 一种基于高斯过程模型的多变量非线性动态系统模型预测控制方法 | |
CN107045289A (zh) | 一种电加热炉温度的非线性神经网络优化pid控制方法 | |
CN111123871B (zh) | 针对化工过程遗传算法优化的预测函数控制方法 | |
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 | |
CN114839880A (zh) | 一种基于柔性关节机械臂的自适应控制方法 | |
JP2013069094A (ja) | 制御方法および制御装置 | |
CN106483853A (zh) | 炼油加热炉炉膛压力的分数阶分布式动态矩阵控制方法 | |
CN111506037A (zh) | 动态矩阵优化的工业加热炉系统分布式控制方法 | |
CN105700383B (zh) | 一种正压烘炉优化控制方法 | |
CN106444388A (zh) | 一种焦炭炉炉膛压力的分布式pid型动态矩阵控制方法 | |
CN110908286B (zh) | 不确定混沌系统间接自适应模糊最优同步控制器设计方法 | |
CN116880191A (zh) | 一种基于时序预测的过程工业生产系统的智能控制方法 | |
CN106773646A (zh) | 一种催化裂化过程中原油预热温度控制方法 | |
CN113534661B (zh) | 基于卡尔曼滤波和非最小状态空间的电阻炉温度控制方法 | |
CN113625556B (zh) | 一种循环流化床复杂工业系统的自适应控制方法 | |
CN114384800A (zh) | 一种具有输入信号延时的未知非线性系统反推控制方法 | |
CN105487379B (zh) | 一种焦化加热炉氧气含量的预测函数控制方法 | |
CN111413938B (zh) | 一种基于折算喷氨量的scr脱硝系统扰动抑制预测控制方法 | |
CN108829058B (zh) | 一种化工批次过程模糊迭代学习控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Teng Yiming Inventor after: Wu Feng Inventor after: Zhang Ridong Inventor after: Wu Sheng Inventor before: Teng Yiming Inventor before: Zhang Ridong Inventor before: Wu Sheng |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |