先进过程控制学习总结方案.doc

先进过程控制学习总结 学科专业： 姓 名： 学 号： 2016年06月 引言 什么是模型预测控制(MPC)？ 模型预测控制（Model Predictive Control）是一种基于模型的闭环优化控制策略，已在炼油、化工、冶金和电力等复杂工业过程中得到了广泛的应用。 其算法核心是:可预测过程未来行为的动态模型，在线反复优化计算并滚动实施的控制作用和模型误差的反馈校正。 模型预测控制具有控制效果好、鲁棒性强等优点，可有效地克服过程的不确定性、非线性和关联性，并能方便地处理过程被控变量和操纵变量中的各种约束。 模型预测控制的产生背景 1 工业需求： (i). 随着过程工业日益走向大型化、连续化，工业生产过程日趋复杂多变, 往往具有强藕合性、非线性、信息不完全性和大纯滞后等特征，并存在着各种约束条件，其动态行为还会随操作条件变化、催化剂失活等因素而改变。 (ii). 典型生产装置的优化操作点通常位于各种操作变量的约束边界处, 因而一个理想的控制器应当保证使生产装置在不违反约束的情况下尽可能接近约束, 以确保获取最佳经济效益。 2传统控制及现代控制理论的局限性 (i). 传统的PID控制策略和一些复杂控制系统不能满足控制要求; (ii). 现代控制理论的不作为： ①过分依靠被控对象的精确数学模型 ; ②不能处理非线性、时变性、不确定性、有约束、多目标问题。 模型预测控制的产生过程 1 模型算法控制（MAC）的产生： (i). 1978年，法国的Richalet等人在系统脉冲响应的基础上，提出了模型预测启发控制(MPHC, Model Predictive Heuristic Control)，并介绍了其在工业过程控制中的效果； (ii). 1982年，Rouhani和Mehra[2]给出了基于脉冲响应的模型算法控制(MAC, Model Algorithmic Control)； 2 动态矩阵控制（DMC）的产生： 动态矩阵控制(DMC, Dynamic Matrix Control)于1974年应用在美国壳牌石油公司的生产装置上，并于1980年由Culter等在美国化工年会上公开发表。 3 广义预测控制（GPC）的产生： 1987年，Clarke等人在保持最小方差自校正控制的在线辨识、输出预测、最小方差控制的基础上，吸取了DMC和MAC中的滚动优化策略，基于参数模型提出了兼具自适应控制和预测控制性能的广义预测控制算法。 预测控制的基本原理 通常的PID控制，是根据过程当前的和过去的输出测量值和设定值的偏差来确定当前的控制输入而预测控制不但利用当前的和过去的偏差值，而且还利用预测模型来预估过程未来的偏差值，以滚动优化确定当前的最优输入策略。 因此，从基本思想看，预测控制优于PID控制。 1 基本原理 虽然预测控制算法种类多、表现形式多种多样，但它们都具有下述三项基本特征，即：预测模型、滚动优化、反馈校正。 预测控制系统结构简图 i=1,2,3… 式中 其中Ts为采样周期；T为参考轨迹的时间常数；y(k)为现时刻过程输出；yd为设定值。显然，T 越小，a则越小，参考轨迹就能越快地达到设定值yd。a是预测控制中的一个重要设计参数，它对闭环系统的动态特性和鲁棒性都有重要作用。 预测控制特点 1 对模型要求低，建模方便，不需要深入了解过程内部机理 2 滚动优化策略，较好的动态控制效果 3 简单实用的模型校正方法，较强的鲁棒性 4 不增加理论困难，可推广应用于有约束、大纯滞后、多输入多输出、非线性等过程 5 一类用计算机实现的优化控制算法 鉴于其巨大优势，模型预测控制在过去几十年广泛应用于炼油、化工、电力、造纸、冶金、食品加工等复杂工业过程控制。工业过程控制中的复杂系统，是指被控对象容量滞后大、负荷变化剧烈而频繁，或者工艺对产品质量要求很高，常规控制策略无法满足性能要求的系统。 基于阶跃响应模型的控制器设计与仿真 基于系统的阶跃响应模型进行模型预测控制器设计的方法称为动态矩阵控制方法。该方法是采用工程上易于获取的对象阶跃响应模型，算法较为简单，计算量较少，鲁棒性较强，适用于纯时迟、开环渐近稳定的非最小相位系统，在工业过程控制中得到成功应用。? 考虑如下的双输入输出纯时延对象，其传递函数矩阵为 MATLAB程序如下： %将传递函数模型转换为阶跃响应模型? g11=poly2tfd([12.8],[16.7?1],0,1);? g12=poly2tfd([6.6],[10.9?1],0,7);? g21=poly2tfd([-18.9],[21?1],0,3);? g22=poly2tf