先进控制系统

5.4 先进控制系统APC定义：先进(高级)过程控制(APC－ Advanced Process Control) 是指在动态环境中 ，基于模型、充分借助于计算机能力，为工厂获 得最大利润而实施的运行和技术策略 APC作用：将会使系统运行在最佳工况，实现所 谓的“卡边”控制 APC类型：双重控制及阀位控制，纯滞后控制， 解耦控制，自适应控制，差拍控制，状态反馈控 制，多变量预测控制，推断控制(软测量技术)， 智能控制(专家控制、仿人控制，模糊控制，神 经网络控制等)等一、 预测控制 • 20世纪70年代末出现的一种基于模型的计算机优化 控制算法，被认为是近年来出现的几种不同名称的新型 控制系统的总称由于预测控制的先进性和有效性，成 为控制理论及其工业应用的热点 • 预测控制与PID控制的不同点： • 常规PID控制是根据偏差来确定当前的控制输入 • 预测控制不但利用了当前的和过去的偏差值，而且还 通过预测模型来预估过程未来的偏差值，以滚动优化确 定当前的最优输入策略预测控制优于PID控制 • 预测控制算法是以模型为基础，既包含了预测的原理 ，同时具有最优控制的基本特征• 预测控制算法有两种类型， • 一类基于非参数模型(如阶跃响应或脉冲响应)，通过 输出预测、反馈校正和滚动优化计算当前和未来时刻的 控制量，使输出响应符合预先设定的轨迹。

主要代表是 动态矩阵控制(DMC：Dynamic Matrix Control)和模型 算法控制(MAC：Model Algorithmic Control) • 另一类则是建立在模型辨识和最小方差控制基础上的 广义预测控制(GPC，Generalized Predictive Control) • 预测控制的控制算法尽管其形式不同，但都有一些共 同的特点，归结起来有三个基本特征：即模型预测、滚 动优化和反馈校正1） 预测控制组成与工作原理 • k=0为当前时刻，0时刻左边的曲线代表过去的输出与 控制根据已知的对象模型可以预测出对象在未来P个时 刻的输出yM(k)(k=1,2,…,P)预测控制算法就是要按照它 们与期望输出yR(k)的差e(k)，计算当前及未来L个时刻的 控制量u(k)(k=1,2,…, L-1)，使e(k)最小这里，P称为预 测步程，L称为控制步程图13-24 预测控制结构框图与工作原理示意图 校正yM(k+i) u(k) y(k) yS预测 模型优化 计算参考 轨线过 程yR(k+i) yc(k+i) u(k) yR(k+i) ySyM(k+i) y(k) 未来过去0 1 ··· L-1 ··· P k2） 预测模型预测控制中都有一个描述系统动态行为的模 型，叫预测模型。

具有预测功能：能够根据系统现时刻的控制输 入以及历史信息，预测过程输出的未来值 常用模型：脉冲响应模型；阶跃响应模型；受 控自回归滑动平均模型；受控自回归积分滑动 平均模型等二、推断控制(Inferential Control) 1） 概述 生产中可能存在的问题及解决： 被控制量(过程输出)不能直接测量但扰动可测 ，可采用前馈控制方案； 被控制量与扰动都无法测量或难以测量(测量 仪表价格昂贵、性能不可靠，或测量滞后大等) ，则可以采用推断控制 【通过数学模型利用可测信息将不可测输出变 量推算出来实现反馈控制，或将不可测扰动推 算出来实现前馈控制】2）推断控制类型不可测的被控变量，若只需要采用可测的输入 变量或其余辅助变量即可推算出来，这是推理控 制中最简单的情况，习惯上称这类推断控制为“ 采用计算指标的控制系统”，如热焓控制、精馏 塔内回流控制、转化率控制等 对于不可测扰动的推断控制是由美国学者 C.B.Brosilow等提出来的，它利用过程辅助输出 来推断不可直接测量扰动对过程主要输出的影响 ，然后基于这些推断估计量确定控制量，以消除 不可测扰动对过程主要输出的影响3）推断控制组成与工作原理由信号分离、估计器E(s)及推断控制器GI(s) 等部分组成，其方块图如下所示： 估计模型图13-25 推断控制系统组成方块图GI(s)C(s)E(s)P1(s)P(s)B(s)A(s)过程模型辅助过程模型辅助输出 θ(s) 主要输出 Y(s)不可直接 测量扰动 D(s)m(s)-过 程设定值yd(s)a(s)-b(s)三、 自适应控制系统 1） 自适应控制系统组成与工作原理 自适应控制系统是指系统本身能自动测量被控 系统的参数或运行指标，自动地调整控制的参 数，以适应其特性的变化，保证整个系统的性 能指标达到最优的控制系统。

u(t)图13-26 自适应控制的一般系统框图控制器过 程品质评价参数估计控制 决策r(t) －外回路y(t)内回路主要部分： 测量或估计环节； 品质评价单元； 控制决策机构2） 简单自适应控制这类系统用一些简单、实用的方法来对 过程参数或环境条件的变化进行辨识，同时 也采用比较简单的方法来调整控制器的参数 或改变控制规律，它实际上是一种非线性控 制系统实施时通常采用自整定控制器或自 整定软件包，如Foxboro-Exact自整定PID控 制器，TDC3000中的“Looptune”整定软件包 3） 模型参考自适应控制系统 它利用一个具有预期的品质指标、并代表理想 过程的参考模型，要求实际过程的模型特性向 它靠拢参考模型与控制系统并联运行，接受 相同的设定信号r，自适应机构根据参考输出与控制器参考模型y(t)内回路外回路图13-27 模型参考自适应控制系统r(t) －适应机构+-e实际输出信号的 差值e调整控制器 的参数，直至使 控制系统性能接 近或等于参考模 型规定的性能过 程4） 自校正控制系统 工作过程：参数估计器进行辨识得到过程 数学模型的参数；参数调整机构将根据使某种 控制指标最优的方法改变控制器该参数，即得 到该控制指标下的最优控制器 。

图13-28 自校正系统基本框图实施关键： 参数估计方法 【递推最小二乘法、广义最小 二乘法、辅助变量法等】 最优控制器获取 【最小方差控制、线性二次型 最优控制、极点配置和广义最 小方差控制等，自校正最小方 差控制器最简单】u(t) 控制器过 程参数估计器参数 调整r(t) －外回路y(t)内回路5.5 智能控制13.5.1 概述 • 所谓智能控制就是指具备一定智能行为的系统，是人 工智能、自动控制与运筹学三个主要学科相结合的产物 也可以说是以自动控制理论为基础，应用拟人化的思 维方法、规划及决策实现对工业过程最优化控制的先进 技术智能控制具有学习功能、适应功能和组织功能等 特点，它主要用来解决那些传统方法难以解决的复杂系 统控制问题 【定义不统一】 • 主要的智能控制系统有模糊控制、专家控制和神经 网络控制等形式它们可以单独使用，也可以结合起来 应用，亦可与PID控制方法集成；既可应用于现场控制 ，也可以用于过程建模、优化操作、故障诊断、生产调 度和经营管理等不同层次13.5.2 模糊控制13.5.2.1 模糊控制器的基本结构 系统核心为由模糊化、模糊推理、知识 库和清晰化四个功能块组成的模糊控制器(FC ：Fuzzy Controller)。

y图13-29 模糊控制系统的基本结构rFC u 模糊化知识库清晰化模糊推理被控对象13.5.2.2 模糊化(Fuzzification) 模糊化作用：将输入的精确量(包括系统的参考 输入、系统输出或状态变量等)通过定义在其论 域上的隶属度函数计算得到其属于各模糊集合的 隶属度，从而转换成模糊化量 模糊化过程：分两步论域变换：将精确的输 入量变换为模糊控制器的内部论域，实际上相当 于乘一个比例因子模糊化：利用预先定义的 模糊集合与隶属度函数，通过计算各模糊集合的 隶属度，将论域变换得到的普通变量转化为真正 的模糊量请看下例：模糊化示例在x的论域内定义了PB、PM、PS、ZO 、NS、NM、NB等模糊集合与隶属度函数(如 图)则x=0.8届于模糊集合“ZO”和“PS”的隶 属度分别为0.2和0.8图13-30 等分三角形隶属度函数-3 -2 -1 0 0.8 1 2 3m(x)1NB NM NS ZO PS PM PBx0.80.213.5.2.3知识库 知识库中储存了模糊控制器所需要的一切知识， 包括控制指标、领域专家知识及操作经验等，是模糊控 制器的核心，它通常由数据库和模糊控制规则库组成： 数据库 存放模糊化、模糊推理、清晰化(去模糊)的 一切知识，如论域变换方法及其变换因子，各语言变量 的隶属度函数定义，模糊推理与去模糊算法等。

规则库 主要包括用模糊语言变量表示的一系列控制 规则，模糊控制规则反映了控制专家的经验和知识，对 整个控制器的控制效果有很大的影响，因此，控制规则 应满足完备性(完备性是指对任意的输入都有一个合适 的控制输出)、一致性(一致性是指控制规则间不能互相 矛盾)等要求 模糊控制规则控制规则的一般表示形式： Ri:IF x1is X1i and…and xn is Xni,THEN u is Ui， i=1,…,M 模糊控制规则实质上就是模糊蕴含关系，因此可简记为 Ri = X1i×X2i×…×XniUi 其中Xj i和Ui分别为论域Xj和U上的模糊集合， x=[x1, x2,…, xn]T∈X1×…×Xn和u∈U均为语言变量， “and”表示条件的“与”连接关系或运算规则，也可有其它 的连接关系，如or(或/并)连接关系，M为总的规则数 有许多不同的模糊蕴含定义，Zadeh给出的模糊 蕴含关系定义为R = AB=(A∧B)∨(1-A) 整个规则库的模糊关系为13.5.2.4 模糊推理 模糊推理是建立在模糊逻辑基础上，由二 值逻辑三段论发展而成的一种不确定性推理方法 ，它很好地模拟人的推理决策过程，用这种方法 得到的结论与人的思维一致或相近。

有两种重要的推理方法，即广义取式(肯定 前提)推理(GMP:Generalized Modus Ponens)和 广义拒式(肯定结论)推理(GMT:Generalized Modus Tollens)： 基本推理形式其中A与A’是论域X中的模糊集合，A’接 近A，B与B’是论域X中的模糊集合，B’接近B 在模糊控制中，通常采用GMP推理方法 ，利用知识库的信息，在一定的输入条件下 激活相应的控制规则给出适当的模糊控制输 出GMP推理规则 GMT推理规则 大前提：如果 X是A，则Y是B 如果 X是A，则Y是B 小前提：X是A’ Y是B’ 结 论：Y是B’ X是A’模糊控制器输出量设已知模糊控制器的输入模糊量为x是A’ 与y是B’，则根据模糊控制规则进行推理得输 出控制量u的模糊集合U’为： U’=(A’ and B’)  R 在模糊控制器中，通常“and”采用求交( 最小运算)或求积(代数积运算)，而合成运算 “”通常求最大-最小或最大-积运算，模糊蕴含 “”通常采用求交或求积13.5.2.5 去模糊化(Defuzzification) 清晰化也叫去模糊，或称解模糊，可看 做是模糊化的逆过程，即将模糊推理得到的 控制量(模糊量)变换为实际用于控制的清晰量 (普通变量)。

它包含以下两个方面的内容： 去模糊：将模糊推理得到的控制量用特定 清晰化方法变换成表示在论域范围的清晰量 ； 论域反变换：将表示在论域范围的清晰量 经尺度变换变成实际的控制量 去模糊方法有多种清晰化方法，这里介绍最常用的面 积重心法。