化工过程非方瘦系统的串级控制系统结构设计

化工过程一般为多变量系统,其中输出变量个数多于输入变量个数的非方多变量系统称为瘦系统,现有的非方系统控制结构设计一般采用方形化处理方法,只能形成一个输入变量与一个输出变量配对的单回路控制,要么作为工艺控制指标的重要变量不能成为被控变量,要么次要变量未纳入反馈控制,无法满足控制要求。本文介绍了非方系统的平均频域相对增益阵,对瘦系统进行了变量配对分析,提出了一种瘦系统串级控制系统结构设计方法。这种方法在不添加输入变量的同时有效利用了所有的输出变量反馈,使系统反馈信息更完备,构造了重要变量与次要变量结合的串级控制系统。最后通过实例分析说明了瘦系统的串级控制系统结构设计方法不仅能够得到合理的变量配对,而且系统控制性能良好,尤其在进行干扰抑制的过程中体现出了快速性和高效性。     

PVC沸腾床干燥过程优化控制系统

本文针对ＰＶＣ沸腾床干燥过程，基于人工神经元网络，建立了沸腾床能耗稳态优化模型，在此基础上，设计了一个多变量状态反馈控制系统，有效地解除了多输入多输出系统各变量之间的相互关联，并实现了ＰＶＣ质量控制。运行结果表明，该控制系统鲁棒性很强，并实现了最小能耗控制。     

一种基于回归分析的弱化系统耦合度方法

提出了一种基于回归分析弱化系统耦舍度的方法,将以精确数学模型为基础进行耦合度分析的问题转化为建立输入输出之间最优回归方程的问题,通过回归方程系数的显著性检验来确定对输出影响显著的输入量.与已有的方法比,回归分析方法不要求精确的数学模型,而且适用于输入与输出变量个数不同的非方形系统的耦合度分析.理论与实验分析验证了所提方...     

先进控制系统在水泥生产中的应用研究

水泥生产中窑磨控制系统是一个复杂的多变量耦合的工艺系统。窑操作员对特定一个变量进行调节时，会造成其他工艺变量的波动。对于这样的工艺系统，目前DCS控制系统采用PID回路或多串级的方式进行控制，但由于PID回路处理的是一入一出的控制方式。因此无法解决在调节过程中多种变量耦合间的影响，因而造成调节过程浮动大，控制目标不稳定的现象。     

基于PID对角优势补偿阵的过程多变量控制系统设计

化工过程一般为多变量系统,输入输出变量之间往往存在耦合作用,常规分散PID控制系统难以保证控制质量。为了削弱多变量系统的耦合作用,基于对角优势的设计准则,通过在若干频率点加权优化,设计PID动态预补偿阵。然后利用正Nyquist阵列设计法对补偿后的系统设计控制器,基于对角优势系统的Nyquist稳定判据,通过绘制优势度曲线和Gershgorin带判断系统的优势程度,初步确定反馈矩阵的稳定参数范围,再按照单输入单输出系统设计动态补偿器,使得系统满足动态控制品质要求。最后通过示例说明,该方法设计的集中控制系统与分散控制相比,控制性能具有一定的优势,且方法简便,容易实现。     

采用Butterworth传递函数设计二自由度纯滞后控制系统

采用Butterworth传递函数设计了纯滞后对象的状态反馈控制系统,针对纯滞后对象的状态反馈控制系统是单自由度的,提出一种采用Butterworth传递函数设计二自由度纯滞后控制系统的方法。用m阶模型逼近纯滞后因子,引入状态观测器,构成状态反馈子系统,再串入一个积分器,构成纯滞后过程的串级状态反馈控制系统,以n+1阶Butterworth传递函数为整个系统的目标函数,按状态反馈增益阵和状态观测器的协调优化设计状态反馈子系统。仿真结果表明了该方法设计的系统同时获得良好的给定值跟踪特性和干扰抑制特性。     

基于滑模的多变量广义预测解耦控制

针对多变量控制系统的耦合问题,将广义预测控制和滑模控制结合起来,提出一种基于滑模的多变量广义预测解耦控制方法.首先把m个输入n个输出的多变量耦合系统分解成m个输入单个输出子系统,再通过对子系统输出预测得到滑模切换函数值,求解开环优化求得控制律,最后通过仿真实验表明,该控制方法对多变量耦合系统的控制是正确有效的.     

工业过程多变量系统的辅助常规控制设计

利用PID控制器对多变量系统进行控制,主要采取分散常规控制或解耦控制的策略。对于存在耦合的系统,分散常规控制无法消除各变量间的相互扰动,而直接设计动态解耦矩阵有时候会存在困难,静态解耦的效果却并不明显。针对已设计好分散常规控制器的方系统,以解耦为目标和原则,设计多变量系统中分散常规控制方案剩余配对的控制器作为辅助控制器,以频域近似的方法整定其PID参数,实现多输入多输出的控制结构,降低了各变量的相互耦合作用,提高了控制性能。通过对Shell公司的典型控制问题的辅助控制器设计与仿真实验,取得了比原有分散常规控制与静态解耦控制更好的控制效果,验证了控制策略的可行性与有效性。     

PID参数自整定条件下的液位控制系统设计研究

为了优化液位控制系统设计方案，将可视化分析、限定控制范围内自动化控制、串级控制3项技术融为一体，设计一套完整的液位控制系统。该系统采用PID参数自整定方法，创造液位控制条件，增加储油箱，设计双容液位控制系统，通过串级控制，以副控制环节带动主控制回路，提高液位控制精度。系统测试结果显示，本系统作业期间各项指标皆达到标准，PID参数整定条件下的控制效果良好。     

一类多变量系统的自抗扰非线性动态解耦控制

针对一类多变量系统控制中的耦合问题,提出了一种基于自抗扰技术的非线性动态解耦控制(ADRC)方法。该方法不依赖于系统的精确数学模型,分别在控制器耦合矩阵部分已知和未知的情形下,在局部静态解耦的基础上,将各子系统的模型摄动、外扰和包括输入变量相互作用在内的动态耦合视为各通道上的扰动总和,通过引入虚拟控制和状态量,设计扩张状态观测器(ESO)估计总扰动并进行反馈补偿,进而再对各解耦子对象分别设计非线性单输入单输出ADRC以保证闭环系统稳定。最后以蒸馏塔模型的过程控制仿真验证了该方法具有良好的动态解耦效果,对模型不确定性和外部扰动具有较好的鲁棒性和适应能力。     

大型系统控制结构设计的交互分析和分解原理简

Industrial processes are mostly large-scale systems with high order. They use fully centralized control strategy, the parameters of which are difficult to tune. In the design of large-scale systems, the decomposition according to the interaction between input and output variables is the first step and the basis for the selection of control structure. In this paper, the decomposition principle of processes in large-scale systems is proposed for the design of control structure. A new variable pairing method is presented, co_nsidering the steady-state information anddynamic response of large-scale system. By selecting threshold values, the related matrix can be transformed into the adjoining matrixes, which directly measure the couple among different loops. The optimal number of controllers can be obtained after decomposing the large-scale system. A practical example is used to demonstrate the validity and feasibility of the proposed interaction decomposition principle in process large-scale systems.     

工业串联系统的多约束广义预测控制

针对由一系列环节串联而成且存在多种约束的复杂工业对象,利用过程的中间变量进行预测和反馈,在充分考虑控制量幅值约束、控制增量幅值约束、中间变量幅值约束、输出误差约束以及最终输出幅值约束共同构成的多约束情况下,提出了工业串联系统的多约束广义预测控制算法。仿真结果验证了该算法对多约束串联系统的有效性和较强的鲁棒性。     

Model predictive control for multivariable unstable processes with constraints on manipulated variables

The original MPC(Model Predictive Control) algorithm cannot be applied to open loop unstable systems, because the step responses of the open loop unstable system never reach steadystates. So when we apply MPC to the open loop unstable systems, first we have to stabilize them by state feedback or output feedback. Then the stabilized systems can be controlled by MPC. But problems such as valve saturation may occur because the manipulated input is the summation of the state feedback output and the MPC output. Therefore, we propose Quadratic Dynamic Matrix Control(QDMC) combined with state feedback as a new method to handle the constraints on manipulated variables for multivariable unstable processes. We applied this control method to a single-input-single-output unstable nonlinear system and a multi-input-multi-output unstable system. The results show that this method is robust and can handle the input constraints explicitly and also its control performance is better than that of others such as well tuned PI control. Linear Quadratic Regulator (LQR) with integral action.     

Model predictive control for multivariable unstable processes with constraints on manipulated variables

The original MPC(Model Predictive Control) algorithm cannot be applied to open loop unstable systems, because the step responses of the open loop unstable system never reach steady states. So when we apply MPC to the open loop unstable systems, first we have to stabilize them by state feedback or output feedback. Then the stabilized systems can be controlled by MPC. But problems such as valve saturation may occur because the manipulated input is the summation of the state feedback output and the MPC output. Therefore, we propose Quadratic Dynamic Matrix Control(QDMC) combined with state feedback as a new method to handle the constraints on manipulated variables for multivariable unstable processes. We applied this control method to a single-input-single-output unstable nonlinear system and a multi-input-multi-output unstable system. The results show that this method is robust and can handle the input constraints explicitly and also its control performance is better than that of others such as well tuned PI control. Linear Quadratic Regulator (LQR) with integral action.     

基于常数对角优势补偿阵的多变量控制系统逆Nyquist阵列设计

化工过程中的多变量系统变量之间往往存在耦合作用,在控制系统设计时一般将传递函数阵对角优势化,对角优势化后按多个单变量系统进行设计。由于传递函数逆阵的对角优势化更容易实现,本文采用伪对角化方法设计常数对角优势补偿阵实现传递函数逆阵的对角优势化,在一个或多个频率点上通过使开环传递函数逆阵每行的非对角项元素模平方之和最小,实现对角优势。然后,利用逆Nyquist阵列设计法对补偿后的系统设计控制器,基于逆Nyquist稳定判据,通过绘制优势度曲线和Gershgorin带判断系统的优势程度,根据Gershgorin带选定反馈矩阵的参数范围,按照单变量控制系统的方法设计动态补偿器,使系统满足动态控制品质的要求。最后通过3个示例说明本文的设计方法简便,且具有良好的控制性能。     

分散常规控制系统结构设计的遗传算法求解

化工过程通常为高维大系统,在进行底层常规PID控制系统设计时,难以得到最佳配对方案,迫切需要一种简便且快速的计算机优化算法解决该问题。对此提出了一种基于遗传算法的分散常规控制系统结构设计的优化求解算法。该算法基于遗传算法的思想,对结构矩阵进行字符串形式的编码,将变量配对转换成数组形式,选择合适的遗传算子,通过交叉、变异、选择等遗传操作,解得无约束条件下的最优变量配对方案。其次,结合约束条件对遗传算子适当改进和调整,以无约束条件下的最优配对方案为基础,仅需通过变异和选择算子,就可解得存在约束条件的最优变量配对方案,并且具有较快的计算速度。最后通过包括TE过程在内的实例分析证明了该算法的有效性与准确性。     

Dynamic interaction analysis and pairing evaluation in control configuration design

This paper presents some new dynamic interaction analysis approaches for square or non-square systems and a pairing evaluation method. For square stable systems, an open-loop approach is proposed, which features the tradeoff between the contributions of response time constant and delay time to relative gain. For non-square stable systems, an extension from the proposed open-loop approach for square systems is presented and the corresponding pairing procedure is given. No interaction analysis approach is perfect for all systems, so any recommended pairing needs to be examined. An evaluationmethod is proposed in closed-loop with optimal controllers for each loop and whether the pairing is appropriate can be evaluated through testing if the equivalent relative gain is within defined scope. The advantages and effectiveness of proposed interaction analysis approaches and pairing evaluation method are highlighted via several examples of industrial processes.     

多变量多时滞非方系统的解耦内模控制

多变量复杂控制系统不仅具有多耦合和多时滞性,还具有结构上的复杂性,即输入输出不等,传递函数为奇异矩阵。传统的多变量内模控制是基于对非奇异对象求逆来进行的,因此很难解决这类问题。针对该情况引入矩阵论中的广义逆概念,通过求对象的广义逆矩阵来设计解耦内模控制器,打破了内模控制只能对方系统进行控制的局限性,并利用泰勒近似很好地解决了多滞后的问题,最后通过设计特殊形式的滤波器,不仅能够消除由纯滞后近似引入的不稳定极点,保证系统的稳定性,且能够保证系统的正则性。仿真结果表明,该方法不仅跟踪迅速,且继承了内模控制的无余差和强鲁棒性,动态解耦效果良好,仅对时滞变化较为敏感。由于系统基于内模控制设计,故模型匹配度越高,系统响应越好。