收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于预测控制的先进过程控制技术研究

安爱民  
【摘要】:以模型预测控制MPC(Model Predictive Control)策略为代表的现代先进控制技术ACT(Advanced Control Technology)是流程工业过程控制领域一项新兴的、应用前景广阔的技术。它从考虑使生产企业获得最大经济效益的角度出发,采用分层式控制结构,实现生产过程优化操作,为过程工业界提供了一种以经济性能和控制质量相结合的手段来实现过程控制的新方法。通过对现有过程系统动态行为进行精确辨识后,在装置中采用可以实现装置的整体优化控制的MPC策略,使生产企业能以最优化的方式运行并获得可观的经济效益,找到挖掘提高系统经济潜能的最佳途径,为提升企业的竞争力提供科学的生产决策依据。此外,ACT可以智能地利用过程系统信息和管理信息实现过程的优化控制。结合反映经济性能的测评指标和结果,即使是非线性、强耦合、大时滞这样的过程系统,也可以在保证最大经济收益与优化操作性能指标的前提下,设计和实施性能优越的控制策略,维护工业过程高品质运行。 MPC是基于反映过程动态行为和信息的过程模型的控制策略,需要建立被控制过程的性能目标函数和反映过程安全运行、满足环境立法所要求的排放标准的关键变量的操作约束范围。采用收缩域优化控制的方法来求解过程工作在优化模式下的控制量。基于预测控制的先进控制策略的实施涉及到过程模型辨识、参数估计、性能目标函数的构建、控制性能评估、数值计算和优化等多个学科领域的知识和技术,是当今过程工业界和控制界最受关注的研究方向之一。本论文结合当前基于MPC的ACT理论研究和国内工程应用现状,分别展开了以下几个方面的研究工作: (1)针对在采用神经网络模型预测非线性过程动态行为的非线性预测控制]NMPC(Nonlinear model predictive control)算法中,滚动优化因低效率的优化算法造成的模型预测不精确、控制实时性差和控制质量下降的问题,提出了一种基于改进微分进化MDE(Modified Differential Evolution)法的自适应神经网络权值的神经网络ANN(Artificial Neural Network)模型NMPC策略。该策略的设计与实施分为四个部分:首先采用神经网络模型对预测控制中的预测非线性模型进行建模:对所建立的神经网络模型用MDE这一高效的优化算法对网络的权值进行在线自适应计算,以提高模型的在线预测能力;将该模型应用到预测控制算法的目标函数中,在收缩域的窗口中,使非线性预测控制算法中优化的增量式控制量的计算更为精确;最后将该方法应用到蒸馏塔这样一个高非线性化工过程的控制中,仿真结果验证了该方法的有效性。 (2)针对预测控制在实施精确跟踪设定值的控制策略中时,因不确定扰动和噪音的影响所导致鲁棒性能下降的问题,提出一种基于自适应目标函数加权系数的区域模型预测控制ZMPC(Zone model Predictive Control)策略。利用加权系数具有惩罚(抑制)偏差和调节过激这一特点,在过程存在不确定扰动时,在每一个采样周期内,控制器根据输出量偏差的大小自适应地调节目标函数中变量权值的松弛系数,实现关键被控制量的鲁棒区域预测控制方法,将其精确地控制在与产品规格对应的约束区域内,而不是常规的设定值跟踪控制。该方法在系统存在不确定扰动或是存在不确定时变参数时,可达到实现提高预测控制的鲁棒性能和稳定性能目的。事例验证了该方法的有效性。 (3)针对分布式预测控制DMPC(Distributed MPC)中,控制性能会因未充分考虑子过程间重要通道的相互作用行为,以及子预测控制器间通讯机制的不确定性而造成的整体控制性能下降的问题,提出了一种基于概率密度函数PDF(Probability density function)协调原则的多预测控制器协调方法。该方法的实现分为四个部分:RTO层计算出过程关键变量的设定值送到下层的MPC层;MPC层根据过程的实时动态行为计算出优化的控制量,但由于每个子控制器因忽略了关键的子过程间的动态耦合行为,导致了计算出来的控制量不是全局最优;将这些控制量送入到协调层中进行PDF协调后再送到下层的MPC层进行执行,进而减小非全局最优控制量对控制性能的影响。两个事例仿真表明该方法的有效性。 (4)针对大型复杂过程因市场行为导致的原材料等生产要素的价格发生频繁变化时不能及时保证整个生产过程的经济性能最佳这一问题,提出一种基于动态实时优化DRTO(Dynamic Real Time Optimization)的多层预测控制的先进控制策略。上层的DRTO层不是常规的稳态优化机制,而是动态优化机制。即在结合企业计划、调度等信息的过程优化操作不再是常规的稳态优化(过程必须达到稳态时才能进行的过程优化),而是只要有关企业生产的因素如价格、安全、环境立法等因素变化时就可以对整个过程的生产计划、调度进行优化,得到过程关键变量的优化设定值。这样的优化是基于过程的动态模型,所以计算出来的优化值是动态范围内的全局最优值。事例仿真验证了该方法的有效性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 印建平,高峰;基于最优控制的新型非线性预测仿真研究[J];现代制造工程;2004年01期
2 史恩秀,黄玉美,史文浩;轮式移动机器人轨迹跟踪的预测控制[J];机械科学与技术;2004年10期
3 潘晨;肖健梅;;基于SVM的船舶动力定位系统预测控制[J];仪器仪表用户;2010年06期
4 张厚杼;;氨合成塔温度的最佳预测控制[J];化工自动化及仪表;1988年01期
5 王永骥,徐桂英,涂健;水轮发电机组l~∞范数性能指标预测控制[J];控制理论与应用;1991年04期
6 吕剑虹,陈来九;一种多变量连续时间预测控制方法[J];自动化学报;1995年02期
7 毛志忠;一种全局稳定的直接预测自适应控制器[J];信息与控制;1995年02期
8 彭辉,桂卫华;预测控制中逆矩阵的递推求解算法[J];中南工业大学学报(自然科学版);1997年04期
9 方斌,李仁,季幼章;关于预测控制的鲁棒性[J];安徽大学学报(自然科学版);1998年02期
10 杨马英,王树青,王骥程;有约束过程的预测控制[J];浙江大学学报(工学版);1999年06期
11 黄显林,王永富,胡恒章;基于小波神经网络的非线性系统预测控制研究[J];自动化技术与应用;1999年05期
12 冯少辉,周立芳,钱积新;过阻尼过程的预测控制改进算法[J];机床与液压;2002年04期
13 兰婷,张伟勇;一种具有稳态目标优化的预测控制算法[J];油气田地面工程;2002年03期
14 程宏亮,张国贤,包海昆;一种基于RTLinux实时操作系统的自适应预测控制的实现方法[J];计算机测量与控制;2003年06期
15 金元郁,张彦军;基于输入设计的广义预测控制[J];青岛科技大学学报(自然科学版);2003年01期
16 王令群,潘石柱,郑应平;半导体生产线的RBF神经网络预测建模[J];计算机应用;2005年07期
17 宗晓萍;冯贺平;;基于神经网络的时滞系统预测控制[J];自动化技术与应用;2005年12期
18 徐余法;徐余法;俞金寿;;基于神经网络的非线性预测控制[J];电气自动化;2005年05期
19 冯惕;王建国;;预测控制中预测方程的两种基本形式及其转换[J];苏州科技学院学报(自然科学版);2007年03期
20 祁军;范燕;张郁中;;禁忌搜索算法在预测控制中的应用[J];辽宁石油化工大学学报;2008年02期
中国重要会议论文全文数据库 前10条
1 张峻;席裕庚;;输入受限时预测控制的一种简易算法[A];1996中国控制与决策学术年会论文集[C];1996年
2 毛志忠;陈晓峰;;一种简化的预测控制算法[A];1995中国控制与决策学术年会论文集[C];1995年
3 刘晓华;;一类双线性加权自适应预测控制[A];1996中国控制与决策学术年会论文集[C];1996年
4 杨健;恽为民;席裕庚;张钟俊;;改进遗传算法及在优化控制中的应用[A];1994中国控制与决策学术年会论文集[C];1994年
5 周明;周坚刚;余达太;;钢铁企业模型预测控制技术综述[A];冶金轧制过程自动化技术交流会论文集[C];2005年
6 陈云云;宁芳青;;锅炉蒸汽温度控制系统中广义预测控制的应用研究[A];冶金轧制过程自动化技术交流会论文集[C];2005年
7 陆冬娜;杨马英;;基于DCS系统的神经网络预测控制[A];第八届工业仪表与自动化学术会议论文集[C];2007年
8 薛云灿;胡树棠;;专家模型算法控制的进一步研究[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(上册)[C];1995年
9 任作新;;一种预测控制新算法[A];1995中国控制与决策学术年会论文集[C];1995年
10 曹明;王慧;刘宝坤;;一种基于NN模型的预测控制[A];1998中国控制与决策学术年会论文集[C];1998年
中国博士学位论文全文数据库 前10条
1 安爱民;基于预测控制的先进过程控制技术研究[D];兰州理工大学;2010年
2 魏晋宏;预测控制在工业生产过程中的应用研究[D];太原理工大学;2011年
3 李姝;基于预测控制的汽油发动机怠速控制方法研究[D];吉林大学;2010年
4 冷欣;船用增压锅炉汽包水位预测控制方法研究[D];哈尔滨工程大学;2009年
5 韩恺;化工过程中的若干预测控制算法与应用研究[D];浙江大学;2009年
6 臧传德;船舶航行的智能预测控制研究[D];哈尔滨工程大学;2002年
7 刘岩;网络流量控制若干关键技术研究[D];复旦大学;2005年
8 罗秋滨;一类非线性系统预测控制中的建模问题[D];哈尔滨工业大学;2008年
9 何召兰;几类切换系统的滑模控制[D];哈尔滨工业大学;2009年
10 林永君;基于复杂机理模型的过程预测控制研究[D];华北电力大学;2002年
中国硕士学位论文全文数据库 前10条
1 李湘君;智能预测控制算法及其应用研究[D];南京工业大学;2004年
2 李建民;AUV水下回收预测与协调控制技术研究[D];哈尔滨工程大学;2010年
3 郄程飞;室内温控系统的预测控制研究[D];燕山大学;2011年
4 李晓燕;预测控制在非最小相位系统中的应用[D];华北电力大学(河北);2010年
5 贾晓波;线性时滞系统的预测控制[D];中国海洋大学;2003年
6 撒继铭;预测控制在工业窑炉温度控制中的应用研究[D];武汉理工大学;2002年
7 滕海涛;主动队列管理的优化与预测控制算法设计[D];大连理工大学;2005年
8 杨黎峰;基于神经网络预测控制的水源热泵控制系统研究[D];北方工业大学;2005年
9 郭旭;全方位移动机器人的运动预测控制[D];浙江大学;2006年
10 张金栋;非线性预测控制的鲁棒性研究[D];兰州理工大学;2003年
中国重要报纸全文数据库 前10条
1 本报记者 何晓曦;中国能源战略寻求突破[N];国际商报;2004年
2 于永生;中国石化大力推进先进过程控制应用[N];中国石化报;2004年
3 山水;美石油巨头引入先进过程控制标准[N];中国石化报;2006年
4 王明毅;TVK新建大型乙烯和聚乙烯装置采用aspenONE[N];中国石油报;2007年
5 记者 周一兵;燕化乙烯过程控制项目通过验收[N];中国石化报;2008年
6 记者 王明毅;雪佛龙选择aspenONE为全球炼厂的企业标准[N];中国石油报;2006年
7 通讯员 周一兵;燕化乙烯装置首次实现全流程先进控制[N];首都建设报;2008年
8 丁广冉;夏甸承担国家安全科技支撑项目[N];中国黄金报;2007年
9 金石;轧钢模型控制技术培训首次在中国举行[N];中国冶金报;2007年
10 本报记者 席大伟;六大巨头谋动WiMax 中兴华为有望借机突围[N];通信信息报;2008年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978