变增益的非线性预测控制算法

采用变增益策略,用输入与稳态输出的映射表示系统的静态非线性,用一个增益为1的ARX模型表示系统的动态模型,代替多数文献中常用的分段线性多模型方法进行非线性系统的预测控制.文中通过对连续搅拌釜反应器(CSTR)的仿真,验证了本算法的有效性.     

Aspen Plus Dynamics软件在多变量模型预测控制中的应用

多变量模型预测控制是一种能够处理大滞后、强耦合和非线性等问题的先进控制算法,核心是多输入、多输出的预测模型。工业应用中通过对实际装置进行测试来回归模型参数,需要较长的实施周期。介绍了Aspen Plus Dynamics软件在搭建预测模型中的应用。     

缺失数据下基于EM算法的非线性过程建模

线性时变参数系统(LPV)将多阶段、非线性的过程建模转化为线性多模型的辨识问题,近年来得到了极大关注。考虑缺失数据下LPV系统的离线建模问题,首先引入一个二进制变量表征输出样本缺失状态,选取过程关键变量作为调度变量,确定主要工况点;然后围绕不同工况点建立局部子模型,将输出缺失部分和采样数据的模型归属当作隐藏变量,利用EM算法进行参数估计,再采用高斯权重函数融合各子模型。最后分别针对典型二阶过程和连续搅拌反应釜(CSTR),运用提出的多模型和算法进行仿真实验,表明有效性。     

基于稳态模型的自适应预测控制策略及其应用

针对丙烯精馏塔,结合模型预测控制器的设计,提出基于系统稳态模型的自适应模型预测控制策略,利用稳态模型在不同操作点上被控变量对操纵变量及扰动变量的相对变化率的变化,来刷新调整预测模型各通道的增益,以有效提高对丙烯塔塔顶、塔底温度控制的性能.现场应用表明:采用该模型自适应调整方法,其控制温度的波动性降低了一个数量级,有利于产品质量的稳定.     

玻璃窑炉的无模型自适应控制

介绍了玻璃窑炉控制过程的特性和参数特点,对玻璃窑炉的传统控制方式(PID控制)的缺点进行了分析。提出了一个基于无模型自适应控制器(MAF)的玻璃窑炉过程控制方案。通过对MFA控制技术的介绍和MAF技术在玻璃窑炉这样一个连续、非线性、多变量的工业过程中的应用,说明玻璃窑炉过程控制能在新技术的帮助下,获得满意的控制结果。     

基于递归模糊神经网络的污水处理控制方法

针对污水处理过程具有非线性、大时变等问题,提出了一种基于递归模糊神经网络的多变量控制方法。该方法通过递归模糊神经网络控制器自适应地获得对操作变量的控制精度,控制器在常规BP学习算法的基础上采用学习率自适应学习算法且引入了动量项来训练网络参数,避免网络陷入局部最优,提高了网络对系统的控制精度。最后,基于仿真基准模型(BSM1)平台对第五分区中的溶解氧和第二分区中的硝态氮控制进行动态仿真实验,结果表明,与PID、前馈神经网络和常规递归神经网络相比,该方法能有效提高系统的自适应控制精度。     

基于变分贝叶斯算法的线性变参数系统辨识

线性变参数系统(LPV)将多阶段、非线性的过程建模转化为线性多模型的辨识问题,是解决非线性过程建模的一个有效手段。由于实际工业过程存在各种干扰因素,导致被建模系统呈现随机性及模型参数的不确定性。针对这一问题,考虑采用变分贝叶斯(VB)算法对LPV模型进行辨识。该算法首先给定参数相应的先验分布,通过最大化目标函数的下界,从而估计得到参数的后验分布。不仅可实现对参数的点估计,同时量化了估计值的不确定性。针对典型二阶过程和连续搅拌反应釜(CSTR),运用提出的算法进行仿真实验,表明了该贝叶斯估计方法的优越性。     

基于时延挖掘模糊时间认知图的化工过程多变量时序预测方法

模糊认知图(fuzzy cognitive maps, FCM）作为一种复杂系统的建模工具,能够对系统的非线性和不确定性进行处理。由于工业过程变量间往往存在着时间延迟,传统的FCM模型难以处理这类多变量的时间序列数据,建立的预测模型往往不能反映系统内各变量真实的因果关系,从而导致预测结果的解释性差、准确度低等问题。为此,提出了一种时延挖掘模糊时间认知图(time-delay-mining fuzzy time cognitive maps, TM-FTCM),它使用互相关函数(cross-correlation function,CCF)从数据中挖掘时延信息,并通过在推理机制中添加自我影响因子和偏置及优化转换函数等参数,有效地解决了由于工业过程变量间的时延导致的预测模型不准确等问题。通过数值仿真实例及实际化工过程数据,验证了所提方法的有效性。     

基于聚类多模型建模的多模态预测控制

多模型预测控制(MMPC)是解决非线性控制问题的重要手段,本文针对多模态控制器设计中模态匹配准则的选取问题,利用当前样本状态与各聚类建模子空间距离差异,提出了一种基于距离匹配的多模型控制器加权算法。然后,基于模态融合思想,提出了模态加权构建实时预测模型的控制策略。通过对pH中和过程进行仿真,结果表明：两种方法都提高了非线性系统的暂态响应,跟踪特性优良,体现了它们对非线性系统大范围控制的有效性。     

基于模糊模型参考学习控制的焦炉温度控制

焦炉是一个大惯性、纯滞后、非线性、时变和参数分布的系统,很难对其建立精确的数学模型.现有的线性系统控制方法对焦炉的温度控制存在精度不高、不能适应工况变化等问题.而模糊控制又因规则和隶属度函数的粗糙性导致系统在稳态时出现振颤,模型参考自适应控制需要对被控对象进行阶次辨识,而且算法复杂.针对上述问题,提出一种新的控制策略,使用模糊模型参考学习控制算法来对焦炉的温度进行控制,该方法结合模糊控制和自适应控制的优点,通过在线学习算法适应工况变化,提高了控制精度.对焦炉简化模型进行的仿真实验结果表明,系统具有良好的动态和稳态性能,有效减少了炉温波动,具有一定的推广应用价值.     

一种基于速率线性化的非线性预测控制算法

提出了一种基于速率线性化方法的非线性预测控制算法。该算法采用速率线性化方法得到与原系统非线性模型相对应的线性变参数模型,这类变参数模型在结构上是线性的,而模型参数将随工作条件的变化而变化,在系统的整个工作区间内都能很好地逼近原非线性模型。在此模型的基础上设计了预测控制器,并利用基于置信域的Levenberg-Marquardt算法在线求得预测控制率。最后对连续搅拌反应釜进行了仿真研究,仿真结果表明了该算法的可行性和有效性。     

基于IGA和Hammerstein模型的非线性系统广义预测控制

针对非线性程度较高的系统,设计了一种广义预测控制器。该设计基于Hammerstein模型的动静态可分离特性,首先利用具有全局搜索能力的免疫遗传算法（IGA,Immune Genetic Algorithm）在线辨识模型的一些关键参数,然后运用广义预测控制策略实现对该系统的预测控制。仿真试验结果表明,该设计能够准确预测,而且稳定性好、稳态误差小。     

基于FGPC的单元机组协调控制系统研究

针对单元机组的大迟延、强耦合、参数时变且不确定性的特点,将T—s模糊模型引入预测控制中,作为预测模型。首先,用改进的模糊c一均值聚类算法和随机牛顿法辨识得到非线性系统的T-s模型;然后基于线性化后的系统模型设计模糊广义预测控制器,并对非线性对象进行在线控制。仿真结果表明：FGPC对于时变的非线性系统具有很好的控制效果。     

基于广义预测控制为主的综合控制算法构成控制器的开发与应用

提出一种以广义预测控制算法为主,以由Smith预估参数组成的无模型控制律为辅,以多变量状态反馈为前馈的综合控制算法控制器,其中广义预测控制算法在PC机中实现并通过与DCS通讯完成数据交换,而Smith预估控制、无模型控制率、多变量状态反馈算法均在DCS中实现。此种控制器克服了广义预测控制抗干扰能力弱的缺点,在加热炉控制应用中其优越性得到充分体现,解决了加热炉自动控制的难题,保证了工艺指标。     

Multivariable model predictive control of a novel rapid pressure swing adsorption system

A multivariable model predictive control (MPC) algorithm is developed for the control and operation of a rapid pressure swing adsorption (RPSA)‐based medical oxygen concentrator. The novelty of the approach is the use of all four step durations in the RPSA cycle as independent manipulated variables in a truly multivariable context. The RPSA has a complex, cyclic, nonlinear multivariable operation that requires feedback control, and MPC provides a suitable framework for controlling such a multivariable system. The multivariable MPC presented here uses a quadratic optimization program with integral action and a linear model identified using subspace system identification techniques. The controller was designed and tested in simulation using a complex, highly coupled, nonlinear RPSA process model. The model was developed with the least restrictive assumptions compared to those reported in the literature, thereby providing a more realistic representation of the underlying physical phenomena. The resulting MPC effectively tracks set points, rejects realistic process disturbances and is shown to outperform conventional PID control. © 2017 American Institute of Chemical Engineers AIChE J, 64: 1234–1245, 2018     

Control of milk pasteurization process using model predictive approach

A milk pasteurization process, a nonlinear process and multivariable interacting system, is difficult to control by the conventional on–off controllers since the on–off controller can handled the temperature profiles for milk and water oscillating over the plant requirements. The multi-variable control approach with model predictive control (MPC) is proposed in this study. The proposed algorithm was tested for control of a milk pasteurization process in four cases of simulation such as set point tracking, model mismatch, difference control and prediction horizons, and time sample. The results for the proposed algorithm show the well performance in keeping both the milk and water temperatures at the desired set points without any oscillation and overshoot and giving less drastic control action compared to the cascade generic model control (GMC) strategy.     

基于自适应模糊神经网络的非线性系统模型预测控制

针对非线性动态系统的控制问题,提出了一种基于自适应模糊神经网络(adaptive fuzzy neural network, AFNN)的模型预测控制(model predictive control, MPC)方法。首先,在离线建模阶段,AFNN采用规则自分裂技术产生初始模糊规则,采用改进的自适应LM学习算法优化网络参数;然后,在实时控制过程,AFNN根据系统输出和预测输出之间的误差调整网络参数,从而为MPC提供一个精确的预测模型;进一步,AFNN-MPC利用带有自适应学习率的梯度下降寻优算法求解优化问题,在线获取非线性控制量,并将其作用到动态系统实施控制。此外,给出了AFNN-MPC的收敛性和稳定性证明,以保证其在实际工程中的成功应用。最后,利用数值仿真和双CSTR过程进行实验验证。结果表明,AFNN-MPC能够取得优越的控制性能。     

对角CARIMA模型抗扰约束广义预测控制

针对存在输入和输入增量约束的多变量系统,提出了一种基于变权重的对角CARIMA模型抗扰动约束广义预测控制算法。根据对角CARIMA模型中的A和C矩阵为对角形式的特点,将多输入多输出系统分解为多个多输入单输出系统进行预测和控制,简化了控制器的设计,降低了变量之间的耦合性。根据模型预测值与参考轨迹之间的偏差实时调整目标函数中各输出跟踪误差的权重,达到抑制由耦合而造成回路之间扰动的目的。权重调整的基本原则是,每个输出的预测值跟踪参考轨迹的权重由其他输出在同时刻偏离其参考轨迹的误差平方加权和构成。当某个输出偏离其目标值时,其他输出的控制作用相对增强,避免输出之间的相互扰动,达到抑制扰动的目的。同时,分析了系统输入和输入增量约束的表达形式。利用多变量广义预测控制（MGPC）以及提出的扰动抑制方法,分别对Shell重油分馏问题进行了仿真实验,仿真结果验证了算法的有效性。     

改进的模糊预测控制算法及其在CSTR过程中的应用

A finite horizon predictive control algorithm,which applies a saturated feedback control law as its local control law,is presented for nonlinear systems with time-delay subject to input constraints.In the algorithm,N free control moves,a saturated local control law and the terminal weighting matrices are solved by a minimization problem based on linear matrix inequality(LMI) constraints online.Compared with the algorithm with a nonsaturated local law,the presented algorithm improves the performances of the closed-loop systems such as feasibility and optimality.This model predictive control(MPC) algorithm is applied to an industrial continuous stirred tank reactor(CSTR) with explicit input constraint.The simulation results demonstrate that the presented algorithm is effective.     

MODELING AND PREDICTIVE CONTROL OF MIMO NONLINEAR SYSTEMS USING WIENER-LAGUERRE MODELS

In this work, a Weiner-type nonlinear black box model was developed for capturing dynamics of open loop stable MIMO nonlinear systems with deterministic inputs. The linear dynamic component of the model was parameterized using orthogonal Laguerre filters while the nonlinear state output map was constructed either using quadratic polynomial functions or artificial neural networks. The properties of the resulting model, such as open loop stability and steady-state behavior, are discussed in detail. The identified Weiner-Laguerre model was further used to formulate a nonlinear model predictive control (NMPC) scheme. The efficacy of the proposed modeling and control scheme was demonstrated using two benchmark control problems: (a) a simulation study involving control of a continuously operated fermenter at its optimum (singular) operating point and (b) experimental verification involving control of pH at the critical point of a neutralization process. It was observed that the proposed Weiner-Laguerre model is able to capture both the dynamic and steady-state characteristics of the continuous fermenter as well as the neutralization process reasonably accurately over wide operating ranges. The proposed NMPC scheme achieved a smooth transition from a suboptimal operating point to the optimum (singular) operating point of the fermenter without causing large variation in manipulated inputs. The proposed NMPC scheme was also found to be robust in the face of moderate perturbation in the unmeasured disturbances. In the case of experimental verification using the neutralization process, the proposed control scheme was found to achieve much faster transition to a set point close to the critical point when compared to a conventional gain-scheduled PID controller.