[发明专利]一种废塑料气化炼油炉膛压力的预测优化控制方法

摘要

本发明公开了一种废塑料气化炼油炉膛压力的预测优化控制方法。该发明首先通过采集输入输出数据建立输入输出模型，然后选取合适的状态变量建立状态空间模型，设计输入输出的控制域，设定输入输出的限制约束，使系统能够更快达到控制指标，最后通过选取求取系统性能指标的控制输入设计控制器。设计出控制律，得到可靠的控制方法。本发明同时考虑了输入输出约束，在新设计模型的基础上，通过设计出的控制方法，使得控制器的调节更为灵活，并保证系统获得了更好的控制性能。

主权项

一种废塑料气化炼油炉膛压力的预测优化控制方法，其特征在于该方法具体是：步骤1、建立过程对象的状态空间模型，具体是：1‑1.首先采集过程对象的实时运行数据，建立处理过程模型，将带干扰的过程描述为以下形式：Δx(k+1)=AΔx(k)+BΔu(k)+DΔd(k)y1(k)=C1Δx(k)+y1(k-1)y2(k)=C2Δx(k)+y2(k-1)]]>其中，Δx(k)=x(k)-x(k-1)Δu(k)=u(k)-u(k-1)Δd(k)=d(k)-d(k-1)]]>其中k是系统时刻，x(k+1)是k+1时刻状态，x(k)是k时刻状态，y1(k)和y1(k‑1)分别是k和k‑1时刻系统控制输出，y2(k)和y2(k‑1)是k和k‑1时刻系统约束输出，u(k)和u(k‑1)分别是k和k‑1时刻系统控制输入，d(k)和d(k‑1)分别是k和k‑1时刻可以测量的外部干扰，A,B,C1,C2,D是相应维数的系统矩阵，Δ是后向差分算子；1‑2.设计系统约束输出和被控输出需要满足的实际生产约束：ymin(k)≤y1(k)≤ymax(k)umin(k)≤u(k)≤umax(k)Δumin(k)≤Δu(k)≤Δumax(k)其中，ymin(k)和ymax(k)分别为k时刻的最小和最大约束输出值，umin(k)和umax(k)分别为k时刻的最小和最大控制输入值，Δumin(k)和Δumax(k)分别是k时刻的控制输入增量的最小和最大值；1‑3.根据预测控制理论，系统满足下式：Δx(k+i+1|k)＝AΔx(k+i|k)+BΔu(k+i)+DΔd(k+i)y1(k+i|k)＝C1Δx(k+i|k)+y1(k+i‑1|k)y2(k+i|k)＝C2Δx(k+i|k)+y1(k+i‑1|k)Δx(k|k)＝Δx(k)，y1(k|k)＝y1(k)，y2(k|k)＝y2(k)其中，Δx(k+i+1|k)和Δx(k+i|k)分别为k时刻对k+i+1时刻与k+i时刻状态增量的预测值，Δu(k+i)是k+i时刻控制输入增量，Δd(k+i)是k+i时刻外部干扰增量；Δx(k|k),y1(k|k),y2(k|k)分别是系统状态、被控输出、约束输出的测量状态的初始条件，初始值设置分别为Δx(k),y1(k),y2(k)；1‑4.输入输出控制约束为以下式：umin(k+i)≤u(k+i|k)≤umax(k+i)，i＝0,1,…,m‑1Δumin(k+i)≤Δu(k+i|k)≤Δumax(k+i)，i＝0,1,…,m‑1ymin(k+i)≤y1(k+i|k)≤ymax(k+i)，i＝1,…,p其中，ymin(k+i)和ymax(k+i)分别为k+i时刻的最小和最大约束输出值，umin(k+i)和umax(k+i)分别为k+i时刻的最小和最大控制输入值，Δumin(k+i)和Δumax(k+i)分别是k+i时刻控制输入增量的最小和最大值；u(k+i|k)为k时刻对k+i时刻系统控制输入的预测值，其中i＝0,1,…,m‑1；Δu(k+i|k)为k时刻对k+i时刻系统控制输入增量的预测值，其中i＝0,1,…,m‑1；y1(k+i|k)为k时刻对k+i时刻系统约束输出量的预测值，其中i＝1,…,p；p是预测控制输出步数，m是预测控制输入的维数；1‑5.在输出约束处设置输出控制函数：c1(k+i)＝y1(k+i)‑ymin(k+i)c2(k+i)＝ymax(k+i)‑y1(k+i)其中c1(k+i)，c2(k+i)为k+i时刻选定输出控制函数，y1(k+i)是k+i时刻的输出；i＝1,…,p，为了快速跟踪，保证c1(k+i)≥0，c2(k+i)≥0即可；1‑6.设计控制模型，即为以下形式：J1＝Pλy(Y1(k+1|k)‑R(k+1))P2J2＝PλuΔU(k)P2min J＝J1+J2＝Pλy(Y1(k+1|k)‑R(k+1))P2+PλuΔU(k)P2其中，min是求最小值，J1,J2分别是选取的输出与输入的性能指标，J是总性能指标，λu，λy是相应的权矩阵，给定如下式：Y1(k+1|k)=y1(k+1|k)y1(k+2|k)My1(k+p|k)p×1R(k+1)=r(k+1)r(k+2)Mr(k+p)p×1ΔU(k)=Δu(k)Δu(k+1)MΔu(k+m-1)m×1]]>其中，r(k+1),r(k+2),L,r(k+p)分别是k+1,k+2,L,k+p时刻的给定期望轨迹；Y1(k+1|k)是k时刻基于系统模型的p步预测的控制输出矩阵；1‑7.在系统模型计算过程中，用估计值作为预测系统未来动态的初始条件：其中，分别是系统状态、被控输出、约束输出的测量状态的估计值；1‑8.进一步，得到预测输出为以下形式：Y1(k+1|k)＝EΔx(k)+Fy1(k)+GΔU(k)+HΔd(k)其中，E=C1AC1A2+C1AMΣi=1pC1Aip×1F=In1×n1In1×n1MIn1×n1p×1G=C1DC1AD+C1DΣi=1pC1Ai-1Dp×1]]>其中，n1是预测被控输出量的维数，I是单位阵；步骤2、设计被控对象的过程控制器，具体是：2‑1.为求解最优控制输入，转换目标函数形式如下：J＝ΔU(k)TSΔU(k)‑V(k+1|k)TΔU(k)其中，T是转置符号，Zp(k+1|k)＝R(k+1)‑EΔx(k)‑Fy1(k)‑GΔd(k)2‑2.根据步骤1‑4控制约束转化其形式，形式如下：其中，其中，nu是约束控制量的维度；2‑3.根据步骤1‑4输出约束转化其形式，具体步骤如下：Y2(k+1|k)＝E1Δx(k)+F1y1(k)+G1ΔU(k)+H1Δd(k)其中，E1=C2AC2A2+C2AMΣi=1pC2Aip×1F1=In2×n2In2×n2MIn2×n2p×1G1=C2DC2AD+C2DMΣi=1pC2Ai-1Dp×1]]>Y2(k+1|k)=y2(k+1|k)y2(k+2|k)My2(k+p|k)p×1H1=C2B0L0Σi=12C2Ai-1BC2BLMMMΣi=1pC2Ai-1BΣi=1p-1C2Ai-1BLΣi=1p+m-1C2Ai-1Bp×1]]>其中，Y2(k+1|k)是k时刻基于系统模型的p步约束输出矩阵，n2是约束输出量的维数；2‑4.输出约束改写成如下形式：Ymin(k+1)≤Y2(k+1|k)≤Ymax(k+1)其中，根据步骤1‑5，选择输出控制函数：C1(k+1)＝Y2(k+1|k)‑Ymin(k+1)C2(k+1)＝Ymax(k+1)‑Y2(k+1|k)其中，C1(k+1)，C2(k+1)为k+1时刻选定输出控制函数，为了快速跟踪，保证C1(k+1)≥0，C2(k+1)≥0即可；通过以上，得到输出的约束转化形式：2‑5.通过步骤2‑1到2‑4求得带输出约束与控制约束的系统的解，得到最优控制输入ΔU*(k)：取最优控制输入的第一个元素作用于系统，如下所示：即，最优更新律定义为：u(k)＝u(k‑1)+Δu(k)2‑6.在下一时刻，重复步骤2.1到2.5继续求解新的最优更新律u(k)，得到最优控制量，作用于控制对象，并依次循环。