一种基于广义预测控制的精馏塔高纯度精馏控制系统，包括与空分塔直接连接的现场智能仪表、用于存放历史数据的数据存储装置及上位机，智能仪表、数据存储装置及上位机依次相连，上位机为广义预测控制器，所述的广义预测控制器包括组分推断控制部分和广义预测控制部分，组分推断控制部分包括检测仪表模块、Ｉ／Ｏ元件模块以及组分推断模块，广义预测控制部分包括Ｉ／Ｏ元件模块、预测模型模块、模型自校正模块、滚动优化模块以及控制输出模块。以及提供了一种用该空分塔的广义预测控制系统实现的控制方法。本发明专利技术能够适应空分操作的动态特性、强烈的非线性、和回路之间的耦合性，能够得到良好的控制效果。
【技术实现步骤摘要】
本专利技术涉及化工精馏过程的先进控制领域，特别地，涉及一种。
技术介绍
精馏过程是石油化工生产过程中一个很典型很重要的单元过程，它的操作质量直接影响着整个工厂的产品质量和生产成本。特别随着经济全球化和科技的日新月异，人们对精馏过程的高效性和精密性要求越来越高。高纯精馏的概念也就因此越来越得到国内外的关注，其重要性更是不容置疑。高纯精馏过程控制的难题主要在于其复杂的动态特性、非线性、和回路之间的耦合性，传统的如PID等线性控制方案很难对其得到较好的控制效果。当前社会对产品质量、节能降耗等方面的要求使对高纯精馏过程的研究显的越发重要。众多的国内外工艺、自控专家对此做了大量的研究工作，提出了许多先进控制理论，也取得了一些令人鼓舞的进展。但是鉴于仪表控制系统硬件的限制，使得一些重要的先进控制方案很难在石油化工生产过程中实施。这些年来，随着计算机和DCS在石油化工生产过程中应用的逐步普及，使人们有可能应用先进控制方案改进精馏塔的控制手段，从而使达到提高生产经济效益的目标成为现实。
技术实现思路
为了克服已有的精馏塔控制方案的不能适应空分操作的动态特性、强烈的非线性、和回路之间的耦合性、不能得到良好的控制效果的不足，本专利技术提供一种能够解决空分操作的动态特性、强烈的非线性、和回路之间的耦合性问题，并得到良好的控制效果的。本专利技术解决其技术问题所采用的技术方案是一种基于广义预测控制的精馏塔高纯度精馏控制系统，包括与精馏塔塔直接连接的现场智能仪表、用于存放历史数据的数据存储装置及上位机，智能仪表、数据存储装置及上位机依次相连，所述的上位机为一般模型控制器，所述的一般模型控制器包括组分推断控制部分和一般模型控制部分，所述的组分推断控制部分包括检测仪表模块，包括温度检测元件和压力检测元件，用于检测精馏塔的上塔的温度和压力；I/O元件模块，用于电信号、和数据信号在控制器内部以及控制器与数据存储装置之间的传输，组分推断模块，用于依据检测得到的温度与压强数据推断组分，其算式为(1)、(2)XD=αα-1-10(a-bT1+c)(α-1)P---(1)]]>XB=Pα10(a-Tn+cb)(α-1)-1α-1---(2)]]>其中，XD、XB为高纯精馏塔两端的产品轻组分，P为塔压，T1、Tn分别为塔顶、塔底温度，α为相对挥发度，a、b、c为安托尼常数；所述的广义预测控制部分包括I/O元件模块，用于广义预测控制器的内部及控制器与数据存储装置之间的电信号、数据信号的传输；预测模型模块，用于将DCS历史数据库或测试所得数据进行最小二乘拟和得到系统具有随机阶跃扰动非平稳噪声的离散差分方程模型，其算式为(3)；A(z-1)y(k)＝B(z-1)u(k-1)+C(z-1)ε(k)/Δ (3)其中A(z-1)=1+Σi=1naaiz-i,B(z-1)=Σi=0nbbiz-i,]]>Δ-差分算子，Δ＝1-z-1；模型自校正模块，用于采用具有遗忘因子的递推最小二乘算法，在线校正系统模型参数，具体步骤如下(1)更新向量X(k-1)T＝；(2)读取y(k)并计算ε(k)＝Δy(k)-X(k-1)Tθ(k-1)；(3)运用具有遗忘因子的递归最小二乘算法得到θ(k)，其算式为(4)θ(k)=θ(k-1)+P(k-2)X(k-1)ϵ(k)ρ+X(k-1)TP(k-2)X(k-1)---(4)]]>其中，P(k-1)=1ρ,]]>P(-1)为足够大的正定矩阵，θ=;]]>(4)从θ(k)中提取原模型参数A(z-1)，B(z-1)，并计算A(z-1)＝A(z-1)Δ，B(z-1)＝B(z-1)Δ；滚动优化模块，用于基于预测模型模块、反馈校正模块和广义预测控制算法运算，求解控制量u(k)，具体算式如下(5)Δu(k)＝d1T，u(k)＝u(k-1)+Δu(k) (5)d1T为(GTQG+λ)-1GTQ的第i行矢量其中，Y(k)＝T，ΔU(k-1)＝T；控制输出模块，用于将计算得到的u(k)的数据信号输出到精馏塔。作为优选的一种方案所述的一般模型控制系统还包括DCS系统，所述的DCS系统由数据接口、控制站和历史数据库构成，所述的数据存储装置为DCS系统的历史数据库。作为优选的另一种方案所述的现场智能仪表、DCS系统、一般模型控制器通过现场总线依次连接作为优选的再一种方案所述的广义预测控制器还包括人机界面模块，用于将计算得到的控制变量u(k)的值，并将其以及检测得到的XD、XB的值在控制器的人机界面上显示。一种用所述的基于广义预测控制的精馏塔高纯度精馏控制系统实现的控制方法，所述的控制方法包括以下步骤(1)确定精馏塔的双组分设定值Y1set、Xnset，以及采样周期T；(2)每个采样时刻KT，依据检测得到的温度和压强数据推断组分，其算式为(1)、(2)XD=αα-1-10(a-bT1+c)(α-1)P---(1)]]>XB=Pα10(a-Tn+cb)(α-1)-1α-1---(2)]]>其中，XD、XB为高纯精馏塔两端的产品轻组分，P为塔压，T1、Tn分别为塔顶、塔底温度，α为相对挥发度，a、b、c为安托尼常数；(3)通过DCS历史数据库或做测试得到的数据拟合系统具有随机阶跃扰动非平稳噪声的离散差分方程模型，其算式为(3)A(z-1)y(k)＝B(z-1)u(k-1)+C(z-1)ε(k)/Δ(3)其中A(z-1)=1+Σi=1naaiz-i,B(z-1)=Σi=0nbbiz-i,]]>Δ-差分算子，Δ＝1-z-1；(4)置初值P、M、Q、λ、na、nb、ρ、α、θ(0)，其中P为预测时域长度、M为控制时域长度、Q为误差加权矩阵、λ为控制加权矩阵、ρ为遗忘因子、α为柔化因子，θ=]]>(5)自校正递推更新系统模型，具体步骤如下(5.1)更新向量X(k-1)T＝(5.2)读取y(k)并计算ε(k)＝Δy(k)-X(k-1)Tθ(k-1)(5.3)运用具有遗忘因子的递归最小二乘算法得到θ(k)，其计算式为(4):θ(k)=θ(k-1)+P(k-2)X(k-1)ϵ(k)ρ+X(k-1)TP(k-2)X(k-1)---(4)]]>其中，P(k-1)=1ρ,]]>P(-1)为足够大的正定矩阵；(5.4)从θ(k)中提取原模型参数A(z-1)，B(z-1)，并计算A(z-1)＝A(z-1)Δ，B(z-1)＝B(z-1)Δ；(6)求解控制量u(k)，具体算式如下(4)Δu(k)＝d1T，u(k)＝u(k-1)+Δu(k) (4)d1T为(GTQG+λ)-1GTQ的本文档来自技高网...
【技术保护点】
一种基于广义预测控制的精馏塔高纯度精馏控制系统，包括与精馏塔直接连接的现场智能仪表、用于存放历史数据的数据存储装置及上位机，智能仪表、数据存储装置及上位机依次相连，其特征在于：所述的上位机为广义预测控制器，所述的广义预测控制器包括组分推断控制部分和广义预测控制部分，所述的组分推断控制部分包括：检测仪表模块，包括温度检测元件和压力检测元件，用于检测精馏塔的上塔的温度和压力；Ｉ／Ｏ元件模块，用于电信号、和数据信号在控制器内部以及控制器与数据存储装置之间的传 输，组分推断模块，用于依据检测得到的温度与压强数据推断组分，其算式为（１）、（２）：＊＊＊其中，Ｘ↓［Ｄ］、Ｘ↓［Ｂ］为高纯精馏塔两端的产品轻组分，Ｐ为塔压，Ｔ↓［１］、Ｔ↓［ｎ］分别为塔顶、塔底温度，α为相对挥发度 ，ａ、ｂ、ｃ为安托尼常数；所述的广义预测控制部分包括：Ｉ／Ｏ元件模块，用于广义预测控制器的内部及控制器与数据存储装置之间的电信号、数据信号的传输；预测模型模块，用于将ＤＣＳ历史数据库或测试所得数据进行最小二乘拟和得到 系统具有随机阶跃扰动非平稳噪声的离散差分方程模型，其算式为（３）；Ａ（ｚ↑［－１］）ｙ（ｋ）＝Ｂ（ｚ↑［－１］）ｕ（ｋ－１）＋Ｃ（ｚ↑［－１］）ε（ｋ）／△（３）其中Ａ（ｚ↑［－１］）＝１＋＊ａ↓［ｉ］ｚ↑［－ｉ］，Ｂ（ ｚ↑［－１］）＝＊ｂ↓［ｉ］ｚ↑［－ｉ］，△－差分算子，△＝１－ｚ↑［－１］；模型自校正模块，用于采用具有遗忘因子的递推最小二乘算法，在线校正系统模型参数，具体步骤如下：（１）更新向量Ｘ（ｋ－１）↑［Ｔ］＝［－△ｙ（ｋ－１），…，－ △ｙ（ｋ－ｎ↓［ａ］），△ｕ（ｋ－１），…，△ｕ（ｋ－ｎ↓［ｂ］－１）］；（２）读取ｙ（ｋ）并计算ε（ｋ）＝△ｙ（ｋ）－Ｘ（ｋ－１）↑［Ｔ］θ（ｋ－１）；（３）运用具有遗忘因子的递归最小二乘算法得到θ（ｋ），其算式为（４）： ＊＊＊（４）其中，＊＊＊，Ｐ（－１）为足够大的正定矩阵，θ＝［ａ↓［１］，…，ａ↓［ｎ↓［ａ］］，ｂ↓［０］，…，ｂ↓［ｎ↓［ｂ］］］；（４）从θ（ｋ）中提取原模型参数Ａ（ｚ↑［－１］），Ｂ（ｚ↑［－１］），并计 算＊（ｚ↑［－１］）＝Ａ（ｚ↑［－１］）△，＊（ｚ↑［－１］＝Ｂ（ｚ↑［－１］）△；滚动优化模块，用于基于预测模型模块、反馈校...
【技术特征摘要】
【专利技术属性】
技术研发人员：刘兴高，王成裕，
申请(专利权)人：浙江大学，
类型：发明
国别省市：86[中国|杭州]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。