4-先进控制系统

4先进控制系统主要内容：4.1概述4.2预测控制4.3软测量技术4.4推断控制4.5自适应控制4.6解耦控制4.7故障检测诊断和容错控制随着现代控制理论与计算机控制技术等学科的发展，为了满足工业生产过程自动化的迫切要求，特别是对于特性复杂的过程，如具有不确定性（如环境结构和参数的未知性、时变性、随机性、突变性）、非线性、变量间的关联性、信息的不完全性和大纯滞后性等的过程，采用PID控制往往达不到满意的控制效果，需要有新的控制系统结构与控制算法，因此，自20世纪70年代以来，国内外大力致力于先进过程控制系统的研究和开发。简单控制系统和常用复杂控制系统都以经典控制理论为理论基础，是在广泛采用常规仪表的年代发展起来的。4.1概述将现代控制理论移植到过程控制领域，充分发挥计算机的功能，世界各国在加强建模理论、辩识技术、优化控制、最优控制、高级过程控制等方面研究。推出了从实际工业过程特点出发，寻求对模型要求不高、在线计算方便、对过程和环境的不确定性有一定适应能力的控制策略和方法。例如预测控制系统、推断控制、解耦控制、自适应控制系统、鲁棒控制系统、智能控制系统（专家系统、模糊控制……）等先进控制系统。先进控制系统是指对工业过程本身的非线性、时变性、耦合性和不确定性的特点，而采用的预测控制、推理控制、软测量技术、解耦控制、自适应控制、模糊控制、专家控制和人工神经网络控制等系统。概括起来，先进控制系统产生的原因主要有：计算机技术的迅猛发展、现代控制理论的诞生、过程工业向大型化和精细化方向发展。4.2预测控制20世纪70年代以来，人们设想从工业过程的特点出发，寻找一种对模型精度要求不高但同样能实现高质量控制的方法，预测控制就是在这样的背景下产生和发展起来的，并很快在工业生产自动化中获得了成功的应用，取得了很好的控制效果。预测控制是一种基于计算机的优化控制算法，被认为是近年来出现的几种不同名称的新型控制系统的总称。4.2.1概述各种相近的预测控制有：预测控制（PredictiveControl:PC）、动态矩阵控制（DynamicMateixControl:DMC）、模型预测启发控制（ModelPredictiveHeuristicControl:MPHC）、模型算法控制（ModelAlgo-tithmic:MAC）等。预测控制的基本思想：采用工业过程中较易得到的过程脉冲响应或阶跃响应曲线，并用它们的一系列采样值作为描述过程动态特性的预测模型，然后据此确定控制量的时间序列，使未来一段时间的被控量与期望轨迹之间的误差最小，而这种“最小化”是反复在线进行的，这就是预测控制的基本思想。预测控制与传统PID控制的不同：常规PID控制是根据过程当前的输出测量值和设定值的偏差来确定当前的控制输入。预测控制不但利用了当前的和过去的偏差值，而且还通过预测模型来预估过程未来的偏差值，以滚动优化确定当前的最优输入策略。从基本思想上看，预测控制优于常规PID控制。由于预测控制的先进性和有效性，近30年来，在理论上或工业控制界投入了大量的人力和物力进行研究，使它有了很大的发展，成为控制理论及其工业应用的热点。预测控制的特点：预测控制是一类用计算机实现的最优控制算法；预测控制对数学模型要求不高且模型的形式多样化；预测控制的预测和优化模式是对传统最优控制的修正，它使建模简化，并考虑了不确定性及其他复杂因素；建模方便，不需要深入了解过程的内部机理；非最小化描述的离散卷积模型，有利于提高系统的鲁棒性；滚动优化策略，具有较好的动态控制效果；简单实用的模型校正方法，具有良好的跟踪性能和较强的抗扰动能力；可推广应用于带约束、大纯滞后、非最小相位、多输入多输出、非线性等过程。4.2.2基本结构及原理预测控制算法是以模型为基础，既包含了预测的原理，同时具有最优控制的基本特征。预测控制的控制算法尽管其形式不同，但都有一些共同的特点，归结起来有三个基本特征：即模型预测、反馈校正和滚动优化。优化计算参考轨线过程yc(k+i)在线校正ym(k+i)预测模型u(k)yr(k+i)输出y(k)设定值yd预测控制也称基于非参数模型的控制，其基本结构如下图，主要由预测模型、在线校正、滚动优化、参考轨迹等几部分构成。⑴预测模型定义：模型预测控制算法需要一个描述系统动态行为的模型，该模型即称为预测模型。原理：根据对象的历史信息和当前时刻的控制输入，预测过程的未来输出值，并能根据被控变量与设定值的误差确定当前时刻的控制作用。预测模型的表达方式：传递函数、状态方程、脉冲响应模型和阶跃响应模型等。最基本的预测模型：模型算法控制（MAC）：采用系统的单位脉冲响应曲线；而动态矩阵控制（DMC）：采用系统的阶跃响应曲线。预测模型具有展示过程未来动态行为的功能。⑵反馈校正原因：采用预测模型通过优化计算预估未来的控制作用，存在非线性、时变、模型失配和扰动等不确定因素，模型的预测值与实际过程会有差别。因此必须在每个采样时刻，通过输出的测量值与模型的预估值进行比较，得出模型的预测误差，再利用模型预测误差来校正模型的预测值，从而得到更为准确的将来输出的预测值。定义：利用修正后的预测值作为计算最优性能指标的依据，实际上也是对测量到的变量的一种负反馈，故称为反馈校正。优点：使预测控制具有很强的抗扰动和克服系统不确定的能力。预测控制中不仅基于模型，而且利用了反馈信息，因此预测控制是一种闭环优化控制算法。⑶滚动优化预测控制是一种优化控制算法。像所有最优控制一样，它是通过某一性能指标的最优化来确定未来的控制作用。这一性能指标还涉及到过程的未来行为，它是通过预测模型由未来的控制策略决定的。预测控制采用滚动式的有限时域优化策略，其优化过程是通过在线迭代计算反复进行的。过去未来y（t）yr（t）u（t）kk+1k+Pt/Tyc（t）yd⑷参考轨迹预测控制的目的是使系统的输出变量y（t）沿着一条事先规定的最优化曲线yr（t）逐渐到达设定值yd。这条指定的最优化曲线被称为参考轨迹。如下图所示。参考轨迹是设定值经过在线“柔化”后的产物。最广泛采用的参考轨迹为一阶指数变化的形式，它可以使急剧变化的信号转变为比较缓慢变化的信号。它的起始值即为过程实际输出在k时刻的值，它在未来时刻的值可表示为式中，T为采样周期；Tr为参考轨迹的时间常数，i=1，2…，P由上式可知，采用这种形式的参考轨迹，将会减小过量的控制作用，使系统的输出能够平滑地达到设定值。exp（-iT/Tr）越大，则系统的“柔性”越好，但系统的快速性会变差。因此，通常在两者兼顾的的原则下，预先设计和在线调整exp（—iT/Tr）的值。综上所述，参考轨迹实际上是一个滤波器，其作用是提高系统的“柔性”与鲁棒性；反馈校正实际上是应用了控制理论中的反馈原理，即在预测模型的每一步计算中，都将实际系统的信息叠加在原有模型上，使原有模型不断得到在线校正；滚动优化是指在控制的每一步实现的静态参数优化，而在控制的全过程中则表现为动态优化，从而体现了优化控制的工程实用性。总结:4.2.3预测控制算法在预测控制中，各种不同算法采用不同类型的预测模型。最基本的动态矩阵控制（DMC）采用的是系统的阶跃响应曲线，而模型算法控制（MAC）采用的是系统的单位脉冲响应曲线。4.2.3.1动态矩阵控制（DMC）对于一个渐近稳定的被控过程，可以通过实验的方法测定其阶跃响应曲线，以表示，而其真实的响应用表示。thˆth渐近稳定过程的实测单位阶跃响应曲线现将曲线从时刻t=0（初始时刻）到t=tN（曲线趋向稳定的时刻）分成N段。若采用等间隔采样，采样周期为T=tN/N，每个采样时刻为Jt（j=0，1，2，…，N），其对应值为，N称为截断步长（亦称模型时域长度），令为响应曲线的稳态值。定义有限个信息的集合为预测模型。假定预测步长为P，且，预测模型的输出为ym，则可根据离散卷积公式，算出由k时刻起到(k+p)时刻的输出为，有jhˆshˆˆ0,1,2,,jhjNNP)(jkymPijiijkuhjiijkuhiNkuhijkuhiNkuhjkyNjjNjjsNjjsm,,2,1ˆˆ1ˆˆ1ˆ111式中，1ijkuijkuijku为简单起见，可将上式用向量形式表示为1ˆ12211kUAkUAkUhkYsm式中，TmmmmPkykykykY,,2,11,1,,1TUkukNukNukNPTTPkukukukUkuNkuNkukU1,,1,11,,2,121PPPPNPPNNNNhhhhhhAhhhhhhhA111212113211ˆˆˆˆˆ0ˆˆˆ0ˆˆˆˆˆ矩阵A1和A2完全由过程的阶跃响应参数所决定，反映了过程的动态特性，故称动态矩阵。动态矩阵控制由此得名。本式为根据阶跃响应得到的在k时刻的预测模型。可得由k时刻起到(k+p)时刻的模型输出为PijikugikyNjjm,,2,1ˆ14.2.3.2模型算法控制（MAC）对于一个渐近稳定的被控过程，可以通过实验的方法测定其矩形脉冲响应曲线，并以表示，而其真实的响应用表示。tgˆtg矩形脉冲响应曲线由(k-1)时刻起到(k+p-1)时刻的预测模型的输出为PijikugikyNjjm,,2,11ˆ11用上面两式相减可得预测模型输出的增量形式为jikugikyNjjm1ˆ式中，1ikyikyikymmm1jikujikujiku式中，TmmmmPkykykykY,,2,11TTPkukukukUkuNkuNkukU1,,1,11,,2,121PPPPNPPNNNNggggggGgggggggG111212113211ˆˆˆˆˆ0ˆˆˆ0ˆˆˆˆˆ同样，上式也可用向量形式表示为112211kUGkUGkYm本式为根据阶跃响应得到的在k时刻的预测模型。在预测控制中，通常采用反馈修正的方法对上述得到的开环预测模型进行修正，其具体做法是：将第k步的实际过程的输出测量值与预测模型的输出值之差乘上加权系数后再加到模型的预测输出上，即可得到所谓的闭环预测模型，记为，即)1(kYm)1(kYPkykyHkYkYmmP011式中，TPPPPPkykykykY,,2,11TH1,,1,10为加权系数向量；)(ky为k时刻实际过程的输出测量值；)(kym为k时刻预测模型的输出值。由上式可知，每个预测时刻的预测模型都引入当时实际过程的输出和模型预测输出的偏差，因而使预测模型不断得到校正，这样就可有效地模型的不确定性和系统中存在的不确定性所造成的不利影响。所以反馈校正就成为预测的重要特征之一。4.2.4应用预测控制可以根据过程的特点和控制要求，以最为方便的方法根据系统的输入输出信息建立预测模型。也可以把实际系统中的不确定因素体现在优化过程中，形成动态优化控制，并可处理约束和多种形式的优化目标，使预测控制能适合复杂工业过程的控制。4.2.5发展过程1.第一代预测控制技术：IDCOM、DMC主要处理无约束过程的预测控制；2.第二代预测控制技术：QDMC主要处理约束多变量过程的预测控制；3.第三代预测控制技术：RMPCT、PFC