工业过程多速率分层运行优化控制

工业过程运行优化控制通常采用基础回路层和运行层两层结构,涉及不同时间尺度特性的被控对象,且由于检测装置采样周期不同难以统一控制与采样周期;此外,运行层动态往往机理复杂难以建模.因此针对这一多层次、多时间尺度且部分模型未知的复杂多速率控制问题,本文提出一种工业过程多速率分层运行优化控制方法.该方法在使用提升技术解决分层多速率问题的基础上,采用一种基于Q-!学习的数据驱动运行层设定值优化方法,更新基础回路层的设定值;并针对提升后的系统采用模型预测控制（Model predictive control,MPC）方法设计基础回路层控制器以跟踪设定值,从而实现运行指标的优化控制.对典型工业闭路磨矿过程进行了仿真实验,验证了本文所提方法的有效性.     

大规模工业过程非凸稳态优化控制的两级协调法

针对具有输出关联不等式的束和非凸目标函数的大规模工业过程稳态优化控制问题，提出一种全新的两级协调求解算法。该算法由三层构成，上层和中层是两个协调器，下层是各局部决策单元。在较弱的条件下，获得了算法的全局收敛性定理。数字仿真结果表明了该算法的有效性和实用性。     

工业大系统多目标优化问题的分解协调方法

本文针对工业大系统多目标优化问题的特点,提出\"一致单调性\"概念、\"目标诱导性决策\"方法以及与分解协调方法有关的两个定理,使分解协调问题得以简化.     

复杂工业过程运行的混合智能优化控制方法

工业过程运行的优化控制的目标是将反应产品在加工过程中的质量、效率、消耗的工艺指标控制在目标值范围内. 由于复杂工业过程的工艺指标难于在线测量且与控制回路输出之间的动态特性具有强非线性、强耦合、难以用精确模型描述、随生产边界条件变化而变化的综合复杂性,因此, 难以采用已有优化控制方法, 运行控制只能采用人工设定的控制方式. 由于人工控制不能及时准确地随运行工况调整设定值, 难以将工艺指标控制在目标值范围内, 甚至造成故障工况.本文提出了根据运行工况实时调整控制回路设定值, 通过控制系统跟踪调整后的设定值, 将工艺指标控制在目标值范围内的过程优化运行的混合智能控制方法. 该方法由控制回路预设定模型、前馈补偿与反馈补偿器、工艺指标预报模型、故障工况诊断和容错控制器组成. 在某选矿厂22台竖炉组成的焙烧过程的应用案例, 证明了所提出方法的有效性.     

复杂工业过程的满意控制

本文从分析了工业过程优化控制的环境出发，针对复杂工业过程的特点与用户要求提出了满意控制的概念，给出了满意控制的基本框架，分析了它对复杂工业环境的适应性。     

复杂工业过程非串级双速率组合分散运行优化控制

复杂工业过程具有模型维数高、多时间尺度耦合、动态不确定性等特点, 其运行优化控制(Operational optimal control, OOC)一直是控制领域的研究难点与热点. 本文聚焦一类由多个快变且互联的设备单元与慢变且模型未知的运行过程串联组成的工业过程, 提出一种数据和模型混合驱动的非串级双速率组合分散运行优化控制方法. 该方法通过奇异摄动理论, 将非串级双速率运行优化问题描述为异步采样的慢子系统最优设定值跟踪和快子系统最优调节控制. 利用工业运行数据, 采用不依赖系统动态的Q-学习算法设计慢子系统最优跟踪策略, 克服运行过程模型难以建立的情形; 针对快子系统, 设计基于模型的分散次优控制策略, 并给出收敛因子的下界, 解决设备层互联项对系统稳定性的影响. 通过浮选过程仿真实验验证了所提控制方法的有效性.     

基于神经网络的复杂工业过程稳态优化控制策略及发展

本文结合神经网络的基本概念和理论,介绍了神经网络在复杂系统稳态优化控制领域的某些应用成果,并对其今后的发展方向进行了探讨。     

预测控制滚动优化的时间分解方法

基于大系统分解协调思想,针对预测控制系统,提出了一种带有并行结构的时间分解算法,以提高滚动优化在线计算效率.仿真结果表明了该算法的有效性.     

多时标分散预测控制算法

针对一类各通道动态响应时间呈现较大差异的复杂大系统的控制问题, 提出了一种基于不同时标和分散通信模式下的预测控制算法. 该算法考虑了各个子系统的快慢特性和耦合关系, 采用纳什最优的思想, 并利用多时标信息预估方法实现整个系统的优化控制. 仿真实例验证了该算法的有效性.     

一种多变量系统分散优化DMC算法

提出一种多变量系统的分散优化动态矩阵控制（ＤＭＣ）算法,该处冯动 经的特点,将多变量系统ＤＭＣ算法分散为若干单变量系统的ＤＭＣ算法,使多变量ＤＭＣ算法参数设计和算法求解计算人为简化。     

多变量预测控制工程应用的控制模型前馈解耦策略

针对多变量预测控制计算量大、控制效果对扰动和模型失配敏感等特点,提出一种适用于预测控制工程应用的控制模型前馈解耦策略.基于结构分析,保留重要的被控变量与操作变量配对关系,将不重要的被控变量与操作变量配对作为前馈引入进行补偿,简化了系统结构,降低了系统耦合程度,减弱了预测控制器对扰动和模型失配的敏感程度,极端情况下形成的单入单出或小规模多入多出系统有效减小了在线计算量;基于分布式预测控制思想,给出控制模型前馈解耦策略的分散优化策略,进一步减小了系统规模和在线计算量.最后,通过仿真验证了所提策略的可行性与有效性.     

位置互连Petri网的分散与协调控制

本文引入位置互连Petri网,对能用位置互连Petri网描述的离散事件系统提出了一种分散与协调控制框架,在这个框架下,我们讨论了一类常见的禁止状态控制问题,给出了综合其量小约束协调控制的一种有效算法。     

鲁棒广义预测控制在单元机组的协调控制

设计有效的火电厂单元机组机炉协调控制系统是提高热工自动化水平的关键问题。采用广义预测控制和鲁棒控制相结合的策略,提出一种鲁棒广义预测控制器的设计方法。将其应用于火电厂单元机组的协调控制系统进行仿真研究,对被控对象的不确定性具有良好的适应性和鲁棒性。仿真结果表明了该算法的有效性。     

多关节机器人的分散预测控制*

本文提出一种对多关节机器人进行分散预测控制的方法,这种方法把分散控制的结构优点与预测控制的性能优点结合起来,以提高控制的实时性和鲁棒性。文中研究了这一分散控制的多层结构,并着重讨论了不同分散信息结构下的关连预测策略,最后以仿真实例说明了这种分散预测控制方法的有效性。     

混合约束过程的多变量协调预测控制

研究了工业生产过程存在着输入、输出软硬混合约束的优化控制技术。给出了基于约束的预测控制算法,提出了用动态优先级对有硬约束的操作变量进行在线协调,当协调过程找不到满足所有约束条件的可行解时,对被控变量进行约束软化,本文采取的线性和二次型相结合的惩罚函数对预测时域上每个时刻的激活值进行惩罚,不仅可以保证可行解的存在,而且能使系统处于动态和稳态的优化性能。     

基于模糊强化学习的空气压缩机群组协调预测控制

空气压缩机在提供动力的同时消耗着大量的电力能源,其节能增效备受关注.空气负荷需求受生产节奏、计划排程等影响呈现阶段性、间歇性的特点,导致空气压缩机组在大范围内变工况运行,人工调节速度慢,机组能耗高.针对此问题,以国内工业园区空气压缩机群组系统为背景,提出一种基于模糊强化学习的空气压缩机群组协调预测控制方法.首先利用工业现场的历史数据和设备运行机理建立基于模糊辨识的空气压缩机群组多工况模型;在此基础上,以最小化生产过程能耗为目标,结合生产工艺条件、设备安全等约束条件,建立基于模糊强化学习的空气压缩机组变负荷协调预测控制方法,保证系统在复杂工况下安全稳定运行;最后,将所提出方法应用于工业园区空气压缩仿真系统进行性能测试,取得较好的控制效果.     

Distributed model predictive control over network information exchange for large-scale systems

A class of large scale systems, which is naturally divided into many smaller interacting subsystems, are usually controlled by a distributed or decentralized control framework. In this paper, a novel distributed model predictive control (MPC) is proposed for improving the performance of entire system. In which each subsystem is controlled by a local MPC and these controllers exchange a reduced set of information with each other by network. The optimization index of each local MPC considers not only the performance of the corresponding subsystem but also that of its neighbours. The proposed architecture guarantees satisfactory performance under strong interactions among subsystems. A stability analysis is presented for the unconstrained distributed MPC and the provided stability results can be employed for tuning the controller. Experiment of the application to accelerated cooling process in a test rig is provided for validating the efficiency of the proposed method.