《【精选】预测控制_动态矩阵_DMC算法研究及仿真》由会员分享，可在线阅读，更多相关《【精选】预测控制_动态矩阵_DMC算法研究及仿真（18页珍藏版）》请在金锄头文库上搜索。
1、预测控制中动态矩阵控制 DMC 算法研究及仿真摘要：动态矩阵控制（dynamic matrix control, DMC）算法是一种基于对象阶跃响应预测模型、滚动实施并结合反馈校正的优化控制算法，是预测控制算法之一。本文阐述了预测控制的产生、发展及应用，进一步介绍动态矩阵控制算法的产生和现状，就当前动态矩阵控制算法在实际工业控制领域中发展应用现状以及今后可能的研究发展方向作了分析。并对动态矩阵控制的算法作了推导，在理论依据方面给予证明。可是在实际工业控制领域中，大多数被控对象都是多变量的，本文通过对该算法作了有约束、多变量两方面的改进，使该算法实际应用性更强。文章还对该算法进行了 matlab
2、 仿真，并对仿真结果进行分析研究，予以验证。关键词：预测，动态矩阵控制，模型，反馈矫正，有约束，多变量。Forecast for control of Dynamic Matrix Control DMC algorithmAbstractDynamic Matrix Control (dynamic matrix control, DMC) algorithm is a step response based on the object prediction model, and rolling implementation and optimization of the feedback
3、correction control algorithm, is one of predictive control algorithms. This paper describes the control forecast the rise, development and application of further information on Dynamic Matrix Control algorithm and the formation of the status quo on the current dynamic matrix control algorithm in the
4、 actual control in the field of industrial development and possible future application of the research and development direction of an analysis. Dynamic Matrix Control and the algorithm is derived, in terms of the theoretical basis for that. But in practice in the field of industrial control, the ma
5、jority of objects are charged with multiple variables, the paper through the binding of the algorithm, two more variables in the promotion and improvement of the algorithm so that a more practical application. The article also has the algorithm matlab simulation, and analysis of simulation results t
6、o be verified.Key words: forecasting; dynamic matrix control; model; feedback correction; binding; multivariable第一章. 绪论1.1预测控制的产生预测控制的产生，并不是理论发展的需要，而首先是工业实践向控制提出的挑战。众所周知，上世纪60年代初形成的现代控制理论在航空、航天等领域取得了辉煌的成果。利用状态空间法去分析和设计系统，提高了人们对被控对象的洞察能力，提供了在更高层次上设计控制系统的手段。特别是立足于最优性能指标的设计理论和方法已趋成熟，这对于在工业过程中追求更高控制质量和经
7、济效益的控制工程师来说，无疑有着极大的吸引力。然而人们不久就发现，在完美的理论与控制之间还存在着巨大的鸿沟。主要表现在以下几个方面:1.现代控制理论的基点是对象精确的数学模型，而在工业过程中所涉及的对象往往是多输入、多输出的高维复杂系统，其数学模型很难精确建立，即使建立了模型，从工程应用的角度来说，往往需要简化，从而很难保证对象精确的模型。2.工业对象的结构、参数和环境都有很大的不确定性。由于这些不确定性的存在，按照理想模型得到的最优控制在实际上往往不能保证最优，有时甚至引起控制品质的严重下降。在工业环境中人们更关注的是控制系统在不确定性影响下保持良好性能的能力，即所谓鲁棒性，而不能只是追求理
8、想的最优性。3.工业控制中必须考虑到控制手段的经济性，对工业计算机的要求不能太高.因此控制算法必须简易以满足实时性的要求.而现代控制理论的许多算法往往过于复杂，难以用低性能的计算机实现。这些来自实际的原因，阻碍了现代控制理论在复杂工业过程中的有效应用。也向控制理论提出了新的挑战。为了克服理论与实际应用之间的不协调，上世纪70年代以来.除了加强对系统辨识、模型简化、自适应控制、鲁棒控制等的研究外.人们开始打破传统方法的约束，试图面对工业过程的特点，寻找各种对模型要求低，控制综合质量好、在线计算方便的优化控制新算法。在此期间，数字计算机技术的飞速发展，也为新算法的产生提供了物质基础。预测控制就是在
9、这种背景下发展起来的一类新型计算机优化控制算法。1.2预测控制的发展最早产生于工业过程的预测控制算法，有Rechalet.Mehra等提出的建立在脉冲响应基础上的模型预测启发控制(Model Perdictive Heuristic Control,简称WHC，或模型算法控制(Model Algorithmic C ontrol，简称MAC)，以及Cutler等提出的建立在阶跃响应基础上的动态矩阵控制(Dynamic Matrix Control,简称DMC)。由于脉冲响应、阶跃响应易于从工业现场直接获得，并不要求对模型的结构有先验知识。这类预测控制算法汲取了现代控制理论中的优化思想，但采用滚
10、动优化的策略，计算当前控制输入取代传统最优控制，并在优化控制中利用实测信息不断进行反馈校正，所以在一定程度上克服了不确定性的影响，增强了控制的鲁棒性。此外，这类算法在线计算比较容易，非常适合于工业过程控制的实际要求。上世纪70年代后期，模型控制算法(MAC)和动态矩阵控制(DMC)分别在锅炉、分馏塔和石油化工装置上获得成功的应用，从而引起了工业控制界的广泛兴趣。此后，基于对象脉冲或阶跃响应的各种预测控制算法相继出现，在石油、化工、电力等领域的过程控制中取得了明显的经济效益。上世纪80年代初，人们在自适应控制的研究中发现.为了克服最小方差控制的弱点，有必要汲取预测控制中的多步预测优化策略，这样可
11、以大大增强算法的适用性与鲁棒性。因此出现了基于辨识模型并带有自校正的预测控制算法。如扩展预测自适应控制(ExtendedPredictive Self-Adaptive Control，简称EPSAC)；广义预测控制(Generalized Predictive Control，简称GPC)等，这类算法以长时段多步优化取代了经典最小方差控制中的一步预测控制优化，从而可应用于时滞和非最小相位对象，并改善了控制性能和对模型失配的鲁棒性。此外Morali等1982年研究一类新型控制结构 内模控制(Internal Model Control，简称IMC )，发现预测控制算法与这类控制算法有着密切联系
12、。MAC、DMC是IMC的特例，从结构的角度对预测控制作了更深入的研究。目前GPC都是以线性系统作为被控制对象，对于弱非线性系统。一般仍能取得较好的控制效果，但对一些强的非线性系统难于奏效。对此，非线性的广义预测控制研究开始受到重视.主要有基于Hammerstein模型广义预测控制，基于LMOPDP模型广义预测控制，基于神经网络的非线性系统广义预测控制，还有基于双线性模型，多模型等多种方法。近几年来，预测控制的研究与发展己经突破前期研究的框架，摆脱了单纯的算法研究模式，它与极点配置、自适应控制和多模型切换等众多先进控制技术相结合，成为新的一类现代预测控制策略研究领域。随着智能控制技术的发展，预
13、测控制将己取得的成果与模糊控制、神经网络以及遗传算法、专家控制系统等控制策略相结合，正朝着智能预测控制方向发展。1.3我国预测控制软件的发展现状1. APC -Hiecon多变量预测控制软件包是由浙江浙大中控自动化有限公司与法国Adersa公司合作开发的预测控制工程化软件包，适用于多变量、强辐合、大时滞的复杂生产过程的控制。使用多变量过程的离散脉冲响应模型作为内部模型，并对控制响应进行在线预测。它是国内预测控制商业化软件的代表。2.上海交通大学与浙江大学开发研制的多变量约束控制软件包MCC是一个处理约束的多变量、多目标、多控制模式和基于模型预测的最优控制器，主要由基于模型预测的多变量约束控制软
14、件包、过程模型辨识和参数在线校正软件包、组态软件包等。此软件包的开发和研究属于“九五”国家重点科技攻关项目“工业过程实时控制与优化商品化工程软件开发研究”中课题。3.中国利学院自动化研究所综合自动化工程研究中心以国家九五科技攻关项目“新一代全分布式控制系统研究与开发”中的“基于现场总线的先进控制技术”课题为基础。正在进行多变量预测控制软件包的开发工作。1.4国外预测控制软件的发展现状目前国外己经形成许多以预测控制为核心思想的先进控制软件包，主要有:美国DMC公司的DMC SetPoint公司的IDCOM-M、SMCA，H oneywell profimatics公司的RMPCT,Aspente
15、ch公司的DMCplus，法国Adersa公司的Hiecon、PFC，加拿大Treiber Controls公司的OPC等，成功应用于石油化工中的催化裂化、常减压、连续重整、延迟焦化、加氢裂化等许多重要装置。美国DMC公司的DMC控制软件包其主要特征是:(1)采用线性阶跃响应模型;(2)具有完善的多变量动态过程模型辨识软件(DMI),D MI动态矩阵辨识软件可用于高达60个独立变量、120个被控变量的复杂相关多变量系统。DMI可剔除诸如分析装置失灵所引起的不完整数据，并把分段有效的数据有机地组合在一起综合辨识多变量动态模型;(3)DMC控制软件包中的DMC控制器主要由预测模块、线性规划(约束处
16、理和经济性能指标优化)模块以及最优控制作用计算模块组成。DMC还具有动态加权和在线整定功能。美国 AspenTech公司结合DMC公司的多变量控制技术和Setpoint公司的SMCA技术推出了DMCplus控制软件包。DMCplus控制软件包内核与DMC一样，可以处理大规模工业过程对象，提高其经济效益。它可以准确地辨识过程模型，并控制对象到最优操作点上。从而获得最大的产量，最大的转化率以及最小的能耗。Honeywell profimatics公司的RMPCT。它包括辨识、控制器和PC仿真器等。用于变量间祸合严重、经济目标变化、约束较多、滞后大、非最小相位系统等多种情况下多变量系统的实时控制，可将整个过程控制在允许的约束限内。并将过程推向其经济的最优点。RMPCT软件由以下六个部分组成:数据采集器:采集指定的操纵变量、控制变量、干扰量并把它们储存在一个文件中;模型辨识器:利用数据采集器产生的文件(或其他格式的数据)来辨识过程模型;控制器建立器:利用过程模型建立控制器;仿真设施 :根据指定的仿真方案在仿真过程上运行控制器:在线
