基于模型预测控制的反应再生工艺控制实现

介绍了先进控制系统中的模型预测控制技术。具体阐述了模型预测控制中的动态矩阵控制算法（DMC）,包括预测模型、滚动优化、反馈校正。以炼油厂催化裂化装氍的反应再生工艺为例,分析了反应再生工艺控制的多变量、多耦合特性,指出了控制的难点。最后,采用动态矩阵控制算法对反应再生工艺的一再、二再温度进行了优化控制,最终实现了控制目标。     

电厂直接空冷系统汽轮机背压的控制方法

针对传统PID对直接空冷系统背压控制效果差的问题,提出一种基于动态矩阵控制算法的直接空冷系统汽轮机背压控制方法。根据动态矩阵控制算法建立了背压控制器模型,并将它与PID控制的背压控制效果进行了仿真对比,结果表明:与传统PID控制相比,动态矩阵控制算法的响应更快、更稳定。     

基于动态优化的催化裂化装置再生器裕量分析与控制设计（Ⅰ）动态优化的数学描述

从操作和控制的角度,通过动态优化的方法求解催化裂化装置再生器的工艺裕量与控制设计。该动态优化问题的数学描述包括催化裂化装置反应-再生系统和配套控制系统的动态模型、多回路PID控制器结构模型、过程不确定性模型、稳态起始点约束、生产要求和操作约束及目标函数等。该优化问题是一个带有0-1变量约束的多目标混合整数动态优化问题,具有分别描述控制性能指标和工艺指标的两个不相关目标函数。对两个优化目标进行折中处理,可以使设计结果既能满足工艺要求,又能实现良好的自动控制。     

基于T-S模糊神经网络的Hammerstein模型预测控制

针对化工生产过程中强非线性、大滞后、时变特点的复杂特性,提出了一种基于T-S模糊神经网络的Hammerstein模型动态矩阵预测控制方法。采用非线性控制分离策略,应用动态矩阵控制算法计算该模型动态线性部分的中间变量,作为T-S模糊神经网络的输入,进而通过T-S模糊神经网络逆映射出控制量,以实现基于T-S模糊神经网络的Hammerstein模型预测控制。pH中和过程的仿真控制实验表明,所提方法明显优于传统的PID控制方法,具有良好的设定值跟踪及抗干扰效果。     

基于Wiener模型的pH中和过程非线性DMC控制

化工生产过程中常常涉及到pH值的控制,pH中和过程具有很强的非线性特性。通过对中和过程非线性特性的分析,引入了对象的Wiener模型,将中和过程的非线性特性分离。同时针对线性动态矩阵控制(DMC)存在的问题,采用分层优化的策略,提出了基于此模型的带有自校正参数辨识的非线性动态矩阵控制算法,实现了pH值的高精度控制。该方法具有很强的稳定性和鲁棒性,对于抑制过程流中存在的扰动,取得了比线性预测控制更好的控制效果。     

发酵罐温度对象的抗干扰预测控制

啤酒发酵过程由于反应机理复杂,其温度对象目前很难建立精确的数学模型,现阶段针对这类大时滞对象的一些典型的控制算法在模型不精确的情况下,难以取得好的控制效果,尤其当存在不可预测的干扰时,控制效果更难保障。因此本文针对啤酒发酵罐温度控制中的这一问题,基于动态矩阵控制的一步控制的思想,将时间最优控制与动态矩阵控制相结合,形成一种能快速抑制扰动的预测控制策略。通过仿真结果验证该控制策略能对干扰进行快速抑制,对发酵罐温度对象有较好的控制效果。     

纸机模型的预测函数控制

造纸过程是一个多变量、强耦合、大时滞的过程,采用传统的PID控制要达到很好的控制效果是很困难的。采用三种预测控制方法分别对纸机模型进行控制,并分别进行了仿真研究。从仿真结果可以看出,动态矩阵的跟踪效果不如广义预测控制,广义预测控制算法的跟踪性能较好,但是计算量较大,预测函数控制的响应速度较快,计算简单,控制效果也较好。     

Margin analysis and control design of FCCU regenerator based on dynamic optimization（Ⅰ）Mathematical description of dynamic optimization

从操作和控制的角度,通过动态优化的方法求解催化裂化装置再生器的工艺裕量与控制设计。该动态优化问题的数学描述包括催化裂化装置反应-再生系统和配套控制系统的动态模型、多回路PID控制器结构模型、过程不确定性模型、稳态起始点约束、生产要求和操作约束及目标函数等。该优化问题是一个带有0-1变量约束的多目标混合整数动态优化问题,具有分别描述控制性能指标和工艺指标的两个不相关目标函数。对两个优化目标进行折中处理,可以使设计结果既能满足工艺要求,又能实现良好的自动控制。     

智能预测控制在水泥生产脱硝系统中的应用

传统水泥生产线SNCR脱硝系统中存在氨水耗费量大、氮氧化物排放难以控制、扰动大及控制滞后等问题。本文提出了智能模型预测控制算法,该算法有两层优化控制,第一层利用逻辑斯蒂回归对历史数据进行回归分析,动态调整氮氧化物浓度的目标值;第二层通过模型预测控制算法动态调整氨水流量,降低氮氧化物浓度标准偏差,抑制氮氧化物浓度超调量。多次实施结果表明,该算法可以在保证氮氧化物浓度排放标准值的前提下,明显降低氨水消耗量,减少氨的逃逸率;另外可以显著减少氮氧化物浓度超出上限排放的次数。对于水泥生产脱硝系统,通过实施智能模型预测控制算法进行智能控制,可降低熟料生产成本,减轻环保压力,具有显著的社会意义。     

基于RBF神经网络陶瓷窑炉温度动态矩阵控制

陶瓷窑炉普遍具有纯滞后、大惯性、非线性、时变复杂等特点,其精确数学模型往往很难获取。针对这类系统,本文采用RBF神经网络建立被控对象模型,避免了常规控制算法建立对象精确数学模型的困难。应用动态矩阵预测算法实现对被控系统的预测控制。该控制方法具有很好的动、静态性能和强鲁棒性。以陶瓷窑炉温度为对象,与PID控制进行了比较;仿真结果证明了所提控制方法的有效性。     

模型预测控制在钠氨合成工艺上的应用研究

基于钠氨合成连续化生产工艺,从化学反应机理出发,建立钠氨塔式反应器动态机理模型。并对模型进行动态分析,对多变量非线性模型进行集总化、线性化处理。推广单变量模型预测控制到多变量模型预测控制,对反应器温度进行控制。通过仿真比较,验证了MPC控制算法比PID控制具有更好的控制效果。     

基于广义预测控制策略的微生物燃料电池控制

针对MFC系统启动阶段输出响应不稳定以及调节时间较长的问题,结合微生物燃料电池自身特性,提出了基于广义预测控制(generalized predictive control,GPC)的微生物燃料电池(microbial fuel cell,MFC)控制策略。与加入PID控制方法对比得知,加入GPC的MFC系统输出能够避免响应出现大幅度的抖动,且响应速度快,动态调节鲁棒性好,保证了动态输出曲线快速准确地跟踪系统设定值。在给定外电阻为恒值和醋酸盐浓度随时间阶梯变化时,通过带遗忘因子的最小二乘法进行模型辨识,将所得线性模型作为预测模型,采用GPC算法进行控制。仿真表明,GPC能在控制响应速度方面取得好的控制效果以及系统调节过程中的鲁棒性也有了较大的改善。有效地实现了对微生物燃料电池系统的动态性能以及鲁棒性能的优化,验证了所提出的算法有效可行。     

A Composite Model Predictive Control Strategy for Furnaces

Tube furnaces are essential and primary energy intensive facilities in petrochemical plants. Operational optimization of furnaces could not only help to improve product quality but also benefit to reduce energy consumption and exhaust emission. Inspired by this idea, this paper presents a composite model predictive control (CMPC) strategy, which, taking advantage of distributed model predictive control architectures, combines tracking nonlinear model predictive control and economic nonlinear model predictive control metrics to keep process running smoothly and optimize operational conditions. The controllers connected with two kinds of communication networks are easy to organize and maintain, and stable to process interferences. A fast solution algorithm combining interior point solvers and Newton's method is accommodated to the CMPC realization, with reasonable CPU computing time and suitable online applications. Simulation for industrial case demonstrates that the proposed approach can ensure stable operations of furnaces, improve heat efficiency, and reduce the emission effectively.     

一种改进的DMC算法在网络控制系统中的应用

研究网络环境下控制系统时延的组成与产生机理,提出一种基于动态矩阵控制（DMC）模型预测算法的改进DMC算法。该算法充分利用动态矩阵控制（DMC）算法中冗余的预测输出序列和控制增量序列,在控制数据由于网络时延和丢包而无法及时到达执行器时,实现对网络时延和数据丢包的补偿。并通过实验证明改进算法的有效性。     

广义预测控制在维生素C生产中的应用

根据维生素C生产工艺的操作分析和对控制的要求,本文开发应用了隐式自校正广义预测控制算法和相应的程序,并针对过程的时滞特性,在性能指标中引入输出预测误差加权矩阵,较好地解决了该生产过程慢时变、大滞后的跟踪控制问题.     

基于IGA和Hammerstein模型的非线性系统广义预测控制

针对非线性程度较高的系统,设计了一种广义预测控制器。该设计基于Hammerstein模型的动静态可分离特性,首先利用具有全局搜索能力的免疫遗传算法（IGA,Immune Genetic Algorithm）在线辨识模型的一些关键参数,然后运用广义预测控制策略实现对该系统的预测控制。仿真试验结果表明,该设计能够准确预测,而且稳定性好、稳态误差小。     

基于Matlab/Simulink的气体分离装置多变量预测控制

依据丙烯精馏塔的工艺流程,介绍丙烯精馏塔机理模型和辨识模型的构建方法,并通过系统辨识方法得到了被控对象的多输入多输出模型。介绍预测控制及其算法的基本原理,通过编写基于状态空间模型的单步预测控制算法,对丙烯精馏塔进行多变量预测控制仿真,比较了预测控制算法对可测干扰,不可测干扰的抑制作用。