先進控制技術

1、4 先進過程控制技術信息學院二一七年十一月現(xiàn)代過程控制基礎12本章內容：本章內容：l 軟測量技術l 預測控制技術l 模糊控制技術34.1 軟測量技術電極加熱系統(tǒng)鋼包爐體測溫槍過程基本參數(shù)過程基本參數(shù) 鋼水容量: 100 t 溫度區(qū)間: 15201620 電極加熱系統(tǒng)參數(shù): 功率：13500 KW現(xiàn)場溫度測量溫度熱電偶點測不能有效測量不能有效測量 控制效率低、精度差控制效率低、精度差 經(jīng)驗估算誤差大 生產(chǎn)節(jié)奏快經(jīng)驗估算多步控制 準確性準確性 連續(xù)性連續(xù)性及時性及時性4.1.1 軟測量技術的基本概念4估計T軟測量技術（軟測量技術（soft sensor techniquesoft sensor t

2、echnique）結合生產(chǎn)過程知識，應用計算機技術，對于難于測量或暫時不能測量結合生產(chǎn)過程知識，應用計算機技術，對于難于測量或暫時不能測量的重要變量（稱為的重要變量（稱為主導變量主導變量），通過選擇另外一些容易測量的變量（稱為），通過選擇另外一些容易測量的變量（稱為輔助變量輔助變量），并與主導變量構成某種），并與主導變量構成某種數(shù)學關系數(shù)學關系來進行推斷估計，以軟件代來進行推斷估計，以軟件代替硬件（傳感器）替硬件（傳感器）。#1, #2, , #可測變量可測變量可測變量TTFk條件條件1與溫度變化相關的可測量可測量條件條件2可測量與溫度之間的數(shù)學關系數(shù)學關系54.1.2 軟測量技術的核心機理建

3、模法機理建模法從過程內在的物理或化學規(guī)律出發(fā)，通過物料平衡、能量平衡或動量平衡建立對象的輸入輸出關系模型。優(yōu)勢優(yōu)勢：性能可靠，可用于過程特性分析缺點缺點：建模難度高1234steelsteelQQQQTcm精煉過程能流圖64.1.2 軟測量技術的核心黑箱建模法（或稱數(shù)據(jù)驅動建模法）黑箱建模法（或稱數(shù)據(jù)驅動建模法）基于積累的過程運行數(shù)據(jù)，用統(tǒng)計學習、人工智能等方法建立對象的輸入輸出關系模型。優(yōu)勢優(yōu)勢：建模簡單缺點缺點：數(shù)據(jù)需求量大可選用的建模方法：可選用的建模方法：線性回歸法：如PLS等非線性回歸法：多項式回歸等智能學習算法：神經(jīng)網(wǎng)絡等黑箱建模原理圖輸入-輸出數(shù)據(jù)對軟測量模型輸入x（輔助變量）輸

4、出y（主導變量）數(shù)據(jù)驅動建模數(shù)據(jù)驅動建模, 1, iix yiN74.1.2 軟測量技術的核心混合建模法混合建模法數(shù)據(jù)模型參數(shù)估計器參數(shù)估計器變化參數(shù)機理模型輸入輸出結合機理建模法與數(shù)據(jù)建模法的優(yōu)勢，利用數(shù)據(jù)建模方法對機理模型中的未知參數(shù)或未知函數(shù)進行學習。優(yōu)勢優(yōu)勢：綜合性能好缺點缺點：模型結構各異，建模難度高混合模型結構示意圖(a)混合模型結構示意圖(b)84.1.3 軟測量技術的使用軟測量模型軟測量模型輔助變量輔助變量主導變量主導變量輸入輸入-輸出數(shù)據(jù)輸出數(shù)據(jù)建模方法建模方法 機理建模法機理建模法 黑箱建模法黑箱建模法 混合建模方法混合建模方法機理分析、選擇輔助變量數(shù)據(jù)采集和預處理建立軟測

5、量模型控制裝置上實現(xiàn)軟測量94.1.4 軟測量技術總結“軟測量技術軟測量技術”是把常規(guī)檢測手段與被控對象的工藝、設備是把常規(guī)檢測手段與被控對象的工藝、設備有機結合起來，應用計算機信息處理、工藝規(guī)律建模、過程辨有機結合起來，應用計算機信息處理、工藝規(guī)律建模、過程辨識、人工智能學習等技術，對一些難于測量的過程變量進行推識、人工智能學習等技術，對一些難于測量的過程變量進行推斷和估計的斷和估計的間接檢測技術間接檢測技術。通用性好、適用范圍寬精度易受影響，需要長期維護軟測量-間接檢測測量準確、使用可靠難以應用于惡劣、復雜生產(chǎn)環(huán)境傳感器-直接檢測互補優(yōu)化控制104.2 預測控制技術產(chǎn)生背景：產(chǎn)生背景： 復

6、雜工業(yè)過程模型無法精確表達復雜工業(yè)過程模型無法精確表達 計算機技術的飛速發(fā)展和在工業(yè)控制領域的應用。計算機技術的飛速發(fā)展和在工業(yè)控制領域的應用。 工程應用角度，希望模型要求低、控制質量好、在線工程應用角度，希望模型要求低、控制質量好、在線實現(xiàn)方便。實現(xiàn)方便。 預測控制預測控制是對數(shù)學模型依賴性不是很強的控制方法。是對數(shù)學模型依賴性不是很強的控制方法。1978年，年，Richalet J 在在Automatica期刊上首次詳細闡述了預期刊上首次詳細闡述了預測控制算法產(chǎn)生的背景、機理及工業(yè)應用效果。測控制算法產(chǎn)生的背景、機理及工業(yè)應用效果。 114.2.1 預測控制的基本原理 基于模型的預測控制思

7、路基于模型的預測控制思路 輸出的期望值曲線輸出的期望值曲線 設定值設定值 當前時刻當前時刻過去的輸出與控制過去的輸出與控制 當前及未來時刻的控制量當前及未來時刻的控制量預測輸出預測輸出相關變量說明相關變量說明:124.2.1 預測控制的基本原理基于模型預測對不同的控制策略對比基于模型預測對不同的控制策略對比 給系統(tǒng)施加不同的控制作用，根據(jù)不同控制策略下的預測輸出變化,可以對這些控制策略的優(yōu)劣進行對比。對這些控制策略的優(yōu)劣進行對比。 預測模型：預測模型：根據(jù)系統(tǒng)的歷史信息（系統(tǒng)輸出及控制作用）和未來輸根據(jù)系統(tǒng)的歷史信息（系統(tǒng)輸出及控制作用）和未來輸入入 ，預測系統(tǒng)未來的輸出，預測系統(tǒng)未來的輸出

8、。具有展示系統(tǒng)未來動態(tài)行為展示系統(tǒng)未來動態(tài)行為的功能。 134.2.1 預測控制的基本原理預測控制算法的核心：預測控制算法的核心： 預測模型，反饋校正，滾動優(yōu)化預測模型，反饋校正，滾動優(yōu)化預測控制算法預測控制算法就是要按照預測輸出與期望輸出的就是要按照預測輸出與期望輸出的偏差偏差，依，依據(jù)某一性能指標，計算當前及未來據(jù)某一性能指標，計算當前及未來L個時刻的個時刻的控制量控制量，使得性，使得性能指標最小能指標最小 。 )()()(kykykeRM) 1, 2 , 1 , 0)(Lkku144.2.2 模型算法控制1）預測模型）預測模型對于線性對象，其脈沖響應模型可以表示為對于線性對象，其脈沖響應

9、模型可以表示為 1)()(iiikuhky對于漸進穩(wěn)定對象，由于對于漸進穩(wěn)定對象，由于0limjjh因此，對象的矩陣脈沖響應模型就可以近似表示為因此，對象的矩陣脈沖響應模型就可以近似表示為NiiMikuhky1)()(模型在下一時刻到模型在下一時刻到P個時刻的輸出可以表示為個時刻的輸出可以表示為PjijkuhjkyNiiM, 2 , 1, )()(1154.2.2 模型算法控制2）模型校正）模型校正)()()()2() 1()()()()2()() 1()2()()() 1() 1()() 1(212121kykyPNkuhPkuhPkuhPkykykyNkuhkuhkuhkykykyNkuh

10、kuhkuhkyMNcMNcMNc利用當前時刻的模型誤差進行模型校正利用當前時刻的模型誤差進行模型校正(反饋校正法反饋校正法)，得到校正后，得到校正后的預測輸出分別為的預測輸出分別為 )(11McyyuHHuy164.2.2 模型算法控制2）模型校正）模型校正)()()()2() 1()()()()2()() 1()2()()() 1() 1()() 1(212121kykyPNkuhPkuhPkuhPkykykyNkuhkuhkuhkykykyNkuhkuhkuhkyMNcMNcMNc)(11McyyuHHuy1)(,),2(),1(PTccccPkykykyy1)1(1)1(,),2(),

11、1(NTNkukukuu1)(,),(),(PTMMMMkykykyy1)(,),(),(PTkykykyy1)1(,),1(),(PTPkukukuuPPPPPhhhhhhh12112100000H0000213243121321NPPNPNPNNNPNPNhhhhhhhhhhhhhhH其中其中:174.2.2 模型算法控制3）參考軌跡）參考軌跡參考軌跡參考軌跡:控制系統(tǒng)從現(xiàn)時刻實際輸出到設定值的控制系統(tǒng)從現(xiàn)時刻實際輸出到設定值的光滑過渡曲線光滑過渡曲線。 )()1 ()(kyyikyiRiR, 2 , 1i通常取作一階指數(shù)變化的形式，即通常取作一階指數(shù)變化的形式，即 )1)()()(iTR

12、Rekyykyiky若令若令Te采樣周期采樣周期時間常數(shù)時間常數(shù)Ry顯然，顯然， 值越小，則值越小，則值越小，參考軌跡就能越快地到達設定值值越小，參考軌跡就能越快地到達設定值 。將上式表示成將上式表示成矩陣向量形式矩陣向量形式，有，有)(111)()2() 1(22kyyPkykykyPRPRRR簡記為：簡記為：)(12kyyRRyTP,21TP1 ,1 ,1 22184.2.2 模型算法控制4）滾動優(yōu)化）滾動優(yōu)化McyyuHHuy11)(12kyyRRy優(yōu)化準則（思路）優(yōu)化準則（思路）： 以以K時刻為始，選擇未來時刻為始，選擇未來P個控制量，使未來個控制量，使未來P個時刻的預測輸出盡個時刻的

13、預測輸出盡可能接近參考軌跡可能接近參考軌跡系統(tǒng)期望輸出與預測輸出間的誤差可以表示為)()(1121MRcRykyyyuHHuyye優(yōu)化性能指標設計為RuuQeeTTJ（Q、R為對角約束矩陣）為對角約束矩陣）0uJ由，有)()(1121MRTTkyyyuHQHRQHHu194.2.3 預測控制的特點（1）采用滾動優(yōu)化的控制策略預測控制通過預測值，不斷修正控制作用，在每一步都向最優(yōu)的目標前進，優(yōu)化目標不是一成不變，而是隨時調整，能夠適應定制控制、隨動控制等多種情況，具有很強的適應性。（2）采用預測模型利用預測模型，既產(chǎn)生被控變量的預估值，又作為控制器的設計依據(jù)。當模型與被控對象失配時，能夠通過反饋

14、校正及時調整，具有良好的穩(wěn)健性。預測控制具有良好的適應性和魯棒性：預測控制具有良好的適應性和魯棒性：204.2.4 預測控制總結1）預測模型）預測模型預測模型是一個描述系統(tǒng)動態(tài)行為的模型，它能夠根據(jù)系統(tǒng)的控制輸入以及過程的歷史信息，預測過程的未來值。在預測控制中，各種不同算法，采用不同類型的預測模型。 線性模型：1. 模型算法控制（MAC）單位脈沖響應曲線2. 動態(tài)矩陣控制（DMC）單位脈沖響應曲線3. 廣義預測控制（GPC）受控自回歸積分滑動平均模型（CARMA） 非線性模型1. 神經(jīng)網(wǎng)絡模型2. 模糊TS模型214.2.4 預測控制總結2）參數(shù)選擇）參數(shù)選擇（1）根據(jù)香農采樣定理，選擇預測

15、控制系統(tǒng)的采樣周期采樣周期T采樣周期越短，過程預測模型的脈沖響應系數(shù)越多，計算量越大，通常選擇過程脈沖響應的個數(shù)N在2050之間。（2）輸出預估時域長度預估時域長度P應覆蓋過程響應的主要部分，如果對象具有時滯和反向特性，應大于過程響應的時滯區(qū)段和反向區(qū)段。P值越大，控制的穩(wěn)健性越強，但計算工作量和存儲容量增加。通常取過程響應達到穩(wěn)態(tài)值所需過渡時間的一半所對應的采樣次數(shù)。224.2.4 預測控制總結2）參數(shù)選擇）參數(shù)選擇（3）加權矩陣加權矩陣Q和和R。Q是對誤差重視程度的量化，通常取單位陣，對于反向區(qū)段和時滯區(qū)段，該加權值是無能為力的，這些時段可取0，其余時段取1。R是對控制作用限制程度的量化，

16、降低控制作用的波動，通常R取很小的數(shù)值。（4）參考軌跡收斂系數(shù)參考軌跡收斂系數(shù)越大，參考軌跡柔性越好，但輸出相應越慢，反之，則易引起超調或震蕩，應根據(jù)具體對象試湊選擇。234.3 模糊控制技術 模糊控制的基本思想模糊控制的基本思想將人類專家對特定對象的控制經(jīng)驗，運用模糊集理論將人類專家對特定對象的控制經(jīng)驗，運用模糊集理論進行量化，轉化為可數(shù)學實現(xiàn)的控制器，從而實現(xiàn)對被進行量化，轉化為可數(shù)學實現(xiàn)的控制器，從而實現(xiàn)對被控對象的控制?？貙ο蟮目刂啤?控制思想：控制思想：如果水溫偏高，就把熱如果水溫偏高，就把熱水閥關??；水閥關?。蝗绻疁仄?，就把熱如果水溫偏低，就把熱水閥開大。水閥開大。244.3.

17、1 模糊集(Fuzzy Sets)在模糊集理論中，通過在模糊集理論中，通過隸屬度函數(shù)隸屬度函數(shù)的形式，將連續(xù)取值的物理的形式，將連續(xù)取值的物理量轉換為量轉換為離散形式的若干個模糊論域變量（稱為模糊子集）離散形式的若干個模糊論域變量（稱為模糊子集）。例如，將房間溫度例如，將房間溫度T（假設其（假設其基本論域：基本論域：1527）分成）分成 “熱（熱（Hot）”，“適適合合(OK)”，“冷（冷（Cold）”三檔三檔模糊集合表示25其它隸屬度函數(shù)形式：其它隸屬度函數(shù)形式： -6 -4 -2 0 2 4 6 0 0.5 1 NB NM NS ZO PS PM PB x 正態(tài)分布型（高斯基函數(shù)正態(tài)分布型

18、（高斯基函數(shù) ）-6-4-20246NBNMNSZOPSPMPBx10 三角型三角型 -6-4-20246NBNMNSZOPSPMPBx10 梯型梯型 26 完備性完備性 隸屬度函數(shù)的分布必隸屬度函數(shù)的分布必須覆蓋語言變量的整個論須覆蓋語言變量的整個論域，否則，將會出現(xiàn)域，否則，將會出現(xiàn)“空空檔檔”，從而導致失控。，從而導致失控。 不完備的隸屬函數(shù)分布不完備的隸屬函數(shù)分布 4.3.1 模糊集(Fuzzy Sets) 模糊化時的幾個問題：模糊化時的幾個問題：-6-4-20246NBNMNSZOPSPMPBx10空檔 模糊集合個數(shù)模糊集合個數(shù) 總的原則：在滿足完備性的條件下，盡量取較少的集合數(shù)，以

19、總的原則：在滿足完備性的條件下，盡量取較少的集合數(shù)，以簡化模糊邏輯規(guī)則的設計和實現(xiàn)。簡化模糊邏輯規(guī)則的設計和實現(xiàn)。 274.3.2 模糊控制器模糊化模糊化模糊推理模糊推理模糊判決模糊判決模糊規(guī)則模糊規(guī)則被控對象被控對象yspy模糊控制器按模塊可分為四部分：模糊控制器按模塊可分為四部分： 變量處理變量處理輸入變量模糊化輸入變量模糊化輸出變量離散化輸出變量離散化 模糊規(guī)則模糊規(guī)則 模糊推理模糊推理 模糊判決模糊判決28 變量處理變量處理輸入變量模糊化輸入變量模糊化4.3.2 模糊控制器在模糊控制系統(tǒng)中，把模糊控制器的輸入變量（如偏差在模糊控制系統(tǒng)中，把模糊控制器的輸入變量（如偏差 及其變化及其變化

20、率率 ）的實際范圍稱為這些變量的基本論域?；菊撚騼鹊牧繛榫_量，）的實際范圍稱為這些變量的基本論域?；菊撚騼鹊牧繛榫_量，需要對它們進行模糊化處理，轉換為對應某個模糊語言變量的模糊集，這需要對它們進行模糊化處理，轉換為對應某個模糊語言變量的模糊集，這時需要確定模糊語言變量的隸屬函數(shù)，常根據(jù)專家經(jīng)驗或統(tǒng)計分析確定。時需要確定模糊語言變量的隸屬函數(shù)，常根據(jù)專家經(jīng)驗或統(tǒng)計分析確定。eec例如：例如：29 變量處理變量處理輸出變量離散化輸出變量離散化4.3.2 模糊控制器將輸出變量離散化為若干個有限值。將輸出變量離散化為若干個有限值。30 模糊規(guī)則模糊規(guī)則4.3.2 模糊控制器n 規(guī)則庫的描述規(guī)則

21、庫的描述 規(guī)則庫由若干條控制規(guī)則組成，這些規(guī)則根據(jù)人類控制專家的經(jīng)規(guī)則庫由若干條控制規(guī)則組成，這些規(guī)則根據(jù)人類控制專家的經(jīng)驗總結得出，按照驗總結得出，按照 IF is AND is THEN is的形式表達。的形式表達。 R1 : IF E is A1 AND EC is B1 THEN U is C1 R2 : IF E is A2 AND EC is B2 THEN U is C2 Rn : IF E is An AND EC is Bn THEN U is Cn其中，其中，E、EC是輸入是輸入語言變量語言變量“誤差誤差”，“誤差變化率誤差變化率”；U是是輸出輸出語言變量語言變量“控制量控

22、制量”。 Ai 、 Bi 、 Ci是定義在各自基本論域上的是定義在各自基本論域上的模糊變量模糊變量。 31R1 : IF E is A1 AND EC is B1 THEN U is C1 R2 : IF E is A2 AND EC is B2 THEN U is C2 Rn : IF E is An AND EC is Bn THEN U is Cn UECNBNMNSZPSPMPBENBNBNBNBNBNMZZNMNBNBNBNBNMZZNSNMNMNMNMZPSPSZNMNMNSZPSPMPMPSNSNSZPMPMPMPMPMZZPMPBPBPBPBPBZZPMPBPBPBPB規(guī)則庫也

23、可以用矩陣表的形式進行描述規(guī)則庫也可以用矩陣表的形式進行描述 模糊規(guī)則模糊規(guī)則4.3.2 模糊控制器32 模糊規(guī)則模糊規(guī)則4.3.2 模糊控制器例如：例如：R1 : IF e is negetive AND e is positive, THEN p1 is zero R2 : IF e is zero AND e is positive, THEN p2 is medium increase R9 : IF e is positive AND e is negetive, THEN p9 is zeropi表示第表示第i條規(guī)則的輸出條規(guī)則的輸出33模糊控制規(guī)則的生成方法歸納起來主要有以下幾種

24、：l 根據(jù)專家經(jīng)驗或過程控制知識生成控制規(guī)則根據(jù)專家經(jīng)驗或過程控制知識生成控制規(guī)則。這種方法通過對控制專家的經(jīng)驗進行總結描述來生成特定領域的控制規(guī)則原型，經(jīng)過反復的實驗和修正形成最終的規(guī)則庫。l 根據(jù)過程的模糊模型生成控制規(guī)則根據(jù)過程的模糊模型生成控制規(guī)則。這種方法通過用模糊語言描述被控過程的輸入輸出關系來得到過程的模糊模型，進而根據(jù)這種關系來得到控制器的控制規(guī)則。l 根據(jù)學習算法獲取控制規(guī)則根據(jù)學習算法獲取控制規(guī)則。應用自適應學習算法（神經(jīng)網(wǎng)絡、遺傳算法等）對控制過程的樣本數(shù)據(jù)進行分析和聚類，生成和在線優(yōu)化較完善的控制規(guī)則。 模糊規(guī)則模糊規(guī)則4.3.2 模糊控制器344.3.2 模糊控制器 模糊推理模糊推理 將模糊控制器的輸入量轉化為模糊量供模糊邏輯決策系統(tǒng)用，每一條模將模糊控制器的輸入量轉化為模糊量供模糊邏輯決策系統(tǒng)用，每一條模糊規(guī)則可以求出一個模糊關系糊規(guī)則可以求出一個模糊關系R。決策時根據(jù)控制規(guī)則決定的模糊關系。決策時根據(jù)控制規(guī)則決定的模糊關系R，應用模糊邏輯推理算法得出控制器的模糊輸出控制量，最后精確化輸出。應用模糊邏輯推理算法得出控制器的模糊輸出控制量，最后精確化輸出。 對于對于n條模糊控制規(guī)則可以得到輸入輸出關系矩陣條模糊控制規(guī)則可以得到輸入輸出關系矩陣R1，R2，.，Rn，從而有模糊規(guī)則的合成算法可得到總的模糊關系矩陣為：從而有模糊規(guī)則的合成算法可