工业过程多速率分层运行优化控制

工业过程运行优化控制通常采用基础回路层和运行层两层结构,涉及不同时间尺度特性的被控对象,且由于检测装置采样周期不同难以统一控制与采样周期;此外,运行层动态往往机理复杂难以建模.因此针对这一多层次、多时间尺度且部分模型未知的复杂多速率控制问题,本文提出一种工业过程多速率分层运行优化控制方法.该方法在使用提升技术解决分层多速率问题的基础上,采用一种基于Q-!学习的数据驱动运行层设定值优化方法,更新基础回路层的设定值;并针对提升后的系统采用模型预测控制（Model predictive control,MPC）方法设计基础回路层控制器以跟踪设定值,从而实现运行指标的优化控制.对典型工业闭路磨矿过程进行了仿真实验,验证了本文所提方法的有效性.     

无线网络环境下工业过程运行反馈控制方法

针对一类工业过程运行控制中采用无线网络传输运行指标反馈值时存在的噪声和丢包问题,建立了输入为过程控制的输入输出、输出为运行指标的随机过程模型;提出了由不同采样速率的过程控制与过程控制设定值反馈控制组成的运行反馈控制方法;采用Lyapunov函数和不同采样频率的提升技术设计了过程PI控制器参数和过程控制设定值反馈控制器参数,保证了双闭环控制系统的随机稳定性;同时实现了运行指标实际值与目标值稳态误差的均值为零;通过浮选过程运行反馈控制仿真实验验证了本文所提方法的有效性.     

工业过程运行的解耦内模控制方法

工业过程运行控制的目的是实现反映过程整体运行性能的工艺指标. 将常规解耦内模控制(Internal model control, IMC)进行推广, 提出了优化过程运行的解耦IMC方法. 通过对广义解耦内模控制器的设计获得了具有高维解耦能力、鲁棒稳定性和抗干扰能力强的回路设定模型. 该模型能够响应系统的各种不确定性和干扰, 对回路设定值进行调整, 通过控制回路的输出跟踪调整后的设定值, 从而实现期望的工艺指标. 磨矿回路运行的解耦IMC设计实例及仿真验证了所提方法的有效性.     

复杂工业过程运行的混合智能优化控制方法

工业过程运行的优化控制的目标是将反应产品在加工过程中的质量、效率、消耗的工艺指标控制在目标值范围内. 由于复杂工业过程的工艺指标难于在线测量且与控制回路输出之间的动态特性具有强非线性、强耦合、难以用精确模型描述、随生产边界条件变化而变化的综合复杂性,因此, 难以采用已有优化控制方法, 运行控制只能采用人工设定的控制方式. 由于人工控制不能及时准确地随运行工况调整设定值, 难以将工艺指标控制在目标值范围内, 甚至造成故障工况.本文提出了根据运行工况实时调整控制回路设定值, 通过控制系统跟踪调整后的设定值, 将工艺指标控制在目标值范围内的过程优化运行的混合智能控制方法. 该方法由控制回路预设定模型、前馈补偿与反馈补偿器、工艺指标预报模型、故障工况诊断和容错控制器组成. 在某选矿厂22台竖炉组成的焙烧过程的应用案例, 证明了所提出方法的有效性.     

数据驱动的复杂磨矿过程运行优化控制方法

针对赤铁矿磨矿过程的磨矿粒度（Grinding particle size,GPS）与控制回路输出之间的动态特性难以用数学模型描述,且磨矿粒度不能在线测量,并受矿石成分与性质频繁波动干扰,难以采用已有运行优化方法的难题,结合磨矿过程的特点,利用数据,采用神经网络,提出由回路预设定值优化、性能指标估计、优化设定值评价以及磨矿粒度软测量组成的数据驱动的磨矿过程运行优化控制方法. 该方法由磨矿粒度软测量估计矿浆粒度,通过回路预设定值优化模块求得使性能指标估计值接近最优值的回路预设定值,经优化设定值评估产生回路设定值,最后通过控制回路跟踪设定值,将矿浆粒度控制在目标值范围内并尽可能的接近目标值. 通过研制的运行优化与控制研究平台,采用实际运行数据进行仿真实验,表明所提方法的有效性.     

一种三自由度串级控制的仿真研究

关于优化控制系统性能问题,由于控制系统中存在非线性滞后各种干扰因素,严重影响响应和稳定性。为实现在线独立调节副回路设定响应与扰动抑制响应,增强主回路的抗干扰能力,改善系统性能,提出一种新的三自由度串级控制方法。在副回路中采用两自由度内模控制,主回路采用单位反馈控制结构,并根据闭环最优灵敏度函数方法确定主控制器,从而保证系统的整体性能。对各个控制器的解析建模设计,对每个控制器都可以进行单参数调节和优化,并对主回路和副回路存在的乘性不确定性进行仿真。仿真结果表明,新的控制方法具有较好的设定值跟踪性能和抗干扰能力,提高了系统的鲁棒稳定性。     

基于案例推理增强学习的磨矿过程设定值优化

磨矿粒度和循环负荷是磨矿过程产品质量与生产效率的关键运行指标,相对于底层控制偏差,回路设定值对其影响要严重的多.然而,磨矿过程受矿石成分与性质、设备状态等变化因素影响,运行工况动态时变,难以建立模型,因此难以通过传统的模型方法优化回路设定值.本文将增强学习与案例推理相结合,提出一种数据驱动的磨矿过程设定值优化方法.首先根据当前运行工况,采用基于Prey-Predator优化的案例推理方法,决策出可行的基于Elman神经网络的Q函数网络模型;然后利用实际运行数据,在增强学习的框架下,根据Q函数网络模型优化回路设定值.在基于METSIM的磨矿流程模拟系统上进行实验研究,结果表明所提方法可根据工况变化在线优化回路设定值,实现磨矿运行指标的优化控制.     

复杂工业过程运行优化与反馈控制

过程控制不仅使被控对象的输出尽可能好地跟踪控制器设定值, 而且要对整个工业装置的运行进行控制, 使反映产品在该装置加工过程中质量、效率与消耗等指标, 即运行指标在目标值范围内, 尽可能提高质量与效率指标, 尽可能降低消耗指标, 即实现工业过程运行优化控制. 本文在综述了已有的运行优化与控制方法的基础上, 重点介绍了复杂工业过程的数据驱动的混合智能运行优化控制和运行控制半实物仿真系统, 并以赤铁矿磨矿过程为应用研究案例, 仿真实验和工业应用结果表明所提方法的有效性, 并指出了复杂工业过程运行优化控制研究需要关注的问题.     

典型赤铁矿磨矿过程智能运行反馈控制

冶金磨矿是典型的高能耗、低效率过程,其控制与优化不仅仅是使常规过程控制系统尽可能好地跟踪期望设定值,而且要控制整个过程运行,实现表征磨矿整体运行性能的磨矿粒度与生产效率等运行指标的优化.针对我国广泛使用的赤铁矿两阶段全闭路磨矿,由于其原矿石性质与成份复杂且不稳定、粒级波动大,磨矿运行指标不能在线测量,工况时变,难以建立过程数学模型,提出基于数据与知识的智能运行反馈控制方法,包括基于案例推理的控制回路预设定、磨矿粒度动态神经网络软测量以及多变量模糊动态调节器.为了验证所提方法的有效性,将所题方法应用于中国某大型赤铁矿选厂,取得显著应用成效.     

不稳定时滞对象的串级控制设计

针对常见的开环不稳定串级过程,提出一种新的解析设计方法.副回路中采用两自由度内模控制结构,减少因副回路设定值响应与扰动抑制响应耦合对主回路性能的影响.主回路采用加滤波器的单位反馈控制结构,基于闭环最优灵敏度函数解析推导出设定值响应控制器,保证系统的整体性能.针对副回路存在的乘性不确定性,分析了系统的鲁棒稳定性,最后通过...     

具有时滞的积分和不稳定对象的鲁棒控制

针对含时滞的积分和不稳定对象提出了一种新颖的两自由度控制结构,首先用一个比例控制器镇定给定值响应,然后基于鲁棒H₂最优性能指标设计给定值跟踪控制器.根据实际运行抗干扰要求,在对象输入和输出端之间设计负载扰动抑制闭环,利用扰动观测器抑制负载干扰信号,通过提出期望的闭环余灵敏度函数来确定扰动观测器,同时给出了扰动抑制闭环保证鲁棒稳定性的充要条件.最后通过仿真实例验证了该方法相对于近期其它方法的优越性.     

Feedforward digital tracking controllers for motion control applications

This paper reviews digital tracking control algorithms for motion control applications. In tracking control, the control objective is to steer the control object along the time-varying desired output. Two design approaches are presented for the case where the desired signal is known in advance, i.e. previewable. One approach is based on the mathematical inverse of a closed-loop system consisting of a controlled plant and a feedback controller. If the mathematical inverse is asymptotically stable, i.e. the closed-loop system does not possess zeros outside the unit circle (unstable zeros), it is an ideal feedforward controller for achieving perfect tracking under the preview assumption. For closed-loop systems with unstable zeros, a cancellation technique for the phase shift induced by unstable zeros is introduced. Another approach is based on linear quadratic optimal control and is known as finite optimal preview control. In this approach, the feedback controller and feedforward controller are determined simultaneously by minimizing a quadratic performance index which involves a tracking error term and a term related to the control effort. Applications of these tracking control algorithms to mechanical systems control are described.     

Set-point-related indirect iterative learning control for multi-input multi-output systems

A form of iterative learning control (ILC) is used to update the set-point for the local controller. It is referred to as set-point-related (SPR) indirect ILC. SPR indirect ILC has shown excellent performance: as a supervision module for the local controller, ILC can improve the tracking performance of the closed-loop system along the batch direction. In this study, an ILC-based P-type controller is proposed for multi-input multi-output (MIMO) linear batch processes, where a P-type controller is used to design the control signal directly and an ILC module is used to update the set-point for the P-type controller. Under the proposed ILC-based P-type controller, the closed-loop system can be transformed to a 2-dimensional (2D) Roesser s system. Based on the 2D system framework, a sufficient condition for asymptotic stability of the closed-loop system is derived in this paper. In terms of the average tracking error (ATE), the closed-loop control performance under the proposed algorithm can be improved from batch to batch, even though there are repetitive disturbances. A numerical example is used to validate the proposed results.     

Optimal controller tuning for nonlinear processes

The present work proposes a systematic methodology for the optimal selection of controller parameters in the sense of minimizing a performance index, which is a quadratic function of the tracking error and the control effort. The performance index is calculated explicitly as an algebraic function of the controller parameters by solving Zubov's partial differential equation (PDE). Standard optimization techniques are then employed for the calculation of the optimal values of the controller parameters. The solution of Zubov's PDE is also used to estimate the closed-loop stability region for the chosen values of the controller parameters. The proposed approach is finally illustrated in a chemical reactor control problem.     

Parallel Control for Optimal Tracking via Adaptive Dynamic Programming

This paper studies the problem of optimal parallel tracking control for continuous-time general nonlinear systems. Unlike existing optimal state feedback control, the control input of the optimal parallel control is introduced into the feedback system. However, due to the introduction of control input into the feedback system, the optimal state feedback control methods can not be applied directly. To address this problem, an augmented system and an augmented performance index function are proposed firstly. Thus, the general nonlinear system is transformed into an affine nonlinear system. The difference between the optimal parallel control and the optimal state feedback control is analyzed theoretically. It is proven that the optimal parallel control with the augmented performance index function can be seen as the suboptimal state feedback control with the traditional performance index function. Moreover, an adaptive dynamic programming (ADP) technique is utilized to implement the optimal parallel tracking control using a critic neural network (NN) to approximate the value function online. The stability analysis of the closed-loop system is performed using the Lyapunov theory, and the tracking error and NN weights errors are uniformly ultimately bounded (UUB). Also, the optimal parallel controller guarantees the continuity of the control input under the circumstance that there are finite jump discontinuities in the reference signals. Finally, the effectiveness of the developed optimal parallel control method is verified in two cases.      

基于自适应模糊控制器和非线性扰动观测器的永磁直线同步电机反馈线性化控制

由于永磁直线同步电机(PMLSM)伺服系统应用于一些高精密场合,因此克服系统存在的负载扰动、参数变化等不确定性影响是提高系统性能的关键.针对不确定性问题,采用一种基于自适应模糊控制器(AFC)和非线性扰动观测器(NDO)的反馈线性化控制方法.首先设计反馈线性化控制器(FLC)实现系统的线性化,便于位置跟踪;其次采用NDO估计并补偿系统的不确定性,提高跟踪精度.但在实际运行过程中观测器增益较难选取,极易产生较大的观测误差,为此,采用AFC方法逼近NDO的观测误差,通过自适应律动态调整模糊规则,改善模糊控制器的学习能力,增强系统的鲁棒性,并用李雅普诺夫定理保证系统闭环稳定性.实验结果表明,与基于DOB和NDO的反馈线性化位置控制相比,该方法能够明显提高系统的跟踪性和鲁棒性.     

具有解耦性能的离散时间线性多变量系统最优跟踪控制

在传统线性二次跟踪控制方法的基础上, 针对一类具有强耦合特性的离散时间线性多变量系统, 提出了一种具有解耦性能的最优跟踪控制方法. 首先为实现解耦, 将耦合项作为可测干扰, 基于零和博弈思想提出了一种新的性能指标; 然后针对该性能指标, 利用极小值原理设计最优跟踪控制器, 通过适当加权矩阵的选择, 同步实现解耦和跟踪; 最后进行仿真实验, 仿真结果表明了该方法的有效性以及在最优性能等方面的优越性.