先进控制系统

先进控制系统俞金寿(华东理工大学,上海200237)摘　要:针对复杂工业过程中的不确定性、非线性、变量间的关联性、信息的不完全和大纯滞后等特点,寻求对模型要求不高,在线计算方便,对过程和环境的不确定性具有一定的适应能力的实用先进控制系统。

为此,就自适应控制、预测控制、推断控制、软测量技术等先进控制系统作了一些介绍。

关键词:先进控制系统;预测控制;自适应控制;推断控制;软测量技术修稿日期223 在工业生产过程中,一个良好的控制系统不但要保护系统的稳定性和整个生产的安全,满足一定的约束条件,而且应该带来一定的经济效益和社会效益。

然而设计这样的控制系统会遇到许多困难,特别是复杂工业过程往往具有不确定性(环境结构和参数的未知性、时变性、随机性、突变性)、非线性、变量间的关联性以及信息的不完全性和大纯滞后性等,要想获得精确的数学模型是十分困难。

因此,对于过程系统的设计,已不能采用单一基于定量的数学模型的传统控制理论和控制技术,必须进一步开发高级的过程控制系统,研究先进的过程控制规律,以及将现有的控制理论和方法向过程控制领域移植和改造等方面越来越受到控制界的关注。

目前在控制领域中,虽然已逐步采用了电子计算机这个先进技术工具,特别是石油化工企业普遍采用了分散控制系统(DCS )。

但就其控制策略而言,占统治地位的仍然是常规的P I D 控制。

国外应用先进控制较广泛,而我们尚处于试验、试点阶段,与国外先进企业差距较大。

DC S 提供了高级功能开发应用的优越环境,该环境具有通过先进控制、优化控制等开发才能充分挖掘DC S 设备的潜能,提高过程控制水平,给企业带来明显经济效益。

为了克服控制理论和实际工业应用之间的脱节现象,尽快地将现代控制理论移植到过程控制领域,充分发挥计算机的功能,世界各国在加强建模理论、辩识技术、优化控制、最优控制、高级过程控制等方面进行研究。

推出了从实际工业过程特点出发,寻求对模型要求不高,在线计算方便,对过程和环境的不确定性有一定适应能力的控制策略和方法[3]。

例如,自适应控制系统、预测控制系统、鲁棒控制系统、智能控制系统(专家系统、模糊控制…)等先进控制系统。

由于变量间的关联,使系统不能正常平稳运行,出现各类解耦控制系统。

解耦控制在工业生产中应用逐渐增加,有从国外引进技术,亦有国内自己开发的。

对于大纯滞后系统自1957年史密斯提出S m ith 预估补偿器以来,由于S m ith 预估补偿器对参数变化灵敏度极高,又相继出现了各种改进S m ith 预估补偿方法。

例如观测补偿器控制方案,纯滞后对象采样控制等,但均尚未完全真正解决,人们还在继续努力想方设法寻求解决方法。

针对信息不完全性出现了推断控制系统和软测量技术。

利用容易可测变量,例如温度、压力、流量等来推断不可测变量,以解决信息的不完全性。

目前已有不少工业应用实例。

本文就自适应控制系统、预测控制、推断控制、软测量技术等先进控制系统作一些介绍,以推动先进控制系统的应用。

1　自适应控制自适应控制是建立在系统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。

自适应控制的研究始于50年代,近10年来随着控制理论与计算机技术的迅速发展,自适应控制亦得到了很大发展,形成了独特的方法与理论,而且工业生产过程中的应用亦逐渐广泛。

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。

因此自适应控制是辩识与控制技术的结合。

自适应控制的结构可以非常简单,亦可以相当复杂。

主要有简单自适应控制系统;:20000801-模型参考型自适应控制系统;自校正控制系统3种类型。

1.1　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。

自70年代以来,自整定调节器发展相当迅速,特别是随着计算机技术、人工智能、专家系统技术的发展,利用专家经验规则进行P I D参数的自整定。

目前不少分散控制系统或可编程调节器中有自整定调节器,采用各种方法实现P I D参数自整定。

例如:山武霍尼韦尔公司TDC23000SCC系统中的自整定调节器采用临界比例度法。

福克斯波罗公司EX2 CA T自整定调节器是基于特性曲线识别方法。

横河2北辰公司YEW SER IES280专家自整定调节器等。

1.2　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。

输入r(t)一方面送到控制器,产生控制作用,对过程进行控制,系统的输出为y (t);另一方面r(t)送往参考模型,其输出为y m(t),体现了预期品质的要求。

把y(t)和y m(t)进行比较,其偏差送往适应机构,进而改变控制器参数,使y (t)能更好地接近ym(t)。

设计控制规律的方法目前有3种:参数最优化方法:基于李雅普诺夫稳定性理论的方法;利用超稳定性来设计自适应控制系统的方法。

模型参考型自适应控制方法的应用关键是,如何将一类实际问题转化为模型参考型自适应问题。

在过程控制中应用也不断发展,如用于间歇反应器的程序控制,可取得良好效果。

1.3　自校正控制系统[4]自校正控制系统是自适应控制系统中一个相当活跃的分支。

它基本上从两个方面发展。

一个是基于随机控制理论和最优控制理论方面的发展,这方面的工作由卡尔曼(Kal m an)1958年最早提出。

1970年P eterka把自校正思想引入随机系统。

1973年∼st roβm和W it tenm a rk针对参数未知的定常系统正式提出自校正调节器(STR),把系统的在线辩识技术和最小方差控制相结合,构成了自校正的基本思想。

和G于5、年推广了∼β的思想,在一般最优指标下,给出适应控制2自校正控制(STC)。

另一个是基于极点或零极点配置理论的自校正控制。

正校正调节器是典型的辩识与控制的结合体。

辩识部分采用最小二乘法,依据过程的输入、输出数据,得到数学模型的各个参数。

控制部分采用最小方差控制,目标是求u使J=E[y2(k+1)]达到最小。

这种方法在理论上与现代控制理论一脉相承,并有新意。

实践上在国内外有不少取得成功的报道。

自校正调节器亦有工业产品,如瑞典A SES公司的Novatane自校正调节器。

然而自校正调节器也并非没有问题。

首先,过程趋向平稳后,辩识与控制的矛盾会出现,并趋向尖锐。

此时对系统不再有充分的激励,辩识算法的进行遇到困难。

对此∼stroβm认为应该在系统开始投运时辩识,到接近平稳时则宜暂停,隔一段时间再进行辩识。

其次本算法计算出的控制作用u会大起大落,因为在目标函数中未考虑u的平稳程度。

后来C larke提出了自校正控制器,目标函数中考虑了u,与线性二次型最优控制的做法相似,可以克服上述缺点。

最近一段时间以来,控制理论界认为自适应控制的研究还不能认为已经定型和成熟,需要出现新的思路,开发新的系统结构和控制算法,使之更能满足工业和其它应用领域的需要[5]。

2　基于模型的预测控制自60年代蓬勃发展起来的以状态空间分析法为基础现代控制理论,在航空、航天、制导等领域取得了辉煌的成果。

在过程控制领域亦有所移植,但实验室及学院式的研究远多于过程工业上的实际应用,这里面的主要原因是:工业过程的多输入——多输出的高维复杂系统难于建立精确的数学模型,工业过程模型结构、参数和环境都有大量不确定性;工业过程都存在着非线性,只是程度不同而已;工业过程都存在着各种各样的约束,而过程的最佳操作点往往在约束的边界上等,理论与工业应用之间鸿沟很大,为克服理论与应用之间的不协调,70年代以来,针对工业过程特点寻找各种对模型精度要求低,控制综合质量好,在线计算方便的优化控制算法。

预测控制是在这样的背景下发展起来的一类新型计算机优化控制算法[6]。

2.1　预测控制的发展最早有理查德(R)[7]、梅拉(M)[8]等提出建立在脉冲响应基础上的模型启发控制(M)或称模型算法控制(M),以及有卡特勒()[]等提出建立在阶跃响应基础上的动态矩C larke a w th r op1971979 stromichul t ehraPHC A CCu tler9阵控制(DM C)。

由于脉冲响应、阶跃响应易于从工业现场直接获得,并不要求模型的结构有先验知识。

基此采用滚动优化等策略,计算当前控制输入取代传统最优控制,并在线优化控制中利用实测信息不断进行反馈校正。

所以在一定程度上克服了不确定性的影响,增强了控制的鲁棒性。

此外,这类算法在线计算比较容易,非常适合于工业过程控制的实际要求。

70年代后期,模型算法控制(M AC)和动态矩阵控制(DM C)分别在锅炉、分馏塔和石油化工装置上获得成功的应用,取得了明显经济效益,从而引起工业控制界的广泛重视。

国外一些公司如Se tpoin t, DM C,A de rsa,P rof i m a t ics等也相继推出了预测控制商品化软件包,获得了很多成功的应用。

80年代初期,人们在自适应控制的研究中发现,为了克服最小方差控制的弱点,有必要吸取预测控制中的多步预测优化策略,这样可以增强算法的应用性和鲁棒性。

因此出现了基于辩识模型并带有自校正的预测控制算法,如扩展时域自适应控制(EPS A C);广义预测控制(GPC)[10,11]等,这类算法以长时段多步优化取代了经典最小方差控制中的一步预测优化,从而可应用于时滞和非最小相位对象,并改善了控制性能和对模型失配的鲁棒性。

此外,莫拉里等1982年研究一类新型控制结构——内模控制(I M C)[12],发现预测控制算法与这类控制算法有着密切联系。

M A C、DM C是I M C的特例,从结构的角度对预测控制作了更深入的研究。

目前GPC都是以线性系统作为被控制对象,对于弱非线性系统,一般仍能取得较好的控制效果,但对一些强的非线性系统难于奏效。

对此,非线性的广义预测控制研究开始重视,主要有基于H a m m e r2 ste in模型广义预测控制、基于LM O PD P模型广义预测控制、基于神经网络的非线性系统广义预测控制,还有基于双线性模型、多模型等多种方法。

2.2　预测控制软件包的发展[13]预测控制软件包的发展主要分3个阶段,第一代模型预测控制技术以I DCOM和D M C为代表,主要处理无约束过程的预测控制。

QDM C算法可以被称为是第二代预测控制软件包,它采用二次规划方法(Q P)求解,可以系统地处理输入、输出约束问题。