本发明专利技术公开了一种状态空间预测函数控制优化的焦化炉炉膛压力控制方法。工业控制中，传统的PID控制不能达到满意的控制效果。本发明专利技术首先基于焦化炉压力对象的实时输入输出数据建立焦化炉压力对象的状态空间模型，然后结合状态过程和输出误差建立扩展的非最小化状态空间模型。在此模型的基础上，依据预测函数控制的方法来优化PID控制器的参数，最后对被控对象实现PID控制。本发明专利技术既具有ENMSSPFC的良好控制性能，同时又具备PID控制的简单形式。
【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种。工业控制中，传统的PID控制不能达到满意的控制效果。本专利技术首先基于焦化炉压力对象的实时输入输出数据建立焦化炉压力对象的状态空间模型，然后结合状态过程和输出误差建立扩展的非最小化状态空间模型。在此模型的基础上，依据预测函数控制的方法来优化PID控制器的参数，最后对被控对象实现PID控制。本专利技术既具有ENMSSPFC的良好控制性能，同时又具备PID控制的简单形式。【专利说明】
本专利技术属于自动化
，涉及一种基于扩展非最小化状态空间预测函数控制(E^SSPFC)优化的焦化炉炉膛压力的比例积分微分(PID)控制方法。
技术介绍
在实际工业控制中，由于成本和硬件等因素的限制，一些先进控制的方法虽然得到了一定程度的应用，但是仍然无法取代传统的PID控制。焦化炉炉膛压力控制是一个大时滞、非线性的过程，传统的PID控制不能达到满意的控制效果。基于扩展非最小化状态空间预测函数控制在焦化炉炉膛压力控制中比PID控制拥有更好的控制性能，如果能够将E匪SSPFC的控制性能赋予PID控制，既能保证控制结构的形式简单，又能够获得更好的控制性能。
技术实现思路
本专利技术的目的是针对现有PID控制的不足，通过数据采集、模型建立、预测机理、优化等手段，提供一种基于E匪SSPFC优化的焦化炉炉膛压力的PID控制方法，以获得实际过程中良好的控制性能。该方法通过结合EWSSPFC和PID控制，得到一种EWSSPFC优化的PID控制方法。该方法既具有E匪SSPFC的良好控制性能，同时又具备PID控制的简单形式。 本专利技术的步骤包括: 步骤1、建立被控对象的扩展非最小化状态空间模型，具体步骤是: 1.1、通过采集被控对象的实时输入输出数据，利用最小二乘法建立模型，形式如下: yL(k) = Ψτ θ，θ = τ Ψ = τ 其中，yjk)表示k时刻预测模型的输出值，y(k)表示k时刻实际过程的输出值，u(k)表示k时刻的控制量，η为对应实际过程的输入输出变量的阶次，L1, L2,, Ln, S1, S2,..., Sn为需要辨识的系数，T为矩阵的转置符号。 利用采集的实时过程数据，得到N组样本数据，形式如下: Y = T Φ = \Ψ；,ΨΙ...,Ψ),...,ΨΙ? 其中，WpyU)表示采集的第j组的输入数据和输出值，N表示样本总数。 辨识结果为: § = (ΦΤΦ) 'ΦΤΥ 1.2、将步骤1.1中得到的模型转换为差分模型形式: Δ y (k+1) +L1 Δ y (k) +L2 Δ y (k_l) +...+Ln Δ y (k_n+l) = S1 Δ u (k) +S2 Δ u (k_l) +...+Sn Δ u (k_n+l) 其中，Λ是差分算子。 1.3、选取如下所示的非最小化状态空间变量: Δ xm (k)τ = 进而将步骤1.2中的模型转化为状态空间模型，其形式如下: Axm (k+1) = Am Δ xm (k) +Bm Δ u (k) Ay (k+1) = Cm Axm (k+1) 其中 二/ -T …—j —f V...V V "I O *..0 O O …O O O I...0 O 0...0 O An ~ O O …I O 0...0 O O O … O O 0...0 O OO *..0 O I...0 O?.--..* ?..*.* O O … O O 0...I O L J ? Sm=K 0---010 …0]T， O O …O O O O]， Δ Xm (k)的维数 m = 2n-l。 1.4、将步骤1.3中得到的状态空间模型转换成包含状态变量和输出误差的扩展非最小化状态空间模型，形式如下: z (k+1) = Az (k)+B Δ u (k)+C Δ r (k+1) 其中A Ol 「5 ? 「O — A —,B= m , C = CA ICB-1 mmmm 「n z(k)= m ’ L e(k) _ e (k) = y (k) ~r (k) r(k)为k时刻的期望输出值，e(k)为k时刻的实际输出值与期望输出值之间的差值，O是维数为m的零矩阵。 步骤2、设计被控对象的PID控制器，具体步骤是: 2.1、计算k时刻对第k+P时刻的预测输出值，形式如下: z (k+P) = APz (k) + Ψ Δ u (k) + θ Δ R 其中， Θ-^ = Ap-lB ^ ΔΛ = T 9 r (k+i) = α > (k) + (1- α 工)c (k)，i = I, 2,.., P, P为预测时域，Ap表示P个矩阵A相乘，α是参考轨迹的柔化因子，c (k)是k时刻的设定值。 2.2、选取被控对象的目标函数J (k)，形式如下: minj (k) = z (k+P) tQz (k+P) 其中，Q是(2n_l) X (2n_l)权矩阵，min表示求最小值。 2.3、根据步骤2.2中的目标函数求解PID控制器的参数，具体方法是:先将控制量u(k)进行变换: u ( k ) = u (k-1 ) +Kp (k) (e^k) - e^k-l) ) + K^k) e^k) + Kd(k) (β! (k)-2βλ (k-1)+G1(k-2)) e! (k) = c (k) -y (k) 其中，Kp(k)、Ki(k)、Kd(k)分别是k时刻PID控制器的比例、微分、积分参数，ei(k)是k时刻设定值与实际输出值之间的误差。 进而可以将控制量u (k)简化成矩阵形式: u (k) = u (k-1) +w (k) tE (k) w (k) = τ E(k) = Le1 (k), G1 (k~l), G1 (k~2) ] τ W1 (k) = Kp (k) +Ki (k) +Kd (k) w2 (k) = -Kp (k) -2Kd (k) W3 (k) = Kd (k) 结合控制量u (k)的矩阵形式和步骤2.2中的目标函数，可以求得: ,,、 y/Q(APz{k) + OAR)E(k) w(k) = - / ~~ 进一步可以得到: Kp (k) = -W2 (k) -2Kd (k) Ki (k) = W1 (k) -Kp (k) -Kd (k) Kd(k) = W3(k) 2.4、得到PID控制器的参数Kp (k)、Ki (k)、Kd (k)后，构成控制量:u(k)=u (k-1) +Kp (k) (θ! (k) -G1 (k-1)) +Ki (k) G1 (k) +Kd (k) Ce1 (k) ^e1 (k-1) +G1 (k-2))，再将其作用于被控对象。 2.5、在k+1时刻，依照2.1到2.4中的步骤循环求解PID控制器新的参数Kp (k+Ι)、Ki (k+1)、Kd (k+1)，I = I, 2, 3,...0 本专利技术首先基于焦化炉压力对象的实时输入输出数据建立焦化炉压力对象的状态空间模型，然后结合状态过程和输出误差建立扩展的非最小化状态空间模型。在此模型的基础上，依据预测函数本文档来自技高网...
【技术保护点】
状态空间预测函数控制优化的焦化炉炉膛压力控制方法，其特征在于：该方法的具体步骤包括：步骤1、建立被控对象的扩展非最小化状态空间模型，具体步骤是：1.1、通过采集被控对象的实时输入输出数据，利用最小二乘法建立模型，形式如下：yL(k)＝ΨTθ,θ＝[S1,‑L1,S2,‑L2,...,Sn,‑Ln]TΨ＝[u(k‑1),y(k‑1),...,u(k‑n),y(k‑n)]T其中，yL(k)表示k时刻预测模型的输出值，y(k)表示k时刻实际过程的输出值，u(k)表示k时刻的控制量，n为对应实际过程的输入输出变量的阶次，L1,L2,...,Ln,S1,S2,...,Sn为需要辨识的系数，Τ为矩阵的转置符号；利用采集的实时过程数据，得到N组样本数据，形式如下：Y＝[y(1),y(2),...,y(j),...,y(N)]TΦ=[Ψ1T,Ψ2T,...,ΨjT,...,ΨNT]T]]>其中，Ψj、y(j)表示采集的第j组的输入数据和输出值，N表示样本总数；辨识结果为：θ^=(ΦTΦ)-1ΦTY]]>1.2、将步骤1.1中得到的模型转换为差分模型形式：Δy(k+1)+L1Δy(k)+L2Δy(k‑1)+...+LnΔy(k‑n+1)＝S1Δu(k)+S2Δu(k‑1)+...+SnΔu(k‑n+1)其中，Δ是差分算子；1.3、选取如下所示的非最小化状态空间变量：Δxm(k)T＝[Δy(k),Δy(k‑1),...,Δy(k‑n+1),Δu(k‑1),Δu(k‑2),Δu(k‑n+1)]进而将步骤1.2中的模型转化为状态空间模型，其形式如下：Δxm(k+1)＝AmΔxm(k)+BmΔu(k)Δy(k+1)＝CmΔxm(k+1)其中Am=-L1-L2...-Ln-1-LnS2...Sn-1Sn10...000...0001...000...00...........................00...100...0000...000...0000...001...00...........................00...000...10,]]>Bm=S10...010...0T,]]>Cm=100...0000,]]>Δxm(k)的维数m＝2n‑1；1.4、将步骤1.3中得到的状态空间模型转换成包含状态变量和输出误差的扩展非最小化状态空间模型，形式如下：z(k+1)＝Az(k)+BΔu(k)+CΔr(k+1)其中A=Am0CmAm1,B=BmCmBm,C=0-1z(k)=Δxm(k)e(k)]]>e(k)＝y(k)‑r(k)r(k)为k时刻的期望输出值，e(k)为k时刻的实际输出值与期望输出值之间的差值，0是维数为m的零矩阵；步骤2、设计被控对象的PID控制器，具体步骤是：2.1、计算k时刻对第k+P时刻的预测输出值，形式如下：z(k+P)＝APz(k)+ψΔu(k)+θΔR其中，θ=AP-1CAP-2C...C,ψ=AP-1B,]]>ΔR=Δr(k+1)Δr(k+2)...Δr(k+P)T,]]>r(k+i)＝αiy(k)+(1‑αi)c(k),i＝1,2,...,P，P为预测时域，AP表示P个矩阵A相乘，α是参考轨迹的柔化因子，c(k)是k时刻的设定值；2.2、选取被控对象的目标函数J(k)，形式如下：minJ(k)＝z(k+P)ΤQz(k+P)其中，Q是(2n‑1)×(2n‑1)权矩阵，min表示求最小值；2.3、根据步骤2.2中的目标函数求解PID控制器的参数，具体方法是：先将控制量u(k)进行变换：u(k)＝u(k‑1)+Kp(k)(e1(k)‑e1(k‑1))+Ki(k)e1(k)+Kd(k)(e1(k)‑2e1(k‑1)+e1(k‑2))e1(k)＝c(k)‑y(k)其中，Kp(k)、Ki(k)、Kd(k)分别是k时刻PID控制器的比例、微分、积分参数，e1(k)是k时刻设定值与实际输出值之间的误差；进而可以将控制量u(k)简化成矩阵形式：u(k)＝u(k‑1)+w(k)ΤE(k)w(k)＝[w1(k),w2(k),w3(k)]ΤE(k)＝[e1(k),e1(k‑1),e1(k‑2)]Τw1(k)＝Kp(k)+Ki(k)+Kd(k)w2(k)＝‑Kp(k)‑2Kd(k)w3(k)＝Kd(k)结合控制量u(k)的矩阵形式和步骤2.2中的目标函数，可以求得：w(k)=-ψTQ(APz(k)+θΔR)E(k)ψTQψE(k)TE(k)]]>进一步可以得到：Kp(k)＝‑w2(k)‑2Kd(k)Ki(k)＝w1(k)‑KP...
【技术特征摘要】
【专利技术属性】
技术研发人员：薛安克，邹琴，张日东，王建中，刘俊，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33
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。