《过程控制系统优化程序中的约束和限制可行性处理的制作方法》由会员分享，可在线阅读，更多相关《过程控制系统优化程序中的约束和限制可行性处理的制作方法（19页珍藏版）》请在金锄头文库上搜索。
1、过程控制系统优化程序中的约束和限制可行性处理的制作方法专利名称：过程控制系统优化程序中的约束和限制可行性处理的制作方法技术领域：一般来讲，本专利涉及过程控制系统，具体地说，涉及的是当与例如模型预测控制器一起用来控制过程设施时，在过程控制系统优化程序中的约束和限制(constraint and limit)的可行性处理。背景技术： 过程控制系统，如象在化学、石油或其他处理中使用的那些分布式或可度量的过程控制系统等，通常包括一个或多个过程控制器，这些处理器可通过模拟、数字或者模拟/数字组合总线彼此进行通信联系、与至少一个主机或操作者工作站及与一个或多个现场设备(field device)通信连接。
2、现场设备可为阀、阀定位器、开关和发送器(如，温度、压力和流量传感器)，现场设备在如打开或关闭阀和测量过程参数等的过程中履行功能。过程控制器接收表示由现场设备完成的过程测量的信号和/或与现场设备有关的其他信息，用这些信息执行一个控制例程，然后产生控制信号，该控制信号通过总线传递给现场设备来控制过程的操作。来自现场设备和控制器的信息主要用于由操作者工作站执行的一种或多种应用，使操作者能够执行与过程有关的任何想实现的功能，如查看过程的现行状态、修正过程操作等等。通常对过程控制器进行编程来执行不同(different)算法、子例程或控制回路(它们都是控制例程)，用于如流量控制回路、温度控制回路、压力控
3、制回路等定义过程或者包含在过程中的多个不同回路中的每一个。一般来说，每个这样的控制回路包括一个或多个输入块，如一个模拟输入(AI)功能块；一个信号输出控制块，如比例积分微分(PID)或模糊逻辑控制功能块；和一个信号输出块，如模拟输出(AO)功能块。这些控制回路主要进行信号输入/信号输出控制，因为控制块产生一个用来控制如阀位置等信号过程输入的信号控制输出。但是，在某些情况下，多个独立操作、信号输入/信号输出控制回路的使用不是很有效，这是因为受控的过程变量受到不止一个信号过程输入的影响，事实上，每个过程输入都会影响多个过程输出的状态。例如，在具有水箱的过程中可能会产生这种情形的示例，该水箱由两条输
4、入管路注入，并由一条输出管路排出，每条管路由不同的阀控制，其中水箱的温度、压力和吞吐量控制在或接近于理想值。如上所述，水箱吞吐量、温度和压力可以用单独的吞吐量控制回路、单独的温度控制回路和单独的压力控制回路进行控制。但是，在这种情形下，当改变某一输入阀的设置来控制水箱内的温度时，温度控制回路的操作可能会造成水箱内的压力增加，例如这将导致压力回路打开出口阀来降低压力。然后这一动作会使吞吐量控制回路关闭其中一个输入阀，由此影响了温度，造成温度控制回路采取一些其它的动作。在本例中可理解，信号输入/信号输出控制回路造成过程输出(在这种情况下为吞吐量、温度和压力)以不理想的方式表现，其中输出振荡从未到达
5、稳定状态。在一个特殊受控过程变量的变化影响不止一个过程变量或者输出的情况中，曾经使用模型预测控制(MPC)或者其他类型的先行控制来进行过程控制。从二十世纪七十年代后期以来，已经报道了多个模型预测控制的成功实现，MPC在制造业中已经成为前期多变量控制的主要形式。更进一步地说，MPC已经在作为分布式控制系统分层软件的分布式控制系统中实现了。一般来说，MPC为多输入/多输出控制策略，其中测量多个过程输入中的每个输入的改变对多个过程输出中每个输出的影响，然后使用测量出的这些响应产生一控制矩阵或者一过程模型。该过程模型或者控制矩阵(它们通常定义过程的稳定状态操作)进行数学求逆，然后用在多输入/多输出控制
6、器中或用作多输入/多输出控制器，从而根据过程输入所造成的变化来控制过程输出。在某些情况下，过程模型表示为用于每一过程输入的过程输出响应曲线(一般为阶梯状响应曲线)，这些曲线可根据例如传递每一过程输入的一系列伪随机阶梯状变化来生成。这些响应曲线可以用已知的方式来模拟生产过程。MPC是本领域已知的，因此，其特性在此不做描述。但是，MPC全面描述于Qin，S.Joe和Thomas A.Badgwell，“An Overview of Industrial ModelPredicitive Control Technology”，AIChE Conference，1996中。此外，专利号为4,616,
7、308和4,349,869的美国专利也全面描述了能够用在过程控制系统中的MPC控制器。已发现MPC是一种非常有效和有用的控制技术，并已与过程最优化一起使用了。为了最优化使用MPC的过程，优化程序将由MPC例程确定的一个或多个过程输入变量进行最小化或者最大化，以使过程运行在最佳点。当这种技术是计算上可行的时，需要选择例如在改善过程经济操作上具有重要影响的过程变量(如，过程生产量或质量)，来从经济观点最优化过程。从财政或经济的观点在最佳点操作该过程，一般需要控制多个彼此关联的过程变量，而不只是一个过程变量。作为给MPC具有动态最优化的解，有人已提议使用二次规划技术或者类似内部点方法的更通用技术来最
8、优化。考虑到过程动态、流约束和最优化目标，用这些方法确定最优化解，并且优化程序为控制器输出的传送(即，过程操作变量)提供控制器。但是，这种方法有巨大的计算负担，并且在当前工艺水平下不太实际可行。在绝大多数情况中，当使用MPC时，过程中可获得的操作变量数(即，MPC例程的控制输出)大于过程控制变量数(即，必须控制在特殊设置点的过程变量数)。结果，通常有可用于最优化和约束处理的更大自由度。从理论上来讲，为了进行这种最优化，应当计算由过程变量、约束、限制和定义过程最佳操作点的经济因素所表示的值。在多个情况下，这些过程变量是受约束的变量，因为它们具有与过程物理属性有关的限制，它们附属于这些限制并且在限
9、制中必须维持这些变量。例如，表示水箱水面的过程变量就会限制在实际水箱内实际上可获得的最大和最小水面。一个最优化函数可计算出与每个受约束或者辅助变量有关的成本和/或利润，在利润最大、成本最小等的级别上操作。然后这些辅助变量的度量可作为输入提供给MPC例程，并且对于由最优化例程定义的辅助变量，由MPC例程处理为具有与操作点相等的设置点的控制变量。序号为10/241,350、标题为“Integrated Model Predictive Control andOptimization Within a Process Control System”、于2002年9月11日提出的美国专利申请已转让给其
10、受让人，因此该申请公开的内容特意在此引入以作参考，该申请公开了一种使用为MPC块等的先期控制块提供在线最优化的方法和装置，其中最优化是多变量模型预测控制的主要部分。这个技术在很大部分上是成功的，因为在普通的操作中，MPC控制器提供到达稳定状态的过程输出未来预测，由此产生用于可靠优化程序操作的所需条件。但是，这种用于找出解的最优化方法不总是起作用，因为在一些情况下，与每个可能最优化解(solution)有关的一些控制器输出或预测控制器输出(在此称为操作变量)，或者一些过程输出(在此称为受控或控制变量)，超出了为这些变量预先设置的预定约束或者限制，因此，解处于预先定义的不可行范围内。在多个控制情况
11、中，当与MPC或者其他控制器的操作结合时，最好是要求优化程序总能找出解，而最大可能地避免操作在不可行范围内。目前，当优化程序确定有一个在预先建立的约束或者限制内维持所有过程控制输出或者输入的不合理但又是最佳解时，优化程序按顺序放宽一个或多个约束或者限制来找出一个可接受的解。这种复原技术通常使用与每个操作和控制变量有关的优先级，以便确定首先放宽哪个约束限制。在此，一种简单的方法是降低最低优先级约束，以使优化程序能够找出满足最高优先级约束的解。但是，这种技术不一定是处理不可行解中约束的最合理方法，这是因为降低较低优先级约束可能会导致仅仅对一个或多个较高优先级约束进行最小的调整就使这些约束正好超出了
12、限制。更进一步说，通常需要估计必须降低多少个约束来找出可行解。当然，最好是降低能使较高优先级约束得到满足的所需要的最小约束数量。但是，为了确定要降低的约束的合适数量，可以要求根据系统内可利用的自由度进行离线计算，或者引导优化程序反复降低约束，确定是否随着新降低的约束设置产生了可行解，直到找出可行解。遗憾的是，离线计算不适于使用在实时或者在线最优化系统中，并且反复的方法一般时间太长，因此在找出可行解中可能会造成无法接受的延迟。换句话说，通过连续降低约束得出最佳解的过程可能需要重复，直到找出一个解，这种无限重复的过程在大多数实时最优化应用中是不希望的。其他几个在不可行解出现时解决最优化的已知方法也
13、已公开。例如，Tyler，M.L.和Morari M.，“Propositional Logic in Control and MonitoringProblems”，Proceedings of European Control Conference97，pp.623-628，Bruxelles，Belgium，June 1997，公开了使用整数变量处理分区优先次序，其中通过解决混合整数最优化问题的序列，使违例的号码最小。另外，Vada，J.，Slupphaug，O.和Foss，B.A.，“Infeasibility Handling in Linear MPC subjectto Prio
14、ritized Constraints”，PreprintsIFAC99 14thWorld Congress，Beijing，China，July 1999，讨论了一种算法，该算法可用于解决线性规划(LP)或者二次规划(QP)问题的序列，从而最小化不能实现的约束违例(constraintviolation)。但是，这些方法都要求计算，对于快速实时的应用一般不适用或不实用。另外，Vada，J.，Slupphaug，O.和Johansen，T.A.，“Efficient InfeasibilityHandling in Linear MPC subject to Prioritized Cons
15、traints”，ACC2002Proceedings，Anchorage，Alaska，May 2002公开了一种离线(off-line)算法，计算最优化所计算约束违例的LP权。虽然这种技术在离线环境中去掉了过度计算的负担，但是它需要处理额外的离线最优化问题，并且对于在线或者实时最优化程序不是非常有用。发明内容当在预先建立的约束或者限制内没有可行的最佳解时，可用来最优化如模型预测控制程序等在先控制程序的综合最优化技术，使用有组织、有系统但是计算简单的方法，放宽或者重新定义操作或控制变量的约束或者限制，由此找出一个可用在控制程序中的可实现的最佳解。特别是，当面临在预先建立的约束限制内不可行的优
16、化程序解时，根据不利的松弛变量和/或根据重新定义的约束模型，最优化例程使用稳定可靠的技术来系统地选择最好的解。因为所公开的技术计算简单，所以这种技术适于实时优化程序的在线实施。在一个实施例中，优化程序可以使用一个包含不利的松弛变量的目标函数，在有一个或多个将会被驱动到预设限制之外的操作变量或控制变量的情况下，找出最佳解。在另一个实施例中，优化程序可以重新定义约束模型，由此来为超出限制的操作变量或控制变量重新定义可接受的限制，然后使用具有在新约束模型中定义了的不利变量的目标函数，向着预先建立的限制，驱动具有较高优先级的超出限制的约束，不再具有对较低优先级约束的约束违例。在又一个实施例中，优化程序可以将不利松弛变量的使用与约束模型的重新定义结合，以便提供一种灵活有效的约束处理技术。图1是包括控制模型的过程控制系统框图，该控制模型具有使优化程序与MPC控制器结合的在先控制器功能块；图2是图1中具有集成优化程序和MPC控制器的在先控制器功能块框图；图3示出了产生并安装图2中集成优化程序和MPC控制器功能块的方式的流
