第8章-先进过程控制技术

过程控制系统与仪表第8章过程控制系统与仪表王再英陈毅静编著过程控制系统与仪表第8章第8章先进过程控制技术8.1概述从40年代开始至今，采用PID控制规律的单回路系统一直是过程控制领域最主要的控制系统，单回路系统主要采用经典控制理论的频域分析方法进行控制系统的分析和设计。PID控制算法简单、有效，可以实现一般生产过程的平稳操作与运行。但单回路PID控制并不适用于特性复杂的被控过程，不能满足生产工艺的特殊需要和高精度控制的要求。过程控制系统与仪表第8章从50年代开始，过程控制领域陆续出现了串级、比值、前馈、均匀和Smith预估控制等控制系统，即所谓的复杂控制系统，这些系统在一定程度上满足了复杂生产过程、特殊生产工艺以及高精度控制的需要。从60年代初期逐渐发展起来的以状态空间为基础的现代控制理论日趋完善，形成了状态反馈、状态观测器、最优控制等一系列多变量控制系统的设计方法，对自动控制技术的发展起到了积极的推动作用。过程控制系统与仪表第8章随着过程工业日益走向大规模、复杂化、对生产过程的控制品质要求越来越高，出现了许多过程、结构、环境和控制均十分复杂的生产系统，出现了先进过程控制APC（亦称高等过程控制）的概念。关于先进过程控制，目前尚无严格而统一的定义。习惯上，将那些不同于常规单回路PID控制，并具有比常规PID控制更好控制效果的控制策略统称为先进过程控制，如自适应控制、预测控制、专家控制、模糊控制、神经网络控制、推理控制等都属于先进控制。过程控制系统与仪表第8章相对于传统的控制技术，先进控制有以下一些特点：（1）先进控制的控制策略与传统的PID控制不同。（2）先进控制通常用于实现复杂被控过程的自动控制。（3）先进控制的实现需要足够的计算能力作为支持平台。本章简单介绍近年来出现的典型先进控制，这些控制方法在复杂工业过程控制中得到了成功的应用，并受到工程界的欢迎和好评。过程控制系统与仪表第8章8.2自适应控制前面讨论的控制系统设计和控制器参数整定，都是在假定被控过程特性呈线性、模型参数固定不变的条件下进行的，但在实际生产中，被控过程的数学模型参数会随着生产的不断进行发生变化。为了保证控制品质，当对象特性发生变化时应该重新整定控制器参数。采用常规PID控制不能很好地适应工艺参数的变化，导致控制品质下降，产品产量和质量不稳定。有一种控制系统，它能根据被控过程特性变化情况，自动改变控制器的控制规律和可调参数，使生产过程始终在最佳状况下进行，这称为自适应控制系统。过程控制系统与仪表第8章自适应控制系统应该具有以下基本功能：辨识被控对象的结构、参数和性能指标的变化，建立被控过程的数学模型，或确定当前的实际性能指标；能根据条件变化，选择合适的控制策略或控制规律，并能自动修正控制器的参数，保证系统的控制品质，使生产过程始终在最佳状况下进行。根据设计原理和结构的不同，自适应控制系统可分为两大类，即自校正控制系统和模型参考自适应控制系统。过程控制系统与仪表第8章8.2.1自校正控制系统自校正控制系统的原理图如图8.1所示：控制器参数计算参数辨识被控过程控制器xuy图８.1自校正控制系统框图过程控制系统与仪表第8章根据具体生产过程的特点，采用不同的辨识算法、控制规律（策略）以及参数计算方法可设计出各种类型的自整定控制器和自校正控制系统。8.2.2模型参考自适应控制系统模型参考自适应控制系统的基本结构如图8.2所示参考模型自适应机构控制器被控过程r+—e（t）+ym（t）y（t）图8.2模型参考自适应控制系统框图过程控制系统与仪表第8章模型参考自适应控制系统除了图8.2所示的并联结构之外，还有串联结构、串——并联结构等其它形式。按照自适应原理不同，模型参考自适应控制系统还可分为参数自适应、信号综合自适应或混合自适应等多种类型。8.3预测控制被控过程的数学模型的准确程度直接影响到控制的质量。对于复杂的工业过程，要建立它的准确模型是非常困难的。1978年Richalet提出的预测控制是一种对模型精度要求不高而同样能实现高质量控制的方法，并很快在工业生产过程自动化中获得了成功的应用。过程控制系统与仪表第8章虽然这些控制算法的表达形式和控制方案各不相同，但都是采用工业过程中较易得到的对象的脉冲响应或阶跃响应曲线为依据，并将它们在采样时刻的一条列数值作为描述对象动态特性的数据，构成预测模型，据此确定控制量的时间序列，使未来一段时间中被控量与期望轨迹之间的误差最小，这种“优化”过程反复在线进行，这就是预测控制的基本思想。过程控制系统与仪表第8章8.3.1模型算法控制MAC的原理图如图8.3所示。参考轨迹优化算法被控过程内部模型闭环预测输出ryr(k+i)+_u(k)y(k)+_e(k)ym(k+i)yp(k+i)=ym(k+i)+hie(k)图8.3MAC原理框图ym(k)过程控制系统与仪表第8章模型算法控制的结构包括内部模型、反馈校正、滚动优化、参考轨迹四个环节。具体的模型算法可分为单步模型算法、多步模型算法、增量模型算法和单值模型算法等多种算法控制。下面以多步模型算法控制为例，说明各个环节的算法和整个系统的工作原理。1．内部模型对于有自衡特性的对象，模型算法控制采用单位脉冲响应曲线作为内部模型。如图8.4所示。过程控制系统与仪表第8章设当前时刻为k，对于图8.4所示的内部模型，可以根据过去和未来的输入数据，由卷积方程计算出被控过程未来k＋i时刻输出y(k＋i)的预测值（8.1）k＋i-1时刻预测模型输出ym(k＋i-1)（8.2）将式(8.1)与式(8.2)相减可得增量表达式(8.3)Njjjikugiky1m)(ˆ)(Njjjikugiky1m11)(ˆ)(Njjjikugikyiky1mm1)(ˆ)()(过程控制系统与仪表第8章过程控制系统与仪表第8章2．反馈校正对式（8.1）的开环预测模型的输出进行修正。通常采用第k步的实际输出测量值y(k)与预测输出值ym(k)之间的误差e(k)=y(k)一ym(k)对模型的预测输出ym(k＋i)进行修正。修正后的预测值用yp(k＋i)表示yp(k+i)=ym(k+i)+hi[y(k)–ym(k)]=ym(k+i)+hie(k)（8.4）过程控制系统与仪表第8章由式（8.4）可知，由于每个预测时刻都引入了当前时刻实际对象输出和预测模型输出的偏差对开环模型预测值ym(k＋i)进行修正，这样可克服模型不精确和系统中存在的不确定性可能带来的误差。用修正后的预测值yp(k＋i)作为计算最优性能指标的依据，实际上是对测量值y(k)的一种负反馈，故称反馈校正。由于存在反馈环节，经过反馈校正，控制系统的鲁棒性就有了很大提高，这也是预测控制得到广泛应用的一个重要原因。过程控制系统与仪表第8章3．参考轨迹模型算法控制的目的是使输出y(k)沿着一条事先规定好的曲线逐渐达到给定值r，这条指定曲线称为参考轨迹yr。通常参考轨迹采用从现在时刻k对象实际输出值y(k)出发的一阶指数曲线。yr在未来k十i时刻的数值为yr(k)=y(k)yr(k+i)=ariy(k)+(1-ari)r（8.5）采用这种参考轨迹，将会减小过量的控制作用，使系统输出能平滑地到达设定值r；参考轨迹的时间常数T0越大，αr值也越大，yr越平滑，系统的柔性越好，鲁棒性也越强，但控制快速性也会降低。过程控制系统与仪表第8章4．滚动优化预测控制是一种最优控制策略，其目标函数JP是使某项性能指标最小。最常用的是二次型目标函数（8.6）这种方法采用滚动式的有限时域优化算法，优化过程是在线反复计算，对模型时变、干扰和失配等影响能及时补偿，因而称其为滚动优化算法。2121rp1MjjPiipjkuikyikyJ)()()(过程控制系统与仪表第8章由于目标函数中加人控制量的约束，可限制过大的控制量冲击，使过程输出变化平稳，参考轨迹曲线yr(t)如图8.5所示。过去未来过程控制系统与仪表第8章21设拟合直线方程：最小二乘拟合法min2112niiiniibkxy最小二乘法拟合y=kx+b若实际校准测试点有n个，则第i个校准数据与拟合直线上响应值之间的残差为最小二乘法拟合直线的原理就是使为最小值，即Δi=yi-(kxi+b)对k和b一阶偏导数等于零，求出a和k的表达式过程控制系统与仪表第8章22即得到k和b的表达式022iiiixbkxyk0122bkxybiii22iiiiiixxnyxyxnk222iiiiiiixxnyxxyxb将k和b代入拟合直线方程，即可得到拟合直线，然后求出残差的最大值Lmax即为非线性误差。过程控制系统与仪表第8章23例题：测得某检测装置的一组输入输出数据如下：试用最小二乘法拟合直线X0.92.53.34.55.76.7y1.11.62.63.24.05.022222)()(,)()(,iiiiiiiiiiiiiiiixxnyxxyxbxxnyxyxnkbkxybkxy带入数据得：，68.0k25.0b25.068.0xy过程控制系统与仪表第8章8.3.2动态矩阵控制1980年由Culter提出的动态矩阵控制DMC也是预测控制的一种重要算法，DMC与MAC的差别是内部模型不同。DMC采用工程上易于测取的对象阶跃响应做为内部模型，在实际应用取得了显著的效果，并在石化领域得到广泛的应用。1．内部模型DMC的内部模型为单位阶跃响应曲线，如图８.6所示。过程控制系统与仪表第8章单位阶跃响应曲线同单位脉冲响应曲线一样可以表示对象的动态特性，二者之间的转换关系为（8.7）1100iiiijjiaagagaˆˆˆˆ;ˆˆ过程控制系统与仪表第8章将式（8.7）代入式（8.1）式(8.8）还可表示为（8.9）)(ˆ)(ˆ)(ˆ)()ˆˆ()()ˆˆ()(ˆ)(NikuaikuaikuaNikuaaikuaaikuaikyNNN2121211121mNjjjikua1)(ˆMjjijkuaikyiky110m1)(ˆ)()(（8.8）过程控制系统与仪表第8章如果定义向量和矩阵YM(k+1)=[yM(k+1)yM(k+2)…yM(k+p)]TY0(k+1)=[y0(k+1)y0(k+2)…y0(k+p)]T则式（8.9）可表示为（8.10）TMkukukukU)()()()(1111111210MPpPMMaaaaaaaaaAˆˆˆˆˆˆˆˆˆ)()()(kUAkYkYM110过程控制系统与仪表第8章2．反馈校正由于非线性、随机干扰等因素，模型预测值与实际输出可能存在差异，为了减少这种影响，用对象实际输出和预测模型输出的偏差e(k)=y(k)一ym(k)，对模型预测值ym(k)进行修正yp(k+i)=ym(k+i)+hi[y(k)–ym(k)]=ym(k+i)+hie(k)（8.11）通过对预测值进行修正，构成反馈校正，形成闭环预测输出，提高了系统的鲁棒性。过程控制系统与仪表第8章如果定义向量Yp(k+1)=[yp(k+1)yp(k+2)…yp(k+p)]TY(k+1)=[y(k+1)y(k+1)…y(k+p)]TH=[h1h2…hm]T则式（8.11）可表示为Yp(k+1)=YM(k+1)+H[y(k+1)-yM(k+1)]（8.12）8.3.3广义预测控制与内部模型控制1．广义预测控制Clarke于1985年提出广义预测控制GPC，在保留MAC、DMC算法特点的基础上，采用受控自回归积分滑动平均模型CARIMA或受控自回归滑动平均模型CARMA作为内部模型，对模型失配、模型参数误差的鲁棒