《先进过程控制系统》PPT课件.ppt

第八章 先进过程控制系统主要内容主要内容8.1 预测控制 8.2 自适应控制 8.3 统计过程控制8.4 控制系统故障诊断和容错控制 8.5 软测量和推断控制系统 利用当前的和过去的偏差值，及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。8.1 预测控制具有对数学模型要求不高、能直接处理具有纯滞后的过程、具有良好的跟踪性能和较强的抗干扰能力、对模型偏差具有较强的鲁棒性等优良性质。预测控制结构8.1 预测控制-原理常用模型:脉冲响应模型、阶跃响应模型、可控自回归滑动平均模型（CARMA）、可控自回归积分滑动平均模型（CARIMA）等。设线性多变量系统的离散模型描述为：8.1 预测控制-预测模型输出输入干扰量脉冲响应曲线 8.1 预测控制-预测模型预测模型的向量形式为：阶跃响应曲线8.1 预测控制-预测模型预测模型的向量形式为：预测模型依赖于过程的内部特性，而与过程在k时刻的实际输出无关，所以是基于非参数模型的开环预测模型。采用反馈修正的方法对上述开环预测模型进行修正。设闭环预测模型为Yp(k+1),则有引入反馈校正,有效克服了模型的不精确性和系统中存在的不确定性所造正的不利影响，提高了系统的精度和鲁棒性。8.1 预测控制-预测模型加权系数向量k时刻实际过程的输出测量值k时刻预测模型的输出值考虑到过程的动态特性，为避免过程输出的急剧变化，要求过程输出沿着事先指定的一条随时间而变化的轨迹达到给定值，即参考轨迹。以k时刻实际输出为起始，yr在未来k+i时刻的值为:8.1 预测控制-参考轨迹过程输出给定值参考轨迹采样周期采样周期参考轨迹的时间常数控制算法是找到一组能满足性能指标的控制作用，使选定的目标函数最优。8.1 预测控制-控制算法控制步长二次型目标函数控制作用预测步长：优化所顾及的时段非负加权系数，表示未来各采样时刻的偏差在目标函数J中所占的比重当P和L不等于1时，选取目标函数为：可得最优控制作用为：当P和L选定之后，权系数矩阵Q和R已知时，H2矩阵是一个固定常数矩阵，因而只需离线进行一次矩阵求逆，不必在每次采样时刻均进行求逆计算。8.1 预测控制-控制算法假设预测步长P=1，控制步长L=1，即单步预测、单步控制。最优控制策略应使 8.1 预测控制-模型算法控制目标函数J转变为:预测长度P、控制长度L等参数的选取会对算法性能产生影响1）预测长度P要求必须覆盖整个响应曲线的主要部分。P值大，预测控制系统的鲁棒性越强，但动态响应变差，计算量和存储容量也相应增大；P值大，对干扰的鲁棒性变差。通常，选取P=2L。2）控制长度L值大，控制灵敏度高，系统稳定性和鲁棒性变差，计算量和存储容量也相应增大；L值小，控制机动性差，控制灵敏度差。通常，选取L在10以下。3）控制加权矩阵R和误差加权矩阵Q应该同时加以考虑。R用于降低控制作用的波动，使控制作用平稳变化。通常，R取较小的数值。8.1 预测控制-控制算法根据参考模型的输出与实际过程的输出之差来自动调整控制器的参数，以适应过程特性或环境的变化。自适应控制系统结构8.2 自适应控制8.2 自适应控制-自校正控制系统自校正控制将过程模型参数的在线估计和实时最优控制有机结合。实现在线估计的参数估计器采用递推参数估计算法。最优控制器采用最小方差控制、线性二次型最优控制、极点配置和广义最小方差控制等。通过调整控制器参数或控制规律，使系统动态输出y与参考模型输出ym尽可能一致。调整控制系统控制规律和参数的依据是：被控过程输出y(t)相对于参考模型输出ym(t)的偏差e(t)，以使系统的实际输出y(t)尽可能与参考模型输出ym(t)一致。8.2 自适应控制-模型参考自适应控制以概率论和数理统计等统计学原理，以提高产品质量水平为目标，采用统计控制图、统计描述、统计相关分析、实验设计等方法，分析处理与产品质量相关的生产过程数据，监视生产过程的进行，判断过程是否处于统计控制状态，对产品的质量进行分析，确定产品是否合格，并寻找改进途径等。8.3 统计过程控制8.3 统计过程控制-原理失控状态：当过程受到某些确定性原因的影响，引起的系统变化时，质量数据的分布曲线形状、均值、分散性等会随时间变化，超过区间，这时过程脱离统计过程控制状态。受控状态：当从一个过程采集的数据服从单一分布（正态分布），并具有一些理想的特性，如产品性能指标符合规定，其均值、方差的大小及分布曲线形状保持一致。偶然因素指过程所固有的对过程影响较小、难于消除的因素。偶然因素指过程所固有的对过程影响较小、难于消除的因素。由偶然因素造成的质量随机波动称为正常波动；当仅有偶然出素存由偶然因素造成的质量随机波动称为正常波动；当仅有偶然出素存在时，产品质量处于正常波动范围，认为生产过程处于受控状态。在时，产品质量处于正常波动范围，认为生产过程处于受控状态。异常因素是非过程所固有、对质量影响较大、可以消除的因素。由异常因素是非过程所固有、对质量影响较大、可以消除的因素。由异常因素造成的质量波动称为异常波动。当异常因素的影响使质量异常因素造成的质量波动称为异常波动。当异常因素的影响使质量特征值偏离规定的范围时，则认为生产过程处于失控状态。特征值偏离规定的范围时，则认为生产过程处于失控状态。休哈特控制图 8.3 统计过程控制-质量控制图标准差样本组上控制线 下控制线 中线 判稳准则：连续25点，界外点d=0；连续35点，界外点d1；连续100点，界外点d2。判异准则：连续6点具有相同上升或下降趋势；点分布在 范围内；连续9点在中线CL的一侧-链；连续11（或14、16、20）点，至少有10（或12、14、16）点在中线CL的一侧-间断链；点的排列随时间推移而呈周期性；连续3（或7、10）点中至少有2（或3、4）点落在 和 控制界限间。多元投影方法：将高维数据空间数据投影到低维特征空间方法；可用于多元统计过程控制。主元分析法（PCA）：用几个综合变量反映原系统中较多的具有相关特征变量所包含的大部分信息。部分最小二乘法：通过多元投影变换，分析两个不同矩阵中变量之间的相互关系。可用于直接分析过程变量和质量变量间的映射关系。8.3 统计过程控制-其他技术故障检测和诊断(FDD)：对系统异常状态的检测、异常状态原因识别及包括异常状态预测在内的各种技术。分类：被控过程故障、仪器仪表器件故障、软件故障 产生上述故障的主要原因：系统设计错误、设备性能退化、操作人员误操作 故障检测和诊断-故障建模、故障检测、故障分离和估计、故障分类、评价和决策。8.4 控制系统故障诊断和容错控制故障检测和诊断过程 8.4 控制系统故障诊断和容错控制故障建模：按照先验知识和输入/输出关系，建立系统故障的数学模型。故障检测：从可测或不可测估计变量中，判断运行系统在某一时刻是否发生故障。一旦发生意外变化，要对故障进行分离，给出故障源，并区别故障原因；弄清故障性质，故障估计要计算故障的程度、大小及故障发生时间等参数。根据估计参数判断故障严重程度，故障对系统的影响和发展趋势；针对不同工况，提出相应的处理措施和方法，抑制和消除故障的影响，使系统恢复到正常工况。（1）依赖于模型的故障诊断方法用解析冗余取代硬件冗余。解析冗余是通过构造观测器估计出系统输出，然后将它与输出测量值比较，从中取得故障信息。8.4 控制系统故障诊断和容错控制-方法基于状态估计的故降诊断方法：基于参数估计的故障诊断方法形成残差，即真实系统的输出与状态观测器或卡尔曼滤波器输出之间的差值；从残差中提取故障特征，进而实现故障诊断。针对确定性系统，可采用全阶或降阶龙贝格观测器；针对随机系统，可采用卡尔曼状态估计器。基于人类专家经验知识等浅知识的故障诊断：知识表达直观、形式统一、模块化和推理速度快；局限性大，知识不完备。8.4 控制系统故障诊断和容错控制-方法（2）不依赖于模型的故障诊断方法基于诊断对象模型知识等深知识的故障诊断：知识获取方便、维护方便、易于保证知识库的一致性和完整性；搜索空间大，推理速度慢。通过控制策略或算法的合理设计，使控制系统在正常状态下或存在某些故障时，仍能保持稳定或仍能保持必要的控制功能，确保系统仍能工作。控制系统故障诊断和容错控制-容错控制1）被动容错控制设计适当固定结构的控制器，除了考虑正常工作状态的参数值以外，还要考虑在故障情况下的参数值。不仅在所有控制部件正常运行时，而且在执行器、传感器和其他部件失效时，保障系统仍然具有稳定性和令人满意的性能。控制系统故障诊断和容错控制-容错控制分为可靠镇定、同时镇定、完整性控制、鲁棒容错控制等。优点：故障发生时能够及时实现容错控制，不存在主动容错控制中因故障隔离延时而引起的控制性能变坏问题。2）主动容错控制 通过故障调节或信号重构保证故障发生后系统稳定性和性能指标。信号重构、故障补偿、增益调度的方法。在线自动控制器设计方法。控制系统故障诊断和容错控制-容错控制故障诊断系统：对控制系统中的执行器、传感器和被控对象进行实时故障检测，并根据故障特征进行故障的动态补偿或切换故障源；容错控制器：根据故障检测环节所得到的故障特征作出相应的处理，对反馈控制的结构进行实时的重构。选择与被估计变量相关的一组可测变量，依据这些可测变量与难以直接测量的待测过程变量之间的数学关系（即软测量模型），通过各种数学计算和估计方法，间接得到主导变量的估计值。8.5 软测量和推理控制系统-软测量技术 系统组成1）辅助变量选择：变量选择原则：过程适用性；灵敏性；特异性；准确性；鲁棒性；关联性8.5 软测量和推理控制系统-软测量技术 关系到软测量技术精确度。包括：变量类型、数目和测点位置的确定。变量数目：至少要等于主导变量的个数；过多辅助变量会出现过参数化问题；其最佳数目与过程的自由度、测量噪声以及模型不确定性等有关。2）数据检测与处理 检测数据的误差处理：采用各种方法提取、剔除和校正这些坏数据。方法为数字滤波技术、数据协调技术、统计假设检验、广义似然比法等。测量数据的变换:标度、转换和权函数。3)软测量数学模型建立本质上是由辅助变量构成的可测信息集到主导变量估计y的映射。方法:机理建模、回归分析、状态估计、模式识别、人工神经网络、模糊数学、过程层析成像、相关分析、现代非线性信息处理技术。系统组成8.5 软测量和推理控制系统-软测量技术 4)模型的在线校正模型结构的优化:包括短期学习和长期学习的校正方法;模型参数的修正:采用自适应法、增量法和多时标法等。根据过程输出的性能要求，在建立被控过程数学模型的基础上，通过数学推理，导出推理控制系统应该具有的结构形式。8.5 软测量和推理控制系统推理控制 采用辅助变量间接控制过程的主导变量。主导变量辅助变量不可测干扰估计器系统组成1）对不可测干扰的信号分离 信号分离的目的是估计干扰对辅助变量的影响 当干扰对辅助输出通道的数学模型完全匹配时，即 8.5 软测量和推理控制系统推理控制 系统组成2）对不可测干扰的估计器 估计器 通过 来确定不可测干扰对主导变量的影响。8.5 软测量和推理控制系统推理控制 估计器输出为不可测干扰F(s)对过程主要输出Y(s)影响的估计值。3）推理控制器 推理控制器的输出为:若模型完全匹配,则有推理控制系统在模型正确无误的条件下，可以实现对给定值变化的完全跟踪，以及对不可测干扰影响的完全消除。8.5 软测量和推理控制系统推理控制 系统组成