预测控制理论.docVIP

预测控制 1　前言 自从1946年第一台计算机问世以来,计算机软、硬件技术得到飞速发展。这些技术的发展,使计算机在工业控制的应用中得到了普及的同时,也推动了高级过程控制、人工智能控制等复杂工业控制算法、策略的诞生、发展和完善。首先将计算机直接应用于过程控制系统的思想产生于20世纪50年代前后。当时由美国汤姆森·拉默·伍尔里奇航空公司和得克萨柯公司的工程师们对美国得克萨斯州的波特·阿瑟炼油厂的一台聚合装置,将计算机直接应用于工业控制的可行性问题展开了30年工程量的研究。最终这个计算机控制装置于1959-03在线运行,用来控制26个流量、72个温度、3个压力和3个成分,其基本功能是使反应器的压力最小,确定5个反应器供料的最佳分配,根据催化剂活性测量结果来控制热水的流量,以确定最佳循环。在过程计算机控制发展领域,值得一提的是预测控制技术的发展。预测控制诞生于20世纪60年代,经过20多年的发展与应用,从线性时不变预测控制发展出应用于非线性、时变系统的多种新的预测控制技术,成为控制工程界研究的一个热点。 2　模型预测控制(MPC)技术 术语“模型预测控制”描述的是使用显示过程模型来控制对象未来行为的一类计算机算法。就一般意义而言,预测控制算法都包含模型预测、滚动优化和反馈校正三个主要部分。下面分别介绍这三个部分。 2.1　预测模型 预测控制是一种基于模型的控制算法,这一模型称为预测模型。预测模型只注重模型的功能,而不注重模型的形式,预测模型的功能就是根据兑现的历史信息和未来输入预测系统的未来输出,只要具有预测功能的模型,无论其有什么样的表现形式,均可作为预测模型。因此,状态方程、传递函数这类传统的模型都可以作为预测模型,同样,对于线性稳定对象,阶跃响应、脉冲响应这类非参数模型,也可直接作为预测模型使用。例如,在DMC、MAC等预测控制策略中,采用了实际工业中容易获得的阶跃响应、脉冲响应等非参数模型,而GPC等预测控制策略则选择CARIMA模型、状态空间模型等参数模型。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,预测控制摆脱了传统控制基于严格数学模型的要求,从全新的角度建立模型的概念。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为预测控制进行优化提供先验知识,从而决定采用何种控制输入,使未来时刻被控对象的输出变化符合预期的目标。尽管生产过程对象都或多或少地呈现非线性,在预测控制系统中几乎都使用线性化的模型。这种使用线性简单化模型的策略在大多数情况下是值得考虑的:首先,线性化的阶跃响应模型和脉冲响应模型在离线辨识、经验和机理建模中很容易获得;其次,对于大多数缓慢的化工过程,在稳态工作点附近的模型,使用线性化的模型不会给整个控制带来很大的误差;再次,在工作点在线辨识得到的线性模型足以满足控制要求;最后,对于使用线性模型的线性系统,数学上有较为成熟的优化工具对凸规划进行求解。 2.2　滚动优化 预测控制的最主要特征表现在滚动优化。预测控制通过某一性能指标的最优来确定未来的控制作用,这一性能指标涉及到系统未来的行为,例如,通常可取对象输出在未来的采样点上跟踪某一期望轨迹的方差最小等。但也可取更广泛的形式,例如要求控制能量为最小而同时保持输出在某一给定范围内等等。性能指标中涉及到的系统未来的行为,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有很大的差别。这主要表现在预测控制中的优化目标不是一成不变的全局优化目标,而是采用有限时段的滚动优化策略,在每一采样时刻,优化性能指标只涉及到从未来有限的时间,而到下一采样时刻,这一优化时段同时向前推移。因此,预测控制在每一时刻有一个相对于该时刻的优化性能指标,不同时刻优化性能指标的相对形式是相同的,但其绝对形式(即所包含的时间区域)则是不同的。因此,在预测控制中,优化不是一次离线进行,而是反复在线进行的,这就是滚动优化的含义,也是预测控制区别于传统最优控制的根本特点。对于实际的复杂工业过程来说,模型失配、时变、干扰等引起的不确定性是不可避免的,预测控制采用这种有限时段优化具有一定的局限性,滚动优化可能无法得到全局的最优解,但优化的滚动实施却能顾及由于模型失配、时变、干扰等引起的不确定性,及时弥补这些因素造成的影响,并始终把新的优化建立在实际过程的基础上,因此,建立在有限时段上的滚动优化策略更加符合过程控制的特点。 2.3　反馈校正 过程控制算法采用的预测模型通常只能粗略描述对象的动态特性,由于实际系统中存在的非线性、时变、模型失配、干扰等因素,基于不变模型的预测不可能和实际情况完全相符,因此,反馈策略是不可少的。滚动优化只有建立在反馈校