一種帶漂移干擾的模型預(yù)測控制器的建模質(zhì)量監(jiān)控方法
【技術(shù)領(lǐng)域】
[0001 ]本發(fā)明屬于模型預(yù)測控制領(lǐng)域，更具體地，涉及一種帶漂移干擾的模型預(yù)測控制 器的建模質(zhì)量監(jiān)控方法。
【背景技術(shù)】
[0002] 模型預(yù)測控制(Model Predictive Control，MPC)是一種廣泛應(yīng)用于工業(yè)過程控 制領(lǐng)域的基于模型的先進(jìn)控制方法，具有控制效果好、魯棒性強(qiáng)、對模型精確性要求不高的 優(yōu)點(diǎn)。
[0003] 模型預(yù)測控制在工業(yè)過程上的實(shí)際應(yīng)用，稱之為模型預(yù)測控制器（Model Predictive Controller，MPC Controller) JPC控制器具有建模簡單、動(dòng)態(tài)控制效果好、魯 棒性強(qiáng)的特點(diǎn)，在投產(chǎn)初期具有良好的控制性能;然而，隨著時(shí)間的推移，MPC控制器性能會 逐漸下降，最后甚至不得不切換到傳統(tǒng)PID控制。導(dǎo)致控制器性能下降的主要因素有噪聲干 擾、模型失配、閥門粘滯、感知器偏差等。因此，對MPC控制器的性能進(jìn)行實(shí)時(shí)評估和監(jiān)控，及 時(shí)發(fā)現(xiàn)其性能下降并進(jìn)行報(bào)警，進(jìn)而診斷性能惡化根源，對保證生產(chǎn)過程的安全、高效、優(yōu) 質(zhì)、低耗運(yùn)行具有重要的實(shí)際意義。
[0004] 近年來，基于數(shù)據(jù)驅(qū)動(dòng)的方法被越來越多地應(yīng)用于控制系統(tǒng)性能評估問題。如MPC 框架下的歷史性能指標(biāo)，能對MPC的性能做出有效的評價(jià)，但它需要獲取一段控制系統(tǒng)運(yùn)行 良好的數(shù)據(jù)來計(jì)算評價(jià)基準(zhǔn)，而此良好運(yùn)行階段的選取沒有標(biāo)準(zhǔn)，從而給該方法的應(yīng)用帶 來一定的局限性。在基于模型的控制技術(shù)中，模型的質(zhì)量對于控制器的設(shè)計(jì)和整定起到關(guān) 鍵作用，控制系統(tǒng)的性能依賴于過程模型的精度，亦即受到模型失配程度的影響。
[0005] -方面，現(xiàn)階段關(guān)于建模質(zhì)量監(jiān)控的技術(shù)多采用白噪聲作為系統(tǒng)干擾噪聲源，但 在實(shí)際工業(yè)過程中，干擾往往隨時(shí)間緩慢遞增，呈現(xiàn)出非高斯的特點(diǎn)；另一方面，現(xiàn)階段關(guān) 于建模質(zhì)量監(jiān)控的技術(shù)尚無法診斷導(dǎo)致控制器性能變差的惡化根源，無法診斷控制器性能 變差的原因是在于模型存在失配，或者是噪聲干擾、閥門粘滯、感知器偏差等因素上。

【發(fā)明內(nèi)容】

[0006] 針對現(xiàn)有技術(shù)的以上缺陷或改進(jìn)需求，本發(fā)明提供了一種帶漂移干擾的模型預(yù)測 控制器的建模質(zhì)量監(jiān)控方法，其目的在于僅需利用閉環(huán)控制系統(tǒng)的常規(guī)輸入輸出數(shù)據(jù)即可 有效監(jiān)控模型質(zhì)量，由此提高建模質(zhì)量監(jiān)控準(zhǔn)確度。
[0007] 為實(shí)現(xiàn)上述目的，按照本發(fā)明的一個(gè)方面，提供了一種帶漂移干擾的模型預(yù)測控 制器的建模質(zhì)量監(jiān)控方法，包括如下步驟：
[0008] (1)建立閉環(huán)控制系統(tǒng)的干擾模型；
[0009] (2)根據(jù)閉環(huán)控制系統(tǒng)的實(shí)際情況以及給定的控制目標(biāo)，獲取過程的MPC控制器； [0010] (3)當(dāng)閉環(huán)控制系統(tǒng)在所述干擾模型及MPC控制器的控制下運(yùn)行時(shí)，采集閉環(huán)控制 系統(tǒng)運(yùn)行所得的過程數(shù)據(jù);所述過程數(shù)據(jù)包括閉環(huán)控制系統(tǒng)的過程輸出和過程輸入；
[0011] (4)根據(jù)閉環(huán)控制系統(tǒng)結(jié)構(gòu)，對所述過程輸出及過程輸入數(shù)據(jù)進(jìn)行正交投影，獲得 過程估計(jì)干擾更新；
[0012] (5)根據(jù)閉環(huán)控制系統(tǒng)既定參考信號和過程實(shí)際輸出，獲取閉環(huán)控制系統(tǒng)的實(shí)際 跟蹤誤差；
[0013] (6)根據(jù)所述過程估計(jì)干擾更新與所述實(shí)際跟蹤誤差，獲得閉環(huán)控制系統(tǒng)的模型 質(zhì)量指標(biāo)；
[0014] (7)根據(jù)閉環(huán)控制系統(tǒng)結(jié)構(gòu)，利用所述模型質(zhì)量指標(biāo)對建模質(zhì)量進(jìn)行監(jiān)控。
[0015] 優(yōu)選地，上述步驟(1)包括如下子步驟：
[0016] (1.1)根據(jù)閉環(huán)控制系統(tǒng)結(jié)構(gòu)，建立工業(yè)過程的一階移動(dòng)平均模型，具體如下：
[0017] dk = dk-i+￡k-0ek-i
[0018] 其中，Θ為白噪聲平均系數(shù)，-1<0<1;4~~(〇，~2)表示白噪聲；〇 ￡2表示白噪聲方 差;dk表示過程隨機(jī)干擾噪聲；
[0019] (1.2)向上述一階移動(dòng)平均模型中加入漂移，得到帶漂移干擾的一階移動(dòng)平均模 型，具體如下：
[0020] dk = dk-i+￡k-θε^-ι+δ
[0021] 其中，δ為漂移，dk表示過程隨機(jī)干擾噪聲。
[0022] 優(yōu)選地，上述步驟(2)包括如下子步驟：
[0023] (2.1)根據(jù)給定的控制目標(biāo)，定義相關(guān)的被控變量CV、操縱變量MV、擾動(dòng)變量DV;其 中，DV是指對CV有影響的可測擾動(dòng)，但是不可操縱；
[0024] (2.2) (2.2)通過對所述操縱變量MV和擾動(dòng)變量DV做階躍變化，獲得各個(gè)被控變量 CV的動(dòng)態(tài)變化數(shù)據(jù)，利用辨識算法獲取過程的動(dòng)態(tài)模型預(yù)測控制器;并利用參數(shù)選擇規(guī)則 配置控制器。
[0025] 優(yōu)選地，上述步驟(3)包括如下子步驟：
[0026] (3.1)根據(jù)控制系統(tǒng)的要求，生成閉環(huán)控制系統(tǒng)的過程設(shè)定值，該設(shè)定值為常數(shù)， 記為r(k)，其中k表示第k個(gè)采樣時(shí)刻；
[0027] (3.2)運(yùn)行閉環(huán)控制系統(tǒng)，獲取閉環(huán)控制系統(tǒng)的過程輸入u(k)和過程輸出y(k)。
[0028] 優(yōu)選地，上述步驟(4)包括如下子步驟：
[0029] (4.1)根據(jù)閉環(huán)控制系統(tǒng)結(jié)構(gòu)，建立過程輸出的高階自回歸模型如下：
[0030] yP(k) = [y(k) y(k-l) ··· y(k-p)]
[0032] 其中，p表示過程估計(jì)干擾更新的數(shù)據(jù)窗口大小，Μ表示過程輸出高階自回歸模型 的階次;y(k)表示k時(shí)刻采集所得過程輸出，y(k-l)表示(k-Ι)時(shí)刻采集所得過程輸出，…，y (k-p)表示(k-p)時(shí)刻采集所得過程輸出，y P(k)表示由y(k)，y(k-l)，···，y(k-p)所構(gòu)成的1 X(P+1)維矩陣;YM(k-l)表示由 yP(k-l)，yP(k-2)，…，yP(k-M)所構(gòu)成的 MX(P+1)維矩陣；
[0033] (4.2)根據(jù)閉環(huán)控制系統(tǒng)結(jié)構(gòu)，建立過程設(shè)定值的高階自回歸模型如下：
[0034] rP(k) = [r(k) r(k~l) ··· r(k-p)]
[0036] 其中，p表示過程估計(jì)干擾更新的數(shù)據(jù)窗口大小，N表示過程設(shè)定值高階自回歸模 型的階次；
[0037] r(k)表示k時(shí)刻采集所得過程設(shè)定值，r(k-l)表示(k-Ι)時(shí)刻采集所得過程設(shè)定 值，…，r(k-p)表示(k-p)時(shí)刻采集所得過程設(shè)定值，r P(k)表示由r(k)，r(k-l)，…，r(k-p) 所構(gòu)成的1\(?+1)維矩陣咖仏-1)表示由以1^-1)，以卜2)，"_，以1^)所構(gòu)成的"（？+1) 維矩陣；
[0038] (4.3)根據(jù)閉環(huán)控制系統(tǒng)結(jié)構(gòu)，建立過程輸出以及過程設(shè)定值的混合高階自回歸 模型如下：
[0040] 其中，為(M+N) X (P+1)維矩陣，前Μ行由過程輸出的高階自回歸模型YM(k-1)組成，后N行由過程設(shè)定值的高階自回歸模型RN(k-l)組成；
[0041] (4.4)根據(jù)上述高階自回歸模型，通過正交投影算法，獲取過程估計(jì)干擾更新向 量：
[0042] β,Χ^γ,Χ^Ι-^
[0043] 其中，eP(k) = [e(k) e(k-l)…e(k-p)]，表示1Χ(Ρ+1)維的過程估計(jì)干擾更新 向量，e(k)表示k時(shí)刻所得過程估計(jì)干擾更新，I表示(Ρ+1)Χ(Ρ+1)維的單位矩陣；
[0044] 由于閉環(huán)數(shù)據(jù)具有高度相關(guān)性，因此是病態(tài)的，導(dǎo)致所得過程估計(jì) 干擾更新不可靠。
[0045] 優(yōu)選地，步驟(4.4)解決這一問題的方法進(jìn)一步包括如下子步驟：
[0046]
,獲取正交矩陣 Qi和Q2，對角矩陣Rii，對角矩陣R22和行向量R21;
[0047] (4.4.2)根據(jù)正交矩陣&和出，對角矩陣1?11，對角