[发明专利]一种石油炼化过程中分馏塔液位自适应控制方法

权利要求书

1.一种石油炼化过程中分馏塔液位自适应控制方法，其特征在于，包括以下步骤：

步骤1、将石油炼化过程中的分馏塔作为被控对象，选择FOPDT模型作为被控对象模型G(s)：

式中，K_m、T、τ分别为被控对象模型G(s)的增益、时间常数及滞后时间，通过基于极值优化算法神经网络辨识被控对象模型G(s)的K_m、T、τ，s表示拉普拉斯算子；

通过基于极值优化算法神经网络辨识被控对象模型G(s)的K_m、T、τ包括以下步骤：

步骤101、初始化，随机生成一个均匀分布的初始个体S＝{s_j,j＝1,2,…,N}，其中第j个变量s_j表示神经网络第j个输入变量的初始权重，再根据C(S)＝f(S)-y(k)计算出初始适应度值，C(S)表示极值优化的适应度值，f(S)表示神经网络输出，y(k)表示系统在k时刻的实际输出，设置当前最优解S_best＝S和对应的适应度值C_best＝C(S_best)，并设置算法终止条件；

步骤102、对个体S进行变异操作，逐个选取S中的第j个变量进行变异，而保持其他位的变量不变，从而可以得到对应变量的适应度值C(S_j)，进行变异的公式如下所示：

δ_max＝max[X_j(t)-X_j^LB,X_j^UB-X_j(t)]

式中，X_k(t+1)表示第t+1代的决策变量，X_k(t)表示第t代的决策变量，r表示[0,1]中的一个随机数，t表示当前迭代次数，X_j^LB、X_j^UB分别表示第j个变量的上限和下限，q表示变异参数；

步骤103、计算第j个变量的局部适应度值λ(j)＝C(s_j)-C(S_best)，并且按照降序的方法进行排序；

步骤104、对最差变量进行变异得到新解S_new，并且无条件对当前解进行替换S＝S_new；

步骤105、更新当前最优解，若C_best≤C(S_new)，则保持最优解不变，否则用S_new和C(S_new)进行更新；

步骤106、判断是否满足步骤101设定的算法终止条件，若满足则输出相应的权值作为辨识参数，否则返回到步骤102；

步骤2、将辨识得到的被控对象模型G(s)的K_m、T、τ分别定义为T^*、τ^*，根据T^*、τ^*设计预测PI控制器，包括以下步骤：

步骤201、根据T^*、τ^*得到被控对象模型G(s)，计算闭环传递函数G_p，则有：

式中，K_p表示比例放大系数；λ为可调参数，λ＝1，开环与闭环的时间常数一致，λ1，开环响应比闭环响应要快，λ1，闭环响应比开环响应要慢；

步骤202、根据闭环传递函数G_p，得到系统传递函数G_c(s)：

步骤203、将系统传递函数G_c(s)化简之后得到控制器的控制律：

式中，U(s)表示预测PI控制器的输出，E(s)表示误差传递函数；

根据上述控制器的控制律得到具有传统的PI控制结构的控制器G_C1及基于过去输入量预测当前输出的控制器G_C2，则有：

2.如权利要求1所述的一种石油炼化过程中分馏塔液位自适应控制方法，其特征在于，在所述步骤2中，在工业控制过程中，对控制器G_C1及控制器G_C2进行离散化得到：

式中，T_s为采样时间，u₁(k+1)表示控制器G_C1在k+1时刻的输出，e₁(k+1)为控制器G_C1的输入值，u₁(i)表示控制器G_C1在i时刻的输出，u₂(k+1)表示控制器G_C2在k+1时刻的输出，e₂(k+1)为控制器G_C2的输入值，e₂(i)表示在i时刻控制器G_C2的输入值，u₂(i)表示控制器G_C2在i时刻的输出。