硕士控制工程论文范文篇一
1绪论与综述
1.1研究背景
流程工业过程控制中，90%以上的控制回路仍釆用传统的PID(Proportional-Integral-Derivative)控制策略。FID控制算法通过对过程输出偏差的比例、积分、微分运算，达到平稳跟踪设定值或使输出稳定在设定区间的目的[160]。然而，PID的控制理念是对已经发生的偏差进行校正，其控制效果的好坏往往过于依赖于控制工程师的经验。同时，由于生产过程的规模化、系统化、复杂化，一个大型控制系统通常包含成百上千个控制回路，控制工程师需要同时监控数百甚至上千个控制器的运行状况，因而难以实现对每个控制回路的最优化调节。因此，常规的单回路控制策略已经无法满足现代流程工业过程控制的需求。自二十世纪七十年代以来，以模型预测控制(Model Predictive Control, MPC)技术为代表的先进控制(Advanced Process Control，APC)策略已在石油、化工、造纸、制药等流程工业中得到了广泛应用，为企业的安全生产、环保、高产、低耗等提供了重要保障，经济效益有了显著提高MPC作为一种以预测模型为基础的先进控制技术，采用滚动优化和反馈校正的策略，实现对被控回路的平稳控，。_MPC可以方便的控制多变量系统和处理变量约束问题，通过动态协调约束控制与优化策略，使得控制系统适应实际工业生产过程的动态特性和操作要求，实现生产过程的局部或整体最优化。由于MPC为企业带来的经济效益和为环境保护做出的贡献，越来越多的流程工业企业意识到其价值，MPC在工业界正处于快速发展和应用普及阶段。
根据国家标准GB/T20720.3-2010《企业控制系统集成第3部分：制造运行管理的活动模型》，将流程工业企业系统集成划分为如图1.1所示五个层次。其中，MPC作为对过程的动态控制功能集成，位于体系结抅的第2层。目前流程工业应用中主流的控制方案仍然是传统的P1D控制，MPC作为先进控制与优化策略，其投运时通常釆用MPC—PID串级优化控制结构，在保证控制稳定性和可靠性的情况下兼顾了控制效果的最优性和生产的经济性，因而更容易被流程工业企业和控制工程师所接受。MPC的功能是，对其下层操作制造过程层，通过模型预测机制和动态优化策略为其基础回路动态控制提供最优设定值；对上层制造运行管理及生产调度层，跟踪以厂级经济效益或生产单元控制目标为性能指标的经济性能最优设定值。MPC通过先控平台及数据库与底层基础控制回路交互信息，同时与系统辨识、软测量、性能监控等功能模块协作运行，实现多层结构生产系统优化与控制集成。其信息交互过程如图1.2所示。在流程工业领域，很多国际大型解决方案供应商的先进控制系统已经得到了广泛应用并且发展日趋成熟。表1.1中列出了在国际市场中占有大部分份额的四家公司的商业化先进控制系统集成方案的主要功能模块。
1.2性能评估的研究内容
近年来，APC在大规模流程工业领域得到了广泛应用并呈现迅速发展趋势，成为过程控制界传统PID策略后的一场革命性创新，为企业的安全生产、环保、高产、低耗等提供了重要保障，经济效益有了显著提高。然而，APC的推广和投运仍存在一些函待解决的问题：第一，投运APC需要增加投资和维护成本，其收益相对于成本是否有明显提高，能否在投运前为企业做出较为全面和精准的投资与收益分析，是企业关心的问题之一；第二，大部分APC控制器投运初期有良好的控制效果，但随着时间的推移，原料供应、操作条件、生产环境等诸多因素发生了变化，APC控制器逐渐偏离初始设定状态，性能下降，甚至无法正常运行以致切换回传统手动PID控制，造成投资浪费，无法达到预期最大效益；第三，工业控制过程中，由于不可测扰动、模型失配等不确定性因素，导致了过程输出与期望结果存在偏差。对于一个特定的控制系统，如何去衡量其控制效果的优劣，当前的控制状况是否达到最优，以及存在性能提升潜能的情况下如何指导控制器的调整，是企业和控制工程师关心的一个重要问题；第四，石油、化工、造纸、制药等大型流程工业耗能巨大，也是主要的环境污染源之一。卞能、降耗、减排是近年来国家和企业共同关心的重要问题。针对流程工业的控制系统性能评估与优化对于能源利用和环境保护具有重要意义。
2基于LQG基准的多变量预测控制经济性能评估与优化设计
2.1引言
自二十世纪七十年代以来，随着以模型预测控制为代表的先进控制策略在石油、化工、造纸、制药等流程工业中的广泛应用，企业的安全生产、环保、高产量、低能耗等指标得到了有效保障，经济效益有了显著提高较之传统的控制方法，MPC的优势在于可以方便的处理过程变量约束问题以及协调优化多变量控制系统。然而，MPC的推广和投运仍存在一些至待解决的问题。一方面，新的控制方案的投运需要增加投资和维护成本，能否在投运前给出较为全面和精准的投资与收益分析，是企业关心的问题之一。另一方面，大部分MPC控制器投运初期有良好的控制效果，但随着时间的推移，原料供应、生产目标、操作条件、生产环境等因素发生了变化，控制器逐渐偏离最优设定状态，性能下降，甚至无法正常运行以致切换回传统PID控制，造成投资浪费，无法达到预期最大效益。因此流程工业需要一套系统的、可行的经济性能评估方案。
近年来很多学者对此问题做了深入的研究和实践。控制器的监控与性能评估思想始于二十世纪六十年代Astr6m的工作基于历史数据的评估基准直观方便n26],但由于通常仅考虑过程方差信息，其评估结果难以对工业过程产生较大改观。Qin[i2i]通过对历史数据的评估，提出了基于协方差的用户自定义基准，并且对特征值做了分析。Bauer和Craigl8’iD]通过对先进控制用户和供应商的调查，提出了经济性能评估的框架，并给出经济效益与控制效果的确定性联系，有助于控制系统的投资决策和生产调度。目前最为普遍的评估策略是基于Harris提出的MVC基准[42]，通过将生产过程的实际数据与MVC基准进行对比，可以给出系统性能的可提升余量分析。MVC基准的优点是不需要附加实验，可以直接从闭环操作数据中估计出性能指标。但由于其只涉及到过程输出方差最小，并未考虑到控制动作的限制，通常会得到高于实际可达的评估结果，并且控制鲁棒性欠佳。
3 均匀分布LQG基准经济性能评估......... 58-90
3.1 引言......... 58-60
3.2 LQG性能评估问题的讨论......... 60-63
3.3 均匀分布LQG基准的求解......... 63-72
3.3.1 数值寻优算法.........64-65
3.3.2 递归寻优算法......... 65-67
3.3.3 解析求解算法......... 67-72
3.4 LQG性能基准的应用......... 72-78
3.5 仿真分析 .........78-81
3.5.1 SISO过程......... 78-80
3.5.2 MIMO过程......... 80-81
3.6 工业实例分析......... 81-88
3.7 小结......... 88-90
4 多模型工况下LQG经济性能评估.........90-110
4.1 引言......... 90-92
4.2 基于MVC基准的多模型工况性能......... 92-97
4.3 多模型LQG性能评估问题的提出......... 97-98
4.4 多模型LQG性能基准的求解......... 98-102
4.5 基于LQG基准的多模型性能评估......... 102-104
4.5.1 多模型LQG稳态优化......... 102-103
4.5.2 多模型LQG性能评估.........103-104
4.6 仿真及工业实例分析......... 104-108
4.7 小结......... 108-110
5 多层结构预测控制约束一致性研究......... 110-134
5.1 引言......... 110-111
&n
