基于模型预测残差和目标函数的MPC实时性能监控

模型预测控制的性能受多种因素的影响,现有的模型质量评价指标没有考虑外界干扰的变化,反映系统整体性能时不够全面。针对上述问题,现结合两个指标:基于模型预测控制目标函数的历史性能指标和基于模型预测残差的协方差指标对系统性能进行实时监控。其中,历史性能指标用以评价系统的整体性能,协方差指标反映模型失配和干扰变化的影响。根据两个指标对不同性能影响因素的不同表现和性能恶化后对干扰新息的重新辨识结果,对系统性能下降的原因进行初步诊断,缩小性能下降源的范围,并通过Wood-berry塔实验验证了该方法的有效性。     

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。     

一种基于模型切换的加热炉炉温广义预测控制器设计方法

为改善加热炉炉温控制自动化程度低、控制品质差的问题,并兼顾加热炉对象强非线性的特点,设计了一种多层次多模型广义预测控制器。给出了该控制器的设计方法和参数。仿真结果和投运效果表明:该方案实施后,系统的响应速度加快,超调量减少,加热炉炉温的控制品质明显改善。     

水泥篦冷机自适应模型预测控制器*

篦冷机的料层厚度的控制是水泥工厂的控制难题之一。料层厚度由篦冷机篦速进行控制。但由于过程的非线性和不稳定性,部分线性的控制器很难解决这一问题。在研究中,我们将过程动态曲线的线性部分筛分出来,并依据此建立了一个拟合模型,最终实现了一个自适应控制器。该控制器在某水泥厂成功实施,效果非常好。这个方法易于实施,效果稳定,有良好的推广前景。     

基于加权L2-Hausdorff子空间距离的MPC控制回路性能诊断

针对当前MPC控制回路性能评价方法无法准确定位性能下降源的问题,提出一种基于加权L₂-Hausdorff子空间距离的控制回路性能诊断方法.该方法引用恶化性能子空间表征各个性能恶化工况下的回路特征,通过基于模型预测残差的闭环潜能指标实时监测控制回路性能.当发现性能下降时,构造加权L₂-Hausdorff子空间距离来度量当前回路性能模式与已知性能模式的相似度,通过距离聚类来定位回路性能下降的恶化源.最后,通过连续搅拌加热器(continuous stirred tank heater, CSTH)上的仿真实验,验证了所提方法的有效性及可靠性.     

基于误差校正的预测控制算法综述

在分析了模型预测误差的来源后,对近20年来典型的基于误差校正的预测控制算法作了较全面的回顾,分析各种方法的研究现状及其成功应用的实例。     

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。     

一种扰动自适应的鲁棒预测控制算法

针对实际生产中扰动的时变性,提出了一种扰动自适应的鲁棒预测控制（RAMPC）算法以提高扰动抑制性能。采用时间序列（ARMA）模型在线辨识系统的不可测扰动,通过基于多次迭代思想的递推辨识算法（multi-iteration pseudo-linear regression,MIPLR）来保证在线辨识的质量和收敛速度。考虑到数据与辨识模型的不确定性,改用min-max形式描述MPC算法的控制作用优化命题,并将在线辨识过程中的误差数据引入min-max命题,使在线辨识与控制作用鲁棒优化求解紧密结合起来,提高算法鲁棒性。进一步将此min-max问题转换为一个等效的非线性min问题,并采用多步线性化方法实现快速求解,解决了传统min-max方法在线计算负荷高的问题。仿真结果表明了该算法的有效性。     

A robustly stabilizing fault-tolerant MPC: A performance improvement-based approach

In terms of model predictive control (MPC) performance degradation caused by operational faults, in this article, a robust MPC strategy with active fault tolerance properties is proposed. The proposed strategy incorporates a fault supervision layer into the structure of conventional cost-contracting formulation-based robust MPC for the online update of the nominal controller model in the event of faults. The robust MPC is based on multiplant uncertainty, while the supervisory layer consists of a bank of unknown input observers and a decision-making algorithm. Simulation results in a nonlinear polymerization reactor subject to process faults demonstrate that the proposed approach offers superior performance compared to the conventional strategy.     

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。     

Fast distributed MPC based on active set method

Modern chemical plants are characterized by their large-scale, strong interactions and the presence of constraints. With its ability to systematically handle these issues, distributed model predictive control (DMPC) is a promising approach for the control of such systems. However, the problem of how to efficiently solve the resulting distributed optimization problem is still an open question. This paper develops a novel fast DMPC approach based on a distributed active set method and offline inversion of the Hessian matrix to efficiently solve a constrained distributed quadratic program. A dual-mode optimization strategy based on the value of unconstrained optimal solution is developed to accelerate the computation of control action. The proposed method allows for the optimization to be terminated before convergence to cope with the fast sampling periods. Furthermore, a warm-start strategy based on the solution of the previous sampling instant is integrated with the approach to further improve convergence speed. The approach is highly parallelized as constraints can be checked in parallel. The approach is demonstrated using an academic example as well as a chemical process network control.