用于精餾系統(tǒng)的模型預測控制方法技術方案

本發(fā)明專利技術公開了一種用于精餾系統(tǒng)的模型預測控制方法，步驟如下：1)建立目標函數(shù)；2)構造狀態(tài)空間模型；3)利用子空間方法，構造Hankel矩陣以獲得輸出變量的子空間函數(shù)；4)根據(jù)子空間函數(shù)求得目標函數(shù)最小化狀態(tài)下的最優(yōu)控制率；5)將最優(yōu)控制率作用于精餾系統(tǒng)中，獲得各回路輸入變量和輸出變量的方差；6)通過粒子群優(yōu)化方法尋找目標函數(shù)中權衡矩陣的一次最優(yōu)值；7)以一次最優(yōu)值為初值，利用梯度下降法獲得二次最優(yōu)值，將二次最優(yōu)值代入目標函數(shù)以獲得最優(yōu)化的模型預測控制方法。本發(fā)明專利技術僅通過過程的輸入輸出數(shù)據(jù)就可以獲得過程特性，對權重矩陣進行精確優(yōu)化的方法，從而將產(chǎn)品質量和控制代價最優(yōu)化，提升整體的經(jīng)濟效益。

【技術實現(xiàn)步驟摘要】

本專利技術涉及一種模型預測控制方法，尤其是一種。
技術介紹
在現(xiàn)代的工業(yè)生產(chǎn)中，為了提高經(jīng)濟效益，該生產(chǎn)系統(tǒng)中的控制系統(tǒng)不僅要求產(chǎn)品的質量波動最小，還要求對應的控制成本最低，而模型預測控制器則常被用于平衡這兩者間的關系。模型預測控制器自20世紀70年代誕生以來，在理論研究和工程實踐方面都得到了蓬勃發(fā)展，特別是在流程工業(yè)中得到了廣泛應用。特別是在復雜的工業(yè)過程中有著越來越廣泛的應用，其性能監(jiān)控技術的研究對提高過程控制質量、提高企業(yè)生產(chǎn)效率、促進先進控制的推廣具有重要意義。模型預測控制器設計的最終目標是提高經(jīng)濟效益，雖然權重矩陣確定了模型預測控制器的目標函數(shù)，但這一目標函數(shù)并不直接對應經(jīng)濟效益，提高經(jīng)濟效益可以歸結到將過程輸出和控制器輸出的波動約束到一個范圍內，工業(yè)現(xiàn)場對模型預測控制器的設計首先應該通過過程輸出和控制器輸出的方差來確定權重矩陣，再完成控制器的設計。在以往的模型預測控制器設計中，權重矩陣的選取沒有明確的標準，對權重矩陣的優(yōu)化沒有一種對應到過程輸出以及控制器輸出的方法。Huang的書(Huang B, ShahS L.Performance assessment of control loops:theory and applications[M].Springer, 1999.)中描述的權衡曲線描述了這三者間的關系，雖然所用到的假設較為簡單，模型預測控制器的權重僅為標量，但為解決權重矩陣的優(yōu)化問題提供了思路。傳統(tǒng)上有兩種方法解決問題，一種是通過輸入輸出模型或者狀態(tài)空間模型直接計算，另一種是通過廣義預測控制(GPC)問題來求解。這兩種方法對于模型的限制和依賴程度較高，為了獲得精確的模型，往往需要對過程施加一些會引起過程波動較大的激勵信號，這在工業(yè)現(xiàn)場往往是不被允許的。同時在計算過程中，需要求解Diophantine方程或代數(shù)Riccati方程,造成計算量較大，在實際應用中顯得較為復雜。權衡曲線提供了已知權重矩陣求解過程輸出方差和控制器輸出方差的思路，但模型預測控制器設計需要的是已知輸入輸出方差來求解權衡矩陣，此時權衡曲線沒有一個顯式的函數(shù)關系就會造成優(yōu)化層級上難度大，精度不高，容易出現(xiàn)局部最優(yōu)等問題。因此，針對實際情況，目前需要一種能夠不用辨識出過程模型，無需過程機理知識，僅通過過程的輸入輸出數(shù)據(jù)就可以獲得過程特性，并進一步獲得模型預測控制器權重矩陣與過程輸入輸出方差的顯式關系，以此對權重矩陣進行精確優(yōu)化的方法，能夠將產(chǎn)品質量和控制代價最優(yōu)化，提升整體的經(jīng)濟效益。
技術實現(xiàn)思路
為了克服現(xiàn)有技術的不足，本專利技術提供了一種無需辨識出過程模型，僅通過過程的輸入輸出數(shù)據(jù)就可以獲得過程特性，能夠將產(chǎn)品質量和控制代價最優(yōu)化，提升整體的經(jīng)濟效益的。本專利技術的有益效果是一種，步驟如下1)建立模型預測控制器的目標函數(shù)；2)構造精餾系統(tǒng)的狀態(tài)空間模型；3)利用子空間方法，根據(jù)精餾系統(tǒng)的輸入變量和輸出變量構造Hankel矩陣，并將Hankel矩陣代入步驟2)中的狀態(tài)空間模型，并轉化為輸出變量的子空間函數(shù)；4)根據(jù)步驟3)中輸出變量的子空間函數(shù)獲得其預測值，并將該預測值代入步驟O中的目標函數(shù)內，通過對輸入變量求導，求得目標函數(shù)最小化狀態(tài)下的最優(yōu)控制率；5)將最優(yōu)控制率作用于精餾系統(tǒng)中，閉環(huán)后計算輸入變量和輸出變量的方差，讓擾動從某一時刻進入，即之前時刻的輸入變量和擾動均為0，此時獲得各回路輸入變量和輸出變量的方差；6)令輸入變量和輸出變量的波動目標為輸入變量和輸出變量的方差，通過粒子群優(yōu)化方法尋找目標函數(shù)中權衡矩陣的一次最優(yōu)值；7)以權衡矩陣的一次最優(yōu)值為初值，利用梯度下降法對一次最優(yōu)值進行進一步的優(yōu)化，獲得二次最優(yōu)值，將二次最優(yōu)值代入目標函數(shù)以獲得最優(yōu)化的模型預測控制方法。進一步優(yōu)選是，步驟I)中所建立的模型預測控制器的目標函數(shù)為本文檔來自技高網(wǎng)...

【技術保護點】
一種用于精餾系統(tǒng)的模型預測控制方法，其特征是：步驟如下1）建立模型預測控制器的目標函數(shù)；2）構造精餾系統(tǒng)的狀態(tài)空間模型；3）利用子空間方法，根據(jù)精餾系統(tǒng)的輸入變量和輸出變量構造Hankel矩陣，并將Hankel矩陣代入步驟2）中的狀態(tài)空間模型，并轉化為輸出變量的子空間函數(shù)；4）根據(jù)步驟3）中輸出變量的子空間函數(shù)獲得其預測值，并將該預測值代入步驟1）中的目標函數(shù)內，通過對輸入變量求導，求得目標函數(shù)最小化狀態(tài)下的最優(yōu)控制率；5）將最優(yōu)控制率作用于精餾系統(tǒng)中，閉環(huán)后計算輸入變量和輸出變量的方差，讓擾動從某一時刻進入，即之前時刻的輸入變量和擾動均為0，此時獲得各回路輸入變量和輸出變量的方差；6）令輸入變量和輸出變量的波動目標為輸入變量和輸出變量的方差，通過粒子群優(yōu)化方法尋找目標函數(shù)中權衡矩陣的一次最優(yōu)值；7）以權衡矩陣的一次最優(yōu)值為初值，利用梯度下降法對一次最優(yōu)值進行進一步的優(yōu)化，獲得二次最優(yōu)值，將二次最優(yōu)值代入目標函數(shù)以獲得最優(yōu)化的模型預測控制方法。

【技術特征摘要】
1.一種用于精餾系統(tǒng)的模型預測控制方法，其特征是步驟如下 .1)建立模型預測控制器的目標函數(shù)； .2)構造精餾系統(tǒng)的狀態(tài)空間模型； .3)利用子空間方法，根據(jù)精餾系統(tǒng)的輸入變量和輸出變量構造Hankel矩陣，并將Hankel矩陣代入步驟2)中的狀態(tài)空間模型，并轉化為輸出變量的子空間函數(shù)； .4)根據(jù)步驟3)中輸出變量的子空間函數(shù)獲得其預測值，并將該預測值代入步驟I)中的目標函數(shù)內，通過對輸入變量求導，求得目標函數(shù)最小化狀態(tài)下的最優(yōu)控制率； .5)將最優(yōu)控制率作用于精餾系統(tǒng)中，閉環(huán)后計算輸入變量和輸出變量的方差，讓擾動從某ー時刻進入，即之前時刻的輸入變量和擾動均為O，此時獲得各回路輸入變量和輸出變量的方差; .6)令輸入變量和輸出變量的波動目標為輸入變量和輸出變量的方差，通過粒子群優(yōu)化方法尋找目標函數(shù)中權衡矩陣的一次最優(yōu)值； .7)以權衡矩陣的一次最優(yōu)值為初值，利用梯度下降法對一次最優(yōu)值進行進一步的優(yōu)化，獲得二次最優(yōu)值，將二次最優(yōu)值代入目標函數(shù)以獲得最優(yōu)化的模型預測控制方法。2.根據(jù)權利要求1所述的用于精餾系統(tǒng)的模型預測控制方法，其特征是步驟I)中所建立的模型預測控制器的目標函數(shù)為3.根據(jù)權利要求2所述的用于精餾系統(tǒng)的模型預測控制方法，其特征是步驟2)中精餾系統(tǒng)的狀態(tài)空間模型為 Xi =...

【專利技術屬性】
技術研發(fā)人員：謝磊，馮皓，蘇宏業(yè)，
申請(專利權)人：浙江大學，
類型：發(fā)明
國別省市：