复杂工业过程模型预测控制的研究.ppt

复杂工业过程模型预测控制的研究,答辩人：导 师：院士东北大学自动化研究中心,提纲,1.研究现状及存在的问题2.不确定时滞系统的鲁棒模型预测控制3.不确定非线性系统的多模型自适应预测控制4.不确定非线性多变量系统的多模型自适应解耦预测控制5.多模型自适应解耦预测控制在强制循环蒸发系统中的应用6.结论与展望,.研究现状及存在的问题,1.1 模型预测控制的研究现状,模型预测控制的理论研究稳定性无限时域MPC(Keerthi S S et al.,1988;Bitmead R R et al.,1990)终端等式约束MPC(Mayne D Q et al.,1990;Alamir M et al.,1994,1995)终端约束集MPC(Michalska H et al.,1993)终端惩罚函数MPC(Chen H et al.,1998;Mayne D Q et al.,2000;Lee J W et al.,1998;Chen W H et al.,2000;Lee Y I et al.,2003)收缩约束MPC(De Oliveira K S L et al.,1994,2000;Cheng X et al.,2001),研究现状及存在问题,1.1 模型预测控制的研究现状,鲁棒性min-max模型预测控制(Kothare et al.,1996;Lu and Arkun,2000;Kim K B,2002;Kim T H,2006;Wu F,2001;Lee et al.,2005,Cuzzola et al.,2002;Ding B et al.,2004)离线鲁棒模型预测控制(Wan Z et al.,2002,2003;Ding B et al.,2007;)鲁棒预测控制(Lee J W et al,1997;Magni L et al,2001,2003;Lee Y I et al.,2000;Kim K B et al.,2004;Chen H et al.,2006,2007;Jeong S C et al.,2004;Wang J et al.,2006),研究现状及存在问题,1.1 模型预测控制的研究现状,模型预测控制的工业应用应用领域模型预测控制经过近30多年的发展，控制水平日益提高，应用范围不断扩大，不仅在石油、化工、造纸等工业过程中得到广泛应用，而且在机器人、食品加工和航空航天等领域也得到尝试和应用。商业软件国外最初的IDCOM和DMC算法代表了MPC的第一代Shell公司的QDMC代表了MPC的第二代第三代包括IDCOM-M、HIECOM、SMCA、SMOC和Profimatics公司的PCT以及Honeywell公司的RMPCT现在的RMPCT与DMC-plus代表MPC技术的第四代国内上海交通大学和浙江大学开发研制的多变量约束控制软件包MCC浙大中控软件技术有限公司推出的面向流程工业企业的综合自动化整体解决方案ESP-Suite，其中集成了高级多变量预测控制软件包APC-Adcon以及预测函数控制软件包APC-PFC,研究现状及存在问题,1.2 时滞系统控制的控制方法,频域法时域法（Lyapunov 方法）时滞无关(Delay-independent)时滞相关(Delay-dependent),研究现状及存在问题,在实际的系统中，如电力系统、化学反应系统、通信网络系统等，都存在计算机信息和数据的传送，使得时滞成为系统中一个不可忽略的部分。,1.3 多模型控制方法的研究现状,多模型自适应控制方法 间接多模型自适应控制方法(Middleton R H,Goodwin G C 1988;Narendra K S,1994,1997,2000)直接多模型自适应控制方法(Goodwin G C,1988,1994;Fu M Y,1986,1996)加权多模型自适应控制方法(Binder Z 1992,1994)多模型自适应解耦控制方法 线性系统(Wang,Li,Cai et al,2005,ISA)非线性系统(Zhai,Chai,2006;Fu,Chai,2007,2008)多模型预测控制方法加权多模型预测控制方法(Danielle D,Doug C,2003;Aufderheide B et al.,2001)切换多模型预测控制方法(席等,1996;),研究现状及存在问题,1.4 存在问题,针对控制输入受约束的不确定时滞系统的鲁棒模型预测控制，研究结果较少，已有的结果大部分都是时滞无关的控制方法，而且具有一定的保守性。针对参数未知的非线性系统，缺少能够保证闭环系统稳定的自适应预测控制方法。针对参数未知的多变量强耦合非线性复杂工业过程，目前没有很好的控制方法。,研究现状及存在问题,1.5 本文工作,针对三类复杂系统，提出了相应的模型预测控制方法控制输入受约束的不确定时滞系统鲁棒模型预测控制方法参数未知的非线性系统的多模型自适应预测控制方法参数未知的多变量非线性系统的多模型自适应解耦预测控制方法以强制循环蒸发系统为应用背景，进行仿真实验，验证本文方法的有效性,研究现状及存在问题,.不确定时滞系统的鲁棒模型预测控制,2.1 时滞相关鲁棒模型预测控制方法,问题描述被控对象,不确定时滞系统的鲁棒模型预测控制,系统的输入约束为,系统的矩阵满足多面体不确定性(polytopic uncertainty),即：,(2.1),(2.2),(2.3),Min-Max MPC 问题 控制目标是设计状态反馈鲁棒模型预测控制器，使得下面的鲁棒性能指标达到最优。,不确定时滞系统的鲁棒模型预测控制,s.t.,(2.4),Min-max MPC问题的转换 由于min-max优化问题(2.4)一般很难求解。为了解决这个问题，由最小化目标函数的最差值的上界代替最小化目标函数的最差值。这样可将原来的min-max最优化问题转化成如下最优化问题。,不确定时滞系统的鲁棒模型预测控制,s.t.,其中,(2.5),(2.6),控制器设计,不确定时滞系统的鲁棒模型预测控制,(2.7),不确定时滞系统的鲁棒模型预测控制,，,，,稳定性分析 定理2.2：只要最优化问题(2.7)可行，则由定理2.1所获得的状态反馈MPC控制器可使闭环系统鲁棒渐近稳定。,不确定时滞系统的鲁棒模型预测控制,算法扩展(时滞d未知的情况),不确定时滞系统的鲁棒模型预测控制,(2.8),不确定时滞系统的鲁棒模型预测控制,，,，,稳定性分析 定理 2.4：只要最优化问题(2.8)可行，则由定理2.3所获得的状态反馈MPC控制器可使闭环系统鲁棒渐近稳定。,仿真实验 考虑卡车-拖车系统的倒车控制问题：卡车-拖车系统的模型,不确定时滞系统的鲁棒模型预测控制,模型参数,仿真参数,仿真结果,不确定时滞系统的鲁棒模型预测控制,图2.1 采用文献1 的鲁棒MPC控制方法，闭环系统状态轨迹,图2.2 采用定理2.1的鲁棒MPC控制方法，闭环系统状态轨迹,1 M.V.Kothare,V.Balakrishnan and M.Morari,“Robust constrained model predictive control using linear matrix inequalities,”Automatica,vol.32,pp.1361-1379,1996.,本文方法比文献1的MPC方法具有更好的性能，闭环系统的状态轨迹更快地达到稳定状态。,不确定时滞系统的鲁棒模型预测控制,图2.3 采用无约束鲁棒MPC方法，闭环系统状态轨迹,图2.4 控制输入：实线-本文方法；虚线-文1方法；点划线-无约束鲁棒MPC方法,图2.5 目标函数上界,本文所提的MPC方法的控制输 入没有违背输入约束条件。虽然采用无约束鲁棒MPC方法，闭环响应是令人满意的，但是该方法所计算的控制输入在某段时间超出了控制输入的约束范围。本文方法获得的目标函数上界比文献1方法获得的目标函数上界更小。,Min-max MPC问题的转换,不确定时滞系统的鲁棒模型预测控制,s.t.,其中,目标函数 的最后三项为目标函数的终端惩罚项，它关系到闭环系统的稳定性。,(2.9),2.2 单步鲁棒模型预测控制方法,控制器设计,不确定时滞系统的鲁棒模型预测控制,s.t.,(2.10),不确定时滞系统的鲁棒模型预测控制,稳定性分析 定理2.6：只要最优化问题(2.10)可行，则由定理2.5所获得的单步鲁棒模型预测控制器可使闭环系统鲁棒渐近稳定。,不确定时滞系统的鲁棒模型预测控制,注释：可以进一步将本文提出的单步鲁棒模型预测控制方法推广到增加 N个自由度的控制方法。即MPC控制器为，是自由决策变量，。并且，这时可将目标函数分解成如下有限时域二次函数和无限时域二次函数两个部分：其中,.不确定非线性系统的多模型自适应预测控制,3.1 问题描述被控对象,多模型自适应预测控制 不确定非线性系统的,假设条件,控制目标,切换系统设计,多模型自适应预测控制 不确定非线性系统的,图3.2 切换系统结构,由三部分组成-线性鲁棒自适应预测控制器-神经网络非线性自适应预测控制器-切换准则,3.2 控制系统设计,线性估计模型与线性鲁棒自适应预测控制器,多模型自适应预测控制 不确定非线性系统的,神经网络估计模型与非线性自适应预测控制器,多模型自适应预测控制 不确定非线性系统的,切换准则,多模型自适应预测控制 不确定非线性系统的,3.3 稳定性与收敛性分析,多模型自适应预测控制 不确定非线性系统的,3.4 仿真实验被控对象模型,多模型自适应预测控制 不确定非线性系统的,控制目标,系统的输出跟踪参考输入,参数选择,(3.20),仿真结果,多模型自适应预测控制 不确定非线性系统的,图3.3 采用线性鲁棒自适应预测控制器时系统的性能,图3.4 切换系统的性能和切换序列,.不确定非线性多变量系统的多模型自适应解耦预测控制,4.1 问题描述被控对象,多模型自适应解耦预测控制 不确定非线性多变量系统的,假设条件,控制目标,多模型自适应解耦预测控制 不确定非线性多变量系统的,4.2 控制系统设计非线性解耦控制器结构,图4.1 非线性解耦 控制器结构图,由三部分组成 反馈控制器(输出跟踪参考输入)；解耦补偿器(消除系统中耦合的影响)；非线性补偿器(消除非线性项的影响)。,切换系统设计线性估计模型与线性自适应解耦预测控制器,多模型自适应解耦预测控制 不确定非线性多变量系统的,神经网络估计模型与非线性自适应解耦预测控制器,多模型自适应解耦预测控制 不确定非线性多变量系统的,多模型自适应解耦预测控制 不确定非线性多变量系统的,切换准则,4.3 稳定性与收敛性分析,仿真实验被控对象,多模型自适应解耦预测控制 不确定非线性多变量系统的,控制目标,系统的输出分别跟踪参考输入,和,(4.15),仿真结果,多模型自适应解耦预测控制 不确定非线性多变量系统的,图4.2 采用常规PID控制方法时系统的输出,图4.3 采用常规PID控制方法时系统的控制输入,多模型自适应解耦预测控制 不确定非线性多变量系统的,图4.4 采用线性鲁棒自适应解耦预测控制器时系统的输出,图4.5 采用线性鲁棒自适应解耦预测控制器时系统的控制输入,多模型自适应解耦预测控制 不确定非线性多变量系统的,图4.6 采用多模型自适应解耦预测控制方法时系统的输出,图4.7 采用多模型自适应解耦预测控制方法时系统的控制输入,图4.8 切换序列,.多模型自适应解耦预测控制在强制循环蒸发系统中的应用,5.1 强制循环蒸发系统,工艺简介,在强制循环蒸发系统中的应用 多模型自适应解耦预测控制,图5.1 强制循环蒸发系统工艺流程图,被控变量：-蒸发器的液位-出料密度操作变量：-出料液的流量-加热蒸汽的流量,系统特性：-多变量-强耦合-非线性,控制目标使出料液的密度快速跟踪生产工艺所确定的出料密度目标值质量指标使蒸发器液位保持在正确位置(在工艺上通常要求液位保持在低于加热管出口而高于循环管入口处)和相对稳定生产安全指标,在强制循环蒸发系统中的应用 多模型自适应解耦预测控制,5.2 强制循环蒸发系统的动态模型,在强制循环蒸发系统中的应用 多模型自适应解耦预测控制,(5.1),(5.2),(5.3),其中,(5.4),(5.5),5.3 强制循环蒸发系统的控制现状,采用将系统分解成两个较为简单的串级PID控制回路来实现对出料密度和液位的控制。,在强制循环蒸发系统中的应用 多模型自适应解耦预测控制,图5.2 串级PID控制策略,存在问题由于强制循环蒸发系统具有不确定、多变量、强耦合和非线性等复杂特性，被控对象的模型参数往往发生变化。因此，使得根据典型工况整定好的PID控制参数在模型参数发生变化后不能取得好的控制效果。,5.4 强制循环蒸发系统的多模型自适应预测解耦控制方法,注：外层采用多模型自适应预测解耦控制器具有较强的鲁棒性和快速跟踪能力，而且可以近可能的减少强耦合对系统的影响。内层采用频率较高的常规PID控制器有较强的抗干扰能力。,在强制循环蒸发系统中的应用 多模型自适应解耦预测控制,图5.3 控制策略框图,5.5 仿真实验,系统的参数设置,在强制循环蒸发系统中的应用 多模型自适应解耦预测控制,控制器参数选择,在强制循环蒸发系统中的应用 多模型自适应解耦预测控制,在强制循环蒸发系统中的应用 多模型自适应解耦预测控制,图5.5 串级PID控制策略的实验结果,仿真结果,在强制循环蒸发系统中的应用 多模型自适应解耦预测控制,图5.6 本文所提控制策略的实验结果,为了做更进一步的比较，表5.1列出了在上述实验中被控变量目标值(和)与在两种控制策略下被控变量真实值(和)之间误差的绝对值之和(IAE)作为控制性能比较的指标。,在强制循环蒸发系统中的应用 多模型自适应解耦预测控制,从表5.1中明显看出，本文提出的控制策略的液位 和出料密度的IAE均小于串级PID控制下的液位和 出料密度的IAE。,.结论与展望,工作总结针对控制输入受约束的不确定时滞系统，提出了时滞相关鲁棒模型预测控制方法和单步鲁棒模型预测控制方法；针对参数未知的非线性系统，将自适应预测控制器与多模型方法相结合，提出了能够保证闭环系统稳定的多模型自适应预测控制方法；针对参数未知的多变量非线性系统，提出了多模型自适应预测解耦控制方法；以强制循环蒸发系统为应用背景，开展仿真实验，验证了本文方法的有效性和实用性。,有待进一步研究的问题约束时滞系统的输出反馈鲁棒MPC方法是下一步需要研究的问题；如何进一步放松对高阶非线性项有界的假设；对于大规模复杂工业过程，如何设计相互协作的网络分布式MPC，也是值得深入研究的问题。,结论与展望,发表文章 1石宇静,柴天佑.基于神经网络与多模型的非线性自适应广义 预测控制J,自动化学报,2007,33(5):540-545.(EI 072510663530)2石宇静,柴天佑.基于神经网络与多模型的非线性自适应广义 预测解耦控制J,控制理论与应用,2008,25(4):634-640.(EI 084011613760)3Yujing Shi,Tianyou Chai,Heng Yue.Robust one-step model predictive control for discrete time-delay systems C,Proceedings of the 17th World Congress The International Federation of Automatic Control,Seoul,Korea,2008:6160-6165.4Yujing Shi,Tianyou Chai.Delay-dependent robust model predictive control for time-delay systems with input constraintsC,2009 American Control Conference,St.Louis,Missouri,USA(已录用)5.石宇静，王永刚，柴天佑.强制循环蒸发系统的多模型预测解 耦控制J,系统工程理论与实践(已录用)6.石宇静，柴天佑，王永刚.智能解耦控制及其在强制循环蒸发 系统中的应用J，已投控制与决策,参加科研项目 2004.3-2008.1参加国家973课题“复杂工业生产过程实时智能控制理论与算法研究”(2002CB312201)中的一个项目“复杂生产制造过程实时、智能控制与优化理论和方法研究”。参加子课题“复杂工业工程的智能控制及其应用”的研究工作。,谢 谢！,