复杂工业过程模型预测控制的研究-终版1精品PPT课件

合集下载

《模型预测控制》PPT课件

《模型预测控制》PPT课件

五 模型预测控制的应用
在预测控制问世来,由于计算机技术的发展和日益复杂的工业系 统 对先进控制的需求,使预测控制的应用范围日渐扩大,控制水平日益 提高。目前,预测控制已成为工业控制领域应用最多的一种先进控制 策略。
商品化预测控制软件产品:
(i). 第一代:以Adersa的IDCOM和She11 Oil的DMC为代表,算法针 对无约束多变量过程;
公司
Adersa
DMC Honeywell Profimatics Setpoint
产品名
HieCon PFC DMC DMI
RMPCA PCT
SMCA
产品功能
递阶约束控制 预测函数控制 动态矩阵控制 动态矩阵辨识 鲁棒模型预测控制技术 预测控制技术
多变量控制软件包
5.2 模型预测控制基本原理
一 模型预测控制的分类
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. 滚动时域控制( Receding Horigon Control, RHC)
这种算法由著名的LQ或LQG算法发展而来。对于状态空间模型, 用有限时域二次性能指标再加终端约束的滚动时域控制方法来保证系 统稳定性。它已拓展至控制的基本原理
1. 预测模型
预测控制的模型称为预测模型。预测控制对模型的要求不同于其 他 传统的控制方法,它强调的是模型的功能而不是模型的结构,只要模 型可利用过去已知数据信息预测系统未来的输出行为,就可以作为预 测模(型i)。传统的模型: 状态方程、传递函

模型预测控制ppt

模型预测控制ppt


02 动态矩阵控制
动态矩阵控制以优化确定控制策略,在优化过程中, 同时考虑输出跟踪期望值和控制量变化来选择最优化准
则。往往不希望控制增量 Δ u 变化过于剧烈,这一因
素在优化性能指标中加入软约束予以考虑。
02 动态矩阵控制
02 动态矩阵控制
02 动态矩阵控制
02 动态矩阵控制
02 动态矩阵控制
01预测控制概述
工业过程的特点 多变量高维度复杂系统难以建立精确的数学模型 工业过程的结构、参数以及环境具有不确定性、时变性、 非线性、强耦合,最优控制难以实现
预测控制产生
基于模型的控制,但对模型要求不高 采用滚动优化策略,以局部优化取代全局优化 利用实测信息反馈校正,增强控制的鲁棒性
限时域优化策略。优化过程不是一次离线进行,而是在线反
复进行优化计算,滚动实施,从而使模型失配、时变、干扰 等引起的不确定性能及时得到弥补,提高系统的控制效果。
02滚动优化
03反馈校正
模型失配
实际被控过程存在非线性、时变性、不确定性等原因,使基于模型的预测不可能准确地与实 际被控过程相符
反馈校正
从图中可以看出: 第一根曲线是模型失配时的输出 曲线,其快速性较差,超调量小;
第二根曲线是模型未失配时的输 出曲线,其快速性较好,但超调量 略大。
这验证了预测控制对于模型精度 要求不高的优势,即使模型失配, 也能取得不错的控制效果,
05
总结
总结
模型预测控制
预测控制:不仅利用当前和过去的偏差值,而且还利用预测模 型来预测过程未来的偏差值。以滚动优化确定当前的最优控制 策略,使未来一段时间内被控变量与期望值偏差最小
增大P: 系统的快速性变差,稳定性增强; 减小P: 快速性变好,稳定性变差。

过程控制系统 工业过程数学模型课件

过程控制系统  工业过程数学模型课件

石油化工行业应用
电力行业应用
制药行业应用
制药行业是卫生要求极高的行业,过程控制系统在制药行业中主要用于药品生产的监控和调节。
在制药行业中,过程控制系统可以对制药设备的运行状态、温度、压力、流量等工艺参数进行实时监测 和自动控制,确保药品质量和生产的稳定。
案例分析:某制药企业采用过程控制系统对药品生产过程中的温度、压力、流量等参数进行实时监测和 自动控制,提高了药品质量和生产的稳定性,减少了生产成本和产品不合格率。
现代控制算法
最优控制算法
01
自适应控制算法
02
鲁棒控制算法
03
智能控制算法
模糊控制算法
基于模糊逻辑和模糊集合理论, 处理不确定性、非线性和复杂的 控制问题。
神经网络控制算法
模拟人脑神经元的结构和工作原 理,处理具有高度非线性和不确 定性的系统控制问题。
遗传算法
基于生物进化原理,通过自然选 择和遗传机制,寻求最优解的控 制策略。
新技术与新方法的引入
人工智能与机器学 习
物联网与传感器技术
通过物联网和传感器技术实现设备间 的信息共享和协同控制,提高生产过 程的实时监控和预警能力。
工业4.0与智能制造的融合
数字化工厂
智能决策支持系 统
数据安全与隐私保护的挑战
数据加密与安全传输
隐私保护法律法规
总结词
数学模型是对实际系统进行数学描述的工具,可以分为静态和动态模型。
详细描述
数学模型是用来描述系统内在规律的一种数学表达方式,它可以用数学方程、图形、表格等方式表示。根据系统 变量的时间变化特性,数学模型可以分为静态模型和动态模型。静态模型描述系统变量在某一时刻的状态,而动 态模型则描述系统变量随时间变化的过程。

现代控制工程第10章预测控制PPT课件

现代控制工程第10章预测控制PPT课件

由极值必要条件容易求得最优解为
U M (k ) F(WP (k ) YP0 (k ))
F ( AT QA R) 1 AT Q
7
10.2 .2 滚动优化
实际控制时只将作用于系统:
u(k) u(k, k) 1 0 ... 0U M (k)
d T (WP (k ) YP0 (k ))
d T 1 0 ... 0( AT QA R)1 AT Q
g
P1
gP2
...
gN
...
0
P(N 1)
23
10.5 模型算法控制
2.参考轨迹
T
yr (k ) yr (k 1) ...... yr (k P)
yr (k i) i y(k ) (1 i )c
i 1,2,, P
c是输出设定值。c y(k ) 对应镇定问题,否则对应跟踪问题。 对闭环系统的动态特性和鲁棒性都有关键作用。 越小,参考轨迹到达设定点越快。
11
10.3 动态矩阵控制的工程设计
(3)误差权矩阵Q:误差权矩阵表示了对k时刻起未来
不同时刻逼近的重视程度。
1)等权选择 q1 q2 ... q P 2)只考虑后面几项误差的影响
q1 q2 ... qi 0
qi1 qi2 ... q P q
3)对于具有纯时滞或非最小相位系统
当 ai 是阶跃响应中纯时滞或反向部分采样值;qi 0
17
10.4 炼油厂加氢裂化装置的动态矩阵控制
3.预测模型
由监控计算机对每一控制量产生伪随机双电平序列测试信
号进行测试,得到被控量的阶跃响应,构造动态矩阵。
4.滚动优化目标函数
约束条件为 Cu c
min J (k ) 1 uT Hu g T u

模型预测控制 PPT课件

模型预测控制 PPT课件

现代典型过程对象的控制系统层次图
Unit1 为 传 统 结构 Unit2 为 MPC 结构
模型预测控制的基本特点
预测控制算法的核心内容:
建立内部模型 确定参考轨迹 设计控制算法 实行在线优化
预测控制算法的三要素为:
预测模型 滚动优化 反馈校正
模型预测控制的三要素
预测模型
对未来一段时间内的输出进行预测
工业自动化工具的发展(仪表)
年代 1950
1960
工业发展状况
仪表技术
化工、钢铁、纺织、造纸等,规 气动仪表,标准信号:20~100kPa
模较小;电子管时代
采用真空电子管;自动平衡型
记录仪
半导体技术;石油化工;计算机; 电动仪表,标准信号:0~10mA
大型电站;过程工业大型化
仪表控制室;模拟流程图;DDC
反馈校正
y (k+j|k)= ym(k+j|k) +e(k+j|k) e (k+j|k)= y (k|k) - ym (k|k)
反馈校正
2 3 y
u
4
yˆ(k 1) ym (k
e(k 1) yˆ(k
1
k k+1
t/T
1─k时刻的预测输出ym(k)
2─k+1时刻实际输出y (k+1)
3─预测误差e(k+1)
预测模型形式
➢ 参数模型:如微分方程、差分方程、状态方程、 传递函数等
➢ 非参数模型:如脉冲响应、阶跃响应、模糊模型、 智能模型等
预测模型
基于模型的预测示意图(P=M)
过去
未来
3
y
4
1u2ຫໍສະໝຸດ k 时刻1—控制策略Ⅰ 2—控制策略Ⅱ 3—对应于控制 策略Ⅰ的输出 4—对应于控制策略Ⅱ的输出

预测控制-1ppt课件

预测控制-1ppt课件

26.04.2020
.
5
预测控制的产生背景
❖ 理论背景:
▪ 状态空间理论 ▪ 最优控制理论 ▪ 多变量控制理论 ▪ 应用:航空、机电等 ▪ ……
现代控制理论
(理论体系、方法、指标…..)
❖ 应用背景:
▪ 工业生产规模不断扩大 ▪ 对生产过程要求不断提高:质量、性能、安全…… ▪ 复杂性:非线性、不确定性、时变性、耦合、时滞……
Model Predictive Heuristic Control)
❖ 1980年,Cutler等提出动态矩阵控制(DMC,Dynamic Matrix
Control)
❖ 1982年, Meral等在MPHC基础上进一步提出模型算法控制(MAC ,
Model Algorithm Control)
❖ 1987年,Clarke等提出广义预测控制(GPC,Generalized
控制科学与工程学科研究生学位课程
预测控制
Predictive Control
宋执环 浙江大学控制科学与工程学系
课程主要内容
预测控制概论 相关课程基础 模型算法控制-MAC 动态矩阵控制-DMC 广义预测控制-GPC 基于状态空间模型的预测控制 其它预测控制算法 预测控制研究现状与工业应用
26.04.2020
.
18
预测控制
❖ 经典控制:
▪ 仅利用当前及过去测量值: u(k-1), ……,u(k-m), y(k), y(k-1), ……,y(k-n)
26.04.2020
.
17
滤波、预测与控制
❖ 控制:
▪ 已知信号的过去测量值: u(k-1), ……,u(k-m), y(k), y(k-1), ……,y(k-n)

课件--模型预测控制

课件--模型预测控制

h1
h1
h2
PM 1
hi
i1
PM
第三节 模型算法控制(MAC) 二. 反馈校正
以当前过程输出测量值与模型计算值之差修正模型预测值
yP (k j) ym (k j) jy(k) ym (k)
N
ym (k) hiu(k i) i 1
对于P步预测
j 1, 2, , P
YP (k) Ym (k) βe(k)
主要内容 预测模型 反馈校正 参考轨迹 滚动优化
第四节 动态矩阵控制(DMC) 一. 预测模型
DMC的预测模型
渐近稳定线性被控对象的单位阶跃响应曲线
和给定值的偏差来确定当前的控制输入 预测控制:不仅利用当前的和过去的偏差值,
而且还利用预测模型来预测过程未来的偏差值。 以滚动优化确定当前的最优控制策略,使未来 一段时间内被控变量与期望值偏差最小 从基本思想看,预测控制优于PID控制
第二节 预测控制的基本原理
r(k)
+_
d(k)
在线优化 控制器
u(k)
y(k) 受控过程
+ y(k+j| k)
+
模型输出 反馈校正
动态 预测模型
y(k|k)
_ +
三要素:预测模型 滚动优化 反馈校正
第二节 预测控制的基本原理 一.预测模型(内部模型)
预测模型的功能 根据被控对象的历史信息{ u(k - j), y(k - j) |
j≥1 }和未来输入{ u(k + j - 1) | j =1, …, m} ,预测 系统未来响应{ y(k + j) | j =1, …, p} 预测模型形式 参数模型:如微分方程、差分方程 非参数模型:如脉冲响应、阶跃响应

模型预测控制ppt课件

模型预测控制ppt课件

……
多步输出预测
……




当前时刻k以后的控制量
当前时刻k以 前的控制量
多步输出预测
矩阵形式(P = M):
PP维矩阵
P1维矩阵
未知
P(N-1)维
矩阵
已知
(N-1) 1
维矩阵
多步输出预测
当P>M时:
优化控制序列
保持不变
多步输出预测
矩阵形式(P>M):
当 j > M 时, 保持不变,但控制输入仍保持u (k+M-1),所以必须考 虑脉冲响应的作用。
制:
单步MAC的等效控制结构
ysp
w(k) +
参考轨迹

u(k)
Gc(z-1)
h
(k)
g(z-1) z-
1
g^(z-1) z-1
+ +

ym(k)
y(k)
+
e(k)
标准的内模控制结构!
纯滞后对象单步MAC
纯滞后对象:
一步输出预测:
闭环预测:
纯滞后对象单步MAC
参考轨迹:
性能指标:
制,完成整个动作循环。
模型算法控制-MAC
参考轨迹 输入
u(k)
优化计算
受控对象
y(k)
Z-1
预测输出
内部模型
e(k)
模型算法控制原理框图
离散脉冲响应模型
y
gi:脉冲响应系数
g11 g2
gN
0 12
t /T N
开环稳定系统的离散脉冲响应曲线
离散脉冲响应模型
适宜对象:线性、定常、自衡系统 在输入端加入控制量
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
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;)
Ⅰ 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。
系统的矩阵满足多面体不确定性(polytopic uncertainty)
(2.1) (2.2)
[ A(k) A(k) B(k)] Co{[ A1 A1 B1],[ A2 A2 B2 ],,[ Ap Ap Bp ]} (2.3) 即:
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
Ⅱ.不确定时滞系统的鲁棒模型预测控制
Ⅱ 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
x(k 1) A(k)x(k) A(k)x(k d ) B(k)u(k)
系统的输入约束为ቤተ መጻሕፍቲ ባይዱ
u u(k) u , k [0, )
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 )
系统中的应用 6. 结论与展望
Ⅰ. 研究现状及存在的问题
Ⅰ 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
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。
频域法 时域法(Lyapunov 方法)
时滞无关 (Delay-independent) 时滞相关 (Delay-dependent)
Ⅰ 研究现状及存在问题
1.3 多模型控制方法的研究现状
➢ 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
Ⅰ 研究现状及存在问题
1.2 时滞系统控制的控制方法
Ⅰ 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
➢ 离线鲁棒模型预测控制 (Wan Z et al., 2002,2003; Ding
B et al., 2007;)
➢ H 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)
复杂工业过程模型预 测控制的研究
答辩人: 石宇静 导 师:柴天佑 院士
2009.6.28
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
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。
Ⅰ 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
➢ 收缩约束MPC (De Oliveira K S L et al., 1994, 2000;
Cheng X et al.,2001)
Ⅰ 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)
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)
相关文档
最新文档