新一代的自适应模型预测控制器

提出了新一代的自适应模型预测控制器,自适应MPC控制器由MPC控制模块、在线辨识模块、性能监控模块3个模块组成,相互协调配和来实现自适应MPC控制。除了控制器功能设计以外,其余过程均可自动进行。对于新建MPC应用,首先进行多变量测试与辨识,在模型符合控制要求时,自动进入控制器投运。通过控制器性能监视发现模型不满足控制要求精度时,触发一次多变量模型测试与辨识过程,替换原有模型进行控制,保证控制器性能始终处于最佳状态。自适应MPC控制器在PTA装置上的应用表明了算法的有效性。     

先进控制技术及应用第四讲模型预测控制及其工业应用

在介绍模型预测控制的特点之后,系统地阐述了多变量协调预测控制的基本原理,仿真实例说明了该算法的有效性,最后以大型炼油企业ＦＣＣＵ反再系统为例介绍了其工程应用。     

自校正分级模糊控制器的设计开发及应用

针对蒸发结晶生产过程中存在的液相温升速率和蒸发量耦合性较强、控制难度大的问题,设计开发了一个多变量自校正分级模糊控制器。生产实践表明,该自校正分级模糊控制器是解决多变量耦合控制问题的一种实用有效算法。     

多变量分散型预测控制应用研究

研究了多变量分散型预测控制在应用中的主要问题,并提出了在多变量过程控制中采用各子系统分散建模、分散预测控制并辅以基于规则的智能协调,以解决多变量系统的解耦和优化控制问题。其工程应用优点是建模简单、优化计算量小并且保证控制的安全性。     

一种基于模型的多变量协调控制技术

给出的基于模型的多变量协调控制技术将被控变量的动态控制问题与操作变量的静态优化问题有机地结合起来.对于操作变量多于被控变量的“胖”系统,本控制技术在保证对关键变量实施定点控制的同时,综合考虑操作变量的控制速度、操作成本等经济因素,尽可能将一些操作变量协调至理想操作区内,达到优化(节能、降耗)的目的.对于操作变量少于被控变量的“瘦”系统,则据被控变量的重要程度对其施加不同的控制.给出了控制器的唯一解条件、稳态无差和稳定性性质.针对催化裂化主分馏塔给出的仿真结果说明本协调控制有良好的控制性能,适合生产过程的需要.     

一类化工过程多变量系统的自适应非线性预测控制

针对化工过程的一类多变量非线性系统,提出了一种自适应非线性预测控制(ANMPC)算法。在采用递归最小二乘法进行预测模型参数在线辨识的基础上,将系统的静态非线性关系用一个反向传播(BP)神经网络稳态模型来表示,通过稳态模型求得的动态增益来进一步校正预测模型的参数。详述了ANMPC控制器设计步骤,通过在一个多变量pH中和过程中的仿真验证了本算法的可行性和有效性。     

基于子系统关联变量轮换的大系统在线协调优化

化工过程复杂大系统的在线优化过程中,存在流程前后的关联导致优化时间过长或得不到优化解的问题,需要按子系统优化并协调的优化方法来解决,而协调优化方法存在关联变量寻优方向不一致的问题。提出了一种基于子系统间关联变量轮换思想的分解协调优化方法,对大系统分解得到的子系统以轮换的方式进行优化,子系统中包含的多个优化问题分别在固定关联变量优化独立变量和固定独立变量优化关联变量的条件下求解,此轮换过程迭代进行,直至满足优化终止条件。将提出的方法应用在催化裂化装置仿真实例中与整体优化方法的结果作比较,证明了方法的有效性。最后,将基于关联变量轮换的协调优化方法应用在化工过程的在线优化中,结果表明本方法在在线优化应用中是可行的。     

阶梯式多变量DMC分散优化算法及工程化实现

提出基于状态空间模型的阶梯式多变量动态矩阵控制分散优化算法,使计算量大大减少,并在自行研制的先进控制平台上,实现了这种算法.该算法的工程化实现方法,使用户可以方便地构建自动控制系统并实施多变量动态矩阵控制.对双容水箱的控制实验表明,该控制算法对具有多变量、时滞、耦合和不确定性的复杂对象,具有良好的控制效果.     

工业串联系统的多约束广义预测控制

针对由一系列环节串联而成且存在多种约束的复杂工业对象,利用过程的中间变量进行预测和反馈,在充分考虑控制量幅值约束、控制增量幅值约束、中间变量幅值约束、输出误差约束以及最终输出幅值约束共同构成的多约束情况下,提出了工业串联系统的多约束广义预测控制算法。仿真结果验证了该算法对多约束串联系统的有效性和较强的鲁棒性。     

Smith模糊PID控制器在抄纸定量水分系统中的应用

造纸过程是一个复杂的多变量过程。变量与变量之间相互关联,相互强耦合。同时造纸过程又存在较大的时滞。对此,采用对角线解耦的方法,将多变量系统变成单变量系统。提出一种基于Smith预估结构的自适应模糊PID控制方法,有效地克服了滞后对控制系统稳定性和质量控制的影响。仿真和实际应用结果表明该方法对于造纸过程中定量水分的控制具有非常好的效果。     

三氧化二锑生产神经网络辨识应用研究

研究了三氧化二锑火法冶金反应炉前向多层神经网络的模型建立,及其BP算法,并利用此网络设计实时在线辨识器和神经网络控制器。通过BP算法的学习机构应用于三氧化二锑火法冶金炉,解决了多变量耦合、非线性的系统控制问题。实现了工艺过程的最优化控制。     

基于粒子群优化的磨矿分级过程多层数据协调

准确稳定的过程数据是选矿厂进行过程优化控制和决策管理的依据,今针对磨矿分级过程数据特点,建立了多层数据协调模型,包括总物料平衡层、粒度分布/品位层和不同粒度下的成分分析层(金属分布率层);针对模型维数较高的问题,引入粒子群优化(PSO)算法进行求解。根据不同的测量信息,可选择相应的层次进行协调,并采用从低层向高层逐层协调的方法,实现了部分非线性约束到线性约束的转化,提高了数据协调效率。将该多层模型和PSO算法用于某选矿厂磨矿分级过程实际生产数据的协调,结果表明协调后的数据更准确、更稳定,包含的信息更丰富完整。     

基于多变量开关型选择性控制系统的设计编程及应用

通过设计开关型选择性控制系统,对限值变量实施三位式控制,克服了传统二位式控制方式在多限值变量控制中,使加热回路频繁通断而且易产生回路硬件故障的问题；以主控变量限值的下限值为参考值设定等偏差值,克服控制中各变量间的相互影响,使控制系统获得良好的稳定性和可靠性.利用FBD语言编程,由DCS系统实现设计的控制策略,成功应用于生产过程控制,解决了该生产过程多变量的复杂控制问题,应用效果良好.     

一种联合优化算法在选矿生产中的应用研究

选矿生产中的磨矿分级通常是多个过程变量相互作用的过程,为了更好地对选矿过程进行控制,提出了一种联合优化算法:改进的布谷鸟算法(CSA)和支持向量机联合寻优。将一种交叉算子引入传统布谷鸟算法中进行修正,对新生种群进行更新并加速计算收敛,然后将其应用于支持向量机(SVM)建立的预测控制模型中进行参数寻优,利用优化得到的SVM模型进行磨矿分级的预测控制。将该优化算法应用于选矿的磨矿分级过程控制,得到不同控制量的动态特性,并将结果与传统布谷鸟优化算法结果进行了对比,结果表明本文提出的联合优化算法可以较好地跟踪设定值的变化,控制变化平稳、误差小,搜索效率较高;同时可以大幅度降低控制量的控制变化率,对控制变量的约束能力更强,在选矿生产中具有良好的应用前景。     

基于广义预测控制为主的综合控制算法构成控制器的开发与应用

提出一种以广义预测控制算法为主,以由Smith预估参数组成的无模型控制律为辅,以多变量状态反馈为前馈的综合控制算法控制器,其中广义预测控制算法在PC机中实现并通过与DCS通讯完成数据交换,而Smith预估控制、无模型控制率、多变量状态反馈算法均在DCS中实现。此种控制器克服了广义预测控制抗干扰能力弱的缺点,在加热炉控制应用中其优越性得到充分体现,解决了加热炉自动控制的难题,保证了工艺指标。     

基于区域协调分析的约束内模控制方法与研究

针对多变量系统控制输入变量受到约束的严格限制时,一般工业上都是用预测控制来显式的处理这些约束条件和变量之间的关联耦合作用,而用内模控制来解决这方面的问题还处在探索中这一现状,初步性地利用内模控制的思想,用静态优先级来协调变量之间的耦合关联,并结合模型预测理论知识,利用区域分析法判断,使控制量处在约束范围内。仿真结果表明这种设计方法对控制效果具有一定的可实现性和意义。     

酮苯脱蜡结晶系统的优化控制

针对酮苯脱螬结晶系统,采用相关积分理论实施优化控制,是近年来新出现的一种调优技术。其原理是将调优变量作为均值可控的随机过程,并在目标函数中,加入了动态干扰项,即使过程的动态和静态特性发生漂移,优化器也能正常工作。根据相关积分算法,只需采集调优变量及目标函数随时间动态变化的观测值,即可对过程进行优化操作而无需过程的机理或统计模型。因此,该方法特别适用于机理复杂、建模困难、干扰强且调优变量多的场合。     

三氧化二锑生产神经网络辨识应用研究

研究了三氧化二锑火法冶金反应炉前向多层神经网络的模型建立，及其BP算法，并利用此网络设计实时在线辨识器和神经网络控制器。通过BP算法的学习机构应用于三氧化二锑火法冶金炉，解决了多变量耦合、非线性的系统控制问题。实现了工艺过程的最优化控制。     

一种混杂系统数据校正新方法

对于既包含连续生产过程又包含离散事件的混杂系统,尤其是对于带有生产方案切换的实际生产过程,通过在物料平衡模型中引入随机调度方程,从而构造出包含随机调度方程参数变量θ的新型协调模型,然后利用一种不确定模型的协调算法对此模型进行求解,最后,通过仿真研究证实了该方法的有效性和鲁棒性.     

石油化工过程先进控制和实时优化技术

通过石油化工生产过程处理量大、连续生产、多变量互相关联影响、动态响应特性复杂、具有多重变时滞的特点以及在炼油化工企业计算机的先进控制主要方法自适应控制、多参数预估控制、组分推断控制、神经网络、模糊控制、最佳控制及故障诊断系统等的介绍,对先进控制技术的核心——控制器以及影响控制器效果的因数-所建模型和所采用的算法做了具体分析。