用于精馏系统的模型预测控制方法技术方案

本发明专利技术公开了一种用于精馏系统的模型预测控制方法，步骤如下：1)建立目标函数；2)构造状态空间模型；3)利用子空间方法，构造Hankel矩阵以获得输出变量的子空间函数；4)根据子空间函数求得目标函数最小化状态下的最优控制率；5)将最优控制率作用于精馏系统中，获得各回路输入变量和输出变量的方差；6)通过粒子群优化方法寻找目标函数中权衡矩阵的一次最优值；7)以一次最优值为初值，利用梯度下降法获得二次最优值，将二次最优值代入目标函数以获得最优化的模型预测控制方法。本发明专利技术仅通过过程的输入输出数据就可以获得过程特性，对权重矩阵进行精确优化的方法，从而将产品质量和控制代价最优化，提升整体的经济效益。

【技术实现步骤摘要】

本专利技术涉及一种模型预测控制方法，尤其是一种。
技术介绍
在现代的工业生产中，为了提高经济效益，该生产系统中的控制系统不仅要求产品的质量波动最小，还要求对应的控制成本最低，而模型预测控制器则常被用于平衡这两者间的关系。模型预测控制器自20世纪70年代诞生以来，在理论研究和工程实践方面都得到了蓬勃发展，特别是在流程工业中得到了广泛应用。特别是在复杂的工业过程中有着越来越广泛的应用，其性能监控技术的研究对提高过程控制质量、提高企业生产效率、促进先进控制的推广具有重要意义。模型预测控制器设计的最终目标是提高经济效益，虽然权重矩阵确定了模型预测控制器的目标函数，但这一目标函数并不直接对应经济效益，提高经济效益可以归结到将过程输出和控制器输出的波动约束到一个范围内，工业现场对模型预测控制器的设计首先应该通过过程输出和控制器输出的方差来确定权重矩阵，再完成控制器的设计。在以往的模型预测控制器设计中，权重矩阵的选取没有明确的标准，对权重矩阵的优化没有一种对应到过程输出以及控制器输出的方法。Huang的书(Huang B, ShahS L.Performance assessment of control loops:theory and applications[M].Springer, 1999.)中描述的权衡曲线描述了这三者间的关系，虽然所用到的假设较为简单，模型预测控制器的权重仅为标量，但为解决权重矩阵的优化问题提供了思路。传统上有两种方法解决问题，一种是通过输入输出模型或者状态空间模型直接计算，另一种是通过广义预测控制(GPC)问题来求解。这两种方法对于模型的限制和依赖程度较高，为了获得精确的模型，往往需要对过程施加一些会引起过程波动较大的激励信号，这在工业现场往往是不被允许的。同时在计算过程中，需要求解Diophantine方程或代数Riccati方程,造成计算量较大，在实际应用中显得较为复杂。权衡曲线提供了已知权重矩阵求解过程输出方差和控制器输出方差的思路，但模型预测控制器设计需要的是已知输入输出方差来求解权衡矩阵，此时权衡曲线没有一个显式的函数关系就会造成优化层级上难度大，精度不高，容易出现局部最优等问题。因此，针对实际情况，目前需要一种能够不用辨识出过程模型，无需过程机理知识，仅通过过程的输入输出数据就可以获得过程特性，并进一步获得模型预测控制器权重矩阵与过程输入输出方差的显式关系，以此对权重矩阵进行精确优化的方法，能够将产品质量和控制代价最优化，提升整体的经济效益。
技术实现思路
为了克服现有技术的不足，本专利技术提供了一种无需辨识出过程模型，仅通过过程的输入输出数据就可以获得过程特性，能够将产品质量和控制代价最优化，提升整体的经济效益的。本专利技术的有益效果是一种，步骤如下1)建立模型预测控制器的目标函数；2)构造精馏系统的状态空间模型；3)利用子空间方法，根据精馏系统的输入变量和输出变量构造Hankel矩阵，并将Hankel矩阵代入步骤2)中的状态空间模型，并转化为输出变量的子空间函数；4)根据步骤3)中输出变量的子空间函数获得其预测值，并将该预测值代入步骤O中的目标函数内，通过对输入变量求导，求得目标函数最小化状态下的最优控制率；5)将最优控制率作用于精馏系统中，闭环后计算输入变量和输出变量的方差，让扰动从某一时刻进入，即之前时刻的输入变量和扰动均为0，此时获得各回路输入变量和输出变量的方差；6)令输入变量和输出变量的波动目标为输入变量和输出变量的方差，通过粒子群优化方法寻找目标函数中权衡矩阵的一次最优值；7)以权衡矩阵的一次最优值为初值，利用梯度下降法对一次最优值进行进一步的优化，获得二次最优值，将二次最优值代入目标函数以获得最优化的模型预测控制方法。进一步优选是，步骤I)中所建立的模型预测控制器的目标函数为本文档来自技高网...

【技术保护点】
一种用于精馏系统的模型预测控制方法，其特征是：步骤如下1）建立模型预测控制器的目标函数；2）构造精馏系统的状态空间模型；3）利用子空间方法，根据精馏系统的输入变量和输出变量构造Hankel矩阵，并将Hankel矩阵代入步骤2）中的状态空间模型，并转化为输出变量的子空间函数；4）根据步骤3）中输出变量的子空间函数获得其预测值，并将该预测值代入步骤1）中的目标函数内，通过对输入变量求导，求得目标函数最小化状态下的最优控制率；5）将最优控制率作用于精馏系统中，闭环后计算输入变量和输出变量的方差，让扰动从某一时刻进入，即之前时刻的输入变量和扰动均为0，此时获得各回路输入变量和输出变量的方差；6）令输入变量和输出变量的波动目标为输入变量和输出变量的方差，通过粒子群优化方法寻找目标函数中权衡矩阵的一次最优值；7）以权衡矩阵的一次最优值为初值，利用梯度下降法对一次最优值进行进一步的优化，获得二次最优值，将二次最优值代入目标函数以获得最优化的模型预测控制方法。

【技术特征摘要】
1.一种用于精馏系统的模型预测控制方法，其特征是步骤如下 .1)建立模型预测控制器的目标函数； .2)构造精馏系统的状态空间模型； .3)利用子空间方法，根据精馏系统的输入变量和输出变量构造Hankel矩阵，并将Hankel矩阵代入步骤2)中的状态空间模型，并转化为输出变量的子空间函数； .4)根据步骤3)中输出变量的子空间函数获得其预测值，并将该预测值代入步骤I)中的目标函数内，通过对输入变量求导，求得目标函数最小化状态下的最优控制率； .5)将最优控制率作用于精馏系统中，闭环后计算输入变量和输出变量的方差，让扰动从某ー时刻进入，即之前时刻的输入变量和扰动均为O，此时获得各回路输入变量和输出变量的方差; .6)令输入变量和输出变量的波动目标为输入变量和输出变量的方差，通过粒子群优化方法寻找目标函数中权衡矩阵的一次最优值； .7)以权衡矩阵的一次最优值为初值，利用梯度下降法对一次最优值进行进一步的优化，获得二次最优值，将二次最优值代入目标函数以获得最优化的模型预测控制方法。2.根据权利要求1所述的用于精馏系统的模型预测控制方法，其特征是步骤I)中所建立的模型预测控制器的目标函数为3.根据权利要求2所述的用于精馏系统的模型预测控制方法，其特征是步骤2)中精馏系统的状态空间模型为 Xi =...

【专利技术属性】
技术研发人员：谢磊，冯皓，苏宏业，
申请(专利权)人：浙江大学，
类型：发明
国别省市：