基于粒子群优化算法的球磨机制粉系统PID-ANN解耦控制器

球团厂钢球磨煤制粉系统是多变量强耦合、时滞、非线性以及生产工况变化大的复杂对象,其自动控制问题一直是控制界关注的热点。基于粒子群算法具有对整个参数空间进行高效并行搜索的特点以及PID神经网络的自调节和自适应特性,设计了具有PID结构的多变量自适应神经网络控制器。PID神经网络解耦控制方法被用来消除回路之间的耦合,神经网络连接权值由粒子群算法进行学习优化。仿真研究表明所建模型和所提控制方法具有较好的控制品质、良好的自适应解耦能力和自学习功能。该控制策略可在大范围内克服系统的非线性和强耦合问题,具有很高的工程实用价值。     

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。     

强制循环蒸发器的非线性解耦控制

强制循环蒸发器是一个多输入多输出的且回路间存在着较强耦合的强非线性的复杂化工过程。针对单纯的采用常规控制方法很难满足实际的工业要求的问题,在深入研究上述过程的动态特性的基础上,根据模型的结构特点,采用全局输入输出反馈线性化的方法实现了其解耦控制,并证明了系统的零动态稳定性。通过仿真表明采用全局输入输出反馈线性化解耦方法能够有效地解决系统的强非线性对系统带来的影响,而且还能消除密度回路与液位回路间的耦合作用,该方法对提高产品质量和提高系统的蒸发效率具有重要意义。     

流化床干燥系统控制方案的优化

PVC流化床干燥工艺采用DCS单回路控制时,参数调整及时性和准确性差,系统控制依赖手动调节,能耗大。为解决以上问题,在流化床干燥工艺中引入动态解耦控制模型和循环神经网络模型,优化了干燥系统进料量和PVC树脂水含量,降低了蒸汽消耗。     

非线性多变量系统的多模型广义预测解耦控制

针对实际工业过程中多变量系统存在着非线性、工况范围广、耦合强的特点,提出基于设定值观测器的非线性多模型广义预测解耦控制算法。该方法由线性广义预测控制器、一种新的设定值观测器和切换机构组成。理论分析和仿真结果表明,该控制策略不但可以保证闭环系统B IBO稳定和渐近收敛,而且能够得到很好的控制效果。     

焦炉集气管压力系统的多级智能控制

针对焦炉集气管压力系统具有工况复杂、多变量耦合等特点,提出了一种专家规则与模糊控制相结合的多级智能控制策略。回路控制级采用可变调节因子模糊控制算法;解耦级引入了组内和组间解耦规则;总管控制级采用总管吸力监督控制。实际应用表明,该智能控制系统保证了压力系统调节的协调性、稳定性和快速性,提高了焦炉集气管压力系统对工况变动和干扰的适应性。     

双容液位系统的动态解耦控制

建立了双容液位系统的计算机监控实验系统的硬件和软件,并通过机理分析方法建立了系统的模型。针对系统的耦合特性,应用对角解耦方法完成模型的动态解耦,并将解耦器在上位机中通过编程实现,从而完成系统的解耦控制。将解耦控制效果分别和常规PID控制、RMPCT控制进行比较。实验结果表明,在这种存在耦合的简单的两入两出系统中,解耦控制的效果较常规PID控制有大幅提高,并且与RMPCT的控制效果相比差别也并不明显,已经可以满足控制的需要,但其成本低廉,与先进控制相比具有巨大的优势。     

一类不匹配不确定动态系统的鲁棒执行器故障检测与重构

针对一类不匹配不确定性动态系统,将不匹配不确定性的滑模控制方法与线性矩阵不等式（LMI）方法结合,设计一种新的鲁棒滑模观测器,提出了不匹配不确定动态系统滑模观测器稳定的充分必要条件以及LMI的存在定理,并证明了对系统不确定性以及外界干扰具有鲁棒性。无须对动态系统进行规范化处理,直接利用LMI方法求解鲁棒观测器增益矩阵,简化了滑模观测器设计过程。根据上述设计的鲁棒滑模观测器,应用等价输出误差介入原理和LMI方法,设计重构执行器故障的优化策略,提出在线获取故障信息的鲁棒执行器故障检测与重构方法,实现执行器故障的检测与重构。数字仿真验证了执行器故障重构方法的可靠性。     

乙烯精馏塔异常工况在线侦测与控制

精馏塔是化工过程经常用到的一种分离设备,操作条件不当,易使精馏塔进入异常工况.正常工况时,出料温度随回流量增大而降低,模型增益为负;回流量继续增大,导致板效率下降,出料温度开始上升,模型增益变为正,精馏塔进入异常工况.针对此情况提出一种基于最小二乘法的乙烯精馏塔模型增益在线辨识方法,在线实时辨识出模型增益符号,根据辨识结果,判断乙烯精馏塔是否进入异常工况.建立正常与异常工况的乙烯精馏塔控制系统,根据模型增益辨识结果,由负反馈原理确定正常与异常工况中控制器正反作用,使得回流量和出料温度均控制在正常工况允许范围内,保证乙烯精馏塔在正常工况工作,实现乙烯精馏塔正常与异常工况控制.     

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。     

用免疫量子粒子群算法优化控制决策表

提出用免疫量子粒子群算法优化控制决策表,使控制决策表的参数整定简单易行.其核心思想是将控制决策表作为算法中的粒子,以迭代搜索的方式寻找全局最优粒子.该算法的全局寻优能力强,计算机实现简单,可调参数少.模糊控制器和控制决策表的优化设计在SCON-2000模糊控制平台进行了工程化实现,并对水箱液位进行模糊控制.从对比结果中可以看出,优化了控制决策表以后,系统响应更快,精度更高,抗扰动能力更强.这表明了该算法在模糊控制器参数优化中的可行性.     

Decentralized fault-tolerant control system design for unstable processes

Fault-tolerant control is an important issue in control of mission critical processes. In this paper, a new approach to fault-tolerant control of unstable processes is proposed based on the Passivity Theorem. The control system is designed in two sequential steps: A multi-loop proportional controller is used to stabilize the unstable process; a passivity-based decentralized unconditionally stabilizing (DUS) controller is then applied to the stabilized process. While the multi-loop stabilizing controllers need to be built with redundancy, the DUS controller is inherently fault tolerant and can maintain closed-loop stability when any of its loops fail. By using a stabilizing proportional controller with the fewest loops, control redundancy can be reduced to the minimum level.     

时变间歇过程的2D-PID自适应控制方法

针对间歇过程存在的参数时变问题,提出一种基于二维PID(2D-PID)迭代学习框架的自适应控制方法。首先,通过粒子群优化算法快速获取初始的2D-PID控制参数。在批次内,采用自调整神经元PID控制器对其进行在线自适应调节。进一步,考虑批次间的重复特性,通过PID型迭代学习控制,以利用历史批次的信息来修正当前批次的调节变量,最终提高控制性能。通过间歇发酵过程的仿真和比较研究,验证了所提出方法的有效性。     

基于PSO-控制变量参数化混合策略的间歇化工过程优化控制

控制变量参数化方法作为一种化工过程动态优化的梯度搜索算法，其求解效率过于依赖初始给定轨迹。目前初始轨迹一般都是设定在边界值或中间值，缺乏科学依据，从而大大影响了算法的收敛速度。针对这一问题，提出了一种粒子群优化(PSO)与控制变量参数化方法混合的策略，首先利用粒子群优化对间歇化工过程最优控制量进行求解，结果作为控制变量参数化方法初始给定轨迹，进行二次优化。双层优化的混合策略提高了控制变量参数化方法的收敛速度和粒子群优化算法的求解精度。将混合策略应用于两个间歇化工过程优化控制实例，仿真结果表明了该算法对求解化工过程动态优化问题具有可行性和有效性。     

融合灰狼优化算法在工控系统入侵检测中的应用

针对当前工控系统中数据体量大、维度高的特点,提出了一种融合随机黑洞(random black hole, RBH)策略的灰狼优化(grey wolf optimization integrated random black hole, RBHGWO)算法。该方法在更新下一代灰狼位置时,模拟黑洞的吸引方式,让狼群中的个体能够更快地向着当前全局最优解移动,增强了算法的收敛速度;同时个体以随机策略被黑洞吸引,保持了算法的局部搜索能力。通过优化算法测试函数验证,RBHGWO算法与粒子群优化(particle swarm optimization, PSO)算法、随机黑洞粒子群优化(particle swarm optimization integrated random black hole, RBHPSO)算法、GWO算法和优胜劣汰的灰狼优化(survival of fitness grey wolf optimization, SFGWO)算法进行了实验对比。结果表明,RBHGWO算法具有较快的收敛速度和较好的寻优精度。同时以田纳西-伊斯曼(Tennessee-Eastman, TE)数据集为基础进行仿真实验,结果表明该算法应用于在工控系统入侵检测的特征选择中,其收敛精度、迭代速度以及稳定性都有明显优势。     

一种基于改进PSO算法的PID控制器参数整定方法

在线性权重下降PSO(LWDPSO)和随机PSO(SPSO)的基础上,提出一种交互进化PSO算法(IEP-SO),将粒子群分成两组,分别采用标准PSO和SPSO并行交互进化,各侧重于全局搜索和局部搜索,根据进化代数动态调整两种算法中进化的粒子数。通过仿真实验,证明了IEPSO的寻优性能优于LWDPSO与SPSO。Zie-gler-Nichols、LWDPSO、SPSO和IEPSO分别对控制对象进行整定仿真测试,证明了IEPSO对PID控制器参数整定效果最佳。     

Control Parameterization‐Based Adaptive Particle Swarm Approach for Solving Chemical Dynamic Optimization Problems

A control parameterization‐based particle swarm optimization (CP‐PSO) approach is presented which combines control parameterization with particle swarm optimization to solve dynamic optimization problems in chemical engineering. To improve search efficiency and convergence rate, a control parameterization‐based adaptive particle swarm optimization (CP‐APSO) approach is proposed, in which inertia weight and acceleration coefficients are updated according to population distribution characteristics. Three benchmark chemical dynamic optimization problems are explored as illustration. The results demonstrate that CP‐APSO is efficient for solving a general class of chemical dynamic optimization problems and CP‐APSO largely outperforms CP‐PSO on the convergence rate.     

粒子群算法求解边值固定的化工动态过程优化问题

针对化工过程系统优化中广泛存在着边值固定的动态优化问题,该问题的求解数学上还没有有效的方法,现今的方法之一是将问题转化为多目标优化问题.本文在粒子群优化(PSO)算法的基础上,提出在PSO算法中加入惩罚项,同时对局部极值与全局极值作进一步的调整,使PSO算法适用于求多目标优化问题理想有效解,该算法对多目标问题起到边优化边求理想有效解的功效;即只用一步即可求理想有效解,这使得在求解速度上大为加快.最后将其用于间歇反应器的最佳反应温度边值固定动态优化控制的实际运用中,取得良好效果.     

一种求解化工动态优化问题的迭代自适应粒子群方法

智能优化方法因其简单、易实现且具有良好的全局搜索能力,在动态优化中的应用越来越广泛,但传统的智能方法收敛速度相对较慢。提出了一种迭代自适应粒子群优化方法（IAPSO）来求解一般的化工动态优化问题。首先通过控制变量参数化将原动态优化问题转化为非线性规划问题,再利用所提出的迭代自适应粒子群优化方法进行求解。相比传统的粒子群优化方法,该种迭代自适应粒子群优化方法具有收敛速度更快的优点,主要原因是：该算法根据粒子种群分布特性自适应调整参数;该算法通过缩减搜索空间并迭代使用粒子群算法搜索最优解。将提出的迭代自适应粒子群方法应用到多个经典动态优化问题中,测试结果表明,该方法简单、有效,精度高,且收敛速度比传统粒子群算法有显著提升。