首页 > 专利 > 杭州电子科技大学 > 一种工业过程约束预测先进控制方法专利详情

一种工业过程约束预测先进控制方法   0    0

有效专利 查看PDF
专利申请流程有哪些步骤?
专利申请流程图
申请
申请号:指国家知识产权局受理一件专利申请时给予该专利申请的一个标示号码。唯一性原则。
申请日:提出专利申请之日。
2019-05-22
申请公布
申请公布指发明专利申请经初步审查合格后,自申请日(或优先权日)起18个月期满时的公布或根据申请人的请求提前进行的公布。
申请公布号:专利申请过程中,在尚未取得专利授权之前,国家专利局《专利公报》公开专利时的编号。
申请公布日:申请公开的日期,即在专利公报上予以公开的日期。
2019-08-16
授权
授权指对发明专利申请经实质审查没有发现驳回理由,授予发明专利权;或对实用新型或外观设计专利申请经初步审查没有发现驳回理由,授予实用新型专利权或外观设计专利权。
2021-12-07
预估到期
发明专利权的期限为二十年,实用新型专利权期限为十年,外观设计专利权期限为十五年,均自申请日起计算。专利届满后法律终止保护。
2039-05-22
基本信息
有效性 有效专利 专利类型 发明专利
申请号 CN201910431825.1 申请日 2019-05-22
公开/公告号 CN110045617B 公开/公告日 2021-12-07
授权日 2021-12-07 预估到期日 2039-05-22
申请年 2019年 公开/公告年 2021年
缴费截止日
分类号 G05B13/04 主分类号 G05B13/04
是否联合申请 联合申请 文献类型号 B
独权数量 1 从权数量 1
权利要求数量 2 非专利引证数量 0
引用专利数量 0 被引证专利数量 0
非专利引证
引用专利 被引证专利
专利权维持 3 专利申请国编码 CN
专利事件 事务标签 公开、实质审查、授权
申请人信息
申请人 第一申请人
专利权人 杭州电子科技大学,浙江邦业科技股份有限公司 当前专利权人 杭州电子科技大学,浙江邦业科技股份有限公司
发明人 张日东、吴胜、欧丹林、袁亦斌、高福荣 第一发明人 张日东
地址 浙江省杭州市下沙高教园区2号大街1158号 邮编 310018
申请人数量 2 发明人数量 5
申请人所在省 浙江省 申请人所在市 浙江省杭州市
代理人信息
代理机构
专利代理机构是经省专利管理局审核,国家知识产权局批准设立,可以接受委托人的委托,在委托权限范围内以委托人的名义办理专利申请或其他专利事务的服务机构。
杭州浙科专利事务所 代理人
专利代理师是代理他人进行专利申请和办理其他专利事务,取得一定资格的人。
吴秉中
摘要
本发明公开了一种工业过程约束预测先进控制方法,包括如下步骤:步骤1、建立工业过程单输入单输出模型;步骤2、设计工业过程控制器。本发明通过模型建立、控制器设计、算法设计等手段,设计了新型工业过程约束预测先进控制方法。利用该方法可以综合考虑多种因素并提高系统的控制性能。
  • 摘要附图
    一种工业过程约束预测先进控制方法
  • 说明书附图:[0023]
    一种工业过程约束预测先进控制方法
  • 说明书附图:[0026]
    一种工业过程约束预测先进控制方法
  • 说明书附图:[0040]
    一种工业过程约束预测先进控制方法
  • 说明书附图:[0043]
    一种工业过程约束预测先进控制方法
  • 说明书附图:[0070]
    一种工业过程约束预测先进控制方法
  • 说明书附图:[0073]
    一种工业过程约束预测先进控制方法
  • 说明书附图:[0087]
    一种工业过程约束预测先进控制方法
  • 说明书附图:[0090]
    一种工业过程约束预测先进控制方法
法律状态
序号 法律状态公告日 法律状态 法律状态信息
1 2021-12-07 授权
2 2019-08-16 实质审查的生效 IPC(主分类): G05B 13/04 专利申请号: 201910431825.1 申请日: 2019.05.22
3 2019-07-23 公开
权利要求
权利要求书是申请文件最核心的部分,是申请人向国家申请保护他的发明创造及划定保护范围的文件。
1.一种工业过程约束预测先进控制方法,包括如下步骤:
步骤1、建立工业过程单输入单输出模型;
步骤2、设计工业过程控制器;
所述步骤具体如下:
1‑
1.建立单输入单输出模型如下:
x(k+1)=A(k)x(k)+B(k)u(k)
y(k+1)=Cx(k+1)
其中k表示采样时刻;x(k)、x(k+1)分别表示系统第k时刻、第k+1时刻的状态;y(k+1)表示系统第k+1时刻的输出;u(k)表示系统第k时刻控制输入;A(k)、B(k)分别表示系统第k时刻的两个对应参数矩阵;C是具有适当维数的系统矩阵;
1‑
2.当执行器出现部分故障时的控制量输入形式如下:
uF(k)=αu(k)
其中0≤α≤1表示执行器故障程度;uF(k)是第k时刻存在故障时的控制量输入;
1‑
3.由步骤1‑1和步骤1‑2得到新的模型:
x(k+1)=A(k)x(k)+B(k)uF(k)
y(k+1)=Cx(k+1)
1‑
4.将步骤1‑3扩展成增量形式如下:
xm(k+1)=Am(k)xm(k)+Bm(k)uF(k)
ym(k+1)=Cmxm(k+1)
其中 Cm=[0,1],xm(k)=[Δx(k)y(k)];Am
(k)、Bm(k)分别表示系统第k时刻的增量形式参数矩阵,Cm表示具有适当维数的增量形式系统矩阵;xm(k)、xm(k+1)分别表示系统第k时刻、第k+1时刻的增量形式状态;ym(k+1)表示系统第k+1时刻的增量形式输出,Δx(k)表示第k时刻的状态增量;y(k)表示第k时刻的输出;
1‑
5.引入目标函数来跟踪参考轨迹如下:
其中J∞(k)表示目标函数; 表示在A(k+i)或B(k+i)属于一定
维数矩阵Ω且Δu(k+i|k)最大值条件下J∞(k)的最小值;T表示转置符号;i表示某一任意时间段, 表示从0时间段到无穷时间段的累加;y(k+i|k)、Δu(k+i|k)表示第k时刻下第k+i时刻的实际输出和实际输入增量;yr(k+i)表示第k+i时刻的预测输出;Q表示输出跟踪误差的权重矩阵;R表示控制输入增量的权重矩阵;
1‑
6.将目标函数扩展为增量形式如下:
其中xm(k+i|k)表示第k时刻下第k+i时刻的实际状态增量;xr(k+i)表示第k+i时刻的预测状态增量; 表示状态跟踪误差的权重矩阵。

2.如权利要求1所述的工业过程约束预测先进控制方法,其特征在于:
步骤2具体如下:
2‑
1.定义跟踪误差:
e(k)=y(k)‑yr(k)
其中e(k)表示第k时刻的输出误差,y(k)、yr(k)分别表示第k时刻的实际输出和预测输出;
2‑
2.将步骤2‑1的公式变化为预测形式:
e(k+1)=e(k)+CA(k)Δx(k)+CB(k)Δu(k)
其中e(k+1)表示第k+1时刻的输出误差;Δx(k)表示第k时刻的状态增量,Δu(k)表示第k时刻的输入增量;
2‑
3.根据步骤2‑2可以得到增量状态空间模型:
z(k+1)=Az(k)z(k)+Bz(k)Δu(k)
Δy(k+1)=Czz(k+1)
其中 Cz=[C 0];Az(k)、Bz(k)分别表示增量
状态空间模型的第k时刻的两个对应参数矩阵;Cz是状态空间模型的具有适当维数的系统矩阵;z(k)、z(k+1)是第k时刻、第k+1时刻系统的增量形式状态;Δy(k+1)表示第k+1时刻的输出增量;
2‑
4.结合步骤1‑6和步骤2‑3提出目标函数跟踪参考值:
其中z(k+1|k)表示第k时刻下第k+1时刻的预测扩展状态;
2‑
5.引入约束条件:
其中|Δu(k+i|k)|、|Δy(k+i|k)|分别表示第k时刻下第k+i时刻输入增量绝对值和输出增量绝对值;Δumax、Δymax分别表示输入和输出的最大上限;
2‑
6.由步骤2‑3、步骤2‑4和步骤2‑5可得更新律Δu(k+i|k)如下:
Δu(k+i|k)=F(k)z(k+i|k)
‑1 ‑1
其中F(k)=YS 是第k时刻的增益系数矩阵;Y、S 是两个根据目标函数取值的系数矩阵;
2‑
7.结合步骤2‑1到步骤2‑6得到工业过程最优控制律Δu(k+i|k)并作用于被控对象。
说明书

技术领域

[0001] 本发明属于自动化工业过程控制领域,涉及到一种工业过程约束预测先进控制方法。

背景技术

[0002] 随着工业的发展,化工过程为制造高价值产品而广泛应用于各个领域。但由于模型与设备不匹配会导致执行器出现故障。如果不能对模型加以约束,则难以精确控制工业过程,难以及时有效地解决这些问题。不但会导致生产过程性能降低,还会造成严重的财产损失,甚至威胁到生产人员的生命安全。从安全性和生产性能的角度出发,研究一种工业过程约束预测先进控制方法是很有必要的。

发明内容

[0003] 本发明目的是当工业过程中执行器出现故障时,提出一种新型的约束预测先进控制方法。该方法首先建立工业过程的模型,引入状态误差和输出误差后扩展成增量形式的状态空间模型。并引入目标函数和约束条件,得到最优更新律和控制量并作用于控制器。不同于传统的控制策略,本发明所提出的新型控制策略考虑到了执行器出现故障、目标函数以及约束条件三者之间的联系。通过对工业预测增加约束条件能更好的匹配模型和设备,达到更好的控制性能。
[0004] 本发明的方法步骤包括:
[0005] 步骤1、建立工业过程单输入单输出模型,具体步骤是:
[0006] 1‑1.建立单输入单输出模型如下:
[0007] x(k+1)=A(k)x(k)+B(k)u(k)
[0008] y(k+1)=Cx(k+1)
[0009] 其中k表示采样时刻;x(k)、x(k+1)分别表示系统第k时刻、第k+1时刻的状态;y(k+1)表示系统第k+1时刻的输出;u(k)表示系统第k时刻控制输入;A(k)、B(k)分别表示系统第k时刻的两个对应参数矩阵;C是具有适当维数的系统矩阵。
[0010] 1‑2.当执行器出现部分故障时的控制量输入形式如下:
[0011] uF(k)=αu(k)
[0012] 其中0≤α≤1表示执行器故障程度;uF(k)是第k时刻存在故障时的控制量输入。
[0013] 1‑3.由步骤1‑1和步骤1‑2得到新的模型:
[0014] x(k+1)=A(k)x(k)+B(k)uF(k)
[0015] y(k+1)=Cx(k+1)
[0016] 1‑4.将步骤1‑3扩展成增量形式如下:
[0017] xm(k+1)=Am(k)xm(k)+Bm(k)uF(k)
[0018] ym(k+1)=Cmxm(k+1)
[0019] 其中 Cm=[0,1],
[0020] xm(k)=[Δx(k) y(k)];Am(k)、Bm(k)分别表示系统第k时刻的增量形式参数矩阵,Cm表示具有适当维数的增量形式系统矩阵;xm(k)、xm(k+1)分别表示系统第k时刻、第k+1时刻的增量形式状态;ym(k+1)表示系统第k+1时刻的增量形式输出,Δx(k)表示第k时刻的状态增量;y(k)表示第k时刻的输出。
[0021] 1‑5.引入目标函数来跟踪参考轨迹如下:
[0022]
[0023] 其中J∞(k)表示目标函数; 表示在A(k+i)或B(k+i)属于一定维数矩阵Ω且Δu(k+i|k)最大值条件下J∞(k)的最小值;T表示转置符号;i表示某一任意时间段, 表示从0时间段到无穷时间段的累加;y(k+i|k)、Δu(k+i|k)表示第k时刻下第k+i时刻的实际输出和实际输入增量;yr(k+i)表示第k+i时刻的预测输出;Q表示输出跟踪误差的权重矩阵;R表示控制输入增量的权重矩阵。
[0024] 1‑6.将目标函数扩展为增量形式如下:
[0025]
[0026] 其中xm(k+i|k)表示第k时刻下第k+i时刻的实际状态增量;xr(k+i)表示第k+i时刻的预测状态增量; 表示状态跟踪误差的权重矩阵。
[0027] 步骤2、设计工业过程控制器,具体步骤是:
[0028] 2‑1.定义跟踪误差:
[0029] e(k)=y(k)‑yr(k)
[0030] 其中e(k)表示第k时刻的输出误差,y(k)、yr(k)分别表示第k时刻的实际输出和预测输出。
[0031] 2‑2.将步骤2‑1的公式变化为预测形式:
[0032] e(k+1)=e(k)+CA(k)Δx(k)+CB(k)Δu(k)
[0033] 其中e(k+1)表示第k+1时刻的输出误差;Δx(k)表示第k时刻的状态增量,Δu(k)表示第k时刻的输入增量。
[0034] 2‑3.根据步骤2‑2可以得到增量状态空间模型:
[0035] z(k+1)=Az(k)z(k)+Bz(k)Δu(k)
[0036] Δy(k+1)=Czz(k+1)
[0037] 其中 Cz=[C 0];Az(k)、Bz(k)分别表示增量状态空间模型的第k时刻的两个对应参数矩阵;Cz是状态空间模型的具有适当维数的系统矩阵;z(k)、z(k+1)是第k时刻、第k+1时刻系统的增量形式状态;Δy(k+1)表示第k+1时刻的输出增量。
[0038] 2‑4.结合步骤1‑6和2‑3提出目标函数跟踪参考值:
[0039]
[0040] 其中z(k+1|k)表示第k时刻下第k+1时刻的预测扩展状态。
[0041] 2‑5.引入约束条件:
[0042]
[0043] 其中|Δu(k+i|k)|、|Δy(k+i|k)分别表示第k时刻下第k+i时刻输入增量绝对值和输出增量绝对值;Δumax、Δymax分别表示输入和输出的最大上限。
[0044] 2‑6.由步骤2‑3、步骤2‑4和步骤2‑5可得更新律Δu(k+i|k)如下:
[0045] Δu(k+i|k)=F(k)z(k+i|k)
[0046] 其中F(k)=YS‑1是第k时刻的增益系数矩阵;Y、S‑1是两个根据目标函数取值的系数矩阵。
[0047] 2‑7.结合步骤2‑1到步骤2‑6可以得到工业过程最优控制律Δu(k+i|k)并作用于被控对象。
[0048] 本发明通过模型建立、控制器设计、算法设计等手段,设计了新型工业过程约束预测先进控制方法。利用该方法可以综合考虑多种因素并提高系统的控制性能。

实施方案

[0049] 下面对本发明作进一步说明。
[0050] 以高压聚乙烯过程为例:
[0051] 高压聚乙烯过程是乙烯聚合反应,为保证反应具有较高转化率,需要不断控制原料输入量保持反应器压力稳定。这里以聚乙烯反应器中的压力为被控对象,以原料输入量为控制量。通过对原料输入量调节与控制,实现对反应器压力的控制,使聚乙烯的转化率增高。
[0052] 步骤1、建立高压聚乙烯过程单输入单输出模型,具体步骤是:
[0053] 1‑1.建立炼高压聚乙烯过程单输入单输出模型如下:
[0054] x(k+1)=A(k)x(k)+B(k)u(k)
[0055] y(k+1)=Cx(k+1)
[0056] 其中k表示高压聚乙烯过程采样时刻;x(k)、x(k+1)分别表示高压聚乙烯过程第k时刻、第k+1时刻的状态;y(k+1)表示系统第k+1时刻的釜式反应器压力;u(k)表示系统第k时刻原料输入量;A(k)、B(k)分别表示高压聚乙烯过程第k时刻的两个对应参数矩阵;C是具有适当维数的系统矩阵。
[0057] 1‑2.当执行器出现部分故障时原料输入形式如下:
[0058] uF(k)=αu(k)
[0059] 其中uF(k)是第k时刻存在故障时的故障程度,α是具有适当维数的系统对角矩阵。
[0060] 1‑3.由步骤1‑1和步骤1‑2得到新的模型:
[0061] x(k+1)=A(k)x(k)+B(k)uF(k)
[0062] y(k+1)=Cx(k+1)
[0063] 1‑4.将步骤1‑3扩展成增量形式如下:
[0064] xm(k+1)=Am(k)xm(k)+Bm(k)uF(k)
[0065] ym(k+1)=Cmxm(k+1)
[0066] 其中 Cm=[0,1],
[0067] xm(k)=[Δx(k) y(k)];Am(k)、Bm(k)分别表示系统第k时刻的增量形式参数矩阵,Cm表示具有适当维数的增量形式系统矩阵;xm(k)、xm(k+1)分别表示系统第k时刻、第k+1时刻的增量形式状态;ym(k+1)表示系统第k+1时刻的增量形式反应器压力;Δx(k)表示第k时刻的状态增量;y(k)表示第k时刻的反应器压力。
[0068] 1‑5.引入目标函数来跟踪参考轨迹如下:
[0069]
[0070] 其中J∞(k)表示目标函数; 表示在A(k+i)或B(k+i)属于一定维数矩阵Ω且Δu(k+i|k)最大值条件下J∞(k)的最小值;T表示转置符号;i表示某一任意时间段, 表示从0时间段到无穷时间段的累加;y(k+i|k)、Δu(k+i|k)表示第k时刻下第k+i时刻的实际反应器压力和原料输入增量;yr(k+i)表示第k+i时刻的预测反应器压力;
Q表示反应器压力跟踪误差的权重矩阵;R表示原料输入增量的权重矩阵。
[0071] 1‑6.将目标函数扩展为增量形式如下:
[0072]
[0073] 其中xm(k+i|k)表示第k时刻下第k+i时刻的实际状态增量;xr(k+i)表示第k+i时刻的预测状态增量; 表示反应器压力跟踪误差的权重矩阵。
[0074] 步骤2、设计高压聚乙烯过程控制器,具体步骤是:
[0075] 2‑1.定义跟踪误差:
[0076] e(k)=y(k)‑yr(k)
[0077] 其中e(k)表示第k时刻的反应器压力误差,y(k)、yr(k)分别表示第k时刻的实际反应器压力和预测反应器压力。
[0078] 2‑2.将步骤2‑1的公式变化为预测形式:
[0079] e(k+1)=e(k)+CA(k)Δx(k)+CB(k)Δu(k)
[0080] 其中e(k+1)表示第k+1时刻的反应器压力误差;Δx(k)表示第k时刻的状态增量,Δu(k)表示第k时刻的原料输入增量。
[0081] 2‑3.根据步骤2‑2可以得到增量状态空间模型:
[0082] z(k+1)=Az(k)z(k)+Bz(k)Δu(k)
[0083] Δy(k+1)=Czz(k+1)
[0084] 其中 Cz=[C 0];Az(k)、Bz(k)分别表示状态空间模型的第k时刻的两个对应参数矩阵;Cz是状态空间模型的具有适当维数的系统矩阵;z(k)、z(k+1)是第k时刻、第k+1时刻系统的增量形式状态;Δy(k+1)表示第k+1时刻的反应器压力增量。
[0085] 2‑4.结合步骤1‑6和2‑3提出目标函数跟踪参考值:
[0086]
[0087] 其中z(k+1|k)表示第k时刻下第k+1时刻的预测扩展状态。
[0088] 2‑5.引入约束条件:
[0089]
[0090] 其中|Δu(k+i|k)|、|Δy(k+i|k)|分别表示第k时刻下第k+i时刻原料输入增量绝对值和反应器压力增量绝对值;Δumax、Δymax分别表示原料输入和反应器压力的最大上限。
[0091] 2‑6.由步骤2‑3、步骤2‑4和步骤2‑5可得更新律Δu(k+i|k)如下:
[0092] Δu(k+i|k)=F(k)z(k+i|k)
[0093] 其中F(k)=YS‑1是第k时刻的增益系数矩阵;Y、S‑1是两个根据目标函数取值的系数矩阵。
[0094] 2‑7.结合步骤2‑1到步骤2‑6可以得到高压聚乙烯过程原料输入量Δu(k+i|k),再将其作用于聚合过程。
版权所有:盲专网 ©2023 zlpt.xyz  蜀ICP备2023003576号