集成区间控制的双层结构模型预测控制方法研究
文献类型：学位论文
| 作者 | 孙浩杰
|
| 答辩日期 | 2021-11-18 |
| 授予单位 | 中国科学院沈阳自动化研究所 |
| 授予地点 | 沈阳 |
| 导师 | 杨志家 |
| 关键词 | 双层结构模型预测控制 鲁棒性 控制性能 区间控制 界限漏斗控制 |
| 学位名称 | 博士 |
| 学位专业 | 控制理论与控制工程 |
| 其他题名 | Research on the strategies of double-layer model predictive control integrated with zone control |
| 英文摘要 | 以石化、冶金等为代表的流程行业是关系国计民生的重要支柱产业。在智能制造大背景下，被控对象大型化和流程工艺复杂化均对过程控制技术提出了更高的要求。20世纪70年代初，模型预测控制（Model predictive control, MPC）算法应运而生，目前已成为行业内解决多变量、有约束、不确定性等复杂系统控制问题的标准方案。在基础PID控制架构上实施MPC技术，可充分挖掘生产潜力，保质提产、降耗减排、节能增效，对实现生产过程的整体优化具有重要意义。目前主流商用流程控制软件中MPC算法均采用包含稳态目标计算的双层结构模型预测控制（Double-layer model predictive control, DLMPC），并将鲁棒性作为算法设计中需重点考量的一个指标。国外高端商用软件的核心算法拒绝对外公开，现有文献中也少有针对DLMPC算法的深入研究。本研究从实际应用需求角度出发研究DLMPC与区间控制相结合的方法，得出一系列有价值的成果，具体研究内容包括：（1）在对DLMPC算法进行详细介绍的基础上，着重从控制性能、经济性能、鲁棒性方面分析了增加稳态目标计算层对单层MPC算法的影响及其优势。阐明稳态目标计算层在功能上相当于一个前馈控制器，一方面可在动态不确定性环境下对外部目标进行调节和优化，给出当前工况下的最优稳态目标；另一方面可进行经济自优化，在满足控制目标的前提下利用多余的自由度实现经济效益提升。研究揭示了DLMPC最大的优势在于对优化自由度的动态调节，通过将某些输出变量由设定点目标转为区间控制目标增加控制自由度，从而在不确定性、复杂环境下提升系统的经济性能和鲁棒性。本章结论为后续章节的研究奠定了理论支撑。（2）针对稳态目标计算层对外部目标进行跟踪控制的工作模式，提出DLMPC与区间控制相结合的稳态目标优化和动态区间控制策略。在稳态目标计算层，分别考虑稳态优化问题可行和不可行的情况，优化问题不可行时利用优先级升序策略进行解决，并结合工艺原理和过程数据分析的方法给定输出变量的容许区间上下限。在动态控制层，采用区间预测控制策略，根据输出变量的优先级采用不同的惩罚指标。最后通过壳牌重油分馏塔仿真实验验证了所提策略的有效性，表明其相较于常规DLMPC和传统区间预测控制策略的优越性。（3）针对DLMPC在经济自优化模式下对过程噪声、不可测扰动、模型参数突变等不确定性因素敏感度高的问题，提出通过牺牲少量的经济性能换取良好控制性能，提升控制平稳性的方法。在稳态目标经济优化算法中引入经济鲁棒因子，构造稳态经济容许区间；在动态控制层采用基于经济效益的界限漏斗区间控制方法，通过渐近式寻优的方式逐步达到满意的经济目标。所提策略可在保证一定经济性能的前提下提升算法的鲁棒性。最后在二元精馏塔模型上进行仿真，验证了所提策略具有良好的控制性能和广泛的工程适用性。（4）针对大型工业系统中控制目标多为包含设定值跟踪、区间目标控制、经济效益优化的综合型性能指标，提出基于目标优先级的分步优化策略。在优化自由度充足时，利用基于操纵变量的优先级对被控目标依次满足，多余的自由度用于经济效益优化；当优化自由度不足时，根据被控变量的优先级降序策略，优先依次满足重要被控变量的控制目标。在动态控制层，采用界限漏斗区间控制算法，在满足控制性能的前提下，最大程度增强算法的鲁棒性，以适应强不确定性工业环境。最后在FCCU反应-再生系统模型上对所提策略进行了可行性及有效性的验证。 |
| 语种 | 中文 |
| 产权排序 | 1 |
| 页码 | 124页 |
| 源URL | [http://ir.sia.cn/handle/173321/30062]  |
| 专题 | 沈阳自动化研究所_工业控制网络与系统研究室 |
| 作者单位 | 中国科学院沈阳自动化研究所 |
| 推荐引用方式 GB/T 7714 | 孙浩杰. 集成区间控制的双层结构模型预测控制方法研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2021. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。