使用模块化模型预测控制器的集成优化和控制制造技术

本发明专利技术提出了一种模型预测控制器的模块化设计（４００）。这种模块化设计提供了一种可以用统一的方法进行调试的鲁棒的模型预测控制器。物质平衡和能量平衡的明确使用提供了稳定和鲁棒的性能（４１２）。基于经济的调试的使用提供了一种统一的调试方法（４１１）。统一的调试方法建立了来自稳态优化和动态控制的控制行动的一致性（４００）。进一步的，本发明专利技术中提出了一种使用多个模块化模型预测控制器来设计和调试集成优化和控制的方法（１００）。这个方法并入了将大量的模块化模型预测控制器集成起来的一种直接和清楚的方法。模块化控制器的集成可以无缝的实现而不需要任何的调试调整（２００）。所得到的多个模块化预测控制器的集成系统可以鲁棒地执行，允许每一个模块化模型预测控制器在系统中其他的操作状态的情况下起到自身的作用。所提出的集成可以实现来包括低电平的模块控制器或相同电平的控制器或二者（３００）。

Integration, optimization and control of predictive controllers using modular models are presented

The present invention proposes a modular design of a model predictive controller (400). This modular design provides a robust model predictive controller that can be debugged in a unified way. The explicit use of material balance and energy balance provides both stable and robust performance (412). The use of economical debugging provides a unified debugging method (411). The unified debugging method establishes consistency of control actions derived from steady-state optimization and dynamic control (400). Further, a method for designing and debugging integrated optimization and control using a plurality of modular model predictive controllers (100) is presented in the present invention. This approach incorporates a direct and clear approach to integrating a large number of modular model predictive controllers. The integration of modular controllers can be seamlessly implemented without the need for any debugging adjustments (200). The resulting integrated system of multiple modular predictive controllers can be robustly implemented, allowing each modular model predictive controller to play its part in the case of other operating states in the system. The proposed integration can be implemented to include a low level module controller or a controller of the same level, or two (300).

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及使用模型预测控制器进行实时优化和控制领域。进一步地说，本专利技术涉及将模型预测控制器进行集成用于大的处理单元，它的子处理包含调整的控制器以得到鲁棒的性能。
技术介绍
模型预测控制被广泛的应用于各种处理，从单个简单单元操作到包含多个单元操作的工厂单元操作。然而，模型预测控制(MPC)的性能质量如现有技术中实行的随着应用的范围不同会有很大的改变；调试和设计会占用相当多的工程量。如现有技术中实行的，MPC的调试是一个反复试验的努力，只在所定义的很窄的操作范围内工作良好，而且根据干扰的严重性和模型存在的不确定性，控制器的调试需要经常性的更新。也就是说，MPC的性能对于处于变化条件下持续改善处理操作的收益率缺乏鲁棒性。随着MPC应用范围的增加，这一问题将更加严重。MPC的调试主要是面向基于单个变量的调试，并将其他变量隔离。这种途径不能使得其自身趋向一种在控制下的控制处理的稳定性的简单和统一的方法。这种分开的途径对控制器进行调试会取决于干扰效果和模型不匹配效果的严重程度，使控制器容易受到大范围的性能退化的影响。因此，在一组条件下发展的调试，在其他不同组的条件下常常是不合适的。从而，MPC的性能会很不稳定而且在最坏情况下，需要不断的调试改变。在现有技术中，进行了为一个大型的处理单元上连接多个MPC的尝试，取得了有限的效果。实际应用中一种这样的方法通常称为“合成LP”方法，在这种方法中，在个别MPC执行它们各自的动态移动动作的同时，大量的MPC通过一个总的LP进行连接起来用于稳态优化。这种方法需要大量的工程量来构建和维护这样的系统。另外一种实际中提到的方法涉及到美国专利#6,122,555。在这种方法中，尝试着将大量用于稳态优化的MPC连接在一起，此外增加了寻求动态移动和稳态优化的合并解。这两种方法都试着在基本的MPC缺乏它自身的鲁棒性上，通过增加优化的精巧性来解决连接多个MPC的问题。尽管上述两种方法为建立和维护大规模的模型预测控制器的根本问题提供了解决方案，然而，他们没有全面且令人满意地解决这个问题。这两种方法都试图提供大规模集成的解决方案而对于模型预测控制器或其应用的方法不做任何改变。这两种方法都建立在具有自身缺点和弱点的模型预测控制器基本结构上。对于大部分情况，实际上大部分的工作量被用于通过提高在控制器中使用的模型的精度来试图提高性能的鲁棒性。实际上，并非所有的处理不稳定可以单一地归结为模型误差，因为不好的调试也会导致闭环不稳定。最近，在美国专利#6,381,505中，尝试在稳态目标计算中明确引入模型误差以提高控制器性能的鲁棒性。这种方法解决了稳态控制器中由于模型误差引起的循环问题。然而，很明显，在没有模型误差和循环问题时，该方法会由于不好的控制器调试而不起作用。现有技术中所需要的是一种基于更鲁棒的基准的模型预测控制器，它可以在保持自身性能的同时，集成作为大规模的应用的一部分。另外，现有技术中还需要一个简单的有力的方法来构建和维护不论是大规模还是小规模的模型预测控制器，不论是对于小单元操作还是大的作为整体的集成处理操作，其都能够始终获得鲁棒的性能。
技术实现思路
本专利技术的主要目的是针对以上提到的现有技术的不足，对于不同规模和范围的处理提供鲁棒的控制和稳定的优化。因此，本专利技术提供了一种直接和明确的方法来设置操作变量和控制变量的调试数值。统一的调试方法提供了在改变控制器条件时可以使用的一致的调试。因而，本专利技术的目的是为处理控制系统提供更加鲁棒的控制器。进一步的，本专利技术还提供了一种方法将大量的模块化模型预测控制器集成在一起以应用于一定范围内的处理，包括从一个操作变量和一个控制变量的处理到更多数量的操作变量和控制变量的处理。从而，本专利技术提供了一种模块化模型预测控制器，在保持总体处理的稳定性并持续的提高操作的收益率同时，随着处理范围的增加可以很容易的进行集成。附图说明当与附图以及其中包括的案例研究的结果同时阅读时，通过参考以下方法的详细描述，将会更好的理解主题专利技术的前述的以及其他的特点和方面。在附图中图1是显示依据本专利技术第一实施例的大规模模块化MPC系统的构造的结构图。图2是本领域中实行的MPC系统的结构图。图3是根据本专利技术的模块化MPC系统的结构图。图4描述了一个具有连续的物质平衡和热量平衡边界条件的闪蒸塔作为本专利技术应用的一个例子。图5列出了所有与图4相关的处理变量。图6用于图4中闪蒸塔的典型的处理响应模型。图7案例研究1数据。图8案例研究1数据延续。图9案例研究1结果MX-MPC和MPC的性能比较。图10案例研究2数据。图11案例研究2数据延续。图12案例研究2结果MX-MPC和MPC的性能比较。图13案例研究3数据。图14案例研究3结果MX-MPC和MPC的性能比较。图15案例研究4数据。图16案例研究4数据延续。图17案例研究4结果MX-MPC和MPC的性能比较。图18案例研究5结果MX-MPC和MPC的性能比较。图19案例研究6数据。图20案例研究6数据延续图21案例研究6结果MX-MPC和MPC的性能比较。图22案例研究7处理示意图闪蒸塔的物质平衡和热量平衡。图23案例研究7集成模块模型预测控制器-MX-MPC-A详细说明。图24案例研究7集成模块模型预测控制器-MX-MPC-B详细说明。图25案例研究7集成模块模型预测控制器-MX-MPC-A和MX-MPC-B的控制变量的性能详细说明。图26案例研究8集成模块模型预测控制器-MX-MPC-A和MX-MPC-B的操作变量和前馈变量的性能详细说明。图27是具有3层次的集成控制系统的操作的框图。图28案例研究8集成控制系统的结果。附图中的参考数字100集成优化和控制200模块化模型预测控制器300模块化模型预测控制器的下一层次400模块化模型预测控制器411模块化动态控制器412模块化稳态优化器500模型预测控制器(现有技术)具体实施方式描述-图1的较佳实施例图1表示了这里介绍的本专利技术的较佳实施例。在图1中，通过结构图的形式显示了一组集成模块化MPC(此后称为MX-MPCs)。在图2中显示了本领域中实行的MPC(现有技术)的结构，与其相比，图3中显示了一个模块化MPC(MX-MPC)。如图3所示，MX-MPC将具有自己的动态控制器，该动态控制器与在其控制范围内的操作变量和控制变量相关。作为一个独立单元，MX-MPC将具有MX稳态优化器412，其可以很容易地集成为集成的稳态优化器的一部分。如图1所示，稳态优化器为图1方框200中每一个MX-MPCs以及方框300中依次的每一个MX-MPCs，集成了图2所示的MX稳态优化器412。图1中的线202表示了MX-MPCs的相互连接。实际上的MX-MPCs的相互连接图依赖于下层处理的拓扑结构。参考图2，以结构图的方式显示了本领域中实行的模型预测控制技术MPC的执行。后面将用MPC表示本领域中实行的模型预测控制技术。图2很清楚地显示了，MPC模块513被分为稳态计算和动态计算。同时，由方块501表示“工厂”。术语“工厂”想要表示提到的任何的不同系统，比如化学处理设备、炼油设备。为了清楚的说明，在本说明书中不会描述MPC控制器实际执行中的所有特征。这里引用的参考文献1-5中提供了本领域中实行的模型预测控制的本文档来自技高网...

【技术保护点】
一种指定用于优化和控制一处理的模块化模型预测控制器的方法，包括步骤：ａ）选择所述处理的一连续的处理边界，包含处理变量的测量值和其他参数，来将稳态物质平衡和稳态能量平衡组合中的至少一个计算到合适的可变程度，所述的其他参数包括从上述测量 的变量推导得到数值的变量；以及ｂ）将变化的可变界限的不等式约束明确地并入到所述的稳态平衡中，除了通常包括在稳态优化中的处理变量的约束之外。

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：法赫尔丁T阿塔尔瓦拉，
申请(专利权)人：法赫尔丁T阿塔尔瓦拉，
类型：发明
国别省市：US[美国]