基于预测函数的丙烯精馏塔的先进控制系统设计

基于多变量预测函数控制算法设计了丙烯精馏塔控制系统,塔顶丙烷浓度和塔釜丙烯浓度为被控变量,回流量和塔釜再沸器蒸汽流量为调节变量,实现r两端产品的直接质量控制。仿真结果表明该控制器响应速度快、抗干扰能力强。     

基于Matlab/Simulink的气体分离装置多变量预测控制

依据丙烯精馏塔的工艺流程,介绍丙烯精馏塔机理模型和辨识模型的构建方法,并通过系统辨识方法得到了被控对象的多输入多输出模型。介绍预测控制及其算法的基本原理,通过编写基于状态空间模型的单步预测控制算法,对丙烯精馏塔进行多变量预测控制仿真,比较了预测控制算法对可测干扰,不可测干扰的抑制作用。     

一类化工过程多变量系统的自适应非线性预测控制

针对化工过程的一类多变量非线性系统,提出了一种自适应非线性预测控制(ANMPC)算法。在采用递归最小二乘法进行预测模型参数在线辨识的基础上,将系统的静态非线性关系用一个反向传播(BP)神经网络稳态模型来表示,通过稳态模型求得的动态增益来进一步校正预测模型的参数。详述了ANMPC控制器设计步骤,通过在一个多变量pH中和过程中的仿真验证了本算法的可行性和有效性。     

多变量预测控制在乙醛精制装置中的应用

提出了一种乙醛精制装置的多变量预测控制策略。该策略应用自主开发的多变量预测控制软件将该装置两个精馏塔统一考虑实施多变量预测控制,减小了成品塔温度的波动,稳定了最终乙醛产品的质量,并使得其运行于最优的稳态工作点上。     

基于偏相关性分析的MPC控制器模型失配检测

在实际中,模型失配是导致模型预测控制性能下降的关键因素。传统的相关性分析方法在分析某一通道的预测残差和操作变量之间的相关性时,会受到其他操作变量及干扰的影响,导致结果不可靠,无法准确定位失配。针对上述问题,现采用偏相关性分析方法。在滤除其他操作变量和干扰影响的前提下,分析各通道预测残差和操作变量之间的相关性,将模型失配问题转化为一定区间上偏相关系数的分布问题。通过观察各通道偏相关系数的分布图判断是否发生失配,并通过Shell塔实验验证该方法的有效性。     

新一代的自适应模型预测控制器

提出了新一代的自适应模型预测控制器,自适应MPC控制器由MPC控制模块、在线辨识模块、性能监控模块3个模块组成,相互协调配和来实现自适应MPC控制。除了控制器功能设计以外,其余过程均可自动进行。对于新建MPC应用,首先进行多变量测试与辨识,在模型符合控制要求时,自动进入控制器投运。通过控制器性能监视发现模型不满足控制要求精度时,触发一次多变量模型测试与辨识过程,替换原有模型进行控制,保证控制器性能始终处于最佳状态。自适应MPC控制器在PTA装置上的应用表明了算法的有效性。     

考虑裕量损失函数的预测控制新架构

在常规预测控制性能指标函数的基础上加入一个表征操作变量空间变化情况的裕量损失函数,提出一种考虑裕量损失函数的预测控制新架构,并推导其优化求解过程。同时,通过稳态最优值分析新架构保留操作变量空间的效果,并采用稳态分析在预测控制中加入裕量损失函数对控制效果的影响。最后,通过实例仿真证实了新算法的有效性。     

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.     

多变量预测控制技术在重芳烃分离塔控制中的应用

针对扬子石化公司某二甲苯分离装置中重芳烃分离塔进料波动大、操作变量多、关联性强、容量滞后大等特点,使用多变量预测控制软件APC-Hiecon,实现对重芳烃分离塔的平稳控制并提高分离效果,取得了很好的控制效果和显著的经济效益.     

一种基于自适应回归核函数的污水处理能耗模型

针对污水处理过程能耗模型难以建立的问题,提出了一种基于自适应回归核函数的建模方法。通过分析污水处理过程的运行特点,构建能耗与运行过程变量之间的关系,得到一种基于过程变量的能耗模型表达;同时利用梯度下降算法对能耗模型参数进行自适应调整,提高模型精度。最后,将设计的能耗模型应用于污水处理过程基准仿真平台BSM1和实际污水处理厂,实验结果表明该模型能够根据污水处理过程变量实时获得污水处理过程的能耗,具有较好的自适应特性和较高的精度。     

乙烯精馏塔软仪表与先进控制工程实践

以乙烯装置乙烯精馏塔现有的常规控制为基础，提出乙烯精馏塔先进控制策略，通过化工机理分析，建立用于预测控制的动态机理数学模型，并线性化简化为状态空间模型和质量控制软仪表。塔顶侧线乙烯产品纯度和塔底馏出物乙烯浓度两个机理软仪表工业实施效果良好，其中乙烯产品纯度软仪表采用在线色谱分析数据实时校正。预测控制器控制塔顶产品纯度（给定点控制）和塔底循环乙烷浓度（约束控制），操纵变量为塔顶侧线采出量和塔底再沸器加热蒸汽量。仿真实验表明预测控制器的有效性。状态反馈预测控制器用于工业装置，效果良好，可以实现塔顶侧线产品的“卡边控制”和塔底馏出物浓度的区间约束控制。     

基于加权偏离度统计方法的预测控制性能评估算法

针对带区域约束条件的预测控制系统性能评估问题,在考虑过程输出变量约束类型的基础上,提出了基于加权偏离度统计方法的控制性能评估算法。该方法依据控制要求的不同,将输出变量分为质量变量和约束变量,并结合工程经验合理选择变量的权重。基于系统闭环运行数据和约束设置,通过计算变量的加权偏离度得到控制系统的性能评估指标,从而为预测控制器的参数调整和性能提升提供了决策依据。系统仿真实例和工程应用证明了该评估算法对区域预测控制系统性能评估的有效性。     

Rotary Dryer Control Using a Grey-Box Neural Model Scheme

The application of a Grey-box Neural Model (GNM) in a nonlinear model predictive control scheme (NMPC) of a direct rotary dyer is presented in this work. The GNM, which is based on the combination of phenomenological models and empirical artificial neural network (ANN) models, was properly developed and validated by using experimental fish-meal rotary drying information. The GNM was created by combining the rotary dryer mass and energy balances and a feed forward neural network (FFNN), trained off-line to estimate the drying rate and the volumetric heat transfer coefficient. The GNM results allowed us to obtain the relation between the controlled variable (solid moisture content) and the manipulated variable (gas phase entrance temperature) used in the predictive control strategy. Two NMPC control strategies, one with a fixed extended prediction horizon and another with an extended range prediction horizon, were applied to a simulated industrial fish-meal drying process. The results showed that a correct rotary dryer representation can be obtained by using a GNM approach. Due to the representation capability of the GNM approach, excellent control performances of the NMPCs were observed when the process variables were subject to disturbances. As analyzed in this work, the fixed extended prediction horizon MPC surpassed recognized control methodologies (quadratic dynamic matrix control).     

高纯度精馏过程的集成控制与在线优化策略

For high-purity distillation processes, it is difficult to achieve a good direct product quality control using traditional pro-portional-integral-differential (PID) control or multivariable predictive control technique due to some difficulties, such as long re-sponse time, many un-measurable disturbances, and the reliability and precision issues of product quality soft-sensors. In this paper, based on the first principle analysis and dynamic simulation of a distillation process, a new predictive control scheme is proposed by using the split ratio of distillate flow rate to that of bottoms as an essential controlled variable. Correspondingly, a new strategy with integrated control and on-line optimization is developed, which consists of model predictive control of the split ratio, surrogate model based on radial basis function neural network for optimization, and modified differential evolution optimization algorithm. With the strategy, the process achieves its steady state quickly, so more profit can be obtained. The proposed strategy has been successfully applied to a gas separation plant for more than three years, which shows that the strategy is feasible and effective.     

一种基于模型的多变量协调控制技术

给出的基于模型的多变量协调控制技术将被控变量的动态控制问题与操作变量的静态优化问题有机地结合起来.对于操作变量多于被控变量的“胖”系统,本控制技术在保证对关键变量实施定点控制的同时,综合考虑操作变量的控制速度、操作成本等经济因素,尽可能将一些操作变量协调至理想操作区内,达到优化(节能、降耗)的目的.对于操作变量少于被控变量的“瘦”系统,则据被控变量的重要程度对其施加不同的控制.给出了控制器的唯一解条件、稳态无差和稳定性性质.针对催化裂化主分馏塔给出的仿真结果说明本协调控制有良好的控制性能,适合生产过程的需要.     

流化床反应器中气相丙烯聚合反应的动力学和预测控制(英文)

A two-phase dynamic model, describing gas phase propylene polymerization in a fluidized bed reactor, was used to explore the dynamic behavior and process control of the polypropylene production rate and reactor temperature. The open loop analysis revealed the nonlinear behavior of the polypropylene fluidized bed reactor, jus- tifying the use of an advanced control algorithm for efficient control of the process variables. In this case, a central- ized model predictive control （MPC） technique was implemented to control the polypropylene production rate and reactor temperature by manipulating the catalyst feed rate and cooling water flow rate respectively. The corre- sponding MPC controller was able to track changes in the setpoint smoothly for the reactor temperature and pro- duction rate while the setpoint tracking of the conventional proportional-integral （PI） controller was oscillatory with overshoots and obvious interaction between the reactor temperature and production rate loops. The MPC was able to produce controller moves which not only were well within the specified input constraints for both control vari- ables, but also non-aggressive and sufficiently smooth for practical implementations. Furthermore, the closed loop dynamic simulations indicated that the speed of rejecting the process disturbances for the MPC controller were also acceotable for both controlled variables.     

前馈变量对预测控制可行域的影响分析

实际生产过程中,预测控制因其解耦性能和强鲁棒性得以广泛使用。在预测控制的研究中大都忽略控制过程中的干扰作用。对于控制过程中存在的可测且变化规律已知的干扰作用,干扰对输出的影响具有一定的可预见性,可通过在预测控制器中引入前馈的方法加以利用。前馈变量的引入会对系统的控制效果产生影响,如果不先对其影响进行分析而直接求解优化,最终结果不能反映预测控制的实际效果。本文从可行域的角度出发,通过几何表现形式,直观分析前馈变量的引入造成的可行域变化;进一步使用了凸空间的思想,通过求解可行域的顶点集合来确定可行域的大小,进而得出前馈变量对系统可行域的影响效果,通过仿真验证了本文方法的有效性。