[发明专利]基于多模型广义预测控制器的预测控制方法及系统

说明书

技术领域

本发明属于模型预测控制(MPC)技术领域，具体涉及一种基于多模型广义预测控制器的预测控制方法及系统。

背景技术

工业过程中日益激烈的竞争要求设备操作更加灵活来提高生产率，降低生产成本，这需要将经济优化结合到设备操作中的规划、调度、优化、控制各个阶段。现有的技术像典型的双层RTO结构，该结构包括一个基于经济指标的实时优化器(RTO)和一个模型预测控制器(MPC)。上层的RTO层通过解决基于稳态模型的实时优化问题来获取输出对象的最优设定值，并将最优设定值传给下层的MPC层，MPC层主要工作是抑制消除扰动的影响使输出对象尽可能的追踪最优设定值。基于稳态模型的双层RTO结构已成功运用到复杂的化工、石油工业过程中，并取得了很好的效果。但是这种双层RTO结构存在不足，因为RTO层采用稳态模型，因此只能在系统达到稳定时进行经济优化，对于实现灵活性和经济效益存在局限性，特别是对于需要考虑系统动态特性的过程像存在级数转换和批量处理的连续过程的优化效果不理想。且当上层优化问题和下层控制问题分别在不同的频率和采用不同的模型来执行时，不能准确的运用相同的信息，所以有扰动时会存在冲突或最优运行点可能是次优的。

为此，Kadam提出将动态实时优化(DRTO)与MPC结合组成DRTO双层结构来处理大规模的工业过程，上层为一基于过程动态模型的DRTO层，在较慢的速率下执行，下层结构采用MPC控制器追踪上层得出的最优设定轨迹来处理过程中的干扰，用动态模型替代稳态模型可以很好地处理系统的动态特性。现有的采用DRTO双层结构的预测控制系统如图4所示，包括动态实时优化层、模型预测控制层和基层控制层，其中，动态实时优化层包括初始指标生成模块和动态实时优化器，模型预测控制层采用单模型广义预测控制器；指标生成模块确定上层的经济优化指标，将最大化经济效益和最小化消耗成本的实现方式与实现约束体现在经济目标函数Φ和约束条件h当中；动态实时优化器通过优化经济目标函数得到对象输出的最优设定值轨迹y^ref。x，d分别为状态值和过程扰动，由于动态实时优化层在一个较慢的时间尺度执行优化，而模型预测控制层将在一个较快的时间尺度执行，即双层结构是在不同的时间尺度执行，所以需要一个时间尺度分离器。Δt为采样周期，即每隔Δt时间，优化器将进行一次重新优化，最优设定值轨迹进行更新，最终控制器得到最优输入控制量u给基层控制系统。y为系统的输出值，根据该输出值y估计状态值x，进行下一次滚动优化。

在之前学者们所设计的DRTO双层结构中，MPC层多采用单模型预测控制器，但实际工业过程中，经常出现过程参数随生产运行跳变的情况。由于实际生产过程非常复杂，很难建立一个简洁的全局控制模型，因此单一模型的预测控制器很难满足参数时变或跳变时系统仍处于良好控制状态的要求。多模型的方法可以有效的处理复杂工业过程中的多工作点和参数时变问题，不少学者也已将多模型预测控制运用到化工、制药、电力等领域，并取得很好的效果。但由于随机噪声的存在使得常规的多模型很难与实际过程特征相匹配，因此如何建立一个即可以考虑经济效益又可以保证系统的暂态性能和跳变时调节能力的控制器是目前特需解决的一个问题。

发明内容

为了克服现有技术中存在的缺陷，本发明提供一种采用DRTO双层结构的基于多模型广义预测控制器的预测控制方法及系统，具体的技术方案如下：

基于多模型广义预测控制器的预测控制方法，包括如下步骤：

步骤S1，根据最大化经济效益和最小化消耗成本的目的生成经济目标函数和约束条件；根据预设的采样周期滚动执行步骤S2和S3；

步骤S2，根据约束条件对经济目标函数进行动态实时优化，获得一最优设定值轨迹；

步骤S3，在抑制过程扰动的同时，使预设的期望输出值跟踪最优设定值轨迹，并采用多个固定模型和多个自适应模型并行辨识系统的动态特性，获得系统的实际输出值和最优的输入控制量；

步骤S3进一步包括：

步骤S31，采用CARIMA模型描述受过程扰动的被控对象；

步骤S32，将被控对象描述为多模型集；

步骤S33，根据预设的性能指标函数，系统自动切换到性能指标最小的模型；该性能指标最小的模型的输出值即为系统的实际输出值；

步骤S34，设置性能优化指标，将最优设定值轨迹代入性能优化指标，根据MPC算法获得最优的输入控制量。

作为优化方案，步骤S31具体为，CARIMA模型如式（1）所示：