精细化工过程控制技术的发展动向

精细化工产品的市场需求快速多变,产品更新换代快,使得精细化工生产过程一般采取小批量、多品种生产,生产过程多为间歇或半连续过程,时变性、非线性强,生产过程的工艺流程复杂,操作步骤繁杂,劳动强度大;精细化工生产过程的工艺介质多为有一定毒性、腐蚀性和易燃易爆性的化学品,过程运行危险性大;这些特点使得精细化工生产过程更难以控制,综合自动化水平普遍较低.为了提高精细化工生产过程的综合自动化水平,需根据精细化工生产过程的特点及其控制需求,进行精细化工生产过程控制技术的研究和应用.目前,精细化工过程控制技术的主要发展动向为:从常规仪表控制向计算机控制、集散式控制系统(Distributed Control System,DCS)控制发展;从简单的顺序控制、程序控制向基于ISA SP88间歇过程控制标准的自动批量生产控制发展;从人工控制、常规PID控制向先进的批次-批次迭代学习优化控制发展;从简单工艺参数的控制向生产工况和生产质量的综合性统计过程控制发展;从简单的工艺参数越限连锁报警向综合性安全保护控制和在线实时非正常工况管理发展.     

自回归求和滑动平均方法用于间歇过程变量在线预测

间歇过程变量的在线预测是一种重要的生产过程质量控制手段。实现间歇过程变量的在线预报需要对过程以往的批次数据建立预测模型,即需挖掘批次间和批次内的数据信息。针对间歇过程数据不同批次不等长、数据长度短、非线性等特点,采用数据重构——自回归求和滑动平均方法建立其在线预测模型：将收集到的间歇过程变量以批次为单位进行数据平滑;对这些批次数据按照随机的顺序首尾相接,组成长数据集;对于批次连接处数据跳跃的情况,采用后面所有批次数据减去上一批次的最后一个值,以实现数据的平滑;采用自回归求和滑动平均方法建立数据模型,并用于间歇蒸馏温度的在线预报。采用该方法建立的4步预测模型对某间歇蒸馏过程上升气温度的预测均方差较小,符合生产现场的预测要求。     

非线性模型预测控制技术的研究现状与发展趋势探讨

分析了当前的非线性模型预测控制（Nonlinear Model Predictive Control,NMPC）技术和应用现状,并为今后的研究和发展提出了一些课题。给出了NMPC的主要原理,并概述了NMPC的关键优点/不足及其一些理论、计算和实施方面的问题。除了关于NMPC的数学构造及其闭环稳定性的基本问题的一般描述,还对如NMPC的鲁棒构造问题、输出反馈问题,并对闭环系统的性能预测进行了讨论。一个NMPC算法的成功取决于最初选择的非线性模型结构的合理性,所以给出了可为一个新的NMPC算法形成潜在数学构造的一些合适的非线性模型结构的简述。总之,3个对NMPC应用的最主要障碍是：非线性模型的开发;状态估计;快速、可靠的实时控制算法的求解方案。对于未来NMPC技术的需求包括非线性模型辨识的系统方法发展;非线性估计方法;可靠的数值求解技术;以及评价NMPC应用的更好方法。     

非线性Hammerstein模型预测控制策略及其在pH中和过程中的应用

所有实际工业过程都包含一定程度的非线性,如pH中和过程由于其本身的强非线性是工业过程控制中具有挑战性的难题,但至今为止仍缺乏有效的非线性控制方法。将基于差分方程模型的模型预测控制策略(model predictive control,MPC)推广到包含一个静态非线性多项式函数和一个线性差分方程动态环节的非线性Hammerstein系统,详细描述了基于静态非线性多项式函数的最优控制作用求解方法,提出了一套新的非线性Hammerstein MPC 控制策略(nonlinear Hammerstein predictive control,NLHPC)。pH中和过程控制仿真和控制实验表明,NLHPC的控制结果好于工业上常用的非线性 PID(nonlinear PID,NL-PID)控制器。     

基于PLC和触摸屏的电加热水浴温度控制系统设计

利用可编程控制器(PLC)和触摸屏设计了一套智能电加热水浴温度控制系统。该系统采用S7-200PLC作为控制器,Smart 1000触摸屏作为人机界面(HMI),采用数字PID控制算法,具有自动整定功能且可以通过触摸屏灵活调用。实际应用表明,该控制系统界面友好、操作方便,自整定效果好,控制精度高,可以满足化工过程水浴实验的需求。     

基于PCS7集成控制系统的非线性液位过程多模型预测控制

以集成控制系统PCS7为平台,对多功能过程与控制实验系统(MPCE)中的三级液位非线性过程进行多模型预测控制。首先进行了PCS7集成控制系统的硬件设计、软件开发,通过信号隔离器实现了PCS7与MPCE的信号匹配及对MPCE的外控。其次,描述了PCS7中的预测控制块,在PCS7系统中设计和实现了一种多模型预测控制策略,并进行了三级液位过程的设定值跟踪和抗干扰实验。运行结果表明PCS7多模型预测控制系统能够可靠稳定地运行,且具有优于PID控制和单模型预测控制的效果。     

数据挖掘技术用于间歇蒸馏过程转馏分点的在线预报

对于间歇蒸馏过程,提前准确判断从低馏分到主馏分的转馏分点是影响最终产品质量和产量的关键环节,设计基于数据挖掘技术的转馏分点在线预报软测量系统是一项重要的过程质量控制手段,为提高生产的综合自动化水平创造了重要条件。根据混沌理论,温度能较高程度的反映体系内反应及分离情况,因此选取间歇蒸馏上升气温度为考察变量。针对数据非线性、动态、数据长度短、不同批次数据不等长等特点,提出了将不同批次数据按照随机的顺序首尾相接组成长数据集的数据重构策略;采用自回归求和滑动平均方法和最小二乘支持向量机方法建立了组合时间序列预测模型;通过对理论转馏分温度与实际转馏分温度的差值和预测曲线近似斜率的统计分析,建立了转馏分点在线预报系统,经过在实际生产中的验证,实现了对转馏分点提前1min的准确预报。     

基于Delta学习规则的改进型单神经元自适应PID控制器设计

介绍了基于Delta学习规则的单神经元自适应PID控制器的控制算法,提出利用径向基函数(RBF)神经网络对其中未知部分进行辨识,构成单神经元和RBF网络组合控制器,并利用带有纯滞后环节的二阶模型进行仿真研究,结果显示改进型算法比原算法响应速度快、抗干扰能力强,具有更好的动、静态特性。     

从集群智能角度分析协同驾驶: 综述和展望

协同驾驶是集群智能技术的典型应用之一.和集群机器人相比,协同驾驶既有集群智能技术的共性问题,也有特性问题.对协同驾驶与集群机器人对比研究,有助于更好理解协同驾驶问题的内在难点,也有助于推动集群智能技术的发展,完善复杂系统科学.本文从集群智能研究的角度出发,对协同驾驶进行反思综述.本文首先介绍协同驾驶的研究背景和意义,然后从集群智能的角度进一步分析协同驾驶和集群机器人的区别,接着介绍协同驾驶的关键技术,并着重强调协同规划在协同驾驶中的特殊性与重要性,最后分析了世界各国协同驾驶发展现状,并针对现阶段我国协同驾驶发展的难点提出一些建议,同时对协同驾驶的未来进行展望.     

Nonlinear Model Algorithmic Control of a pH Neutralization Process

Control of pH neutralization processes is challenging in the chemical process industry because of their inherent strong nonlinearity. In this paper, the model algorithmic control （MAC） strategy is extended to nonlinear processes using Hammerstein model that consists of a static nonlinear polynomial function followed in series by a linear impulse response dynamic element. A new nonlinear Hammerstein MAC algorithm （named NLH-MAC） is presented in detail. The simulation control results of a pH neutralization process show that NLH-MAC gives better control performance than linear MAC and the commonly used industrial nonlinear propotional plus integral plus derivative （PID） controller. Further simulation experiment demonstrates that NLH-MAC not only gives good control response, but also possesses good stability and robustness even with large modeling errors.