多变量模型预测控制算法及应用(开题报告)填料塔

1多变量模型预测控制算法及应用（开题报告）一．实验装置原理介绍及机理建模1.1实验装置的基本原理本装置的主体是一个填料塔，分为三段，共有三层塔板，用于冷水和水蒸汽在塔内进行热交换。热交换主要在塔的填料层内进行。水经过泵，调节阀和转子流量计后，进入填料塔顶，由喷淋装置淋下，经热交换后的水由塔底排入水槽。水蒸汽由电热蒸汽发生器对水加热而提供，经过转子流量计和调节阀后入填料塔，由塔底向上排出。蒸汽冷凝释放热量，使冷水升温。从而水和汽实现了热交换。本套控制系统的目标是控制填料塔某一层塔板的温度为定值，或按某一规律变化。系统的主要控制手段有：调节水流量和蒸汽流量，从而控制水汽热交换，达到控制目标。实验装置工艺流程图如下图所示。各部分功能为：填料塔用于水汽热交换；电热器用于产生蒸汽；调节阀用于调节水，汽的流量及加入干扰；转子流量计用于测量水，汽的流量。电磁阀用于控制水的通断。1.2实验的控制原理对填料塔塔板上温度调节的影响因素有:1.进水流量:水流量增大,换热时间减短,塔板温度降低;水流量减小,换热时间长,塔板温度升高.2.蒸汽流量:蒸汽流量大,传热量大,温度上升快;蒸汽流量小,传热量小,温度下降.蒸汽流量受蒸汽进气阀前后压力影响.若电热器压力稳定,则流量仅与阀门开启度有关,可选取线性调节阀,使两者成比例关系.若调节阀前后压力有波动,则必须采取稳压措施.3.进水温度:入水温度高,塔板温度高;入水温度低,塔板温度低.4.蒸汽温度:蒸汽由电加热器对水进行加热产生.定压下饱和蒸汽温度恒定,对操作不构成干扰.5.环境温度:影响较小,干扰可不计.由上可见,水流量,蒸汽流量和进水温度的变动是主要影响,故选取前两个因素作为控制变量,进水温度作为干扰量.控制手段:21.控制进水流量塔板温度通过测温热电阻元件检测,当温度变化时,输出信号经温度变送器,使温度信号转变为电信号操纵进水管道上的电动调节阀开大或关小阀门,用控制冷水流量来达到控制塔板温度的目标.2.控制蒸汽流量塔板温度通过测温热电阻元件检测,当温度变化时,输出信号经温度变送器,使温度信号转变为电信号操纵蒸汽管道上的电动调节阀开大或关小阀门,用控制蒸汽流量来达到控制塔板温度的目标.3.控制进水温度可采用出水部分循环的方法.出水处温度升高的热水在泵前与总管流入的冷水混合,然后输送到塔顶入口处,喷入填料塔中.电磁阀安装在热水管道上.阀门关闭,填料塔塔顶入水温度降低;反之升高.这样,就可用控制热水流量的方法来控制进水温度,给控制系统加入扰动.带控制点的工艺流程图如下图所示.本系统可采用分程控制.因为控制系统的目标是控制填料塔某一层塔板的温度为定值或按某一规律变化,即选取三层塔板温度T1,T2或T3中的任一个作为被控变量.而如前面所分析的,系统的控制变量为进水流量Vi和蒸汽流量V汽.所以这是一个两输入单输出过程的控制系统,即用一个控制器来操纵两个阀门,因此可采用分程控制的控制方案,按输出信号的不同区间去操纵不同阀门.根据工艺要求,当塔板温度偏高时,应当先关小蒸汽再开大冷水,令温度控制器为反作用,温度升高时其输出信号下降.故要求在信号下降时先关小蒸汽再开大冷水,即蒸汽阀的分程区间在高信号区,冷水阀的分程区间在低信号区.系统的工作过程如下:当系统投入运行时,起始温度低于设定值,反作用的温度控制器输出信号将增大,使蒸汽阀开度变大,蒸汽流量增大,使塔板温度升高;当塔板温度升高到超过设定值后,控制器输出信号下降,渐渐关闭蒸汽阀,接着使冷水阀开度增大,水流量增大,使塔板温度下降,从而能把其温度控制在设定值上.1.3控制系统的机理建模控制变量:进水流量Vi,蒸汽流量V汽;被控变量:某一层塔板上的温度T1,T2或T3;干扰:进水温度Ti系统热量衡算((忽略出口气体的质量,热损失不计):第一层塔板3带控制点的填料塔热交换流量控制系统工艺流程图4,11TCHppC为水的比热()/(KkgkJ有111mmHmHmHisii由于填料塔均分为三段,故1m可近似为1/3汽m,汽m为进入填料塔的蒸汽流量得1T)3/1(3/1汽汽水汽汽水VVCVHVTCipsip1T为第一层塔板温度;水为水的密度)/(3mkg;iV为进水体积流量)/(3sm;iT为进水温度);(C汽为蒸汽密度)/(3mkg;汽V为进入填料塔的蒸汽体积流量)/(3sm.第二层塔板sisiHmHmmHmHmm122211)()((3)2m为进入第二层塔板的蒸汽流量)/(skg;22TCHp(1)+(3)222mmHmHmHisii,2m近似为2/3汽m得)3/2(3/22汽汽水汽汽汽VVCVHTVCTipsiip(4)2T为第二层塔板温度第三层塔板sisiHmHmmHmHmm2322)()(汽汽(5)533TCHp(1)+(3)+(5)汽汽mmHmHmHisii3)(3汽汽水汽汽水VVCVHTVCTipsiip(6)3T为第三层塔板温度以上(2),(4),(6)三式为基础稳态方程.系统的动态特性:热平衡方程11111)()(HmmHmHmdtdTCmmisiipi(7)即11)3/1(3/1)3/1(TCVVVHTVCdtdTCVVpisiippi汽汽水汽汽水汽汽水汽汽水汽汽水汽汽水VVVHTVCTCVVdtdTCisiippip3/13/1)3/1(11线性化,得汽汽VVfVVfTTfdtdTii010110111111Tf20001)3/1()(3/1汽汽水汽汽水VVCVHTCVfipsipi20001)3/1()(3/1汽汽水汽水汽VVCVTCHVfipiips式中各参数符号下0使指稳态工作点上的值去掉号,有6汽汽VVfVVfTdtdTii010111(8)22222)()(HmmHmHmdtdTCmmisiipi(9)即22)3/2(3/2)3/2(TCVVVHTVCdtdTCVVpisiippi汽汽水汽汽水汽汽水汽汽水汽汽水汽汽水VVVHTVCTCVVdtdTCisiippip3/23/2)3/2(22线性化,得汽汽VVfVVfTTfdtdTii020220222122Tf20002)3/2()(3/2汽汽水汽汽水VVCVHTCVfipsipi20002)3/2()(3/2汽汽水汽水汽VVCVTCHVfipiips式中各参数符号下0使指稳态工作点上的值去掉号,有汽汽VVfVVfTdtdTii020222(10)33)()(HmmHmHmdtdTCmmisiipi汽汽汽(11)即33)()(TCVVVHTVCdtdTCVVpisiippi汽汽水汽汽水汽汽水汽汽水汽汽水汽汽水VVVHTVCTCVVdtdTCisiippip33)(线性化,得7汽汽VVfVVfTTfdtdTii030330333133Tf20003)()(汽汽水汽汽水VVCVHTCVfipsipi20003)()(汽汽水汽水汽VVCVTCHVfipiips式中各参数符号下0使指稳态工作点上的值去掉号,有汽汽VVfVVfTdtdTii030333(12)由式(8),(10),(12),将微分方程化为传递函数模型式中各参数为00,,,,,,isipVVHTC汽汽水设进水温度,15CTi操作压力atmP1下蒸汽温度CT88.104汽KKgKJCmKgmKgKgKJHps/10.7/70748.0/1000/9.268433汽水因为系统试验装置还未投入运行,无法得到实验数据,模型参数如00,iVV汽只能近似得出.由系统实际进水量要求,进水量0iV设为smhm/105556.5/2.0353电加热器功率为10,Kw经济算得smV/106415.2330汽(以上有关数据,由参考文献1得来)将各参数带入式(8),(10),(12),得汽VVTdtdTi6.3574.1700211汽VVTdtdTi2.7159.34004228汽VVTdtdTi8.10723.5100733化为传递函数形式14.17002)()(1ssVsTi16.357)()(1ssVsT汽19.34004)()(2ssVsTi12.715)()(2ssVsT汽13.51007)()(3ssVsTi18.1072)()(3ssVsT汽以上各式即为机理建摸所得到的本控制系统模型,参数为近似得到.二.模型预测控制以状态空间法为基础的现代控制理论从60年代初期发展以来,已取得了很大的进展,特别在航天航空、制导等领域中获得了辉煌的成就。利用状态空间法分析和设计系统,提高了人们对被控对象的洞察能力,提供了设计控制系统的手段,对控制理论和控制工程的发展起到了积极的推动作用.但随着科学技术和生产的迅速发展,对复杂和不确定性系统实行自动控制的要求不断提高,使得现代控制系统理论的局限性日益明显.这主要表现在以下两个方面:(1)现代控制理论的基础是被控对象精确的数学模型,而在工业环境下,其精确的数学模型很难建立,即使一些被控对象能够建立起数学模型,但其结构往往十分复杂,难以设计和实现有效的控制.(2)系统在实际运行时由于各种原因其参数要发生一些变化,而且生产环境的改变和外来扰动的影响给系统带来了很大的不确定性,这使得按理想模型得到的最优控制失去最忧性并使控制品质严重下降.在实际应用中,人们更关心的是控制系统在不确定影响下仍能保持良好的控制性能,而不是只追求理想的最优性.为了克服理论和应用之间的不协调,70年代以来,人们开始打破传统控制思想的束缚,试图面向工业过程的特点,寻找各种对模型要求低,在线计算方便,控制综合效果好的控制方法和算法.与此同时,计算机技术的飞速发展,使得高速,大容量,低成本的计算机应用越来越广泛,这也为新算法提供了可实现的重要基础.预测控制就是在这种情况下发展起来的一种新型计算机控制算法.2.1模型预测控制的基本原理预测控制算法形式多种多样,常见的有动态矩阵控制、模型算法控制、模型预测启发控制、广义预测控制等。虽然这些控制算法的名称不同、表达形式和控制方案不同,但它们的基本思想非常类似,其基本原理可归结为：预测模型、滚动优化和反馈校正。1.预测模型模型预测控制是一种基于描述系统动态特性模型的控制算法,这一模型就称为预测模型。它的功能是根据被控对象的历史信息和未来的输入，预测系统的未来输出。预测模型9只强调模型的功能而并不强调其结构形式。因此,它可以是被控过程的脉冲响应、阶跃响应等非参数模型,也可以是微分方程、差分方程等参数模型.此外,非线性系统,分布参数系统的模型,只要具备上述功能,也可在对这类系统进行预测控制时作为预测模型使用.因此,预测控制打破了传统控制中队模型结构的严格要求,更着眼于在信息的基础上根据功能要求按最方便的途径建立模型.预测模型具有展示系统未来动态行为的功能.这样,就可以利用预测模型来预测未来时刻被控对象的输出变化及被控变量与其给定值的偏差,作为控制作用的依据,使之适应动态系统所具有的存储性和因果性的特点,得到比常规控制更好的控制效果.2.滚动优化预测控制的最主要特征是在线优化.预测控制这种优化控制算法是通过某一性能指标的最优来确定未来的控制作用的.这一性能指标涉及到系统未来的行为,是根据预测模型由未来的控制策略决定的.但是,预测控制中的优化与通常的离散最优控制算法由很大的差别.这主要表现在预测控制中的优化不是采用一个不变的全局优化目标,而是采用滚动式的有限时段的优化策略.在每一采样时刻,优化性能指标值涉及到从