系统优化和最优控制方法课件.ppt

《系统优化和最优控制方法课件.ppt》由会员分享，可在线阅读，更多相关《系统优化和最优控制方法课件.ppt（50页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、系统优化和最优控制方法2023/4/71第1页，此课件共50页哦当前当前当前当前PIDPID控制的症结所在：控制的症结所在：控制的症结所在：控制的症结所在：2.2.PIDPID参数的设置（即参数的设置（即参数的设置（即参数的设置（即PIDPID参数的整定）往往很不合理参数的整定）往往很不合理参数的整定）往往很不合理参数的整定）往往很不合理 如在横河如在横河如在横河如在横河DCSDCS中，缺省中，缺省中，缺省中，缺省PIDPID参数厂家设置为参数厂家设置为参数厂家设置为参数厂家设置为100100、2020、0 0；组态完毕进；组态完毕进；组态完毕进；组态完毕进入生产装置以后，操作工或仪表工程师整

2、定入生产装置以后，操作工或仪表工程师整定入生产装置以后，操作工或仪表工程师整定入生产装置以后，操作工或仪表工程师整定PIDPID参数时，往往只是参数时，往往只是参数时，往往只是参数时，往往只是在在在在100100、2020、0 0附近进行一些修改，而实际上，优化的附近进行一些修改，而实际上，优化的附近进行一些修改，而实际上，优化的附近进行一些修改，而实际上，优化的PIDPID参数往往与以参数往往与以参数往往与以参数往往与以上数据有巨大差别。上数据有巨大差别。上数据有巨大差别。上数据有巨大差别。五五 控制器参数优化控制器参数优化 2023/4/72第2页，此课件共50页哦五五控制器参数优化控制器

3、参数优化 5.1 控制器参数优化概述采用智能控制或先进控制自动寻找最优的PID参数，使系统性能指标达到最优。参数寻优就是函数求极值的问题，一般情况先给出一个初始点，然后由程序按照一定的方法反复迭代求极值点。参数寻优方法很多，如：插值法、补偿加速法、方向加速法、遗传算法、粒子群寻优算遗传算法、粒子群寻优算遗传算法、粒子群寻优算遗传算法、粒子群寻优算法、蚁群算法法、蚁群算法法、蚁群算法法、蚁群算法等。2023/4/73第3页，此课件共50页哦五五控制器参数优化控制器参数优化 5.2 遗传算法与控制器参数优化遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机化搜索算法。1975年提出，主要特点是群

4、体搜索策略和群体中个体的信息交换。尤其适用于解决复杂和非线性问题，广泛应用于组合优化、自适应控制中，是21世纪智能计算关键技术之一。2023/4/74第4页，此课件共50页哦五五控制器参数优化控制器参数优化 5.2 遗传算法与控制器参数优化生物遗传过程中涉及到的重要名称：染色体染色体-生物遗传物质的主要载体；DNA-染色体中的最主要的遗传物质；基因基因-控制生物性状的遗传物质的功能单位和结构单位；基因型基因型和表现型表现型-染色体的两种表现形式。2023/4/75第5页，此课件共50页哦五五控制器参数优化控制器参数优化 5.2 遗传算法与控制器参数优化遗传算法中涉及的几个重要名称：染色体染色体

5、-参数空间的数据或数组，或称基因型个体个体（Individuals），是遗传算法处理的基本单位；种群种群（Population）-由一定数量个体组成；种群规模种群规模（Population Size）-种群中个体的数目，也叫种群的大小；适应度适应度（Fitness）-各个体对环境的适应程度。2023/4/76第6页，此课件共50页哦五五控制器参数优化控制器参数优化 5.2 遗传算法与控制器参数优化参数编码参数编码（Coding）-数据转换操作，表现型到基因型的转换，把搜索空间中的参数或解转换成遗传空间中的染色体或个体；初始种群的设定初始种群的设定；适应度函数的计算；适应度函数的计算；遗传操作：

6、选择、交叉、变异；选择、交叉、变异；参数解码参数解码（Decoding）-数据转换操作，基因型到表现型的转换。2023/4/77第7页，此课件共50页哦五五控制器参数优化控制器参数优化 5.2 遗传算法与控制器参数优化遗传操作：1、选择选择首先对适应度值进行从大到小排序，再计算其平均值，把低于适应度值平均值的染色体依次用前面最好的个体代替。2、交叉交叉将选择后的种群个体（称为父代）随即配对，按照选定的交叉方式及确定的交叉概率把个体的基因部分地进行交换，形成一对子代个体。产生新个体的主要手段。3、变异变异：部分基因进行突变，加强后代的多样性，扩展解空间。2023/4/78第8页，此课件共50页哦

7、五五控制器参数优化控制器参数优化 遗传算法以目标函数（适应度函数）为依据进行寻优。遗传算法以目标函数（适应度函数）为依据进行寻优。2023/4/79第9页，此课件共50页哦五五控制器参数优化控制器参数优化 5.2 遗传算法与控制器参数优化采用遗传算法进行PID参数整定：2023/4/710第10页，此课件共50页哦五五控制器参数优化控制器参数优化 5.3 粒子群算法（PSO）自然界中一些生物的行为特征呈现群体特征，可以用简单的几条规则将这种群体行为在计算机中建模，实际上就是在计算机中用简单的几条规则来建立个体的运动模型，但这个群体的行为可能很复杂。例如，使用了下列三个规则作为简单的行为规则:l

8、)向背离最近的同伴的方向运动;2)向目的运动;3)向群体的中心运动。群体中每个个体都遵循以上原则，从这种群行为特性中得到启发求解优化问题。2023/4/711第11页，此课件共50页哦5.3 粒子群算法（PSO）在PSO中，每个优化问题的可能解都可以想象成d维搜索空间上的一个点，我们称之为“微粒”（Particle)。粒子在搜索空间中以一定的速度飞行，这个速度根据它本身的飞行经验和同伴的飞行经验来动态调整。所有的粒子都有一个被目标函数决定的适应值(fitness value)，并且知道自己到目前为止发现的最好位置(particle best，记为pbest)和当前的位置，这个可以看作是粒子自己

9、的飞行经验。除此之外，每个粒子还知道到目前为止整个群体中所有粒子发现的最好位置(global best，记为gbest)(gbest是在pbest中的最好值)，这个可以看作是粒子的同伴的经验。每个粒子使用下列信息改变自己的当前位置:1)当前位置;2)当前速度;3)当前位置与自己最好位置之间的距离;4)当前位置与群体最好位置之间的距离。优化搜索正是在由这样一群随机初始化形成的粒子而组成的种群中，以迭代的方式进行的。2023/4/712第12页，此课件共50页哦5.3 粒子群算法（PSO）PSO算法主要计算步骤如下:Step 1:初始化，设定加速常数Cl.C2，最大进化代数Tmax，将当前进化代数

10、置为t=1，在定义空间中随机产生m个粒子，组成初始种群s(t);随机产生各粒子初始速度和位置。Step2:评价种群，计算每个粒子在每一维空间的适应值。Step3:比较粒子的适应值和自身最优值pbest。如果当前值比pbest更优，则置pbest为当前值，并设pbest位置为n维空间中的当前位置。Step4:比较粒子的适应值与种群最优值gbest。如果当前值比gbest更优，则重置gbest的索引号。Steps:按公式更新粒子的速度和位置，产生新种群S(t十1)。Step6:检查结束条件，若满足，则结束寻优;否则，t=t+1，转至Step2。结束条件为寻优达到最大进化代数或足够好的适应值。202

11、3/4/713第13页，此课件共50页哦5.4 蚁群算法蚁群系统(Ant System)是由意大利学者Dorigo等于20 世纪90 年代初提出的一种基于蚁群种群的新型优化算法2,它通过模拟自然界蚁群寻食过程中通过信息素(Pheromone)的相互交流从而找到由蚁巢至食物的最短路径的现象,提出了一种基于信息正反馈原理的蚁群优化算法并用于解决了一系列组合优化问题。2023/4/714第14页，此课件共50页哦5.5 先进控制过程控制策略的分类:第一类:传统控制策略，包括:手动控制、PID控制、比值控制、串级控制、前馈控制:第二类:先进控制一经典技术，包括:增益调整、时滞补偿、解祸控制;第三类:先

12、进控制一流行技术，包括:模型预测控制、内模控内模控制制、自适应控制、统计质量控制;第四类:先进控制一潜在技术，包括:最优控制、非线性控制、专家系统、神经控制、模糊控制;第五类:先进控制一研究中的策略，包括:鲁棒控制、H控制等。2023/4/715第15页，此课件共50页哦5.5.1 内模控制概述 内模控制(Internal Model Control，简称IMC)是一种基于过程数学模型进行控制器设计的新型控制策略。由于具有良好的跟踪性能和抗干扰能力，并对模型失配有一定的鲁棒性，使其在工业过程控制中获得了越来越广泛的应用。所谓内模控制，其设计思路就是将对象模型与实际对象相并联，控制器逼近模型的动

13、态逆，内模控制的一般2023/4/716第16页，此课件共50页哦结构如图所示。图中yp，u为被控对象的输出量和控制量；ym为内部模型输出；r为给定值(参考轨迹)；d为外部扰动；Gp为被控对象；Gm为内部模型(标称模型)；c 为(前馈)内模控制器；Gf为反馈滤波器。2023/4/717第17页，此课件共50页哦内模控制系统的性质(1)对偶稳定性：当模型精确时(即Gp(s)=Gm(s)，系统内部稳定的充要条件是控制器和对象同时稳定；(2)理想控制：假设 Gp(s)=Gm(s)且Gp(s)稳定，当设计控制器为Gc(s)=Gm-1(s)，且模型的逆存在并可实现时，则不论有无外界干扰，均可现理想控制；

14、(3)无静差：当闭环系统稳定时，只要控制器和模型的稳态增益乘积为1，即Gc(0)=Gm-1(0)，则无论对象与模失配与否，系统对于阶跃输入及阶跃干扰均不存在输出静差。2023/4/718第18页，此课件共50页哦5.5.2内模控制器设计的两步法内模控制器设计的两步法步骤1 过程模型的分解：Gm(s)可以分解成两项：Gm+(s)和Gm-(s)，有：Gm(s)=Gm+(s)Gm-(s)(5-1)此处，Gm+(s)是一个全通滤波器传递函数，对于所有频率，满足|Gm+(j)|=1。事实上，Gm+(s)包含了所有时滞和右半平面零点。Gm-(s)是具有最小相位特征的传递函数，即Gm-(s)稳定且不包含预测

15、项。2023/4/719第19页，此课件共50页哦步骤2 IMC控制器的设计 若Gm-1(s)存在且正则，则Gc(s)=Gm-1(s)是唯一的最优内模控制器。若非Gm-1(s)正则，则Gm-1(s)物理不可实现，可引入滤波器f(s)，构成次优IMC控制器Gc(s)=Gm-1(s)f(s)。通常对于阶跃输入和扰动，取 的形式，式中k是一个可计算的常数，即 ，以保证系统无静差；n为相对阶；0为滤波器时间常数，是内模控制器仅有的设计参数。2023/4/720第20页，此课件共50页哦5.5.3 内模控制器与经典反馈控制器的关系内模控制器与经典反馈控制器的关系 由于目前大多数工业过程仍然采用PID控制

16、器，因将内模控制器转换为经典反馈控制器，是其应用于实际的一条出路。下面具体讨论这两种控制器间的关系。如果将控制器等效分解成图5.2(A)中虚线包围的部分，图5.1的方框图（）可转化成图5.2(A)所示的控制系统。推导图5.2(A)系统的输入输出关系可以发现，两个模型模块互相抵消，因而即为图5.2(B)所示的经典反馈控制系统。2023/4/721第21页，此课件共50页哦(A)(B)图图5.2内模控制与经典反馈控制的关系内模控制与经典反馈控制的关系2023/4/722第22页，此课件共50页哦经典反馈控制器C与IMC控制器的关系是：(5-2)(5-3)2023/4/723第23页，此课件共50页

17、哦+C(S)G(S)常规PID控制，C(S)为PID控制器C(S)G(S)Gm(S)+Gm(S)Gc(S)G(S)Gm(S)+Gc(S)存在转换公式Gc=(I+CGm)-1C常规内模控制 用内模控制整定的用内模控制整定的PID控制器参数原理图控制器参数原理图2023/4/724第24页，此课件共50页哦5.5.4 基于全极点近似的时滞系统内模控制及基于全极点近似的时滞系统内模控制及IMC-PID转化转化 Rivera等人首先提出了IMC-PID控制器的设计问题，并对纯滞后分别采用零阶和一阶Pade近似，通过近似后转变模型分解方法设计了一阶与二阶加纯滞后过程的IMC-PID控制器，龚晓峰等采用非

18、对称二阶Pade近似对一阶加纯滞后过程导出了IMC-PID控制器。但上述方法在Pade近似引入了零点，同时在应用于二阶加纯滞后过程或高阶过程时带来的较大误差，且计算相对复杂。针对上述问题，本培训资料将全极点近似引入IMC-PID控制的研究。全极点法具有较好的近似性，因此在本培训资料中将结合内模控制进行深入研究，将其应用于典型的化工过程：一阶加纯滞后环节和二阶加纯滞后环节，结合麦克劳林式对转化后的PID控制器表达式展开，从而推导出IMC-PID控制器参数求取的一般通式。2023/4/725第25页，此课件共50页哦内模控制作用对比内模控制作用对比还可参见测试曲线中效果2023/4/726第26页

19、，此课件共50页哦5.6 用预测控制算法优化用预测控制算法优化PID参数参数预测PID控制概述 作为先进控制中的一种，由于预测控制在应用中所表现出来简易性及控制的鲁棒性，使它得到了工业控制界的广泛重视和应用。预测控制不是某一种统一理论的产物，而是在工业实践过程中独立发展起来的。它是由美国和法国几家公司在70年代先后提出的。而且一经问世就在石油、电力和航空等工业中得到了十分成功的应用。随后又相继出现了各种其他相近的算法，到目前为止已有几十种之多，可统称之为预测控制算法。2023/4/727第27页，此课件共50页哦预测预测PID控制算法的基本原理及研究现状控制算法的基本原理及研究现状 自1992

20、年Hagglund提出预测PI控制器的思想以来，预测PID算法得到了逐步发展和完善，并成功应用在一些复杂对象的控制上。目前文献上所述预测PID控制算法可以归纳为两种：(1)有预测功能的PID控制器。本质上，它是种PID控制器，只不过依据一些先进控制机理，如内模原理、广义预测原理、模糊理论、遗传算法和人工智、能原理来设计控制器参数，或根据某种最优原则在线给定PID控制器参数，使之具有预测功能。(2)预测算法和PID算法融合在一起的控制器。在这种控制器中，包括预测控制器和PID控制器。PID控制器和过程的滞后时间无关，而预测控制器则主要依赖过程的滞后时间，根据以前的控制作用给出现在的控制作用。20

21、23/4/728第28页，此课件共50页哦DCS控制柜工程师站操作站操作站5.7 5.7 基于基于基于基于IMC-PIDIMC-PID的控制器优化项目实施情况的控制器优化项目实施情况的控制器优化项目实施情况的控制器优化项目实施情况 具体技术细节具体技术细节:实施的硬件结构实施的硬件结构实施的硬件结构实施的硬件结构控制器优化站数据单向传输1.安全可靠2.完全不影响装置的正常运行3.完全不影响数采的正常运行4.与数采的区别为数据量大、采样周期短(1秒一次)2023/4/729第29页，此课件共50页哦具体技术细节具体技术细节DCS数据交换接口数据交换接口模型仿真模型仿真对象的动态测试对象的动态测试

22、对象的模型辨识对象的模型辨识内模内模PID参数整定参数整定PID参数下发参数下发PID参数输出显示参数输出显示 控制器参数优化整定软件包模块图控制器参数优化整定软件包模块图2023/4/730第30页，此课件共50页哦包括：包括：包括：包括：1.通信接口 2.关系型数据库 3.模型辨识软件包 4.控制器优化软件包 5.装置运行自控率监控模块(长周期)6.装置运行平稳率监控模块 可以监控统计和随时查询：可以监控统计和随时查询：可以监控统计和随时查询：可以监控统计和随时查询：小时、日、周、月、年自控率和平稳率具体技术细节具体技术细节:软件结构软件结构软件结构软件结构2023/4/731第31页，此

23、课件共50页哦内模内模-PID应用前后作用对比应用前后作用对比应用效果应用效果应用效果应用效果 2023/4/732第32页，此课件共50页哦内模内模-PID应用前后作用对比应用前后作用对比2023/4/733第33页，此课件共50页哦聚丙烯反应器夹套水进口温度控制结果（前）2023/4/734第34页，此课件共50页哦聚丙烯反应器夹套水进口温度控制结果改进 2023/4/735第35页，此课件共50页哦聚丙烯环管反应器反应温度控制结果(前)2023/4/736第36页，此课件共50页哦聚丙烯环管反应器反应温度控制结果(改进)2023/4/737第37页，此课件共50页哦2023/4/738第

24、38页，此课件共50页哦2023/4/739第39页，此课件共50页哦2023/4/740第40页，此课件共50页哦2023/4/741第41页，此课件共50页哦2023/4/742第42页，此课件共50页哦2023/4/743第43页，此课件共50页哦2023/4/744第44页，此课件共50页哦2023/4/745第45页，此课件共50页哦2023/4/746第46页，此课件共50页哦难投入自动的回路难投入自动的回路2023/4/747第47页，此课件共50页哦难投入自动的回路一串八难投入自动的回路一串八难投入自动的回路一串八难投入自动的回路一串八2023/4/748第48页，此课件共50页哦FC2原料燃料温度出口温度TCFC1图2 加热炉控制的原理图副回路主回路PC炉堂负压AC氧含量控制风加热炉控制加热炉控制加热炉控制加热炉控制2023/4/749第49页，此课件共50页哦加热炉控制加热炉控制加热炉控制加热炉控制2023/4/750第50页，此课件共50页哦