基于区间运算的字典序多目标模型预测控制

考虑优化级多目标优化控制问题,提出一种基于区间运算的字典序多目标模型预测控制算法。对约束线性系统,结合字典序列法和滚动优化原理,建立按优先级定义的分层多目标模型预测控制策略。在此基础上,引入区间运算法则,在线求解预测控制量。通过一双容水箱单输入双输出液位控制,仿真验证了该方法的有效性。     

污水处理过程的非线性预测控制研究

针对多模型预测控制方案中K-means聚类算法存在的不足,提出一种改进的K-means算法。将该算法应用于活性污泥1号模型（ASM1）,对雨天厌氧池末端氨氮和硝氮浓度进行控制,取得了比较满意的效果。     

从区间模型预测控制到双层结构模型预测控制

模型预测控制算法（MPC）存在设定点控制与区间控制两种策略,区间预测控制较之设定点控制在技术上具有先进性。目前,主流的预测控制软件技术均采用双层结构,即上层稳态优化计算最优设定点,下层动态控制负责动态跟踪最优设定点。从过程稳态的角度出发,分别对区间预测控制和双层结构预测控制进行了机理分析,从定性与定量两个方面比较了这两者的异同点,提出并证明了两者的一致性条件。论述了双层结构预测控制较之单层结构下的区间控制更具先进性。     

基于多目标的模糊神经网络及在pH控制过程中的应用

设计了一种基于多目标的动态模糊递归神经网络（FRNN）建模方法,用于pH中和过程的广义预测控制。所设计的多目标优化算法以提高拟合精度和简化网络结构为原则,同时优化模糊神经网络中的模糊规则数、隶属度函数中心点及其宽度,由此得到的FRNN模型可以高精度拟合pH中和过程。依据该动态模型,在控制过程的每一个控制周期得到其局部线性模型,将广义预测控制中复杂的非线性优化问题转化为简单的二次线性规划问题。仿真对比结果验证了所提方法的有效性。     

基于多策略自适应差分进化算法的污水处理过程多目标优化控制

针对污水处理过程中的能耗过高和出水水质不达标等问题,提出一种基于多策略自适应差分进化算法的污水处理过程多目标优化控制方法。首先,在常规跟踪控制结构的基础上,增加对第3、4单元溶解氧浓度的跟踪控制,扩大了能耗和出水水质的优化调节范围。然后,设计一种多策略自适应差分进化算法（MSADE）,该算法采用多策略融合变异和排序优选方法,选取合适的变异策略和较优的随机个体引导种群变异,并根据进化过程信息自适应地更新交叉率,以提升算法的收敛性和pareto解的多样性。最后,将MSADE算法与PID控制器相结合,并构建以能耗和出水水质为优化目标的多目标优化问题,实现对溶解氧和硝态氮浓度设定值的动态寻优和跟踪控制。基于国际基准仿真平台BSM1进行验证,结果表明所提的多目标优化控制方法能有效降低污水处理过程的能耗并提升出水水质。     

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。     

非线性污水处理过程的多目标优化

研究了复杂非线性污水处理过程的多目标优化。针对污水处理过程的非线性动力系统,建立了使污水处理过程运行成本和描述实际输出与期望输出偏差的平方可积误差设计指标同时达到最优的多目标优化模型。采用间接优化方法,首先将描述污水处理过程优化的多目标非线性问题转化为多目标线性规划问题,然后利用遗传算法对其进行求解。本文方法不仅获得了多目标优化问题的近似Pareto前沿,而且由于采用的是多目标线性规划方法,所以具有计算成本低的优点。     

多变量系统广义预测目标函数解耦设计

提出一种带设定值观测器的广义预测目标函数解耦控制算法,在目标函数中用控制量的增量代替控制量,使控制增量变化不至于过于剧烈,并对目标函数进行解耦设计,加入设定值观测器进一步减弱耦合,还引进了阶梯式控制策略,大大减少了计算量.最后给出了球磨机模型的仿真结果.     

基于多目标分层的预测控制定态优化技术

多目标分层优化要求是从复杂工业过程的现场实际应用背景出发而提出的.详细阐述了复杂工业过程的多目标分层优化要求的含义,在预测控制两级分层结构的基础上提出了基于二次规划的定态优化有效求解方法.通过Shell控制问题等仿真结果,说明所提出的定态优化技术具有良好的控制性能,能够适应生产过程的需要.     

污水生化处理过程的Model-on-Demand预测控制研究

Model-on -Demand(MOD)是一种很好的针对非线性系统的局部建模方法 ,首先介绍了MOD方法的具体建模过程 ,并研究了其与广义预测控制的结合 ,最后对污水生化处理过程的典型控制回路进行仿真。结果证明基于MOD的预测控制算法对非线性系统建模与控制有着重要作用及研究价值     

Multi-model Predictive Control of Ultra-supercritical Coal-fired Power Unit

The control of ultra-supercritical (USC) power unit is a difficult issue for its characteristic of the nonlinearity, large dead time and coupling of the unit. In this paper, model predictive control (MPC) based on multi-model and double layered optimization is introduced for coordinated control of USC unit. The linear programming (LP) combined with quadratic programming (QP) is used in steady optimization for computation of the ideal value of dynamic optimization. Three inputs (i.e. valve opening, coal flow and feedwater flow) are employed to control three outputs (i.e. load, main steam temperature and main steam pressure). The step response models for the dynamic matrix control (DMC) are constructed using the three inputs and the three outputs. Piecewise models are built at selected operation points. Double-layered multi-model predictive controller is implemented in simulation with satisfactory performance.     

基于广义预测控制的间歇生产迭代优化控制

针对间歇生产,提出了一种基于广义预测控制的批次迭代优化控制策略--BGPC,在间歇过程中引入批次间优化的思想,将迭代学习控制ILC和广义预测控制GPC相结合,在GPC实时结构参数辨识的基础上利用前面批次的模型预测误差修正当前批次的模型预测值.该算法能够有效地克服模型失配、扰动和系统参数变化等情况.文章最后以一个数值例子和间歇反应器为对象进行仿真试验,验证了该算法是有效的.     

基于FGPC的单元机组协调控制系统研究

针对单元机组的大迟延、强耦合、参数时变且不确定性的特点,将T—s模糊模型引入预测控制中,作为预测模型。首先,用改进的模糊c一均值聚类算法和随机牛顿法辨识得到非线性系统的T-s模型;然后基于线性化后的系统模型设计模糊广义预测控制器,并对非线性对象进行在线控制。仿真结果表明：FGPC对于时变的非线性系统具有很好的控制效果。     

纸机模型的预测函数控制

造纸过程是一个多变量、强耦合、大时滞的过程,采用传统的PID控制要达到很好的控制效果是很困难的。采用三种预测控制方法分别对纸机模型进行控制,并分别进行了仿真研究。从仿真结果可以看出,动态矩阵的跟踪效果不如广义预测控制,广义预测控制算法的跟踪性能较好,但是计算量较大,预测函数控制的响应速度较快,计算简单,控制效果也较好。     

基于模型预测控制的反应再生工艺控制实现

介绍了先进控制系统中的模型预测控制技术。具体阐述了模型预测控制中的动态矩阵控制算法（DMC）,包括预测模型,滚动优化,反馈校正。并以炼油厂催化裂化装置的反应再生工艺为例,分析了反应再生工艺控制的多变量、多耦合特性,指出了控制的难点。最后,采用动态矩阵控制算法对反应再生工艺的一再、二再温度进行了优化控制,最终实现了控制目标。     

基于预测控制的全流程节能降耗优化控制方法

研究了基于预测控制模型的面向相互耦合的多个过程单元的以节能降耗为目的的全流程优化控制方法,并针对某炼油厂2×105 t/a气分装置先进控制技改项目,在各个精馏塔实施了多变量模型预测控制的基础上,提出了基于全流程优化控制方法的产品质量和能耗的整体优化方案,并在虚拟生产装置上进行仿真验证,结果表明该方法有效可行.     

基于定量反馈理论的多变量解耦预测控制及其在CSTR化学过程中的应用

1 INTRODUCTION Many multi-input and multi-output (MIMO) sys- tems worldwide are regarded as linear invariants, but there are still some difficulties in controlling these systems. The challenges arise from the need to achieve both robust stability and control performance when the plants to be controlled are highly uncer- tain[1―3]. Quantitative feedback theory (QFT) is a fre- quency domain design technique[4], which is perhaps the only known method that deals with highly uncer- tain pla…