过程控制系统 俞金寿 过程控制系统 第6章新.ppt

《过程控制系统》 华东理工大学 孙自强 2008年2月 第6章 先进控制系统 预测控制 推断控制 软测量技术 双重控制 纯滞后补偿控制 解耦控制 自适应控制系统 智能控制系统 6.1. 基于模型的预测控制 预测控制的基本出发点与传统的PID控制不同。 通常的PID控制，是根据过程当前的和过去的输出测量值和设定值的偏差来确定当前的控制输入。 而预测控制不但利用当前的和过去的偏差值，而且还利用预测模型来预估过程未来的偏差值，以滚动优化确定当前的最优输入策略。 6.1.1. 预测控制基本原理 ⑴ 基本原理 预测模型 反馈校正 滚动优化 预测模型。 预测控制需要一个描述系统动态行为的模型称为预测模型。 预测模型能够根据系统的现时刻的控制输入以及过程的历史信息，预测过程输出的未来值。 在预测控制中各种不同算法，采用不同类型的预测模型，如最基本的模型算法控制（MAC），动态矩阵控制（DMC）等，通常采用在实际工业过程中较易获得的脉冲响应模型和阶跃响应模型等非参数模型或传递函数。 随着预测控制的发展，除了上述两种非参数模型外，目前经常采用易于在线辨识并能描述不稳定过程的CARMA受控自回归滑动平均模型(Controlled Auto-Regressive Moving Average,简称CARMA)和CARIMA受控自回归积分滑动平均模型(Controlled Auto-Regressive Integrated Moving Average,简称CARIMA)以及能反映系统内在联系的状态空间模型。 反馈校正。 在预测控制中，采用预测模型进行过程输出值的预估只是一种理想的方式，对于实际过程，由于存在非线性、时变、模型失配和干扰等不确定因素，使基于模型的预测不可能准确地与实际相符。因此，在预测控制中，通过输出的测量值与模型的预估值进行比较，得出模型的预测误差，再利用模型预测误差来校正模型的预测值，从而得到更为准确的将来输出的预测值。 正是这种由模型加反馈校正的过程，使预测控制具有很强的抗干扰和克服系统不确定的能力。 滚动优化。 预测控制是一种优化控制算法。它是通过某一性能指标的最优化来确定未来的控制作用。这一性能指标还涉及到过程未来的行为，它是根据预测模型由未来的控制策略决定的。 ⑵ 参考轨线 在预测控制中，考虑到过程的动态特性，为了使过程避免出现输入和输出的急剧变化，往往要求过程输出y(k+i)沿着一条所期望的、平缓的曲线达到设定值。这条曲线通常称为参考轨线 。 ⑶ 在线滚动的实现方式 在现时刻k只施加第一个控制作用u(k)，等到下一个采样时刻(k+1)，再根据采集到的过程输出，重新进行优化计算，求出新一组最优控制作用，仍只施加第一个控制作用，如此类推，“滚动”式推进。 ⑷预测控制的一些优良性质 由于预测控制的一些基本特征使其产生许多优良性质：对数学模型要求不高；能直接处理具有纯滞后的过程；具有良好的跟踪性能和较强的抗干扰能力；对模型误差具有较强的鲁棒性。 6.1.2 预测控制算法 （1）模型算法控制（MAC） 预测模型 反馈校正 设定值与参考轨迹 最优控制作用 MAC在实施中应注意的若干问题 脉冲响应系数长度N的选择 输出预估时域长度P的选择 控制时域长度M的选择 参考轨迹的收敛参数的选择 误差权矩阵Q的选择 控制权矩阵R的选择 (2) 动态矩阵控制（Dynamic Matrix Control ，DMC） ⑶预测函数控制 (Predictive Function Control，PFC) (4) 广义预测控制（Generalized Predictive Control ，GPC） (5) 预测控制与PID串级控制 6.1.3. 预测控制软件包的发展 目前，国外已经形成许多以预测控制为核心思想的先进控制商品化软件包，成功应用于石油化工中的催化裂化、常减压、连续重整、延迟焦化、加氢裂化等许多重要装置。 第一代模型预测控制技术 以IDCOM和DMC为代表，主要处理无约束过程的预测控制。 第二代模型预测控制技术 QDMC算法，采用二次规划方法（QP）求解，可以系统地处理输入、输出约束问题。 第三代模型预测控制技术 IDCOM-M，DMC，SMCA等控制软件包 ，处理约束的多变量、多目标、多控制模式和基于模型预测的最优控制器 第四代模型预测控制技术 DMC-pllus,RMPCT等 。基于Windows的图形用户界面；采用多层优化，以实现不同等级目标控制；采用灵活的优化方法；直接考虑模型不确定性(鲁棒控制设计)；改进的辨识技术等。 6.1.4.预测控制工业应用 模型预测控制在空分装置上的应用 6.2. 推断控制 生产过程的被控变量(过程的输出)有时不能直接测得