分布式動(dòng)態(tài)矩陣控制優(yōu)化的焦炭爐爐膛壓力控制方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種分布式動(dòng)態(tài)矩陣控制優(yōu)化的焦炭爐爐膛壓力控制方法。本發(fā)明首先通過(guò)采集階躍響應(yīng)數(shù)據(jù)建立多變量過(guò)程的輸入輸出模型，再將多變量過(guò)程的在線優(yōu)化實(shí)施問(wèn)題轉(zhuǎn)化成各個(gè)小規(guī)模子系統(tǒng)的優(yōu)化實(shí)施問(wèn)題，把網(wǎng)絡(luò)環(huán)境下的每個(gè)子系統(tǒng)看作為一個(gè)智能體，同時(shí)各智能體之間通過(guò)網(wǎng)絡(luò)進(jìn)行物質(zhì)、能量及信息通信，以提高整個(gè)系統(tǒng)的控制性能。然后再選取合適的性能指標(biāo)通過(guò)不斷迭代計(jì)算求取各智能體的納什最優(yōu)解，進(jìn)而得到PID控制器參數(shù)，再對(duì)每個(gè)智能體實(shí)施該時(shí)刻的即時(shí)控制律，并將時(shí)域滾動(dòng)到下一時(shí)刻，重復(fù)上述優(yōu)化過(guò)程，從而完成優(yōu)化任務(wù)。本發(fā)明能很好的處理多變量耦合系統(tǒng)，在一定程度上彌補(bǔ)了模型的不確定性，改善了系統(tǒng)的控制性能。
【專(zhuān)利說(shuō)明】
分布式動(dòng)態(tài)矩陣控制優(yōu)化的焦炭妒妒膛壓力控制方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于自動(dòng)化技術(shù)領(lǐng)域，設(shè)及一種基于分布式動(dòng)態(tài)矩陣控制(DDMC)優(yōu)化的焦 炭爐爐膛壓力比例積分微分(PID)控制方法。
【背景技術(shù)】
[0002] 在實(shí)際工業(yè)過(guò)程中，由于PID控制結(jié)構(gòu)簡(jiǎn)單，操作方便，已經(jīng)廣泛地應(yīng)用于實(shí)際過(guò) 程控制系統(tǒng)中。但是，隨著科學(xué)技術(shù)的發(fā)展，現(xiàn)代過(guò)程系統(tǒng)呈現(xiàn)出規(guī)模龐大，禪合強(qiáng)烈，W及 約束眾多的特點(diǎn)，給傳統(tǒng)PID控制的應(yīng)用帶來(lái)了諸多挑戰(zhàn)。DDMC作為預(yù)測(cè)控制自然的延伸和 發(fā)展，綜合利用計(jì)算機(jī)通信技術(shù)和控制理論，能很好的控制存在多變量、強(qiáng)禪合、不確定的 被控對(duì)象，提高了系統(tǒng)的控制性能。如果能夠在實(shí)際過(guò)程中將DDMC和PID控制技術(shù)相結(jié)合， 系統(tǒng)控制性能將得到進(jìn)一步改善，同時(shí)又能保證控制結(jié)構(gòu)的形式簡(jiǎn)單。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明目的是針對(duì)傳統(tǒng)PID控制在多變量過(guò)程控制的不足之處，提出了一種基于 DDMC優(yōu)化的焦炭爐爐膛壓力PID控制方法。該方法結(jié)合DDMC和傳統(tǒng)PID控制算法，彌補(bǔ)了傳 統(tǒng)PID控制的不足，又保證了良好的控制性能。本發(fā)明方法首先通過(guò)采集階躍響應(yīng)數(shù)據(jù)建立 多變量過(guò)程的輸入輸出模型，再將多變量過(guò)程的在線優(yōu)化實(shí)施問(wèn)題轉(zhuǎn)化成各個(gè)小規(guī)模子系 統(tǒng)的優(yōu)化實(shí)施問(wèn)題，把網(wǎng)絡(luò)環(huán)境下的每個(gè)子系統(tǒng)看作為一個(gè)智能體，同時(shí)各智能體之間通 過(guò)網(wǎng)絡(luò)進(jìn)行物質(zhì)、能量及信息通信，W提高整個(gè)系統(tǒng)的控制性能。然后再選取合適的性能指 標(biāo)通過(guò)不斷迭代計(jì)算求取各智能體的納什最優(yōu)解，進(jìn)而得到PID控制器參數(shù)，再對(duì)每個(gè)智能 體實(shí)施該時(shí)刻的即時(shí)控制律，并將時(shí)域滾動(dòng)到下一時(shí)刻，重復(fù)上述優(yōu)化過(guò)程，從而完成整個(gè) 系統(tǒng)的優(yōu)化任務(wù)。
[0004] 本發(fā)明的技術(shù)方案是通過(guò)數(shù)據(jù)采集、模型建立、預(yù)測(cè)機(jī)理、優(yōu)化等手段，確立了一 種基于DDMC優(yōu)化的焦炭爐爐膛壓力PID控制方法，利用該方法能很好的處理多變量禪合系 統(tǒng)，在一定程度上彌補(bǔ)了模型的不確定性，改善了系統(tǒng)的控制性能。
[0005] 本發(fā)明方法的步驟包括：
[0006] 步驟1.通過(guò)焦炭爐爐膛壓力對(duì)象的實(shí)時(shí)階躍響應(yīng)數(shù)據(jù)建立被控對(duì)象的模型，具體 方法是：
[0007] 1.1在穩(wěn)態(tài)工況下，Wu功輸入對(duì)輸出yi進(jìn)行階躍響應(yīng)實(shí)驗(yàn)，分別記錄第 3)個(gè)輸入對(duì)第i (1《i《3)個(gè)輸出的階躍響應(yīng)曲線；
[0008] 1.2將步驟1.1得到的階躍響應(yīng)曲線進(jìn)行濾波處理，然后擬合成一條光滑曲線，記 錄光滑曲線上每個(gè)采樣時(shí)刻對(duì)應(yīng)的階躍響應(yīng)數(shù)據(jù)，第一個(gè)采樣時(shí)刻為T(mén)s,采樣時(shí)刻順序?yàn)?Ts、2Ts、3Ts……；被控對(duì)象的階躍響應(yīng)將在某一個(gè)時(shí)刻U = I^ijTs后趨于平穩(wěn)，當(dāng)。；心>4,)與 ?1的誤差和測(cè)量誤差有相同的數(shù)量級(jí)時(shí)，即可認(rèn)為 <,近似等于階躍響應(yīng)的穩(wěn)態(tài)值。建立第 j個(gè)輸入對(duì)第i個(gè)輸出之間的階躍響應(yīng)模型向量aij:
[0009]
[0010]其中T為矩陣的轉(zhuǎn)置符號(hào)山功第j個(gè)輸入對(duì)第i個(gè)輸出的建模時(shí)域。
[0011] 步驟2.設(shè)計(jì)第i個(gè)智能體的PID控制器，具體方法是：
[0012] 2.1利用步驟1獲得的模型向量au建立被控對(duì)象的動(dòng)態(tài)矩陣，其形式如下：
[0013]
[0014] 其中Au為第j個(gè)智能體輸入對(duì)第i個(gè)智能體的PXM階動(dòng)態(tài)矩陣，ai^k)為第j個(gè)輸 入對(duì)第i個(gè)輸出階躍響應(yīng)的數(shù)據(jù)，P為動(dòng)態(tài)矩陣控制算法的優(yōu)化時(shí)域，M為動(dòng)態(tài)矩陣控制算法 的控制時(shí)域，N=3為輸入輸出個(gè)數(shù)，為方便起見(jiàn)記!^。= L( 1《i《N，1《j《N)，M<P<L;
[001引2.2獲取第i個(gè)智能體當(dāng)前k時(shí)刻的模型預(yù)現(xiàn)顧始響應(yīng)值yi,0化）
[0016] 首先，在k-1時(shí)刻加入控制增量A山化-1), A化化-1),…，A化化-1)，得到第i個(gè)智 能體的模型預(yù)測(cè)值yi,p化-1):
[0017]
[001引 其中，
[0019] yi,p(k-l) = [yi,i(k|k-l) ,yi,i(k+l |k-l),…，yi,i(k+L-l |k-l)]T
[0020] yi,〇(k-l) = [yi,0(；k|k-l) ,yi,0(；k+l |k-l),…，yi,0(；k+L-l |k-l)]T,
[0021 ] Aii,o= [aii(l) ,aii(2),…，aii(U ]T,Aij,o = [aij(l) ,aij(2),,aij(U ]T
[0022] yi,i化|k-l) ,yi,i化+1 |k-l) ,??? ,yi,Kk+l^-l |k-l)分別表示第i個(gè)智能體在k-1 時(shí)刻 對(duì)k,k+l,…，k+kl時(shí)刻的模型預(yù)測(cè)值，yi,日化|k-l) ,yi,日化+1 |k-l) ,??? ,yi,日化+kl |k-l)表 示k-1時(shí)刻對(duì)k，k+l，…，k+L-1時(shí)刻的初始預(yù)測(cè)值，Aii,o，Aij,o分別為第i個(gè)智能體和第j個(gè)智 能體對(duì)第i個(gè)智能體的階躍響應(yīng)數(shù)據(jù)建立的矩陣，Am化-1), Au2化-1)，? ? ?，Aiin化-1)為k- 1時(shí)刻各智能體的輸入控制量；
[0023] 然后，可W得到k時(shí)刻第i個(gè)智能體的模型預(yù)測(cè)誤差值ei化）：
[0024] ei(k)=yi 化）-yi,i(k|k-l)
[0025] 其中yi化)表示k時(shí)刻測(cè)得的第i個(gè)智能體的實(shí)際輸出值；
[0026] 進(jìn)一步得至化時(shí)刻修正后的模型輸出值yi,cor化）：
[0027] yi,c〇r(k) =yi,o(k-l)+h*ei(k)
[002引 其中，
[0029] yi,c〇r(k) = [yi,c0r 化 I k) ,yi,c0r 化+1 I k),…，yi,c0r(k+l^-l |k)]T,h=[l,a,...,a]T
[0030] yi,cor化|k)，yi,cor化+l|k)，…，yi,cor化+kl|k)分別表示第i個(gè)智能體在k時(shí)刻模型 的修正值，h為誤差補(bǔ)償?shù)臋?quán)矩陣，a為誤差校正系數(shù)；
[0031] 最后得到k時(shí)刻的模型預(yù)測(cè)的初始響應(yīng)值yi,o化）：
[0032] yi,o(k) =Syi,c〇r(k)
[0033] 其中，S為L(zhǎng) X L階的狀態(tài)轉(zhuǎn)移矩陣，
[0034]
[0035] 2.3計(jì)算第i個(gè)爐膛在M個(gè)連續(xù)的控制增量Aui化），Aui化+l)，...，Aui(k+M-l)下 的預(yù)測(cè)輸出值yi.PM，具體方法是：
[0036]
[0037] 其中，
[003引 yi,pM(k) = [yi,M化+1 |k) ,yi,M(k+2|k),yi,M(k+P|k)]T
[0039] yi,p〇(k) = [yi,0(；k+l |k)，yi,o(k+2|k)，...，yi,o(k+P|k)]T
[0040] Aui,M化）=[Aui化），Aui化+1),, Aui化+M-1) ]T
[0041 ] Auj,M(k) = [ Auj化），Auj化+1),, Auj化+M-1) ]T
[0042] yi,p〇化)是yi,日化）的前P項(xiàng)，yi,日化+1 |k)，yi,日化+2 I k)，…，yi,日化+P |k)為k時(shí)刻對(duì)k+ 1，k+2，…，k+P時(shí)刻的模型預(yù)測(cè)輸出值；
[00創(chuàng) 2.4選取第i個(gè)智能體的性能指標(biāo)Ji化），形式如下：
[0044] minji(k) = ( O i(k)-yi,PM化））TQi( O i(k)-yi,PM化））+Aui,M(k)TRiAui,M(k)
[0045] Aui,M化）=[Aui化），Aui化+1),, Aui化+M-1) ]T
[0046] Oi化) = [?i化+1)，Oi化+2)，...，《i化+P)]T
[0047] CO i(k+e)=PV(k) + (l-0")c(k)(e = l ,2, ??? ,P)
[004引其中谷=成<巧(苗，也…，柄為誤差加權(quán)矩陣，巧-泌"gO'iV;'，…，吃）為控制加權(quán)矩 陣，如拓，…，如和成…，r;分別為化，虹中的權(quán)重系數(shù)，《1化)為第i個(gè)智能體的參考軌跡，0 為參考軌跡的柔化系數(shù)；
[0049] 2.5將第i個(gè)智能體的控制量進(jìn)行變換：
[(K)加 ]
[0化1] 其中，
[0052] Ui,M(k) = [Ui(k) ,Ui(k+l),,Ui化+M-1) ]T
[0053] ei'M(k) = [ei(k)，ei(k+l)，...，ei化+M-1)]t
[0化4]
[0化5]
[0化6]
[0057] Block diag為對(duì)角矩陣塊，公;T"W，巧M腳，巧M腳分別為k時(shí)刻第i個(gè)智能體的 PID控制器的比例系數(shù)、積分系數(shù)和微分系數(shù)，ei,M化)為k時(shí)刻第i個(gè)智能體的參考軌跡和實(shí) 際輸出的誤差；
[005引 2.6進(jìn)一步可將步驟2.5中控制量轉(zhuǎn)換為如下形式：
[0059] Ui,M(k) =Ui,M(；k-l) + &i,M(k)Ei,M(；k)
[0060]
[0061]
[0062]
[0063]
[0064] Ei,M(k) = [ei,M化），ei,M化-I) ,ei,M化-2)]t [00化]其中，
[0066]
[0067] ei,M(k) = [ei(k) ,ei(k+l),,ei(；k+M-l)]T
[0068] 2.7考慮第i個(gè)智能體的控制增量形式如下：
[0069] AUi,M化）=巫 i,M化化i,M化）
[0070] 將其代入步驟2.4,對(duì)性能指標(biāo)Ji化)求導(dǎo)，可得到在k時(shí)刻智能體i的新一輪迭代 最優(yōu)解為
[0071]
[007^ hi優(yōu)解：
[0073]
[0074]
[0075]
[0076]
[0077]
[007引最后將得到的第i個(gè)智能體的PID控制器的參數(shù)K；；"倘、巧"腳、巧"批)構(gòu)成控 制量Ui,M化），并作用于第i個(gè)智能體；
[0079] 2.8在下一時(shí)刻，重復(fù)步驟2.2到2.7繼續(xù)求解第i個(gè)智能體PID控制器新的參數(shù) 巧"的+ 1)、巧M巧+ 1)、玲巧+巧，并依次循環(huán)。
[0080] 本發(fā)明提出了一種基于DDMC優(yōu)化的焦炭爐爐膛壓力PID控制方法。該方法通過(guò)采 集階躍響應(yīng)數(shù)據(jù)建立多變量過(guò)程的輸入輸出模型，設(shè)計(jì)了一種新型的PID控制器，在保證控 制結(jié)構(gòu)形式簡(jiǎn)單的同時(shí)，彌補(bǔ)了傳統(tǒng)PID控制的不足，有效地降低了多變量過(guò)程控制問(wèn)題的 規(guī)模和復(fù)雜性，改善了控制效果。
【具體實(shí)施方式】
[0081] W焦炭爐爐膛壓力控制為例：
[0082] 焦炭爐爐膛壓力控制系統(tǒng)是一個(gè)典型的多變量禪合過(guò)程，調(diào)節(jié)手段采用控制煙道 擋板的閥口開(kāi)度。
[0083] 步驟1.通過(guò)焦炭爐爐膛壓力對(duì)象的實(shí)時(shí)階躍響應(yīng)數(shù)據(jù)建立被控對(duì)象的模型，具體 方法是：
[0084] 1.1在穩(wěn)態(tài)工況下，W第j個(gè)爐膛輸入為輸入對(duì)第i個(gè)爐膛輸出進(jìn)行階躍響應(yīng)實(shí)驗(yàn)， 分別記錄第j (1《j《3)個(gè)輸入對(duì)第i (1《i《3)個(gè)輸出的階躍響應(yīng)曲線；
[0085] 1.2將步驟1.1得到的階躍響應(yīng)曲線進(jìn)行濾波處理，然后擬合成一條光滑曲線，記 錄光滑曲線上每個(gè)采樣時(shí)刻對(duì)應(yīng)的階躍響應(yīng)數(shù)據(jù)，第一個(gè)采樣時(shí)刻為T(mén)s,采樣時(shí)刻順序?yàn)?Ts、2Ts、3Ts……；煙道擋板的閥口開(kāi)度的階躍響應(yīng)將在某一個(gè)時(shí)刻U = ^jTs后趨于平穩(wěn)， 當(dāng)口f(f> A,)與<,的誤差和測(cè)量誤差有相同的數(shù)量級(jí)時(shí)，即可認(rèn)為近似等于階躍響應(yīng)的 穩(wěn)態(tài)值。建立第j個(gè)輸入對(duì)第i個(gè)輸出之間的階躍響應(yīng)模型向量aij:
[0086]
[0087] 其中T為矩陣的轉(zhuǎn)置符號(hào)，Lu為第j個(gè)輸入對(duì)第i個(gè)輸出的建模時(shí)域；
[0088] 步驟2.設(shè)計(jì)第i個(gè)爐膛的PID控制器，具體方法是：
[0089] 2.1利用步驟1獲得的模型向量au建立焦炭爐爐膛壓力對(duì)象的動(dòng)態(tài)矩陣，其形式如 下：
[0090]
[0091] 其中Aij為第j個(gè)爐膛輸入對(duì)第i個(gè)爐膛的PXM階動(dòng)態(tài)矩陣，aij化)為第j個(gè)輸入對(duì) 第i個(gè)輸出階躍響應(yīng)的數(shù)據(jù)，P為動(dòng)態(tài)矩陣控制算法的優(yōu)化時(shí)域，M為動(dòng)態(tài)矩陣控制算法的控 審Ij時(shí)域，N=3為輸人輸出個(gè)數(shù)，為方便起見(jiàn)記Li j = L(l《i《N，l《j《N)，M<P<L
[0092] 2.2獲取第i個(gè)爐膛當(dāng)前k時(shí)刻的模型預(yù)測(cè)初始響應(yīng)值yi,o化）
[0093] 先得到k-1時(shí)刻加入控制增量Am(k-l)(l《i《3)，后第i個(gè)爐膛的模型預(yù)測(cè)值 yi,p(k-l)：
[0094]
[0095] 其中，
[0096] yi,p(k-l) = [yi,i(；k|k-l) ,yi,i(；k+l |k-l),…，yi,i(；k+L-l |k-l)]T
[0097] yi,〇(k-l) = [yi,0(；k|k-l) ,yi,0(；k+l |k-l),…，yi,0(；k+L-l |k-l)]T,
[009引 Aii,0 = [aii( I),aii(2),...,aii(L) ]T,Aij,0 = [aij(I),aij(2),...,aij(L) ]T [0099] yi,i化|k-l)，yi,i化+1 |k-l)，???，yi,i化+kl |k-l)分別表示第i個(gè)智能體在k-1 時(shí)刻 對(duì)k，k+l，…，k+kl時(shí)刻的模型預(yù)測(cè)值，yi,o化 |k-l)，yi,o化+l|k-l)，…，yi,o化+kl|k-l)表 示k-1時(shí)刻對(duì)k，k+l，…，k+L-1時(shí)刻的初始預(yù)測(cè)值，Aii,o，Aij,o分別為第i個(gè)智能體和第j個(gè)智 能體對(duì)第i個(gè)智能體的階躍響應(yīng)數(shù)據(jù)建立的矩陣，Am化為k-1時(shí)刻各智能體 的輸入控制量；
[0100] 接著得到k時(shí)刻第i個(gè)爐膛的模型預(yù)測(cè)誤差值ei化）：
[0101] Gi(k)=yi(；k)-yi,i(k|k-l)
[0102] 其中yi化)表示k時(shí)刻測(cè)得的第i個(gè)爐膛的實(shí)際輸出值；
[0103] 進(jìn)一步得到k時(shí)刻修正的模型輸出值yi, CDr化）：
[0104] yi'cor (k)=yi,o(k-l)+h*ei(k)
[0105] 其中，
[0106] yi,c〇r(k) = [yi,c0r化I k) ,yi,c0r化+1 |k),…，yi,c0r(k+l^-l I k)]T,h=[l ,日，...，a]T
[0107] yi,c〇r(k|k)，yi,c〇r(k+l |k)，...，yi,c〇r(k+L-l |k)分別表示第i個(gè)爐膛在k時(shí)亥臘型的 修正值，h為誤差補(bǔ)償?shù)臋?quán)矩陣，a為誤差校正系數(shù)；
[0108] 最后得到k時(shí)刻的模型預(yù)測(cè)的初始響應(yīng)值yi,o化）：
[0109] yi,o(k) =Syi,c〇r(k)
[0110] 其中，S為L(zhǎng)XL階的狀態(tài)轉(zhuǎn)移矩陣，
[0111]
[0112] 2.3計(jì)算第i個(gè)爐膛在M個(gè)連續(xù)的控制增量Aui化），Aui化+l)，…，Aui(k+M-l)下 的預(yù)測(cè)輸出值yi,PM,具體方法是：
[0113]
[0114] 其中，
[0115] yi,pM(k) = [yi,M(；k+l|k),yi,M(k+2|k),...,yi,M(k+P|k)]T
[Om] yi,p〇(k) = [yi,o(k+l |k)，yi,o(k+2|k)，...，yi,o(k+P|k)]T [0117] Aui,M化）=[Aui化），Aui化+1),, Aui化+M-1) ]T
[011 引 Auj,M(k) = [ Auj化），Auj化+1),, Auj化+M-1) ]T
[0119] 其中yi,p〇化)是yi,o化)的前P項(xiàng)，yi,o化+1 |k)，yi,o化+2 |k)，…，yi,o化+P |k)為k時(shí)刻 對(duì)k+1，k+2，…，k+P時(shí)刻的模型預(yù)測(cè)輸出值；
[0120] 2.4選取第i個(gè)爐膛的性能指標(biāo)Ji化），形式如下：
[0121 ] minji(k) = ( O i(k)-yi,PM化））TQi( O i(k)-yi,PM化））+Aui,M(k)TRiAui,M(k)
[0122] Aui,M化）=[Aui化），Aui化+1),, Aui化+M-1) ]T
[0123] ?i(k) = [?i(k+l)，《i(k+2)，...，《i(k+P)]T
[0124] CO i(k+e)=PV(k) + (l-0")c(k)(e = l ,2, ??? ,P)
[012引其中W i(k)為第i個(gè)爐膛的參考軌跡，0.=油也…，如）為誤差加權(quán)矩陣， A =航巧0'/記…，對(duì)為控制加權(quán)矩陣，式，私…，若和和^ ? ?記分別為Qi，I?i中的權(quán)重系數(shù)，0 為參考軌跡的柔化系數(shù)；
[0127]
[01 %] 2胃Fi悠笛i個(gè)帕瞪的協(xié)n井麼講巧巧拖.
[012 引
[0129]
[0130]
[0131]
[0132]
[0133]
[0134] 么':,"作)乂7"腳，/叫"例分別為1^時(shí)刻第1個(gè)爐膛的？10控制器的比例系數(shù)、積分系 數(shù)和微分系數(shù)，ei,M化)為k時(shí)刻第i個(gè)爐膛的參考軌跡和實(shí)際輸出的誤差；
[013引2.6進(jìn)一步可將步驟2.5中閥口開(kāi)度轉(zhuǎn)換為如下形式：
[0136] Ui,M化）=Ui,M化-1) +巫 i,M化化i,M化）
[0137]
[013 引
[0139]
[0140]
[0141] Ei,M(k) = [ei,M(；k)，ei,M(；k-l)，ei,M(；k-2)]T
[0142] 其中，
[0143]
[0144] ei,M(k) = [ei(k) ,ei(k+l),,ei化+M-1) ]T
[0145] 2.7考慮第i個(gè)爐膛的控制增量形式如下：
[0146] Aui,M&) = 〇i,nKl〇Ei,MA)
[0147] 將其代入步驟2.4,對(duì)性能指標(biāo)Ji化)求導(dǎo)，可得到在k時(shí)刻爐膛i的新一輪迭代最 優(yōu)解為
[014 引
[0149] 依據(jù)納什最優(yōu)的思想，通過(guò)不斷迭代計(jì)算可W得到爐膛i的納什最優(yōu)解：
[0150]
[0151] 進(jìn)一步可W得到：
[0152]
[0153]
[0154]
[0155] 最后得到第i個(gè)爐膛PID控制器的參數(shù)/(';;"(/〇、A：;'"(A-)、A';盧'(./t-m后構(gòu)成閥口開(kāi) 度m,M化)作用于第i個(gè)爐膛；
[0156] 2.8在下一時(shí)刻，重復(fù)步驟2.2到2.7繼續(xù)求解第i個(gè)爐膛PID控制器新的參數(shù) 巧M終+1)、巧足+巧、巧M巧+恥并依次循環(huán)。
【主權(quán)項(xiàng)】
1.分布式動(dòng)態(tài)矩陣控制優(yōu)化的焦炭爐爐膛壓力控制方法，其特征在于該方法包括以下 步驟； 步驟1.通過(guò)焦炭爐爐膛壓力對(duì)象的實(shí)時(shí)階躍響應(yīng)數(shù)據(jù)建立被控對(duì)象的模型，具體是： 1.1在穩(wěn)態(tài)工況下，以W為輸入對(duì)輸出yi進(jìn)行階躍響應(yīng)實(shí)驗(yàn)，分別記錄第j(l<j彡3)個(gè) 輸入對(duì)第i (1 < i < 3)個(gè)輸出的階躍響應(yīng)曲線； 1.2將步驟1.1得到的階躍響應(yīng)曲線進(jìn)行濾波處理，然后擬合成一條光滑曲線，記錄光 滑曲線上每個(gè)采樣時(shí)刻對(duì)應(yīng)的階躍響應(yīng)數(shù)據(jù)，第一個(gè)采樣時(shí)刻為T(mén)s，采樣時(shí)刻順序?yàn)門(mén)s、 2T S、3TS……；被控對(duì)象的階躍響應(yīng)將在某一個(gè)時(shí)刻U = LijTs后趨于平穩(wěn)，當(dāng)〇 > & )與< 的誤差和測(cè)量誤差有相同的數(shù)量級(jí)時(shí)，即可認(rèn)為^近似等于階躍響應(yīng)的穩(wěn)態(tài)值;建立第j個(gè) 輸入對(duì)第i個(gè)輸出之間的階躍響應(yīng)模型向量a1J:其中T為矩陣的轉(zhuǎn)置符號(hào)，Lu為第j個(gè)輸入對(duì)第i個(gè)輸出的建模時(shí)域； 步驟2.設(shè)計(jì)第i個(gè)智能體的PID控制器，具體是： 2.1利用步驟1獲得的模型向量建立被控對(duì)象的動(dòng)態(tài)矩陣，其形式如下：其中Aij為第j個(gè)智能體輸入對(duì)第i個(gè)智能體的PXM階動(dòng)態(tài)矩陣，aij(k)為第j個(gè)輸入對(duì)第 i個(gè)輸出階躍響應(yīng)的數(shù)據(jù)，P為動(dòng)態(tài)矩陣控制算法的優(yōu)化時(shí)域，Μ為動(dòng)態(tài)矩陣控制算法的控制 時(shí)域，1^ = 1^1紀(jì)<3，1幻<3)，〈卩〈1^=3為輸入輸出個(gè)數(shù)； 2.2獲取第i個(gè)智能體當(dāng)前k時(shí)刻的模型預(yù)測(cè)初始響應(yīng)值yM(k) 首先，在k-1時(shí)刻加入控制增量Δ ui(k-l)，Δ U2(k_l)，…，Δ un(k-l)，得到第i個(gè)智能體 的模型預(yù)測(cè)值yi,P(k-i):， yi，p(k-l) = [yi，i(k|k_l)，yi，i(k+l |k_l)，…，yi，i(k+L_l |k_l)]T yi，o(k-l) = [yi，o(k|k_l)，yi，o(k+l |k_l)，…，yi，o(k+L_l |k_l)]T， Α?,o - [aii(l)，aii(2)，...，aii(L)]，Aij,〇 - [aij(l)，aij(2)，...，aij(L)] yi,i(k|k-l)，yi,i(k+l I k-1)，···，yi,i(k+L-l |1^-1)分別表示第;[個(gè)智能體在1^-1時(shí)刻對(duì)1^， k+1，···，k+L-l時(shí)刻的模型預(yù)測(cè)值，yi,〇(k |k-l)，yi,〇(k+l I k-1)，…，yi,〇(k+L-l I k-1)表示k-1 時(shí)刻對(duì)k，k+1，…，k+L-1時(shí)刻的初始預(yù)測(cè)值，Aii, 〇，Aij, 〇分別為第i個(gè)智能體和第j個(gè)智能體對(duì) 第i個(gè)智能體的階躍響應(yīng)數(shù)據(jù)建立的矩陣，Aui(k-l), Au2(k_l)，···，Aun(k-1)為k-1時(shí)刻 各智能體的輸入控制量； 然后，得到k時(shí)刻第i個(gè)智能體的模型預(yù)測(cè)誤差值el(k): ei(k)=yi(k)-yi,i(k|k-l) 其中yi(k)表示k時(shí)刻測(cè)得的第i個(gè)智能體的實(shí)際輸出值； 進(jìn)一步得到k時(shí)刻修正后的模型輸出值Υι,_(1〇 : yi,c〇r(k) =yi,〇(k-l)+h*ei(k) 其中， yi,cor(k) = [yi, cor (k|k)，yi，cor(k+l |k)，… ,yi, cor (k+L-l |k)]T,h=[l,a,---,a]T yi,c〇：r(k|k) ji.cxxrU+l |k),…，yi.cxxrU+L-l |k)分別表示第i個(gè)智能體在k時(shí)刻模型的修 正值，h為誤差補(bǔ)償?shù)臋?quán)矩陣，a為誤差校正系數(shù)； 最后得到k時(shí)刻的模型預(yù)測(cè)的初始響應(yīng)值yi, 〇(k): yi,o(k) = Syi,c〇r(k) 其中，S為L(zhǎng) X L階的狀態(tài)轉(zhuǎn)移矩陣，2.3計(jì)算第i個(gè)爐膛在Μ個(gè)連續(xù)的控制增量Aui(k)，Aui(k+1)，···，Aui(k+M-1)下的預(yù) 測(cè)輸出值y i, pm，具體是：其中， yi，PM(k) = [yi,M(k+l | k)，yi,M(k+2 | k)，…，yi,M(k+P | k) ]τ yi，p〇(k) = [yi，〇(k+l |k) ,yi，〇(k+2|k)，…，yi，〇(k+P|k)]T A ui，M(k) = [ Δ ui(k)，Δ ui(k+l)，···，Δ ui(k+M_l) ]T A uj，M(k) = [ Δ uj(k)，Δ u」（k+l)，···，Δ u」（k+M-l) ]T yi,p〇(k)是yi,〇(k)的前P項(xiàng)，yi,〇(k+l |k)，yi,〇(k+2 |k)，···，yi,〇(k+P |k)為k時(shí)刻對(duì)k+1，k+ 2，…，k+P時(shí)刻的模型預(yù)測(cè)輸出值； 2.4選取第i個(gè)智能體的性能指標(biāo)Jdk)，形式如下： minji(k) = ( ω i(k)_yi,PM(k) )TQi( ω i(k)_yi,PM(k)) + Δ ui,M(k)TRi Δ ui,M(k) A ui，M(k) = [ Δ ui(k)，Δ ui(k+l)，···，Δ ui(k+M_l) ]T Wi(k) = [c〇i(k+l), ω i(k+2)，···，ω i(k+P) ]T Wi(k+e)=0￡y(k) + (l-Pe)c(k)(e = l ,2,··· ,P) 其中g(shù) = ,4)為誤差加權(quán)矩陣，= ,7彳,···,r/)為控制加權(quán)矩陣， "···，?/》和…分別為Qi，Ri中的權(quán)重系數(shù)，〇i(k)為第i個(gè)智能體的參考軌跡，β為 參考軌跡的柔化系數(shù)； 2.5將第i個(gè)智能體的控制量進(jìn)行變換：其中， m，M(k) = [m(k)，m(k+l)，…，Ui(k+M_l) ]τ ei,M(k) = [ei(k)，ei(k+l)，···，ei(k+M_l) ]τBlock diag為對(duì)角矩陣塊，€^/(幻^廣認(rèn))，<//(幻分別為1^時(shí)刻第1個(gè)智能體的？10控 制器的比例系數(shù)、積分系數(shù)和微分系數(shù)，ei,M(k)為k時(shí)刻第i個(gè)智能體的參考軌跡和實(shí)際輸 出的誤差； 2.6進(jìn)一步將步驟2.5中控制量轉(zhuǎn)換為如下形式：Ei，M(k) = [ei,M(k)，ei,M(k_l)，ei,M(k_2)]T 其中，ei,M(k) = [ei(k)，ei(k+l)，…，ei(k+M_l) ]τ 2.7考慮第i個(gè)智能體的控制增量形式如下： A ui，M(k) = C>i，M(k)Ei，M(k) 將其代入步驟2.4,對(duì)性能指標(biāo)Jdk)求導(dǎo)，得到在k時(shí)刻智能體i的新一輪迭代最優(yōu)解為依據(jù)納什最優(yōu)的思想，通過(guò)不斷迭代計(jì)算可以得到智能體i的納什最優(yōu)解：進(jìn)一步得到：最后將得到的第i個(gè)智能體的PID控制器的參數(shù)If休)、夂，的、構(gòu)成控制量 m,M(k)，并作用于第i個(gè)智能體； 2.8在下一時(shí)刻，重復(fù)步驟2.2到2.7繼續(xù)求解第i個(gè)智能體PID控制器新的參數(shù)，并依次循環(huán)。
【文檔編號(hào)】G05B11/42GK105955014SQ201610308520
【公開(kāi)日】2016年9月21日
【申請(qǐng)日】2016年5月11日
【發(fā)明人】張日東, 汪大衛(wèi), 張俊鋒
【申請(qǐng)人】杭州電子科技大學(xué)