鲁棒多变量技术在I／A DCS中的设计与应用

一概述 自上世纪80年代初．DCS在炼油装置应用以来，已经在工业生产过程中得到了广泛应用，并取得了较大的经济效益，然而绝大多数DCS只是取代了常规仪表的控制模式，其高级功能还没有完全发挥出来。随着炼油化工的发展，在变量众多、关系紧密的生产过程和产品质量要求苛刻的情况下，常规控制往往无法满足工艺过程的要求，     

多变量预测控制技术在抽余液塔中的应用

芳烃是石油化工生产中重要的基础原斟．近几十年来发展非常迅速。芳烃生产主要由重整，抽提、歧化、吸附分离、异构化等过程组成．芳烃抽提是其中的重要组成部分。芳烃抽提联合生产装置中的抽余液塔存在进料波动大、操作变量多．关联性强、容量滞后大等特点．是典型的难以控制的多变量过程；正因为如此．在工业生产中该塔的     

DCS在催化裂化生产过程中的应用

1　前言我厂于 1996年在新建的 60万吨 /年催化裂化装置中引进了美国霍尼韦尔公司生产的ＴＰＳ集散控制系统 (简称ＤＣＳ)和智能变送器 ,1998年 7月建成投产。该系统运行一年多的时间 ,情况良好。工艺参数控制的平稳性和检测的准确性都超过了常规仪表。特别是由于我厂的各种原因 ,投产后双脱部分进行了较大规模的改造 ,在这种情况下 ,没有增加多少硬件投资 ,而是通过调整组态、增加或更改回路 ,满足了工艺改造的要求 ,充分体现了ＤＣＳ的灵活性及优良的性能价格比。2　工艺流程特点本套催化裂化系统包括反应、再生、分馏、吸收稳定、双脱、…     

多变量时滞对象控制的DCS实现

采用软件控制仪表的概念，在DCS中实现了基于多变量频域理论和多变量Smith预估技术的多变量时滞对象的控制,并成功应用于一大型啤酒发 酵计算机控制系统，大大提高了系统的控制精度和DCS的自动化水平。     

DCS在泵站自动化监控工程中的应用

论文介绍了桂畔海水利枢纽工程泵站自动化监控系统中所采用的分层分布式集散控制系统的体系结构设计与实现.重点讨论了现场控制级(PLC)的软硬件功能的设计与实现、集中管理操作级软硬件功能的设计与实现.     

基于广义预测控制算法的水槽液位控制系统

为提高液位系统控制的可靠性和安全性,引入了广义预测控制算法。首先介绍了广义预测控制的基本算法,包括其基本理论、算法的优点及一些重要参数的选取标准。然后以水槽液位控制装置为控制对象建立了一个控制系统的数学模型,并对应用广义预测控制算法的该模型进行了仿真验证。仿真结果表明,所提出的算法具有良好的动态响应性能和快速跟踪设定值,并具有较好的控制效果。无论系统是否存在模型失配,只要控制系统是稳定的,就不会有静差。     

APACS DCS系统在化工生产中的应用

介绍用APACSDCS系统实现对生产过程的操作控制,对系统配置和网络结构,以及系统的实现作了相关描述,总结了该系统的性能特点。     

μxL在工程中的可靠性预测与分析

榆林天然气化工有限责任公司     

FB-2000 DCS控制系统在烧结工程控制中的应用

系统介绍了ＦＢ－２０００在烧结过程中的应用及整个系统的结构功能、硬件配置及软件。     

重组技术在DCS前端机中的应用

本文介绍了重组技术的基本原理,给出了几种重组结构,并相应作了可靠性分析。     

一种改进的广义预测控制算法

为了解决广义预测控制(GPC)算法本身计算量大以及无法兼顾快速性和超调的问题,提出了一种改进的广义预测控制算法。首先介绍了广义预测控制的基本算法和一种新型算法,包括算法的基本理论和优缺点,然后经过一定的数学分析,提出了一种改进算法,最后对3种算法进行了Matlab仿真,以比较静态误差。实验结果表明,该改进算法不仅能大大减少计算量,而且能很好地抑制超调,同时兼顾了快速性。     

CMP过程多变量免疫预测R2R控制方法

为了解决多输入多输出和产品质量不易在线测量的化学机械研磨(chemical mechanical polishing,CMP)过程R2R(run-to-run)控制的难题,提出了一种基于贝叶斯最小二乘支持向量机(Bayes least squares support vector machine,BLS-SVM)预测模型和克隆选择免疫多目标滚动优化算法的CMP过程多变量R2R预测控制器BSVMPR2R.由LS-SVM和贝叶斯证据框架(Bayes evidence framework,BEF)方法分别构建材料去除率(material removal rate,MRR)和晶圆内非均匀度(within-wafer nonuniformity,WIWNU)的BLS-SVM预测模型,解决了线性预测模型的失配问题;通过预测误差对后续批次过程扰动和漂移进行在线估计实现反馈校正,提高了预测模型精度;将多变量控制问题转化为基于2个预测模型的多目标优化问题,由克隆选择免疫多目标滚动优化算法求解最优控制律提高了控制精度.仿真结果表明,BSVMPR2R控制器的性能优于双指数加权移动平均(double exponential weighted moving average,dEWMA)多变量控制器,抑制了CMP过程扰动和漂移的影响,显著降低了MRR和WIWNU的均方根误差.     

非线性广义预测控制算法及其仿真研究

为了实现对非线性广义预测控制算法的仿真研究,采用神经网络建立非线性预测模型,在其工作点附近线性化,并对线性化模型进行广义预测控制,利用单片输出BP网络所辨识的非线性模型进行分析,提出了一种基于非线性广义预测前馈补偿控制律的补偿算法,改善了线性化所带来的模型失配误差.最后通过Matlab进行了仿真.仿真结果验证了算法的有效性.     

具有稳定性的广义预测控制算法

针对广义预测控制中的输出量和控制增量波动较大而对系统产生冲击的难题,构造了一种新的预测控制算法.通过对广义预测控制算法中控制目标函数的控制增量加权系数进行在线动态修正,可有效地抑制输入量的波动,获得系统的稳定输出.仿真结果验证了该方法的可行性和有效性.     

A nonlinear regression model-based predictive control algorithm

This paper presents a unique approach for designing a nonlinear regression model-based predictive controller (NRPC) for single-input-single-output (SISO) and multi-input-multi-output (MIMO) processes that are common in industrial applications. The innovation of this strategy is that the controller structure allows nonlinear open-loop modeling to be conducted while closed-loop control is executed every sampling instant. Consequently, the system matrix is regenerated every sampling instant using a continuous function providing a more accurate prediction of the plant. Computer simulations are carried out on nonlinear plants, demonstrating that the new approach is easily implemented and provides tight control. Also, the proposed algorithm is implemented on two real time SISO applications; a DC motor, a plastic injection molding machine and a nonlinear MIMO thermal system comprising three temperature zones to be controlled with interacting effects. The experimental closed-loop responses of the proposed algorithm were compared to a multi-model dynamic matrix controller (MPC) with improved results for various set point trajectories. Good disturbance rejection was attained, resulting in improved tracking of multi-set point profiles in comparison to multi-model MPC.     

A simplified predictive control algorithm for disturbance rejection

Model predictive control (MPC) offers several advantages for control of chemical processes. However, the standard MPC may do a poor job in suppressing the effects of certain disturbances. This shortcoming is mainly due to the assumption that disturbances remain constant over the prediction horizon. In this paper, a simple disturbance predictor (SDP) is developed to provide predictions of the unmodeled deterministic disturbances for a simplified MPC algorithm. The prediction is developed by curve fitting of the past information. A tuning parameter is employed to handle a variety of disturbance dynamics and a procedure is presented to find an optimum value of the tuning parameter online. A comparison is made with the commonly used disturbance prediction on three example problems. The results show that an improved regulatory performance and zero offset can be achieved under both regular and ramp output disturbances by using the proposed disturbance predictor.     

一种克服模型参数失配的广义预测控制算法

针对模型参数失配对广义预测控制输出的影响,提出了一种输出增量反馈的广义预测控制简化算法.该算法通过引入一个输出增量速度函数,设计了输出增量参考序列,以控制输出增量的方式间接控制系统输出;同时利用阶梯控制方式,对输入增量引入柔化系数矩阵进行约束,既避免了传统预测控制律中逆矩阵的求解,减少了计算量,又防止了控制量的剧烈变化;最后引入控制增量增益,利用这个自由度提高了系统的鲁棒稳定性.仿真结果表明:该预测控制简化算法能有效克服模型参数失配带来的影响,抑制系统输出调整过程中的输出波动,缩短调整时间,提高系统的动态特性,并抑制系统控制输入的剧烈变化.     

Multivariable control of grinding plants: a comparative simulation study

In this paper five multivariable adaptive and classical control strategies have been studied and implemented in a simulator of the copper grinding plant of CODELCO-Andina. The strategies presented were compared and, according to theory, exhibit good behavior. The extended horizon, pole-placement and model reference multivariable adaptive control strategies were formulated in discrete-time and use a model of the plant whose parameters are updated on line using the recursive least squares method along with UD factorization of the covariance matrix and variable forgetting factor. The direct Nyquist array and sequential loop closing techniques were also studied and simulated. The two-by-two multivariable system chosen to represent the grinding plant has the percentage of solids (density) of the pulp fed to the hydrocyclones (which is highly correlated with the percentage of +65 mesh in the overflow of hydrocyclones) and the sump level as output (controlled) variables. The water flow added to the sump and the speed of the pump are its input (manipulated) variables. All the algorithms tested by simulation exhibited good performance and were able to control the grinding plant in a stable fashion. Adaptive algorithms showed better performance than classical techniques, with the extended horizon and pole-placement algorithms proving to be the best. The fact that adaptive algorithms continuously adjust their parameters renders such controllers superior to those based on fixed parameters.     

预测函数控制在水分定量控制中的应用

针对抄纸过程中水分定量系统具有非线性和纯滞后的特征,提出了将预测函数控制方法应用到水分定量系统中,对水分定量的控制,改善了控制系统稳定性及性能指标。仿真实验表明该方法有较强的跟踪性和鲁棒性。实际运行结果表明该方法具有较好的鲁棒性和较好的控制精度。