现代过程控制基础.ppt

<p>4 先进过程控制技术信息学院二一七年十一月现代过程控制基础12本章内容：本章内容：l 软测量技术l 预测控制技术l 模糊控制技术34.1 软测量技术电极加热系统钢包炉体测温枪1558155815501550过程基本参数过程基本参数钢水容量:100 t温度区间:15201620电极加热系统参数:功率：13500 KW现场温度测量温度热电偶点测不能有效测量不能有效测量 控制效率低、精度差控制效率低、精度差经验估算误差大生产节奏快经验估算多步控制 准确性准确性 连续性连续性及时性及时性4.1.1 软测量技术的基本概念4估计软测量技术（软测量技术（soft sensor techniquesoft sensor technique）结结合合生生产产过过程程知知识识，应应用用计计算算机机技技术术，对对于于难难于于测测量量或或暂暂时时不不能能测测量量的的重重要要变变量量（称称为为主主导导变变量量），通通过过选选择择另另外外一一些些容容易易测测量量的的变变量量（称称为为辅辅助助变变量量），并并与与主主导导变变量量构构成成某某种种数数学学关关系系来来进进行行推推断断估估计计，以以软软件件代代替硬件（传感器）替硬件（传感器）。条件条件1与温度变化相关的可测量可测量条件条件2可测量与温度之间的数学关系数学关系54.1.2 软测量技术的核心机理建模法机理建模法从过程内在的物理或化学规律出发，通过物料平衡、能量平衡或动量平衡建立对象的输入输出关系模型。优势优势：性能可靠，可用于过程特性分析缺点缺点：建模难度高精炼过程能流图64.1.2 软测量技术的核心黑箱建模法（或称数据驱动建模法）黑箱建模法（或称数据驱动建模法）基于积累的过程运行数据，用统计学习、人工智能等方法建立对象的输入输出关系模型。优势优势：建模简单缺点缺点：数据需求量大可选用的建模方法：可选用的建模方法：线性回归法：如PLS等非线性回归法：多项式回归等智能学习算法：神经网络等黑箱建模原理图输入-输出数据对软测量模型输入x（辅助变量）输出y（主导变量）数据驱动建模数据驱动建模74.1.2 软测量技术的核心混合建模法混合建模法结合机理建模法与数据建模法的优势，利用数据建模方法对机理模型中的未知参数或未知函数进行学习。优势优势：综合性能好缺点缺点：模型结构各异，建模难度高混合模型结构示意图(a)混合模型结构示意图(b)84.1.3 软测量技术的使用软测量模型软测量模型辅助变量辅助变量主导变量主导变量输入输入-输出数据输出数据建模方法建模方法机理建模法机理建模法黑箱建模法黑箱建模法混合建模方法混合建模方法机理分析、选择辅助变量数据采集和预处理建立软测量模型控制装置上实现软测量94.1.4 软测量技术总结“软软测测量量技技术术”是是把把常常规规检检测测手手段段与与被被控控对对象象的的工工艺艺、设设备备有有机机结结合合起起来来，应应用用计计算算机机信信息息处处理理、工工艺艺规规律律建建模模、过过程程辨辨识识、人人工工智智能能学学习习等等技技术术，对对一一些些难难于于测测量量的的过过程程变变量量进进行行推推断和估计的断和估计的间接检测技术间接检测技术。通用性好、适用范围宽精度易受影响，需要长期维护软测量-间接检测测量准确、使用可靠难以应用于恶劣、复杂生产环境传感器-直接检测互补优化控制104.2 预测控制技术产生背景：产生背景：复杂工业过程模型无法精确表达复杂工业过程模型无法精确表达 计算机技术的飞速发展和在工业控制领域的应用。计算机技术的飞速发展和在工业控制领域的应用。工程应用角度，希望模型要求低、控制质量好、在线工程应用角度，希望模型要求低、控制质量好、在线实现方便。实现方便。预测控制预测控制是对数学模型依赖性不是很强的控制方法。是对数学模型依赖性不是很强的控制方法。1978年，年，Richalet J 在在Automatica期刊上首次详细阐述了预期刊上首次详细阐述了预测控制算法产生的背景、机理及工业应用效果。测控制算法产生的背景、机理及工业应用效果。114.2.1 预测控制的基本原理 基于模型的预测控制思路基于模型的预测控制思路 输出的期望值曲线输出的期望值曲线 设定值设定值 当前时刻当前时刻过去的输出与控制过去的输出与控制 当前及未来时刻的控制量当前及未来时刻的控制量预测输出预测输出相关变量说明相关变量说明:124.2.1 预测控制的基本原理基于模型预测对不同的控制策略对比基于模型预测对不同的控制策略对比 给系统施加不同的控制作用，根据不同控制策略下的预测输出变化,可以对这些控制策略的优劣进行对比。对这些控制策略的优劣进行对比。预测模型：预测模型：根据系统的历史信息（系统输出及控制作用）和未来输根据系统的历史信息（系统输出及控制作用）和未来输入入，预测系统未来的输出，预测系统未来的输出。具有展示系统未来动态行为展示系统未来动态行为的功能。134.2.1 预测控制的基本原理预测控制算法的核心：预测控制算法的核心：预测模型，反馈校正，滚动优化预测模型，反馈校正，滚动优化预测控制算法预测控制算法就是要按照预测输出与期望输出的就是要按照预测输出与期望输出的偏差偏差，依，依据某一性能指标，计算当前及未来据某一性能指标，计算当前及未来L个时刻的个时刻的控制量控制量，使得性，使得性能指标最小能指标最小。144.2.2 模型算法控制1）预测模型）预测模型对于线性对象，其脉冲响应模型可以表示为对于线性对象，其脉冲响应模型可以表示为 对于渐进稳定对象，由于对于渐进稳定对象，由于因此，对象的矩阵脉冲响应模型就可以近似表示为因此，对象的矩阵脉冲响应模型就可以近似表示为模型在下一时刻到模型在下一时刻到P个时刻的输出可以表示为个时刻的输出可以表示为154.2.2 模型算法控制2）模型校正）模型校正利用当前时刻的模型误差进行模型校正利用当前时刻的模型误差进行模型校正(反馈校正法反馈校正法)，得到校正后，得到校正后的预测输出分别为的预测输出分别为 164.2.2 模型算法控制2）模型校正）模型校正其中其中:174.2.2 模型算法控制3）参考轨迹）参考轨迹参考轨迹参考轨迹:控制系统从现时刻实际输出到设定值的控制系统从现时刻实际输出到设定值的光滑过渡曲线光滑过渡曲线。通常取作一阶指数变化的形式，即通常取作一阶指数变化的形式，即 若令若令采样周期采样周期时间常数时间常数显然，显然，值越小，则值越小，则值越小，参考轨迹就能越快地到达设定值值越小，参考轨迹就能越快地到达设定值 。将上式表示成将上式表示成矩阵向量形式矩阵向量形式，有，有简记为：简记为：184.2.2 模型算法控制4）滚动优化）滚动优化优化准则（思路）优化准则（思路）：以以K时刻为始，选择未来时刻为始，选择未来P个控制量，使未来个控制量，使未来P个时刻的预测输出尽个时刻的预测输出尽可能接近参考轨迹可能接近参考轨迹系统期望输出与预测输出间的误差可以表示为优化性能指标设计为（Q、R为对角约束矩阵）为对角约束矩阵）由，有194.2.3 预测控制的特点（1）采用滚动优化的控制策略预测控制通过预测值，不断修正控制作用，在每一步都向最优的目标前进，优化目标不是一成不变，而是随时调整，能够适应定制控制、随动控制等多种情况，具有很强的适应性。（2）采用预测模型利用预测模型，既产生被控变量的预估值，又作为控制器的设计依据。当模型与被控对象失配时，能够通过反馈校正及时调整，具有良好的稳健性。预测控制具有良好的适应性和鲁棒性：预测控制具有良好的适应性和鲁棒性：204.2.4 预测控制总结1）预测模型）预测模型预测模型是一个描述系统动态行为的模型，它能够根据系统的控制输入以及过程的历史信息，预测过程的未来值。在预测控制中，各种不同算法，采用不同类型的预测模型。线性模型：1.模型算法控制（MAC）单位脉冲响应曲线2.动态矩阵控制（DMC）单位脉冲响应曲线3.广义预测控制（GPC）受控自回归积分滑动平均模型（CARMA）非线性模型1.神经网络模型2.模糊TS模型214.2.4 预测控制总结2）参数选择）参数选择（1）根据香农采样定理，选择预测控制系统的采样周期采样周期T采样周期越短，过程预测模型的脉冲响应系数越多，计算量越大，通常选择过程脉冲响应的个数N在2050之间。（2）输出预预估估时时域域长长度度P应覆盖过程响应的主要部分，如果对象具有时滞和反向特性，应大于过程响应的时滞区段和反向区段。P值越大，控制的稳健性越强，但计算工作量和存储容量增加。通常取过程响应达到稳态值所需过渡时间的一半所对应的采样次数。224.2.4 预测控制总结2）参数选择）参数选择（3）加权矩阵加权矩阵Q和和R。Q是对误差重视程度的量化，通常取单位阵，对于反向区段和时滞区段，该加权值是无能为力的，这些时段可取0，其余时段取1。R是对控制作用限制程度的量化，降低控制作用的波动，通常R取很小的数值。（4）参考轨迹收敛系数参考轨迹收敛系数越大，参考轨迹柔性越好，但输出相应越慢，反之，则易引起超调或震荡，应根据具体对象试凑选择。234.3 模糊控制技术 模糊控制的基本思想模糊控制的基本思想将人类专家对特定对象的控制经验，运用模糊集理论将人类专家对特定对象的控制经验，运用模糊集理论进行量化，转化为可数学实现的控制器，从而实现对被进行量化，转化为可数学实现的控制器，从而实现对被控对象的控制。控对象的控制。控制思想：控制思想：如果水温偏高，就把热如果水温偏高，就把热水阀关小；水阀关小；如果水温偏低，就把热如果水温偏低，就把热水阀开大。水阀开大。244.3.1 模糊集(Fuzzy Sets)在模糊集理论中，通过在模糊集理论中，通过隶属度函数隶属度函数的形式，将连续取值的物理量的形式，将连续取值的物理量转换为转换为离散形式的若干个模糊论域变量（称为模糊子集）离散形式的若干个模糊论域变量（称为模糊子集）。例如，将房间温度例如，将房间温度T（假设其（假设其基本论域：基本论域：1527）分成）分成“热（热（Hot）”，“适适合合(OK)”，“冷（冷（Cold）”三档三档模糊集合表示25其它隶属度函数形式：其它隶属度函数形式：正态分布型（高斯基函数正态分布型（高斯基函数）三角型三角型 梯型梯型 26 完备性完备性 隶属度函数的分布必须隶属度函数的分布必须覆盖语言变量的整个论域，覆盖语言变量的整个论域，否则，将会出现否则，将会出现“空档空档”，从而导致失控。，从而导致失控。不完备的隶属函数分布不完备的隶属函数分布 4.3.1 模糊集(Fuzzy Sets)模糊化时的几个问题：模糊化时的几个问题：模糊集合个数模糊集合个数 总的原则：在满足完备性的条件下，尽量取较少的集合数，以总的原则：在满足完备性的条件下，尽量取较少的集合数，以简化模糊逻辑规则的设计和实现。简化模糊逻辑规则的设计和实现。274.3.2 模糊控制器模糊化模糊化模糊推理模糊推理模糊判决模糊判决模糊规则模糊规则被控对象被控对象yspy模糊控制器按模块可分为四部分：模糊控制器按模块可分为四部分：变量处理变量处理输入变量模糊化输入变量模糊化输出变量离散化输出变量离散化 模糊规则模糊规则 模糊推理模糊推理 模糊判决模糊判决28 变量处理变量处理输入变量模糊化输入变量模糊化4.3.2 模糊控制器在在模模糊糊控控制制系系统统中中，把把模模糊糊控控制制器器的的输输入入变变量量（如如偏偏差差 及及其其变变化化率率 ）的的实实际际范范围围称称为为这这些些变变量量的的基基本本论论域域。基基本本论论域域内内的的量量为为精精确确量量，需需要要对对它它们们进进行行模模糊糊化化处处理理，转转换换为为对对应应某某个个模模糊糊语语言言变变量量的的模模糊糊集集，这这时时需需要要确确定模糊语言变量的隶属函数，常根据专家经验或统计分析确定。定模糊语言变量的隶属函数，常根据专家经验或统计分析确定。例如：例如：29 变量处理变量处理输出变量离散化输出变量离散化4.3.2 模糊控制器将输出变量离散化为若干个有限值。将输出变量离散化为若干个有限值。30 模糊规则模糊规则4.3.2 模糊控制器n 规则库的描述规则库的描述 规则库由若干条控制规则组成，这些规则根据人类控制专家的经规则库由若干条控制规则组成，这些规则根据人类控制专家的经验总结得出，按照验总结得出，按照 IF is AND is THEN is的形式表达。的形式表达。R1:IF E is A1 AND EC is B1 THEN U is C1 R2:IF E is A2 AND EC is B2 THEN U is C2 Rn:IF E is An AND EC is Bn THEN U is Cn其中，其中，E、EC是输入是输入语言变量语言变量“误差误差”，“误差变化率误差变化率”；U是是输出输出语言变量语言变量“控制量控制量”。Ai、Bi、Ci是定义在各自基本论域上的是定义在各自基本论域上的模糊变量模糊变量。31R1:IF E is A1 AND EC is B1 THEN U is C1 R2:IF E is A2 AND EC is B2 THEN U is C2 Rn:IF E is An AND EC is Bn THEN U is Cn UECNBNMNSZPSPMPBENBNBNBNBNBNMZZNMNBNBNBNBNMZZNSNMNMNMNMZPSPSZNMNMNSZPSPMPMPSNSNSZPMPMPMPMPMZZPMPBPBPBPBPBZZPMPBPBPBPB规规则则库库也也可可以以用用矩矩阵阵表表的的形形式式进进行行描描述述 模糊规则模糊规则4.3.2 模糊控制器32 模糊规则模糊规则4.3.2 模糊控制器例如：例如：R1:IF e is negetive AND e is positive,THEN p1 is zero R2:IF e is zero AND e is positive,THEN p2 is medium increase R9:IF e is positive AND e is negetive,THEN p9 is zeropi表示第表示第i条规则的输出条规则的输出33模糊控制规则的生成方法归纳起来主要有以下几种：l 根据专家经验或过程控制知识生成控制规则根据专家经验或过程控制知识生成控制规则。这种方法通过对控制专家的经验进行总结描述来生成特定领域的控制规则原型，经过反复的实验和修正形成最终的规则库。l 根据过程的模糊模型生成控制规则根据过程的模糊模型生成控制规则。这种方法通过用模糊语言描述被控过程的输入输出关系来得到过程的模糊模型，进而根据这种关系来得到控制器的控制规则。l 根据学习算法获取控制规则根据学习算法获取控制规则。应用自适应学习算法（神经网络、遗传算法等）对控制过程的样本数据进行分析和聚类，生成和在线优化较完善的控制规则。模糊规则模糊规则4.3.2 模糊控制器344.3.2 模糊控制器 模糊推理模糊推理 将模糊控制器的输入量转化为模糊量供模糊逻辑决策系统用，每一条模将模糊控制器的输入量转化为模糊量供模糊逻辑决策系统用，每一条模糊规则可以求出一个模糊关系糊规则可以求出一个模糊关系R。决策时根据控制规则决定的模糊关系。决策时根据控制规则决定的模糊关系R，应，应用模糊逻辑推理算法得出控制器的模糊输出控制量，最后精确化输出。用模糊逻辑推理算法得出控制器的模糊输出控制量，最后精确化输出。对于对于n条模糊控制规则可以得到输入输出关系矩阵条模糊控制规则可以得到输入输出关系矩阵R1，R2，.，Rn，从而有模糊规则的合成算法可得到总的模糊关系矩阵为：从而有模糊规则的合成算法可得到总的模糊关系矩阵为：对于任一系统误差对于任一系统误差 和系统误差变化和系统误差变化 ，其对应的模糊控制器输出，其对应的模糊控制器输出 为：为：通过上面公式可计算出模糊控制量通过上面公式可计算出模糊控制量 ，但计算量非常大，一般采用，但计算量非常大，一般采用查表法查表法。35查表法案例查表法案例4.3.2 模糊控制器 模糊推理模糊推理364.3.2 模糊控制器 通通过过模模糊糊推推理理得得到到的的结结果果仍仍然然是是一一个个模模糊糊量量，但但实实际际应应用用中中，控控制制或或驱驱动动执执行行机机构构需需要要的的是是精精确确量量。因因此此要要将将模模糊糊量量转转换换为为精精确确量量，这一过程称为模糊判决过程（俗称反模糊化）。这一过程称为模糊判决过程（俗称反模糊化）。工程应用一般采用重心法进行反模糊化。工程应用一般采用重心法进行反模糊化。所谓重心法就是取输出模糊集合隶属函数曲线与横坐标轴围成面所谓重心法就是取输出模糊集合隶属函数曲线与横坐标轴围成面积的重心相应的输出作为输出的精确值。积的重心相应的输出作为输出的精确值。模糊判决模糊判决37例如：例如：4.3.2 模糊控制器 模糊判决模糊判决p=4.55%384.3.3 模糊控制总结设计时不需要建立被控制对象的数学模型，只要求掌握人类的控制经验。系统的鲁棒性强，尤其适用于非线性时变、滞后系统的控制控制算法表现形式比较友好，便于升级维护。确立模糊化和逆模糊化的方法时，缺乏系统的方法，主要靠经验和试凑。总结模糊控制规则有时比较困难。n 模糊控制的优点：模糊控制的优点：n 模糊控制的缺点：模糊控制的缺点：为克服模糊控制的缺点，常与其它算法结合运用，如模糊为克服模糊控制的缺点，常与其它算法结合运用，如模糊PIDPID、模糊自适应控制、模糊预测控制等。、模糊自适应控制、模糊预测控制等。</p>