法律状态公告日
法律状态信息
法律状态
2019-05-14
专利权的转移 IPC(主分类):G05B13/04 登记生效日:20190425 变更前: 变更后: 申请日:20070613
专利申请权、专利权的转移
2014-10-08
专利权的转移 IPC(主分类):G05B13/04 变更前: 变更后: 登记生效日:20140909 申请日:20070613
专利申请权、专利权的转移
2014-08-27
专利权保全的解除 IPC(主分类):G05B13/04 授权公告日:20090304 解除日:20140723 申请日:20070613
专利权的保全及其解除
2013-10-02
专利权的保全 IPC(主分类):G05B13/04 授权公告日:20090304 登记生效日:20130830 申请日:20070613
专利权的保全及其解除
2009-03-04
授权
授权
2008-01-02
实质审查的生效
实质审查的生效
2007-11-07
公开
公开
查看全部
技术领域
本发明涉及一种对连续变化过程或设备,特别是对已有分布式控制系统(DCS)及其包含的PID控制器的连续生产过程,进行高级控制(AdvancedControl)的策略、方法和变结构非线性模型预估控制器。
背景技术
由于PID(比例、积分、微分)控制器较为简单实用,从上世纪四十年代以来,生产过程中广泛应用它进行自动控制。随着生产和科学技术的发展,尤其是生产规模的不断扩大和市场需求的频繁变化,对时间滞后较大、多变量、有约束、变结构的生产过程,PID控制难以满足平稳控制和多变量约束协调和变结构的控制要求。
二十世纪七十年代后期出现的模型预估控制(MPC),利用被控过程动态数学模型,对被控过程未来的状态进行预估,并据以进行最优控制,对于时间滞后大的多变量过程提供了一种有效的控制方法,如MAC,DMC,GPC,SFPC,等等,也出现了相应的商品化软件,如IDCOM、DMC-Plus(Aspen Inc.)、RMPCT-PROFIT(Honeywell Inc.)、STAR(Invensys)、VSUPCC、等等,从上世纪八十年代开始,在生产过程中得到了成功的应用。在应用过程中,在处理约束和多变量协调方面得到发展和改善,使MPC得到越来越广泛的应用。
实际应用暴露了MPC的一些弱点:其一是抑制不可测干扰的能力较差,甚至不如PID控制。其二是难以适应生产过程的变化(非线性和变结构)。其三是为获得模型,要对生产进行较大的干扰。这是由于大多数MPC应用由实测被控过程输入输出数据建立的线性化动态数学数学模型、采用多值预估、处理多变量协调、状态和输出变量约束,使模型在线实时计算较为复杂,控制周期较长(30-60秒,而PID的控制周期为0.5-1秒),又不能利用被控过程提供的可测状态变量信息。只有基于中国专利“99105546.2通用多变量模型预估协调控制方法”的VSUPCC软件,采用基于机理分析的状态空间模型,不需干扰生产的测试,可引入状态变量反馈,提高抑制干扰的能力,并采用单值预估策略,在保持相同控制效果下,使在线实时计算大大简化,实现了控制周期5-60秒之间的多周期控制,提高了控制效果,可更好的处理多变量协调问题。但它也与其它MPC一样,均是基于线性化模型,而实际被控过程或设备往往是非线性的,尤其在产品需求不同、原料变化、负荷变化、环境变化、等等情况下,使被控过程是变结构和非线性的,即需要和可能的被控变量数量和可应用的操作变量数量是变化的;被控过程或设备的准确描述是非线性的,基于线性化模型的MPC难以得到满意的控制效果。
上世纪八十年代以来,出现了不少有关利用非线性模型进行预估控制(NLMPC)的研究性论文,提出了在线性化基础上加入非线性修正、增益规划、多模型、局部采用非线性模型计算、等等仍基于线性化模型的算法。也出现了一些基于非线性模型的算法。上世纪末和本世纪初,出现了一些非线性模型预估控制的商品化软件,如Aspen的APOLLO、PAS的NOVA-NLC、PAVILION的Pavilion、等等。由于非线性模型不能应用叠加原理,一般无解析解,控制策略采用多值预估、状态约束,加上被控过程是多变量的,使计算相当复杂,这些软件都要作一些近似处理,使应用效果受到限制,也没有明确的解决变结构问题的方法。
发明内容:
本发明的目的是给出一种基于非线性动态数学模型、适应被控过程和设备特点的非线性模型预估控制策略和构成多变量变结构非线性模型预估控制器(简称VSNMPC)的策略和方法,不仅在模型上(非线性)适应被控过程的变化,也在结构上适应被控过程的变化,使控制系统更具有生命力,随时给出最优的控制结构和控制效果。
本发明给出的变结构非线性模型预估控制器(VSNMPC)主要包括以下五个部分组成:在线实时组态器1;非线性模型预估控制计算器2;控制作用(MV)输出处理器3;被控变量(CV)约束优化器4;操作变量(MV)约束优化器5。在实施本发明时,还需要与VSNMPC连接的下列配套设备:工程师界面9,操作员界面8,实时数据库(RTDB)9,分布式控制系统(DCS)10,被控的过程或设备6。这些配套设备有些是被控过程或设备中已经具备的,其它可采用已有的产品。
以上所列个组成部分的其连接关系见图1。在线实时组态器1的输入端连接工程师界面7,操作员界面8,实时数据库(RTDB)9,分布式控制系统(DCS)10,输出端连接非线性模型预估控制计算器2,CV约束优化器4和MV约束优化器5输入端,也连接MV输出处理器3输入端。CV约束优化器4输出端连接非线性模型预估控制计算器2输入端,非线性模型预估控制计算器2输出端连接MV输出处理器3输入端,MV约束优化器5输出端连接MV输出处理器3输入端,MV输出处理器3输出端连接DCS10,DCS 10连接被控装置6,非线性模型预估控制计算器2连接RTDB9和工程师界面7。由在线实时组态器1实时检测被控过程结构的变化,按照多变量协调规则确定当前时刻最合适的控制系统结构;由非线性模型预估控制计算器2按当前的最合适结构和相应的非线性模型计算给出当前的控制作用增量,再由控制作用输出处理器3给出对被控过程的实际调整量,实现高级控制;同时,在线实时组态器1还给出当前可进行优化的被控变量和操做变量,分别由被控变量约束优化器4、操作变量约束优化器5实施调优。
本发明的主要技术特点和内容如下:
1.基于具有多重时间滞后的非线性状态空间模型:
Y(t)=G[X(t),V(t)] (2)
其中:F,G为给定的函数向量
X∈Rn(状态变量SV)Y∈Rr(被控变量CV)
U∈Rm(操作变量MV)V∈Rq(可测干扰变量FV)
τA,τB,τF分别为SV,MV,FV的滞后时间(是SV,MV,FV的函数)矩阵考虑状态变量、操作变量和可测干扰变量对状态变量的影响均具有时间滞后,且滞后时间是SV、MV、FV的函数,是许多被控过程和设备的实际情况,也是本发明的主要特点之一。
2.用区域控制代替状态变量约束和多种被控变量设置
除一般所指的被控变量外,被控过程的不少状态变量需保持在允许的上下限内。本发明将这些变量转换为区域被控变量,在预估其将超限时,对其实施控制,预估不超限时,不作为被控变量。使模型预估控制算法转化为“无约束”简化算法。
本发明将区域被控变量分为浮动区域和固定区域两种CV,浮动区域的上下限可随其它变量浮动。本发明还可设置“条件被控变量”,即在一定条件下才作为被控变量,以适应被控过程多变量协调的需求,通过本发明提供的变结构控制策略可实现这些控制要求。
3.单值预估非线性加权控制
本发明采用以下优化目标计算当前的控制作用:
其中:P=[p1…pr]T是各被控变量的预估时域
ET(P)=[e1(p1)…er(pr)]是被控变量预估偏差
Ys=CV的给定值
这一算法的特点是:
①对每个CV,只用其未来某一时刻(预估时域P)的一个预估值计算最优控制作用;
②只计算当前时刻的控制作用的变化量ΔU(k)=U(k)-U(k-1),经约束处理后执行;
以上两个特点使本算法较之常见的MPC算法大大简化,恰当选择预估时域P,可得到相同的控制效果。
③m≤r,即操作变量可少于或等于被控变量的个数,通过加权阵W对各变量进行协调;
④非线性加权:加权系数随被控变量的偏差或靠近约束限的程度而变化,以对多个CV进行协调,使各变量不超限。
⑤病态处理:适当选择加权系数和操作变量,使本算法允许互相关的变量(病态)同时作为被控变量,系统仍能正常运行。
4.具有状态反馈和预估前馈的非线性模型预估控制算法
利用(1)(2)式给出的非线性状态空间模型,对未来预估时域时刻被控变量的值进行预估和实时修正,进而计算预估偏差和满足上述优化目标(3)的最优控制作用,是预估控制算法的基本思路。针对非线性模型预估控制的特点,
本发明在每个控制运行时刻,作以下计算:
①计算确定各滞后时间τA,τB,τF。
②用状态观测器方法计算各状态变量的当前值,包括可实测和不可实测状态变量。
③以当前实测状态变量或观测计算的不可实测的状态变量为初值,计算每个CV对每个MV的阶跃响应,并根据设定的相对预估时域βi,j确定每个CV-MV配对的预估时域pi,j。
给出未来预估时域时刻CV的估值Y(k+P/k)。
注:k+P/k表示以当前时刻k的状态为初值,对未来(k+P)时刻的值进行预估。
④计算当前时刻的相对阶跃响应矩阵:
Si,j(pi)=Yi,j(k+pi/k)-Y0,i,j(k+pi/k)
其中:Y0,i,j(k+P/k)是以当前实测状态变量或观测计算的(不可实测的)状态变量为初值,在当前和未来时刻MV和FV保持不变的条件下,由(1)(2)式计算得到的每个CV在未来时刻k+p时的响应值。
⑤对模型预估值作多预估时域的在线实时修正:
以当前时刻以前预估时域时的状态为初值,由(1)(2)式预估计算各CV当前时刻的值:
Yi(k/k-pi),Yi(k-σi/k-pi-σi),Yi(k+σi/k-pi+σi)i=1,2,…,r
给出当前时刻不同预估时域CV预估值的平均值:
其中:σi为可设定的正整数。
相应的预估值在线修整量为:δMi=Yi(k)-Yi(k/k-pi)
经在线反馈修正后的第i个CV在未来时刻(k+pi)的预估值是:
⑥计算预估偏差E:
对给定点控制:
对区域控制:
当:
当:
当:
HLMi=上限 LLMi=下限
⑦计算当前时刻每个CV的加权系数
wi=wi0wie (7)
其中:wi0=初始加权系数,wie=随预估偏差大小变化的加权系数
⑧依据(3)式给出的目标函数,计算给出当前的控制作用:
ΔU(k)=U(k)-U(k-1)=[ST(P)WS(P)]-1ST(P)WE (8)
以上(1)-(8)式,是本发明算法特点的具体体现。这些算法由图1中的“2.非线性模型预估控制计算器”完成。
5.变结构-由“1.在线实时组态器”自动确定当前控制器结构
CV和可用MV数量的变化是被控过程变化的一个重要方面,为适应被控过程的这种变化,通过“在线实时组态器”,实现变结构模型预估控制,是本发明又一个特点其主要功能如下:
①在每个控制时刻检测被控过程运行状况,实时确定以下内容:
CV:需要(预估有偏差或超出小偏差区,具备一定条件)和可能(无故障、且被允许)的被控变量;
MV:可用(包含允许使用的、无故障的、本身及其相关变量RV不超上限或不超下限)的操作变量;
SV:可用作(无故障的)状态反馈的可实测状态变量;
FV:可用作(无故障的)前馈的实测干扰或观测干扰变量;
②当被控变量出现故障时,自动退出先进控制(变为常规PID控制)或(在有故障时)自动进行“降级”(改变控制系统结构)或“升级”(在故障消除后恢复为原有的控制系统结构)处理。
④确定当前时刻的最优CV-MV配对:在以上检测给出信息的基础上,根据CV的控制优先级和优化优先级、MV的控制优先级和优化优先级,在每个控制时刻对控制系统进行结构上的协调,确定当前时刻的最优控制系统结构和多变量协调方案,为上述模型预估控制作用的在线实时计算提供确定预估时域、控制系统结构、被控变量加权系数的依据。
④确定当前时刻是否需要和可能对CV和MV进行约束优化和协调。
⑤给出被控变量不具有操作变量的信息,可按设定的命令,(在无操作变量可用时)自动退出先进控制,或(在重新具有可用操作变量后)自动恢复先进控制。
6.CV和MV的约束优化和协调
①CV的约束优化:当要求某CV达到给定的优化范围时,由“1.在线实时组态器”(见图1)给出有关变量不超限的信息,由“4.CV约束优化器”(见图1)将CV的给定值逐步调向给定的最优值。一旦预报有变量超限或达到给定的优化范围,调优即行停止。在不进行调优时,若有关变量预报超限,且无其它手段时,可调整被优化的CV的给定值,使有关变量不超限。本发明的特点是设置优化区域,当CV达到优化区域内时,即不再调整,防止振荡。
②CV的浮动协调:
CV给定值可按以下两种方法随其它变量浮动:
●与其它CV浮动相关变量成比例浮动:
其中:μj=CV浮动相关系数(j=1,…,Nr)
ΔSPfcv(k)=SPfcv(k)-SPfcv(k-1) SPfcv(k)为浮动CV当前给定值
if:[Rj(k)>Rj,hlm] or [Rj(k)<Rj,llm] or [Rj,llm=Rj,hlm]
ΔRj(k)=Rj(k)-Rj(k-1)
else if:[Rj,hlm>Rj(k)>Rj,llm]ΔRj(k)=0
Rj(k)=第j个CV相关浮动变量当前值,τj=滞后时间
Nr=CV浮动相关变量个数
Rj,hlm,Rj,llm分别为CV浮动相关变量的上下限
●当需要浮动时,CV给定值跟踪测量值一定时间后维持不变。
③MV的约束优化:由“1.在线实时组态器”给出那些需要和可能(不需要作为CV控制、无故障、允许使用的操作变量)优化的MV,按照设定的MV优化的优先级顺序,逐一地由“5.MV约束优化器”将MV逐步地推向优化值(见图1)。其方法一是:逐步改变PID给定使其走向优化区域,方法二是保持PID给定与测量值具有一定偏差,使PID输出走向优化区域。
7.控制作用输出处理-图1中的“3.MV输出处理器”,具有以下功能
①模型预估控制作用输出的转换:除上下限和速率限约束外,实际应用时,常以PID控制器或两个PID串联的控制器作为执行环节,本发明可设置保持和不保持PID闭环控制两种选择。当不保持PID闭环时,本发明给出不保持闭环控制,允许调整PID参数调整而不受影响的转换算法:
ΔU(k)=模型预估计算所得控制作用当前时刻的调整量
ΔMV(k)=当前时刻的实际MV(PID给定)调整量
Kpid=PID控制器的放大倍数
PV(k),PV(k-1)=当前和前一控制时刻PID控制的被控变量
SP(k)=SP(k-1)+ΔMV(k)
(11)
其中:SP(k)=当前时刻PID控制器给定值
②先进控制与常规PID控制系统的双向无扰切换:无论从常规PID切换为先进控制,或由先进控制切换为常规PID控制(含因故障或其他原因的自动切换),切换时均保持PID控制器的给定值不变。
③输出保持:当MV(PID给定)所相应的PID不作为当前模型预估控制的操作变量,而需要保持在一定数值上,称为输出保持。
第一种情况:因MV及其相关变量达上限或下限而不能作为MV使用,但要保持MV及其关键RV在上下限上,不继续超限,防止PID的积分饱和现象;或在MV及关键RV超限时调整限值,仍要将MV保持在新的上下限上。本发明给出如下算法(以超上限为例):
if:{MV不能向上调]
if{[OP(k)>(OPhlm+BL)]and abs[SP(k-1)-PV(k)]≤2δ}
MV(k)=PV(k)-δ[OP(k)-(OPhlm+BL)];
(12)
else MV(k)=SP(k-1)-δ;
SP(k)=MV(k);
其中:SP(k),PV(k)分别是(作为MV的)PID的给定值和测量值;
OP(k),OPhlm=PID控制器输出(称为关键RV)及其限值;
BL>0,δ>0分别是可在线调整的参数。
第二种情况:变量不超限,但不被选作模型预估控制操作变量,也不是约束优化变量的PID控制回路,需保持PID输出(调节阀)不变。
本发明提供以下两种处理方法:
●PID控制器给定跟踪器测量值;
●置为“条件”被控变量;
④对选为约束优化的MV,按约束优化规律调整MV。
按本发明构成的控制器称为VSNMPC,其原理框图见图1。
本发明经过非线性时滞计算、非线性模型在线实时预估计算、多预估时域在线修正、单值预估控制、状态反馈、非线性加权、多周期控制算法,给出每个控制时刻模型预估控制的调整量,再转换为常用的PID控制器的给定值,形成闭环控制系统,实时检测被控过程的运行状态,根据当前被控过程的结构和运行命令,在线实时自组织适合当前情况的控制器结构和相应的控制器参数和算法,形成多变量协调变结构控制系统,不仅在模型上而且在结构上适应被控过程的变化,被控变量实时约束优化和浮动协调,操作变量实时协调优化,使被控过程在各种情况下均处于优化运行状态。
附图说明
图1变结构非线性模型预估控制系统(VSNMPC)组成框图
CV:被控变量 SV:状态变量 MV:操作变量
RV:与MV直接相关的变量 FV:可测或可观测(可前馈)的干扰
图2非线性模型预估控制系统实施流程
图3VSNMPC在连续生产装置上的应用示意图。
具体实施方式
本发明的实施可按图2所示流程逐步顺序进行。其中:
“1.在线实时组态器”含数据读入模块1.1,MV可用性判断模块1.2,FV可用性判断模块1.3,确定当前被控变量CV模块1.4,被控变量CV-MV配对模块1.5。
“2.非线性模型预估控制计算器”含:状态观测计算和SV可用性判断模块2.1,确定加权系数模块2.2,控制律计算模块2.3。
“3.MV输出处理器”含:MV保持模块3.1,SP跟踪模块3.2,输出处理模块3.3。
由数据读入模块1.1读取工程师设定的CV,MV,RV,SV,FV的数值;读取工程师和操作员设定的控制器投用命令。
由MV可用性判断模块1.2作以下判断:
①作为MV的PID控制器是否切为“CAS”或“远程给定”(由操作员界面读取信息)。
②MV和RV是否无故障(由RTDB提供)。
③MV是否被允许投用,MV和RV是否不超上下限(工程师界面)。
④保证MV正常运行的其它PID系统是否投入闭环控制(RTDB)。
根据以上判断给出“可自由调整”、“只能向上调”、“只能向下调”、“不可用”等信息。
FV可用性判断模块1.3:允许使用且无故障的实测干扰或观测干扰方能作为前馈变量。
状态观测计算和SV可用性判断模块2.1对所有状态变量SV均用模型进行观测计算。若实测状态变量和观测(不可实测)状态变量进行模型预估计算,构成状态反馈。若当实测状态变量有故障,或工程师设定不允许使用时,应用观测计算状态进行模型预估。
确定当前CV模块1.4:在控制方案设定的所有CV中,根据以下条件决定当前可投入控制的CV:
①是否允许投用(由工程师界面和操作员界面分别读取投用命令)
②本CV相关的关键CV(工程师设定)是否投用
③无故障,且有可用的MV。
确定CV加权系数模块2.2:加权系数是CV(当前和未来MV不变时的)预估偏差E的函数,需进行模型预估计算。
CV-MV配对模块1.5:根据当前允许和可能投入控制的CV,MV,FV和工程师设定的CV-MV配对和优先级,确定当前最合适的CV-MV配对,确定MV的四种应用:控制,约束优化,约束保持和SP跟踪;同时确定可能推向优化值的CV。
控制律计算模块2.3:根据在线组态确定的CV-MV配对,按(1)-(8)式计算最优控制作用。
MV保持模块3.1:因MV的相关变量RV达到约束限而使MV不能应用时,使RV保持在约束限上,防止PID积分饱和的影响。或在一定条件下保持PID输出不变。
SP跟踪模块3.2:当作为MV的PID控制器未切换为“CAS”或“远程给定”时,使MV输出跟踪PID就地给定,以保证无扰地由PID控制切换为本控制。
MV约束优化器5:按MV约束优化控制律调整MV。
MV输出处理模块3.3:对以上“控制MV”,“MV保持”,“SP跟踪”,“MV优化”各种情况下的MV进行处理后输出给DCS和操作员界面。
CV约束优化器4:按CV约束优化控制律调整CV给定值。
为实施本发明,还需要以下配套设备:
10.DCS或其它具有PID控制的系统,通过此系统实现本控制器给出的控制。
9.实时数据库RTDB:通过数据接口由DCS采集被控过程变量,包括CV,MV,RV,SV,FV和其它相关数据,是计算和控制的依据。
7.工程师界面:对控制器进行设定和监视,包括本控制器所用变量CV,MV,RV,SV,FV的设定,所有变量上下限、速率限和投用命令的设定,模型及模型参数和控制器参数的设定,CV-MV配对和优先级的设定,等等。所有设定数据均可存放在RTDB中,可在控制器运行时进行调整。
同时,控制器将其运行状态数据送给RTDB,以便对控制器的运行进行监视。趋势显示器显示和记录RTDB中的有关数据,对控制器和被控过程运行情况进行监视。
8.操作员界面:为操作员提供对本控制器进行操作的界面,包括每个CV的投用开关和投用状态,MV的可用性和投用状态,CV给定值的调整,CV的故障信息等。通常操作员界面可在DCS或其它常规控制系统的操作终端实现。
以上配套设备均可利用已有的商品化设备和软件实现。
应用例:
图3是本发明VSNMPC在石油化工生产装置中应用的一般结构,其中:
1.为本发明给出的变结构非线性模型预估控制器VSNMPC
2.为基于非线性模型的软仪表 4.为数据输入输出接口(Data I/O)
5.为PID控制器(在DCS中) 6.为被控的生产过程表
7.为工程师界面 8.为操作员界面(在DCS操作端)
9.为实时数据库RTDB 10.为DCS
不同生产装置的CV和MV如表一所示。
表一:VSNMPC在石油化工生产装置中应用例
机译: 动态数字操作模型生成方法,例如机动车辆的石油发动机,涉及选择非线性动态数字模型结构,并生成具有固定最佳延迟的动态数字模型
机译: 非线性系统的模型结构,具有在模型输入和非参数模型之间布置的解调器,并根据解调器的频率分配输入信号
机译: 非线性动力学特征模型的结构及其模型参数的估计和计算方法