专利汇可以提供自适应模型预测控制装置专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种自适应模型预测控制(MPC)装置。该装置包括控制被控过程的MPC控 制模 块 ,还包括在线辨识模块、控制监测模块,MPC 控制模块 分别与被控过程、在线辨识模块、控制监测模块相连,在线辨识模块还分别与控制监测模块、被控过程相连,控制监测模块也与被控过程相连。在MPC控制模块投运时,在线辨识模块和MPC控制模块共同工作,自动高效地完成MPC控制模块投运的各个步骤。当MPC控制模块在线工作时,控制监测模块连续监测MPC的性能和模型的品质。如果控制性能欠佳并且模型品质较差,那么控制监测模块将启动在线辨识模块,开始对MPC控制模块自动进行维护。,下面是自适应模型预测控制装置专利的具体信息内容。
1.一种自适应模型预测控制装置,包括控制被控过程(10)的MPC控制模块(30),其特征在于还包括在线辨识模块(40)、控制监测模块(50),MPC控制模块(30)分别与被控过程(10)、在线辩识模块、控制监测模块相连,在线辩识模块还分别与控制监测模块、被控过程相连,控制监测模块也与被控过程相连, 所述的MPC控制模块(30)用于接收控制变量MV、被控变量CV、在线辩识模块输出的的动态模型,也可接收干扰变量DV,MPC控制模块自动地进行MPC仿真、自动地进行控制参数整定、自动地进行控制变量MV和被控变量CV的投运,并将控制变量MV分别输送到被控过程、在线辩识模块、控制监测模块; 所述的在线辩识模块(40)能自动执行辨识实验和自动模型辨识,用于在线采集从MPC控制模块输出的控制变量MV、被控变量CV,也可采集干扰变量DV,控制监测模块(50)启动在线辩识的请求,并根据实验信号的变化模式和振幅发出测试信号来激励MPC控制模块输出的控制变量MV,以输入到被控过程中,在线辩识模块(40)辩识得到的模型送入MPC控制模块,最终的模型和相关信息被载入控制监测模块,用于MPC性能监测; 所述的控制监测模块(50)采集MPC控制模块输出的控制变量MV、被控变量CV、在线辩识模块辩识得到最终的模型和相关信息,也可采集干扰变量DV,控制监测模块根据监测计算结果或者启动在线辨识模块开始辨识实验和模型辨识即对MPC控制模块进行自动维护,或者向用户报警,请求对MPC控制模块进行维护。
2. 根据权利要求1所述自适应模型预测控制装置,其特征在于在 线辨识模块(40)包括实验子模块(60)和模型辨识子模块(70),所述的实 验子模块生成实验信号,自动执行辩识实验,收集MV、 DV和CV的 数据,所述的模型辨识子模块(70)基于当前收集的数据自动进行模型辨 识和模型检验及相关计算,并调整正在进行的辨识实验。
3. 根据权利要求2所述自适应模型预测控制装置,其特征在于辨 识实验是多变量的,即实验信号可同时激励全部MV做实验,如果没 有CV受闭环自动控制,则进行开环的辨识实验;如果某些CV受控于 MPC,则进行闭环的辨识实验。
4. 根据权利要求3所述自适应模型预测控制装置,其特征在于实 验子模块(60)通过激励MV的设定值来进行辨识实验,MV、 DV和CV 的数据存储在数据库或计算机文件中,实验前,给出被控过程的稳态 时间的估计值,实验子模块据此自动生成实验信号。
5. 根据权利要求4所述自适应模型预测控制装置,其特征在于实 验子模块启动时,将设计的实验信号以MPC控制模块的采样周期,输 出到MV的设定值上。
6. 根据权利要求4所述自适应模型预测控制装置,其特征在于模 型辨识子模块(70)使用当前的MV、 DV和CV的数据进行模型辨识、 模型检验和相关计算。
7. 根据权利要求2所述自适应模型预测控制装置,其特征在于模型辩识 子模块(70)使用的辨识算法采用渐进辨识方法,其主要步骤如下:(1) .参数估计A) 估计高阶方程误差ARX模型B) 进行带频率权重的模型降阶(2) .确定模型阶数降阶模型的最佳阶次由频域的渐进准则,使对控制重要的频域段上模型 误差最小;(3).延迟估计在模型辨识中,延迟可通过固定模型的阶次和尝试各种延迟可能来进行 估计,既仿真误差损失函数达到最小值时的延迟;(4)计算误差上界矩阵根据系统辨识的渐进理论,可以导出模型的频率响应的误差上界矩阵, 模型的品质可通过误差上界进行量化,根据误差上界和频率响应在低、中频的相对值,按等级对模型分类:如果误差上界^30%模型频率响应,模型等级为A即优;如果30%模型频率响应<误差上界560%模型频率响应,模型等级 为B即良;如果60%模型频率响应<误差上界^90%模型频率响应,模型等级 为C即中;如果误差上界>90%模型频率响应,模型等级为D即差,该等级 系统可以根据不同类别的实际应用加以实验调整;(5).依据等级系统,进行模型检验。
8. 根据权利要求7所述自适应模型预测控制装置,其特征在于步骤(5)模型检 验可按如下步骤进行:- 如果大多数的期望模型是A等级和B等级,其余的期望模型是C等级,那么 这些模型对MPC来说是可用的,辨识实验可以停止;- 如果上述条件没有满足,继续实验并在必要时调整正在进行的实验。
9. 根据权利要求7所述自适应模型预测控制装置,其特征在于步骤(4)中所述 的实验调整包括改变MV的振幅和GBN信号的平均切换时间,所做调整是根据未 来的估计误差上界获得的,模型的未来误差上界是根据未来误差上界获得的,模型 等级叫做未来等级,实验调整按如下步骤进行:- 对某个MV而言,如果相关的期望模型的未来等级大多数是A和B,那么该MV 的振幅是合适的,不需调整;- 对某个MV而言,如果相关的期望模型的未来等级大多数是C和D,那么增大 该MV的振幅,使期望模型的未来等级成为A或B;- 对某个MV而言,如果相关的期望模型的未来等级大多数是C和D,并且该MV 的振幅已经达到界限,那么增大该MV的平均切换时间,可增大两倍;- 对某个MV而言,如果相关的期望模型的未来等级大多数是A,那么减小该MV 的振幅,可减小30%-50%; 实验调整的计算由模型辨识子模块(70)完成,其结果输出到实验子模块(60)执
10.根据权利要求7所述自适应模型预测控制装置,其特征在于还包括步骤: (6).模型辨识子模块(70)在模型辨识中使用期望矩阵基于预实验和操作经验,构造"期望矩阵",期望矩阵的行和列分别与 CV和MV (DV)相对应,矩阵的元素有四个值,分别是:+ :相应的MV (DV)和CV之间有模型且是正增益一:相应的MV (DV)和CV之间有模型且是负增益0:相应的MV (DV)和CV之间没有模型?:相应的MV (DV)和CV之间有无模型不确定;期望矩阵提供MV和CV之间模型的信息,如果期望矩阵表示某些MV 和CV之间存在模型,则辨识该模型;如果期望矩阵表示某些MV和CV之 间不存在模型,则排除该模型;与辨识出MV和CV之间的全部模型相比较, 使用期望矩阵会大规模减少辨识参数的数目,在模型辨识中,可选择是否使 用期望矩阵,如果期望矩阵不存在或不可靠,则辨识全部模型,从中可获得 期望矩阵。
11. 根据权利要求l所述自适应模型预测控制装置,其特征在于MPC控 制模块接收干扰变量DV, DV参与对CV的预测,实现前馈控制。
12. 根据权利要求1所述自适应模型预测控制装置,其特征在于MPC控 制模块(30)包括两类功能模块:1)实时功能模块;2)非实时功能模块,实时 功能模块是在每个采样周期工作;非实时功能模块是当某些条件满足时才工 作。
13. 根据权利要求12所述自适应模型预测控制装置,其特征在于实时 功能模块包括模型预测子模块(31),稳态优化子模块(32)和动态控制子模块 (33),模型预测子模块(31)分别与稳态优化子模块(32)和动态控制子模块(33) 相连,动态控制子模块(33)与被控过程(10)相连,模型预测子模块(31)与在线 辨识模块(40)相连;所述的模型预测子模块(31)在每个采样周期,使用在线辨识模块(40)生成 的被控对象的数学模型以及控制变量MV、干扰变量DV和被控变量CV的最 新测量值,对被控过程(10)的未来行为进行预测;MV和CV的预测值供稳态 优化子模块(32)和动态控制子模块(33)使用;所述稳态优化子模块(32)是用于解决多变量控制系统中可能出现的自由 度不足和自由度多余的问题,在每个采样周期,稳态优化子模块根据输入数 据进行计算,在自由度不足时对被控变量CV按其优先级进行取舍,放弃级 别低的CV,并按其权重进行协调,同一级别的CV的控制误差按权重大小分 配;在自由度多余时进行经济优化,即将某些MV和CV变量控制到经济上 最优的位置;稳态优化子模块(32)需要的输入数据包括:模型预测子模块G1) 输出的预测值,被控变量CV的优先级,MV和CV的上下限,MV和CV的 线性权重和二次权重;稳态优化子模块的输出数据是可行的满足基本控制和 经济优化的稳态工作点;所述动态控制子模块(33)在每个采样周期,按照对被控过程的控制要求, 计算出动态控制所需的控制变量MV未来多个采样点的控制动作。
14. 根据权利要求13所述自适应模型预测控制装置,其特征在于动态控 制子模块(33)可实现两个功能:1)在稳态优化的稳态工作点不变的情况下, 克服干扰对系统的影响,保证系统工作在最佳工作点;2)在稳态优化的稳态 工作点发生变化的情况下,将系统从当前工作点稳而快地切换到新的稳态工 作点。
15. 根据权利要求13所述自适应模型预测控制装置,其特征在于动态控 制子模块(33)计算动态控制数值可采用二次规划,动态控制子模块需要的输入 数据包括:模型预测子模块(31)输出的预测值,MV和CV的上、下限,MV 增量的上限,MV增量权重,CV的闭环响应时间和CV的误差权重。
16. 根据权利要求13所述自适应模型预测控制装置,其特征在于MPC 控制模块(30)釆用滚动优化,即只将动态控制子模块(33)给出的未来控制动作 的第一个采样点的值输出到被控过程(10)的执行机构(DCS)中,在下一个采 样周期,模型预测子模块(31),稳态优化子模块(32)和动态控制子模块(33)将 重复以上计算。
17. 根据权利要求12所述自适应模型预测控制装置,其特征在于非实时 功能模块包括自动模型选用功能,自动控制参数整定功能、自动MV和CV 控制投运功能,各功能通过执行以下工作步骤来实现:(1) .自动模型选用功能:对在线辨识模块(40)提供的被控过程的数 学模型进行选用,选用的规则是,如果一个模型即描述某个MV和某个CV 关系的数学模型的等级是A, B或C,且该模型增益的正负号与期望矩阵相 应的正负号一致,则选用该模型,否则不选用,每当在线辨识模块(40)产 生新模型的时候,自动模型选用功能就执行一次;(2) .自动控制参数整定功能:该功能模块首先给出MPC控制模块的默 认动态控制参数,包括MV和CV的动态控制权重,以及CV的动态控制闭 环响应时间,默认动态控制参数可以用多种方法;MPC控制模块基于模型和默认动态控制参数进行阶跃响应的仿真,检查 CV的设定值跟踪性能,MPC控制模块会在动态控制仿真中调整MV和CV 的动态权重和CV的闭环响应时间,如果仿真结果显示性能优良,动态控制 参数将不变,如果仿真的阶跃响应过快,则增加相应MV的权重,并且/或者 增加CV的闭环响应时间;如果仿真的阶跃响应过慢,则反之调整;也可以 手动进行仿真和整定;(3) .自动MV和CV控制投运功能:如果仿真结果显示性能优良,控 制模块会将相应的MV和CV投入自动控制中;也可以手动进行MV和CV 自动控制的投运。
18. 根据权利要求13所述自适应模型预测控制装置,其特征在于默认动 态控制参数的方法采用-MV增量权重=1 / (该MV上界—该MV下界)MV误差权重-1 /(该MV上界一该MV下界)CV误差权重=1 / (该CV上界一该CV下界)CV闭环响应时间^该CV所有模型闭环响应时间的平均值。
19. 根据权利要求1所述自适应模型预测控制装置,其特征在于控制监 测模块(50)监测MPC控制模块(30)的控制性能和模型的品质,对MPC 控制模块(30)的性能监测通过以下四个主要指标进行判断,并进行相应的 控制操作步骤:1) MV和CV的自动/手动控制:当MPC控制模块(30)性能不佳 时,某些MV和CV就可能被操作工或MPC控制器切换到手动控制;2) MV和CV的震荡:当MPC控制模块30性能不佳时,就经常存在 MV和CV的震荡,信号频谱分析可诊断震荡的存在;3) CV的标准方差:在MPC控制模块(30)投运或维护开始后,控制 监测模块(50)立刻计算所有CV在所谓的计算周期这一段时间内的标准方 差,其结果做为衡量CV变化的基准,根据不同的应用,计算周期可以过程 稳态时间的10倍,CV的标准方差std(CVi)将重复计算并与基准std(CVi) bm 比较,如果std(CVi)/std(CVi) bm远远大于1,那么该比率表明CVi的控制性 能不佳,需要一个临界值表示该比率远远大于1,根据不同的应用,临界值 可以是2、 3或5;4) 模型的品质:在MPC控制模块投运或维护开始后,控制监测模块立 刻计算所有CV的仿真误差在计算周期内的标准方差,其结果做为衡量模型 品质的基准std(ERRORi) bm,然后,重复计算CV的仿真误差的标准方差 std(ERRORi),并与基准比较,如果std(ERRORi)/std(ERROR) BM远远大于1 , 那么该比率表明CVi对应的模型品质不佳,需要一个临界值表示模型的品质 非常差,根据不同的应用,临界值可以是2、 3或5; 控制监测模块(50)对这4个指标进行计算,控制监测模块的计算一般 不是实时的,每间隔几倍的稳态响应时间计算一次便可,如果多次计算结果 显示MPC控制模块30的品质差,且模型质量也差,控制监测模块(50)或 者启动在线辨识模块40开始辨识实验和模型辨识,即对MPC控制模块(30) 进行自动维护;或者向用户报警,请求对MPC控制模块进行维护。
20.根据权利要求1所述自适应模型预测控制装置,其特征在于通过执行如下 步骤自动完成MPC控制模块(30)的投运:(1)给定被控过程MPC控制模块的控制参数:A. 确定MV、 DV、 CV以及MV、 CV的界限和经济优化参数;B. MPC用户根据过程操作经验估计出过程的主要稳态时间,确定辨识实验中 所有MV的实验信号的合适振幅;C. 基于操作经验,构造一个期望矩阵:期望矩阵的行和列分别与CV和MV(DV)相对应,矩阵的元素有四个值,分别是:+:相应的模型是正增益; 一:相应的模型是负增益;0:相应的MV, CV之间没有模型;?:相应的 MV, CV之间有无模型不确定;(2) .将上述信息输入相应模块中;(3) .启动辨识实验:可通过鼠标或一次按键启动辨识实验,在实验中,在线辨识模块(40)和MPC控制模块(30)执行如下步骤:(3-l).在线辨识模块根据实验信号的变化模式和振幅,由实验子模块(60)发 出测试信号来激励所有的MV,进行辨识实验;辨识实验和MPC控制模块的采样 时间通常是相同的;MV、 DV和CV的数据输入在线辨识模块(40);(3-2).在线辨识模块监测实验,必要时调整实验以保证工业过程的稳定运行, 步骤为:a.如果所有CV都保持在正常的工作范围内,继续实验不做调整;b.如果 某个开环CV缓慢漂移,则根据期望矩阵调整相关MV的均值;c.如果开环或闭环CV反复在上下界震荡,则减小相关MV的振幅; (3-3).自动在线模型辨识:当实验进行到计划时间的1 / 6至1 / 2如四分之一 时,在线辨识子模块70启动,由辩识子模块70使用现有数据进行模型辨识,模型 辨识可定时重复,也可每当获得规定的采样点数据时时做一次;(3-4).自动模型检验,并且必要时调整实验以提高模型品质或降低对生产干扰, 步骤如下:a.每次启动时,在线辨识子模块70根据模型的误差上界划分等级A:优、B:良、C:中和D:差;b.如果某些MV生成足够多的A和B模型,并且这些模型与期望矩阵保持一致,则减小这些MV的振幅以降低对正常生产运行的干扰;c.同时,在线辨识子模块还计算在计划实验结束时未来模型的误差上界和模型等级。如果未来模型的等级无法达到A或B,则增大相关MV的振幅,以提高信 噪比,为了不干扰被控过程的运行,所有MV的振幅小于根据过程操作经验确定 的最大界限;(3-5).辨识模型后,在保证模型增益的正负与期望矩阵一致的前提下,品质等 级为A、 B或C的模型被MPC控制模块30自动选用;(3-6).MPC控制模块30使用当前模型对控制系统进行控制参数自动整定和控 制系统自动仿真,如果仿真结果表现出良好的控制性能,控制模块将相应的MV、 DV和CV投入自动控制中,随着辨识实验和模型辨识的继续,越来越多的模型被 MPC控制模块选用,越来越多的MV、 DV和CV被控制模块投入自动控制中;(3-7).当大多数期望的模型达到A等级或B等级时,停止辨识实验;(3-8).在保证模型增益的正负与期望矩阵一致的前提下,MPC控制模块选用等 级为A、 B和C的模型;(3-9).MPC控制模块(30)使用所获得的模型对控制参数进行自动整定和对控 制系统进行仿真;(3-10).如果仿真结果表明控制性能良好,所有的MV、 DV和CV被投入自动 控制中;(3-11).到此,MPC控制器的自动投运就完成了,在自动投运后,MPC控制模 块参数在必要时可由控制专家细调;(3-12).最终的模型和相关信息由在线辩识模块(40)的辩识子模块(70)载入 监测模块(50),用于MPC性能监测。
21. 根据权利要求20所述的自适应模型预测控制装置,其特征在于步骤(3) 的辨识实验最初在开环状态下进行,即CV不接受自动控制,当某些MV、 DV和 CV投入自动控制时,辨识实验进入部分闭环状态,当MV处于开环状态时,实验 模块对MV全值进行操作,当MV处于闭环状态时,实验模块仅对实验信号进行操作,MPC控制器修改均值,MV全值由加法器(®)获得。
22. 根据权利要求20所述的自适应模型预测控制装置,其特征在于对MPC控 制实现自动维护是在MPC控制模块(30)投运后,控制监测模块50启动,按MPC 控制模块的采样时间收集MV、 DV和CV的数据,控制监测模块连续监测四个性 能指标:MV和CV的自动/手动控制、MV和CV的震荡、CV的标准方差、模型 的品质,如果下列某个条件成立,则开始对MPC控制器进行维护-1) 某些关键CV切入手动(操作工认为控制效果不好时,就将一些CV切入手动), 并且CV对应的模型在最近3至5个计算周期内品质很差;2) 存在强震荡,并且某些关键CV的模型在最近几个计算周期内品质很差;3) 某些关键CV的标准方差在最近几个计算周期内很大,并且CV对应的模型品 质很差。MPC控制器的维护可通过两种方式启动:第一种是控制监测模块50启动在线 辨识模块(40);第二种是控制监测模块(50)向用户发布维护请求,由用户决定 并通过鼠标或一次按键启动在线辨识模块(40);随后,辨识实验和模型辨识开始, MPC维护的其余工作与自动MPC投运步骤(3)中所述的(3 — 1) ~ (3 — 12) 步骤相同,随着辨识实验和模型辨识的继续,控制模块中越来越多的模型被新模型 取代,当所有品质差的模型被新模型取代后,维护结束。
23. 根据权利要求l 一22之一所述的自适应模型预测控制装置,其特征在于对 于所述的被控过程为强非线性被控过程时,其控制过程还包括以下执行步骤:(1).在线辨识模块(70)在多个工作点或工作区间辨识出多个模型;(2) .MPC控制模块使用多个模型进行控制:每个模型是线性模型,其辨识的方法与所述线性被控过程模型辩识所执行的步骤相同,每个模型针对生产过程的一个工作点或工作范围;(3) .在每个控制采样周期,MPC控制模块(30)从多个模型中计算出 与被控过程行为最匹配的线性模型,在MPC控制计算中使用该模型,模型的 计算是自动的。
24. 根据权利要求23所述的自适应模型预测控制装置,其特征在于步骤 (3)中模型计算有两种方法:1)切换法和2)插值法。
25. 根据权利要求l所述的自适应模型预测控制装置,其特征在于MPC控制模 块、在线辨识模块、控制监测模块这三个模块中的任何两个模块可组成一个系统,完 成一定的功能,MPC控制模块和在线辨识模块组成一个系统,完成自动的MPC控制 器的投运和在线控制;控制监测模块和在线辨识模块组成一个系统,完成MPC控制 器的监控和在线模型辨识。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
直线移动PTZ相机辅助双目PTZ视觉系统的主从跟踪方法 | 2020-05-08 | 402 |
一种基于海洋环境噪声的声学监测系统及方法 | 2020-05-15 | 270 |
一种基于滤波最优平滑确定故障首达时刻的故障诊断方法 | 2020-05-16 | 371 |
一种结合小波变换和图像分割网络的QRS波识别方法 | 2020-05-12 | 173 |
一种电连接器加速退化试验方案优化方法 | 2020-05-12 | 9 |
一种改进SPC的小区供水漏损监测预警方法 | 2020-05-15 | 678 |
结合判别式深度置信网络和主动学习的心电分类方法 | 2020-05-13 | 453 |
基于互联网的图片自动合成系统 | 2020-05-08 | 1021 |
空中移动目标的反制系统及其反制方法 | 2020-05-12 | 718 |
一种时间序列概念漂移检测方法、系统、介质及设备 | 2020-05-13 | 522 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。