一种适用于烟草加工过程单回路控制系统的实时性能评价方法

摘要

本发明涉及烟草加工过程控制的相关技术领域，具体地说是一种针对烟草加工过程单回路控制系统的性能评价方法，其特征在于：选定烟草加工流程中的某一单回路控制系统作为待评价对象，通过用带变遗忘因子的最小二乘法来实时辨识操作数据的时间序列模型，提高模型辨识的准确性；并在性能评价中，采用滑动窗口的形式对操作数据进行实时滚动分析，提高性能评价的实时性。采用本发明提出的方法，遗忘因子随着模型拟合误差的变化而变化。当离期望误差较大时，适当减小遗忘因子的值来提高辨识灵敏度；当离期望误差较小时，适当增大遗忘因子的值来提高辨识精度。通过该方法的实时辨识能力，可提升烟草加工过程的性能评价水平。

说明书

技术领域

本发明涉及烟草加工过程控制的相关技术领域，具体地说是一种针对烟草加工过程单回路控制系统的性能评价方法。

背景技术

烟草加工过程是连续生产过程，经过长时间的生产运行后，各控制回路性能会不同程度的下降，如何利用过程生产数据对控制性能进行评价，及时发现控制系统性能的潜在退化，进而采取预防改进措施，提高过程控制水平和生产维护效率，是过程控制人员亟待解决的问题。

烟草加工过程工序众多，各工序包含很多不同类型的控制回路。单回路仍然是其中最基本、最常见的控制回路。Harris通过对单回路常规操作数据采用时间序列分析的方法，找到反馈不变项并作为评价控制系统的最小方差基准（CanJChemEng,1989(67):856-861）。在此基础上，各种不同类型的评价方法及计算方法也被提出来评价控制系统性能。虽然性能评价方法很多，但最小方差性能评价方法由于需要的过程知识少、计算相对简单，仍是现在使用最广泛的评价方法。

但这种常规的最小方差性能评价方法在实际应用中面临以下主要问题：一是这种方法是利用常用的辨识方法（如：最小二乘；Burg方法等）对操作数据的时间序列模型进行辨识，辨识所得模型的准确度不高，影响了性能评价的准确性；二是由于辨识方法所限，通常是分批次对操作数据进行分析评价，缺乏对生产数据的实时滚动分析，性能评价的实时性不高。

发明内容

本发明的目的正是针对上述现有最小方差性能评价技术存在的问题，提出了一种适应于烟草加工过程单回路控制系统的实时性能评价方法。通过用带变遗忘因子的最小二乘法来实时辨识操作数据的时间序列模型，提高模型辨识的准确性；并在性能评价中，采用滑动窗口的形式对操作数据进行实时滚动分析，提高性能评价的实时性。

本发明的目的是通过以下技术方案来实现的：

一种适用于烟草加工过程单回路控制系统的实时性能评价方法，具体包括以下步骤：

（1）针对烟草加工流程中的特定加工工序，选定待评价的单回路控制系统，确定相应的被控变量（操作数据）；

（2）确定采集规则：包括采样时间、评价数据范围、初始采样范围。根据烟草加工过程的特点，采样时间为5-15秒；评价数据范围选取生产过程稳定运行的数据段（除去料头、料尾以及故障阶段的生产数据）；初始采样范围为100-200个数据。

（3）对采集的操作数据进行预处理，包括奇异值剔除以及平稳性检验。若平稳性检验未通过，则可以对数据进行一次或二次差分处理，并将操作数据减去其设定值作为辨识模型用数据；

（4）采用带变遗忘因子的最小二乘方法对辨识数据进行自回归（AR）时间序列模型建模；

（5）由上面的时间序列模型通过“白化”获得噪声或残差的方差；利用先验知识或操作数据，估计控制系统的时间延迟d；

（6）结合时间延迟d，利用长除法从获得的时间序列模型中求取控制反馈不变项；并结合噪声方差，求取操作数据最小方差意义下的最小方差；

（7）从操作数据的采样范围内求取过程输出的实际方差，从而求取评价该采样范围内控制系统的性能评价指标；

（8）采用滑动窗口的形式，对整个评价数据范围进行滚动分析，获得连续的性能评价指标。

步骤（3）中，奇异值剔除是对明显不符合稳定生产过程或故障段的数据进行人工剔除；平稳性检验采用非参数检验法ADF；数据的一次或二次差分处理如下式：

步骤（4）中，采用带变遗忘因子的最小二乘方法对辨识数据进行自回归（AR）时间序列模型，辨识后的自回归模型结构如下式所示：

采用的辨识算法为：

其中，为当前时刻的输出操作数据；为自回归模型的估计系数；为噪声；为中间变量，初始值根据实际情况设定；为遗忘因子，满足下面的修正曲线：

其中，分别为遗忘因子的最小值和最大值，视具体情况设定。

步骤（5）中，方差由辨识得到的自回归模型“白化”得到，即由下式求出：

步骤（6）中，操作数据最小方差意义下的最小方差通过下述方法求取：

首先，将时间序列模型（AR）表达式表示为一个无限项的滑动平均模型：

其中d为控制时间延迟。然后，求取前d项控制反馈不变项，则最小方差控制下的最小方差为：

步骤（7）中，过程输出的实际方差由下式计算：

其中，n为评价数据的个数。

步骤（8）中，由于采用了动态辨识模型的方式，在对整个评价范围内的数据进行性能评价时采用滑动窗口的形式进行滚动计算分析。

采用本发明提出的方法，遗忘因子随着模型拟合误差的变化而变化。当离期望误差较大时，适当减小遗忘因子的值来提高辨识灵敏度；当离期望误差较小时，适当增大遗忘因子的值来提高辨识精度。并且，基于该方法的实时辨识能力，在性能评价中对操作数据采用滑动窗口的形式进行实时分析，从而提高性能评价的准确度和实时性，提升烟草过程的性能评价水平。

附图说明

图1为常见的单回路控制系统；

图2为离散自适应滤波器；

图3为本发明最小方差性能指标滚动计算流程图（该图作为摘要附图）；

图4为实施例SH93水分控制回路采用本发明的最小方差性能滚动分析图；

图5为实施例SH93水分控制回路采用原方法的最小方差性能批次分析图。

具体实施方式

下面结合附图和实施例对本发明作进一步的描述：

以某卷烟厂SH93型气流烘丝机（烘前秤流量5100kg/h）水分控制回路为评价对象（控制系统如图1所示）。具体的实施步骤如下（如图3所示）：

（1）选定水分控制回路为评价对象；确定被控变量（操作数据）为烘丝出口水分；

（2）当某牌号烟丝完全进入烘丝机后，待系统稳定运行5分钟后，取10分钟以后的出口烟丝水分数据开始进行滚动实时性能评价，评价数据的长度为120个（采样时间为10秒），评价数据的范围为60分钟内的数据。

（3）对采集的数据进行预处理，包括奇异值剔除以及平稳性检验。剔除了3个奇异数据，用ADF进行平稳性检验通过；并用所得数据减去设定值14.2％作为辨识模型用数据；

（4）采用带变遗忘因子的最小二乘方法对辨识数据进行自回归时间序列模型建模（自适应滤波器如图2所示）。这里遗忘因子的最大值和最小值分别取为0.95和0.1；初始变量；；；

（5）由上面的时间序列模型通过“白化”获得噪声或残差的方差；根据先验过程知识，获得过程系统的时间延迟为；

（6）结合时间延迟d，利用长除法从获得的时间序列模型中求取控制反馈不变项；并结合噪声方差，求取最小方差；

（7）从当前的117个输出操作数据中求取过程输出的实际方差，从而求取评价该采样范围内控制系统的性能评价指标；

（8）重复（4）-（7）步骤，每隔5个数据，滚动求解最小方差性能评价指标（图4）。

原最小方差性能评价结果如图5所示，由于没有滚动计算，整个评价数据范围内只有3个评价指标，因而对每个评价数据范围内的指标变化缺乏了解，性能评价的实时性不高；结合实际过程控制效果，批次中间有性能劣化的趋势，而原方法未能及时反映这一劣化趋势。由此可见，本发明提出的滚动分析方法提高了性能评价的准确度和实时性，有利于烟草加工过程控制性能的实时评价，提高了加工过程的故障诊断和信息化水平。