工控网首页
>

应用设计

>

漫谈预测控制

漫谈预测控制

2008/5/8 12:57:00

◆ 引言
        预测就是借助于对已知、过去和现在的分析得到对未知和未来的了解。以状态空间法为基础的现代控制理论是60年代初期发展起来的,它对自动控制技术的发展起到了积极的推动作用,但存在理论与实际应用不协调现象。人们试图寻找模型要求低、在线计算方便、控制综合效果好的算法,预测控制相应而生。

◆ 预测控制算法及应用
       由于预测控制是一类基于模型的计算机控制算法,因此它是基于离散控制系统的。预测控制不但利用当前的和过去的偏差值,而且用预测模型来预估过程未来的偏差值,以滚动确定当前的最优输入策略。
• 模型控制算法(Model Algorithmic Control,MAC) 它采用基于脉冲响应的非参考模型作为内部模型,用过去和未来的输入输出信息,预测系统未来的输出状态,经过用模型输出误差进行反馈校正后,再与参考输入轨迹进行比较,应用二次型性能指标滚动优化,再计算当前时刻加于系统的控制量,完成整个循环。该算法控制分为单步、多步、增量型、单值等多种模型算法控制。目前已在电厂锅炉、化工精镏塔等许多工业过程中获得成功应用
• 动态矩阵控制(Dynamic Matrix Control,DMC) 它与模型算法控制不同之处是,它采用在工程上易于测取的对象阶跃响应做模型,计算量减少,鲁棒性较强。它是由Culter等人提出的一种有约束的多变量优化控制算法,在1974年就应用于美国壳牌石油公司的生产装置上,1979年首先发表。现已在石油、石油化工、化工等领域的过程控制中应用成功,已有商品化软件出售。动态矩阵控制也适用于渐近稳定的线性过程。
• 广义预测控制(Generalized Predictive Control,GPC) 它是在自适应控制的研究中发展起来的预测控制算法。它的预测模型采用CARIMA(离散受控自回归积分滑动平均模型)或CARMA(离散受控自回归滑动平均模型),克服了脉冲响应模型、阶跃响应模型不能描述不稳定过程和难以在线辨识的缺点。广义预测控制保持最小方差自校正控制器的模型预测,在优化中引入了多步预测的思想,抗负载扰动随机噪声、时延变化等能力显著提高,具有许多可以改变各种控制性能的调整参数。它不仅能用于开环稳定的最小相位系统,而且可用于非最小相位系统、不稳定系统和变时滞、变结构系统。它在模型失配情况下仍能获得良好的控制性能。
• 极点配置广义预测控制 预测控制系统的闭环稳定性尚未完全解决,这是由于闭环特征多项式的零点位置与系统中的多个可调参数有关,不易导出稳定性与各参数间的显示联系,使设计者不能将闭环极点配置在所期望的位置上。若能在多步预测控制系统中引入极点配置技术,将极点配置与多步预测结合起来组成广义预测极点配置控制,则将进一步提高预测控制系统的闭环稳定性和鲁棒性。1987年Lelic提出了广义预测极点配置控制器。
• 内模控制 基于参数模型和非参数模型的两类预测控制算法,均采用了多步输出预测和在线实现滚动优化的控制策略,使分析预测控制系统的动态性能,计算闭环系统的输入输出特性变得困难而复杂,于是出现了内模控制,它是由Garcia等人于1982年提出的。应用内模控制结构来分析预测控制系统有利于从结构设计的角度来理解预测控制的运行机理,可进一步利用它来分析预测控制系统的闭环动静态特性、稳定性和鲁棒性。内模控制结构为预测控制的深入研究提供了一种新方法,推动了预测控制的进一步发展。
在内模控制中,由于引入了内部模型,反馈量由原来的输出反馈变为扰动估计量的反馈,而且控制器的设计也十分容易。当(z) 不能精确描述对象时,(z) 将包含模型失配的某些信息,从而有利于系统鲁棒性的设计。
• 模糊预测控制 一种模糊预测控制是基于预测模型对控制效果进行预报,并根据目标偏差和操作者的经验,应用模糊决策方法的在线修正控制策略。这种方法已用于一类复杂工艺过程的终点控制。另一种模糊预测控制是基于辨识模糊模型的多变量预测控制方法,它由模糊辨识和广义预测控制器两部分组成。采用线性系统理论来设计广义预测器,简化了设计。这种模糊预测控制的跟踪速度快、抗干扰能力强、控制效果好。

◆ 预测控制的基本特征
• 预测模型 预测控制需要一个描述动态行为的基础模型,称预测模型。它有预测功能,即能根据系统现时刻和未来时刻的控制输入及历史信息,预测过程输出的未来值。如脉冲响应模型、阶跃响应模型等非参数模型,CARIMA、微分方程、差分方程等参数模型。
• 反馈校正 在实际过程中,由于存在非线性时变、模型失配和干扰等不确定性因素,使基于模型的预测不可能与实际相符。因此通过输出的测量值与模型的预估值进行比较,得出模型的预测误差,再利用这个误差来校正模型的预测值,从而得到更为准确的、将来输出的预测值。正是这种模型预测加反馈校正的过程,使预测控制具有很强的抗干扰和克服系统不准确性的能力。
• 滚动优化 即采用滚动式的有限时域优化策略。也就是说优化策略不是一次离线完成的,而是反复在线进行的,即在每一采样时刻,优化性能指标只涉及从该时刻起到未来的有限时间段,而到下一个采样时刻,这一优化时段会同时向前推移。因此预测控制不是用一个对全局相同的优化指标,而是在每一个时刻有一个相对于该时刻的局部优化性能指标。不同时刻优化性能指标的形式是相同的,但其包含的时间区域是不同的,这就是滚动优化的含义。

◆ 预测控制的现状
预测控制具有:① 对数学模型要求不高;② 能直接处理具有纯滞后的过程;③ 具有良好的跟踪性能和较强的抗干扰能力;④ 对模型误差具有较强的鲁棒性等优良性质。因此,更加符合工业过程的实际要求,这是PID控制无法相比的,但应看到有关预测控制的理论研究仍落后于工业实际。有几个问题是有待于进一步解决的:① 主要设计参数对稳定性、鲁棒性和其它控制性能的影响,给出参数选择的定量结果;② 研究当存在建模误差及干扰时,预测控制的鲁棒性,并给出定量分析结果;③ 研究新的滚动优化策略;④ 建立有效的反馈校正方法;⑤ 进一步完善预测控制算法。
        目前的预测控制算法普遍存在着模型精度不高,滚动优化策略少,反馈校正方法单调等问题。如何突破原有的模型框架,利用所有可能获取的反映过程、未来变化趋势的动态信息,建立高精度的预测模型是提高模型预测精度的有效途径。

投诉建议

提交

查看更多评论
其他资讯

查看更多

助力企业恢复“战斗状态”:MyMRO我的万物集·固安捷升级开工场景方案

车规MOSFET技术确保功率开关管的可靠性和强电流处理能力

未来十年, 化工企业应如何提高资源效率及减少运营中的碳足迹?

2023年制造业“开门红”,抢滩大湾区市场锁定DMP工博会

2023钢铁展洽会4月全新起航 将在日照触发更多商机