过程控制系统 第6章ppt课件.ppt

《过程控制系统 第6章ppt课件.ppt》由会员分享，可在线阅读，更多相关《过程控制系统 第6章ppt课件.ppt（73页珍藏版）》请在三一办公上搜索。

1、过程控制系统,华东理工大学孙自强2008年2月,第6章 先进控制系统,预测控制推断控制软测量技术双重控制纯滞后补偿控制解耦控制自适应控制系统智能控制系统,6.1. 基于模型的预测控制,预测控制的基本出发点与传统的PID控制不同。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。,6.1.1. 预测控制基本原理, 基本原理预测模型 反馈校正 滚动优化,预测模型。预测控制需要一个描述系统动态行为的模型称为预测模型。预测模型能够根据系统的现时刻的控

2、制输入以及过程的历史信息，预测过程输出的未来值。在预测控制中各种不同算法，采用不同类型的预测模型，如最基本的模型算法控制（MAC），动态矩阵控制（DMC）等，通常采用在实际工业过程中较易获得的脉冲响应模型和阶跃响应模型等非参数模型或传递函数。随着预测控制的发展，除了上述两种非参数模型外，目前经常采用易于在线辨识并能描述不稳定过程的CARMA受控自回归滑动平均模型(Controlled Auto-Regressive Moving Average,简称CARMA)和CARIMA受控自回归积分滑动平均模型(Controlled Auto-Regressive Integrated Moving A

3、verage,简称CARIMA)以及能反映系统内在联系的状态空间模型。,反馈校正。在预测控制中，采用预测模型进行过程输出值的预估只是一种理想的方式，对于实际过程，由于存在非线性、时变、模型失配和干扰等不确定因素，使基于模型的预测不可能准确地与实际相符。因此，在预测控制中，通过输出的测量值与模型的预估值进行比较，得出模型的预测误差，再利用模型预测误差来校正模型的预测值，从而得到更为准确的将来输出的预测值。正是这种由模型加反馈校正的过程，使预测控制具有很强的抗干扰和克服系统不确定的能力。,滚动优化。预测控制是一种优化控制算法。它是通过某一性能指标的最优化来确定未来的控制作用。这一性能指标还涉及到过

4、程未来的行为，它是根据预测模型由未来的控制策略决定的。, 参考轨线 在预测控制中，考虑到过程的动态特性，为了使过程避免出现输入和输出的急剧变化，往往要求过程输出y(k+i)沿着一条所期望的、平缓的曲线达到设定值。这条曲线通常称为参考轨线 。, 在线滚动的实现方式 在现时刻k只施加第一个控制作用u(k)，等到下一个采样时刻(k+1)，再根据采集到的过程输出，重新进行优化计算，求出新一组最优控制作用，仍只施加第一个控制作用，如此类推，“滚动”式推进。预测控制的一些优良性质由于预测控制的一些基本特征使其产生许多优良性质：对数学模型要求不高；能直接处理具有纯滞后的过程；具有良好的跟踪性能和较强的抗干扰

5、能力；对模型误差具有较强的鲁棒性。,6.1.2 预测控制算法,（1）模型算法控制（MAC） 预测模型 反馈校正 设定值与参考轨迹 最优控制作用 MAC在实施中应注意的若干问题 脉冲响应系数长度N的选择 输出预估时域长度P的选择 控制时域长度M的选择 参考轨迹的收敛参数的选择 误差权矩阵Q的选择 控制权矩阵R的选择,(2) 动态矩阵控制（Dynamic Matrix Control ，DMC）预测函数控制 (Predictive Function Control，PFC) (4) 广义预测控制（Generalized Predictive Control ，GPC）(5) 预测控制与PID串级控

6、制,6.1.3. 预测控制软件包的发展,目前，国外已经形成许多以预测控制为核心思想的先进控制商品化软件包，成功应用于石油化工中的催化裂化、常减压、连续重整、延迟焦化、加氢裂化等许多重要装置。第一代模型预测控制技术 以IDCOM和DMC为代表，主要处理无约束过程的预测控制。 第二代模型预测控制技术 QDMC算法，采用二次规划方法（QP）求解，可以系统地处理输入、输出约束问题。 第三代模型预测控制技术 IDCOM-M，DMC，SMCA等控制软件包 ，处理约束的多变量、多目标、多控制模式和基于模型预测的最优控制器 第四代模型预测控制技术 DMC-pllus,RMPCT等 。基于Windows的图形用

7、户界面；采用多层优化，以实现不同等级目标控制；采用灵活的优化方法；直接考虑模型不确定性(鲁棒控制设计)；改进的辨识技术等。,6.1.4.预测控制工业应用,模型预测控制在空分装置上的应用,6.2. 推断控制,生产过程的被控变量(过程的输出)有时不能直接测得，因而就难于实现反馈控制。如果扰动可测，则尚能采用前馈控制。假若扰动也不能直接测得，则可以采用推断控制。推断控制是利用数学模型由可测信息将不可测的输出变量推算出来实现反馈控制，或将不可测扰动推算出来以实现前馈控制。,对于不可测扰动的推断控制是美国学者CBBrosilow等于1978年提出来的。它利用过程的辅助输出，如温度、压力、流量等测量信息，

8、来推断不可直接测量的扰动对过程主要输出（如产品质量、成分等）的影响。然后基于这些推断估计量来确定控制输入，以消除不可直接测量的扰动对过程主要输出的影响，改善控制品质。,推断控制系统通常包括三个部分 信号分离 估计器E(s) 推断控制器GI(s),6.3 软测量技术,在线分析仪表（传感器）不仅价格昂贵，维护保养复杂，而且由于分析仪表滞后大，最终将导致控制质量的性能下降，难以满足生产要求。还有部分产品质量目前无法测量等。近年来，为了解决这类变量的测量问题，各方面在深入研究，目前应用较广泛的是软测量方法。软测量的基本思想是对于难于测量或暂时不能测量的重要变量（或称之为主导变量），选择另外一些容易测量

9、的变量（或称之为辅助变量），通过构成某种数学关系来推断和估计，以软件来代替硬件（传感器）功能。这类方法具有响应迅速，连续给出主导变量信息，且具有投资低，维护保养简单等优点。,6.3.1. 软测量技术,软测量技术主要由辅助变量的选择，数据采集和处理，软测量模型建立及在线校正等部分 。,机理分析与辅助变量的选择首先明确软测量的任务，确定主导变量。在此基础上深入了解和熟悉软测量对象及有关装置的工艺流程，通过机理分析可以初步确定影响主导变量的相关变量辅助变量 辅助变量的选择包括变量类型、变量数目和检测点位置的选择。这三个方面是互相关联、互相影响，由过程特性所决定的。在实际应用中，还受经济条件、维护的难

10、易程度等外部因素制约。如果辅助变量个数太多，为了实时运行方便需要对系统进行降维，降低测量噪声的干扰和软测量模型的复杂性。降维的方法可以根据机理模型，用几个辅助变量计算得到不可测的辅助变量，如分压、内回流比等；亦可采用主元分析（PCA）、部分最小二乘法（PLS）等统计方法进行数据相关分析，剔除冗余的变量，降低系统的维数。,数据采集和处理 从理论上讲，过程数据包含了工业对象的大量相关信息。因此数据采集量多多益善，不仅可以用来建模，还可以检验模型。实际需要采集的数据是与软测量主导变量对应时间的辅助变量的过程数据。其次，数据覆盖面在可能条件下应宽一些，以便软测量具有较宽的适用范围。 为了保证软测量精度

11、，数据正确性和可靠性十分重要。采集数据必须进行处理。数据处理包含两个方面，即换算（Scaling）和数据误差处理。,软测量模型的建立 机理建模 从机理出发，也就是从过程内在的物理和化学规律出发，通过物料平衡与能量平衡和动量平衡建立数学模型。为了获得软测量模型，只要把主导变量和辅助变量作相应调整就可以了。对于简单过程可以采用解析法，而对于一复杂过程，特别是需要考虑输入变量大范围变化的场合，采用仿真方法。典型化工过程的仿真程序已编制成各种现成软件包。机理模型优点是可以充分利用已知的过程知识，从事物的本质上认识外部特征；有较大的适用范围，操作条件变化可以类推。但亦有弱点，对于某些复杂的过程难于建模。

12、必须通过输入输出数据验证。,经验建模通过实测或依据积累操作数据，用数学回归方法、神经网络方法等得到经验模型。进行测试，理论上有很多实验设计方法，如常用的正交设计等，在工程实施上可能会遇到困难。因为工艺上可能不允许操作条件作大幅度变化。如果选择变化区域过窄，不仅所得模型的适用范围不宽，而且测量误差亦相对上升。模型精度成问题。有一种办法是吸取调优操作经验，即逐步向更好的操作点移动，这样可能一举两得，既扩大了测试范围，又改进了工艺操作。测试中另一个问题是稳态是否真正建立。否则会带来较大误差。还有数据采样与产品质量分析必须同步进行。最后是模型检验，检验分自身检验与交叉检验。我们建议和提倡交叉检验。经验

13、建模的优点与弱点与机理建模正好相反，特别是现场测试，实施中有一定难处。,机理建模与经验相结合把机理建模与经验建模结合起来，可兼容两者之长，补各自之短。结合方法有：主体上按照机理建模，但其中部分参数通过实测得到；通过机理分析，把变量适当结合，得出数学模型函数形式，这样使模型结构有了着落，估计参数就比较容易，其次可使自变量数目减少；由机理出发，通过计算或仿真，得到大量输入数据，再用回归方法或神经网络方法得到模型。机理与经验相结合建模是一个较实用的方法，目前被广泛采用。,软测量模型的在线校正由于软测量对象的时变性、非线性以及模型的不完整性等因素，必须考虑模型的在线校正，才能适应新工况。软测量模型的在

14、线校正可表示为模型结构和模型参数的优化过程，具体方法有自适应法、增量法和多时标法。对模型结构的修正往往需要大量的样本数据和较长的计算时间，难以在线进行。为解决模型结构修正耗时长和在线校正的矛盾，提出了短期学习和长期学习的校正方法。短期学习由于算法简单、学习速度快便于实时应用。长期学习是当软测量仪表在线运行一段时间积累了足够的新样本模式后，重新建立软测量模型。,6.3.2. 工业应用实例,国外有Inferential Control 公司、Setpoint公司、DMC公司、Profimatics公司、Simcon公司、Applied Automation公司等以商品化软件形式推出各自的软测量仪表

15、，例如：测量10%、50%、90%和最终的ASTM沸点、闪点、倾点、粘点和雷得蒸汽压等，这些已广泛应用于常减压塔、FCCU主分馏塔、焦化主分馏塔、加氢裂化分馏塔、汽油稳定塔、脱乙烷塔等先进控制和优化控制。它增加了轻质油收率，降低了能耗并减少了原油切换时间，取得了明显经济效益。,丙烯腈收率软测量,某化工事业部的年产5万吨丙烯腈装置，采用美国标准石油公司Sohio的生产工艺，以C-41作催化剂，用丙烯、氨、空气为原料，在、反应器中一次直接氧化制取丙烯腈（即丙烯氨氧化法）。工艺条件由车间根据计划科下达的当月生产任务和生产装置运行的实际情况确定，如图6-5所示：,6.4. 纯滞后补偿控制系统,从广义角

16、度来说，所有的工业过程控制对象都是具有纯滞后(时滞)的对象。衡量过程具有纯滞后的大小通常采用过程纯滞后和过程惯性时间常数之比 。 时，称生产过程是具有一般纯滞后的过程。当 时，称为具有大纯滞后的过程。一般纯滞后过程可通过常规控制系统得到较好的控制效果。而当纯滞后较大时，则用常规控制系统常常较难奏效。目前克服大纯滞后的方法主要有史密斯预估补偿控制，自适应史密斯预估补偿控制，观测补偿器控制，采样控制，内部模型控制(IMC)，达林算法等。,史密斯预估补偿控制,6.5. 解耦控制系统,6.5.1. 系统的关联分析在一个生产装置中，往往需要设置若干个控制回路，来稳定各个被控变量。在这种情况下，几个回路之

17、间，就可能相互关联，相互耦合，相互影响，构成多输入-多输出的相关（耦合）控制系统。,6.5.2. 相对增益令某一通道在其它系统均为开环时的放大系数与该一通道在其它系统均为闭环时的放大系数之比为ij，称为相对增益，则上式中分子项外的下标u表示除了uj以外，其它都保持不变，即都为开环；分母项外的下标y表示除了yi以外，其它y都保持不变，即其它系统都为闭环系统。,双输入双输出系统,布里斯托尔阵列(Briistol阵列)，或相对增益阵列,6.5.3.动态相对增益6.5.4. 减少与解除耦合途径. 被控变量与操纵变量间正确匹配. 控制器的参数整定. 减少控制回路. 串接解耦控制,6.5.4. 串接解耦控

18、制,串接解耦装置D(s)的作用是使G(s)D(s) 的积成为对角阵，这样关联就消除了。要求G(s)D(s)之积为对角阵，对其非零元素又有三类方法。 对角线矩阵法 单位矩阵法 前馈补偿法,6.5.5.工业应用实例,某乙烯装置裂解炉的解耦控制。它具有四组并联的裂解炉管，每组炉管对应于8个烧嘴。每组有燃料油的控制阀。原料油（煤油、柴油等）经预热至590 0C后进入裂解炉管进行裂解，生成乙烯、丙烯，丁烯、甲烷、乙烷、丙烷等。为了减少炉管结焦和提高乙烯等产品收率，需要降低裂解炉管内的油气分压，因此须按一定的比率加入稀释蒸汽。原料油和稀释蒸汽的比率应该控制好。,6.6. 自适应控制,自适应控制是建立在系统

19、数学模型参数未知的基础上，而且随着系统行为的变化，自适应控制也会相应地改变控制器的参数，以适应其特性的变化，保证整个系统的性能指标达到令人满意的结果。自适应控制系统是一个具有适应能力的系统，它必须能够辩识过程参数与环境条件变化，在此基础上自动地校正控制规律。一个自适应控制系统至少应有下述三个部分：具有一个测量或估计环节，能对过程和环境进行监视，并有对测量数据进行分类以及消除数据中噪音的能力。这通常体现为：对过程的输入输出进行测量，基此进行某些参数的实时估计；具有衡量系统的控制效果好坏的性能指标，并且能够测量或计算性能指标，判断系统是否偏离最优状态；具有自动调整控制规律或控制器参数的能力。,6.

20、6.1. 简单自适应控制系统,这类系统对环境条件或过程参数的变化用一些简单的方法辩识出来，控制算法亦很简单。在不少情况下，实际上是一种非线性控制系统或采用自整定调节器的控制系统。,继电型自整定 继电型自整定的基本思想是，在控制系统中设置两种模式：测试模式和控制模式。在测试模式下，用一个滞环宽度为，幅值为的继电器代替控制器（如图6-14所示），利用其非线性，使系统处于等幅振荡（极限环）。测取系统的振荡周期和振幅，以便能利用临界比例度法的经验公式；在控制模式下，控制器使用整定后的参数，对系统的动态性能进行控制。如果对象特性发生变化，可重新进入测试模式，再进行测试，以求得新的整定参数。,YEWSER

21、IES-80自整定PID控制器,6.6.2. 模型参考型自适应控制系统,这类系统主要用于随动控制，一开始用于飞机自动驾驶方面。人们期望随动控制的过渡过程符合一种理想模式。典型的模型参考型自适应控制系统是参考模型和被控系统并联运行，参考模型表示了控制系统的性能要求。,6.6.3. 自校正控制系统,自校正控制器也有两个回路组成。内回路包括过程和普通线性反馈控制器。外回路用来调整控制器参数，它由递推参数估计器和控制器参数调整机构组成。递推估计器可以采用递推最小二乘法、广义最小二乘法、辅助变量法等实时在线参数估计方法。最优控制器可以采用最小方差控制、线性二次型最优控制、极点配置和广义最小方差控制等。,

22、6.7. 智能控制系统,智能控制（Intelligent Control, IC） 当前最主要的是三种形式：（1）专家系统；（2）模糊控制；（3）人工神经网络控制。它们可以单独应用，也可以与其他形式结合起来；可以用于基层控制，也可用于过程建模、操作优化、故障检测、计划调度和经营决策等不同层次。,6.7.1. 专家系统,专家系统主要指的是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的经验方法来处理该领域的高水平难题。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知

23、识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家才能处理好的复杂问题。简而言之，专家系统是一个模拟人类专家解决领域问题的计算机程序系统。专家系统的基本功能取决于它所含有的知识，因此，有时也把专家系统称为基于知识的系统（Knowledge-Based System）。,. 专家系统结构,一般由六个部分组成 人机接口 知识库 知识获取 数据库 解释机构 推理机,乙烯塔优化专家控制系统,6.7.2. 模糊控制,模糊控制（Fuzzy Control）是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一类计算机控制策略，模糊控制是一种非线性控制。模糊控制不是采用纯数学建模的方法

24、，而是结合专家的知识和思维，进行学习与推理、联想和决策的过程，由计算机来辨识和建模，并进行控制。, 模糊控制系统的基本结构,图6-22给出了一个模糊控制系统的基本结构，由图可知模糊控制器由模糊化、知识库、模糊推理和清晰化（或称去模糊化）四个功能模块组成,模糊化 模糊化模块的功能是将输入的精确量按某些算法转换为模糊量。该模块的输入量包括了系统的参考输入、系统输出或状态等。模糊化过程一般如下：1) 首先对输入量进行处理，变换成模糊控制器要求的输入量。例如，当系统控制是按偏差控制时，计算偏差。2) 将上述已经处理过的输入量进行尺度变换，使其变换到各自的论域。3) 将变换到论域范围的输入量进行模糊化处

25、理，把原有的精确量变换成模糊量，并用相应的模糊集合语言值来表示，例如“正大”，“正中”，“正小”，“零”，“负小”，“负中”，“负大”。,知识库知识库包含应用领域的知识和控制目标，通常由数据库和模糊控制规则库两部分组成。数据库主要包括了各语言变量的隶属函数、尺度变换因子，以及模糊空间的划分数等。模糊控制规则库包括了用模糊语言变量表示的一系列控制规则，反映了控制专家的经验和知识。,模糊推理模糊推理是模糊控制器的核心，该推理过程是基于模糊逻辑中的蕴含关系及推理规则来进行的。清晰化（去模糊化）由于实际的控制量，也就是被控对象的输入应当是精确量，清晰化的功能就是将模糊推理得到的模糊控制量变换为实际的控

26、制量。它是把模糊量经清晰化运算后变换成论域范围的清晰量，再经尺度变换转换成实际的控制量。,. 模糊PID控制器,位置式模糊PID控制器,增量式模糊PID控制器,模糊PID控制器的变形结构,混合型模糊PID控制,误差e模糊积分的PID模糊控制器,6.7.3. 神经网络控制,神经网络由于它很强的非线性函数逼近能力并具有并行处理工作方式等特点，已在很多应用领域受到了关注，在自动化中的应用主要有下列诸方面：(1) 过程建模及软测量 (2) 故障监测和诊断 (3) 用于控制,神经网络监督控制,神经网络直接逆控制,神经网络模型参考自适应控制,神经网络预测控制,6.8. 现场总线控制系统,现场总线导致了传统

27、控制系统结构的变革，形成了新型的网络集成式全分布控制系统现场总线控制系统FCS（Fieldbus Control System）。它就是将挂接在总线上、作为网络节点的智能设备连接为网络系统，并进一步构成自动化系统，实现基本控制、补偿计算、参数修改、报警、显示、监控、优化及管控一体化的综合自动化功能。这是继基地式气动仪表控制系统、电动单元组合式模拟仪表控制系统、集中式数字控制系统、集散控制系统后的新一代控制系统。,6.8.1. 现场总线控制系统的主要特点,现场总线打破了传统控制系统的结构形式。传统模拟系统采用一对一的设备连线，按控制回路分别进行连接。位于现场的测量变送器与位于控制室的控制器之间，

28、控制器与位于现场的执行器、开关、马达之间均为一对一的物理连接。现场总线由于采用了智能现场设备，能够把原先DCS系统中处于控制室的控制模块、各输入输出模块置入现场设备，加上现场设备具有通信能力，现场的测量变送仪表可以与阀门等执行机构直接传送信号，因而控制系统功能能够不依赖控制室的计算机或控制仪表，直接在现场完成，实现了彻底的分散控制。, 开放性 智能化现场仪表 现场仪表采用数字信号传输 提高传输可靠性，节约传输线的投资 彻底的分散性,6.8.2. 现场总线控制系统,一般来说，现场总线控制系统是由被控过程（对象）和三类部件组成的实时反馈系统，即被控过程、现场总线网络节点、现场总线网络设备、监控设备

29、以及相关软件等组成的闭环控制系统。, 现场总线网络节点：现场总线网络节点是现场设备或现场仪表，如传感器、变送器、执行器等。这些仪表不是传统的单功能仪表，而是具有综合功能的智能仪表。变送器既有检测、变换和补偿功能，又有PID控制和运算功能等。执行器的基本功能是信号驱动和执行，还内含控制阀特性补偿、PID控制和运算等功能，阀门特性自校验和自诊断功能等。, 现场总线网络设备：现场总线网络设备是指基于现场总线的数据服务器、网桥（网关）、中继器、安全栅、总线电源、便携式编程器等。, 监控设备：监控设备主要有工程师站、操作员站和计算机站。工程师站提供现场总线控制系统组态；操作员站提供工艺操作与监视。计算机

30、站则用于建模和优化控制。,(2). 现场总线控制系统软件, 组态软件 组态软件包括通信组态与控制系统组态，用于生成各种控制回路和通信关系，明确系统要完成的控制功能，各控制回路的组成，各控制回路的控制方式；明确节点与节点之间的通信关系。以便实现各现场仪表之间、现场仪表与监控计算机之间以及计算机与计算机之间的数据通信。 维护软件 维护软件用于对现场控制系统软、硬件的运行状态进行监测、故障诊断以及某些软件测试维护等。仿真软件 仿真软件用于现场总线控制系统的部件，如通信节点、网段、功能模块等进行仿真，作为对系统组态、调试、研究的工具。 现场设备管理软件 现场设备管理软件用于对现场设备进行维护管理的工具

31、。 监控软件 这是必备的直接用于生产操作和监视的控制软件包其功能十分丰富：实时数据采集与处理；常规控制、先进控制与优化控制；操作与参数修改等。现场总线控制系统大多采用工业计算机作为监控计算机，因而其人机接口部分与普通计算机差异不大，画面显示主要采用显示器、液晶显示；人机交互的输入接口主要是键盘、鼠标、触摸屏；输出接口主要指打印机、声光报警装置等。,现场总线控制系统应用,锅炉汽包水位的三冲量控制系统）根据控制方案选择必需的现场智能仪表 选择计算机与网络配件选择开发组态软件、控制操作的人机接口软件MMI。 根据控制系统结构和控制策略所需功能块以及现场智能设备具备的功能块库的条件，分配功能块所在位置

32、。通过功能块的特征化，为每个功能块确定相应参数。 网络组态。下载组态信息。,6.9.综合自动化系统,6.9.1 综合自动化的意义 综合自动化、CIMS（计算机集成制造系统，Computer Integrated Manufacturing Systems、和CIPS（计算机集成过程系统，Computer Integrated Process Systems）是三个涵义基本相同的术语。,6.9.2综合自动化系统的特点,系统主线采用递阶系统结构的形式。 系统的主线是控制与管理两个方面。 对于物流储运、劳动工资和财务会计等方面，也可建立相应的计算机系统，与系统主线并行连接。 系统的信息集成 系统的功能集成 综合自动化系统涉及的领域相当宽，工作的进行需要有一个各类专门人才组成的班子，特别是自动化专业、工艺专业和计算机专业的技术专家。,6.9.3工业生产过程计算机集成控制系统的构成,由信息、优化、控制和对象模型等组成，具体可由六级构成，如图6-36所示，即决策级、经营管理级、计划调度级、车间或装置的优化操作级、单元过程的先进控制(APC)与优化级（APS）和最基础的基本控制级（DCS）。前三级是全厂级，后三级是车间（或装置）和单元过程级。,