一类化工过程的非线性预测控制建模及优化方法

摘要

在市场经济环境下,以连续聚丙烯生产装置为代表的一类化工过程通常需要在同一套装置内连续多种不同类型的产品以满足市场需求的变化,具有非线性程度强和产品关键质量指标不能在线测量等特点。单个线性模型并不能完整地描述出这类过程的特性,因此基于线性模型的预测控制器往往难以取得令人满意的控制效果。为进一步提高这类过程的能/质转化效率,并兼顾环境、安全等方面的因素,非线性模型预测控制(Nonlinearmodel predictive control,NMPC)得到了越来越广泛的关注。考虑到非线性过程建模复杂以及在线优化计算负担过重是制约NMPC在实际生产中广泛应用的主要原因,本文从预测控制的基本算法和非线性系统自身特性出发,分别从动态优化和非线性系统建模两个方面着手展开课题研究,得到如下结果：
　　 ⑴针对基于严格机理模型的预测控制滚动优化计算负担过重的问题,提出了一种基于全局正交配置的非线性预测控制算法。该算法以高阶插值正交多项式为基函数同时离散被控过程的状态变量和控制变量,将连续动态优化问题转化为非线性规划问题求解。正交配置点的分布特点保证了该算法能够实现对原动态优化问题的良好逼近并显著地降低了在线优化问题的规模。基于协态映射定理,设计了一种配置点个数选择方法,该方法通过选择足够长的优化时域确保控制系统的闭环稳定,并可以采用少量的配置点数减轻在线优化计算负担。通过对连续聚合反应过程进行的控制仿真测试验证了该方法的有效性。
　　 ⑵针对众多实际优化问题最优控制轨迹的非连续性,数值求解方法会导致优化精度下降甚至求解失败这一问题,在全局正交配置法的基础上,进一步提出了一种分区联立的动态优化求解方法。该方法利用全局正交化问题的优化分区,根据各弧段间的连接条件,对分区后的动态优化问题联立求解,以确保状态轨迹的连续性。通过在两个典型的生化反应过程操作优化问题中的仿真研究验证了所提方法的高效性。
　　 ⑶针对实际生产数据呈现按工作点聚类和迁移的特点,提出了一种基于增量式支持向量回归的在线自适应建模方法,并在此基础上设计了自适应预测控制器。该方法根据支持向量回归模型的Karush-Kuhn-Tucker(KKT)条件对新样本进行有选择地学习,确保在准确跟踪生产过程操作条件变化的同时显著降低模型更新频率。另外,基于样本相似度的选择淘汰算法,通过删除与新增加的训练样本相似度最小的旧样本,获得反映过程当前工况的训练样本集,进一步提高模型对新工况的适应能力。
　　 ⑷提出了一种基于多项式ARX模型的非线性预测控制算法。首先,由输出误差最小化方法确定多项式ARX模型的结构以获得良好的多步预报能力。其次,将多项式模型转化为线性参数时变模型后进行预测控制器的设计。在一定的假设条件下,可以将预测控制在线优化问题转化为一个标准的二次规划问题实时求解。由多变量强非线性pH中和过程的控制仿真测试表明,与线性预测控制方法相比,所提控制算法能够以在线计算负担少量增加为代价获得控制性能的显著改进。
　　 ⑸针对双环管聚丙烯反应过程熔融指数不能在线测量、牌号切换过渡时间长等问题,提出了一种新的牌号切换优化控制方法。首先,分别建立了双环管反应器的瞬时和积累熔融指数预报模型;据此提出一种模型系数在线更新方法以实现对牌号切换过程中熔融指数变化的准确跟踪;在此基础上将牌号切换优化控制归结为一个带状态路径约束的非线性动态优化问题,并由全局正交配置法在线滚动求解。经过实际生产数据和切换控制仿真测试表明,质量预报模型能够准确跟踪牌号切换中熔融指数的变化,牌号切换方法不仅能够缩短切换过渡时间,而且能够保证装置操作平稳。