前馈变量对预测控制可行域的影响分析

doi:10.11949/j.issn.0438-1157.20160036

化工学报 ›› 2016, Vol. 67 ›› Issue (9): 3776-3783.DOI: 10.11949/j.issn.0438-1157.20160036

前馈变量对预测控制可行域的影响分析

张佳, 罗雄麟, 许锋, 许鋆

中国石油大学自动化系, 北京 102249

收稿日期:2016-01-08 修回日期:2016-06-02 出版日期:2016-09-05 发布日期:2016-09-05
通讯作者: 罗雄麟
基金资助:
国家重点基础研究发展计划项目（2012CB720500）。

Influence of feed forward variables on feasible region of model predictive control

ZHANG Jia, LUO Xionglin, XU Feng, XU Jun

Department of Automation, China University of Petroleum, Beijing 102249, China

Received:2016-01-08 Revised:2016-06-02 Online:2016-09-05 Published:2016-09-05
Supported by:
supported by the National Basic Research Program of China (2012CB720500).

摘要/Abstract

摘要：

实际生产过程中，预测控制因其解耦性能和强鲁棒性得以广泛使用。在预测控制的研究中大都忽略控制过程中的干扰作用。对于控制过程中存在的可测且变化规律已知的干扰作用，干扰对输出的影响具有一定的可预见性，可通过在预测控制器中引入前馈的方法加以利用。前馈变量的引入会对系统的控制效果产生影响，如果不先对其影响进行分析而直接求解优化，最终结果不能反映预测控制的实际效果。本文从可行域的角度出发，通过几何表现形式，直观分析前馈变量的引入造成的可行域变化；进一步使用了凸空间的思想，通过求解可行域的顶点集合来确定可行域的大小，进而得出前馈变量对系统可行域的影响效果，通过仿真验证了本文方法的有效性。

关键词: 过程控制, 预测控制, 前馈, 可行域

Abstract:

The model predictive control is widely used in real process because of its decoupling and strong robustness. In the past studies, the effects of disturbances on model predictive control were mostly ignored. For the measurable disturbances whose dynamic rules are known, the influence of measurable disturbances on controlled variables can be predicted, and thus the measurable disturbances can be used as feed forward variables in model predictive control. The introduction of feed forward variables will affect the control performance of the system. The result solving directly under no analysis cannot reflect the actual effect of model predictive control. From the viewpoint of feasible region, this paper studies the feasible region changes caused by feed forward variables through the geometric forms. The convex space method is used to determine the size of the feasible region by solving the feasible region of the vertex set and obtain the effects of feed forward variables on the feasible region. The simulations verify the validity of the method in this paper.

Key words: process control, model predictive control, feed forward, feasible region

中图分类号:

TP273

张佳, 罗雄麟, 许锋, 许鋆. 前馈变量对预测控制可行域的影响分析[J]. 化工学报, 2016, 67(9): 3776-3783.

ZHANG Jia, LUO Xionglin, XU Feng, XU Jun. Influence of feed forward variables on feasible region of model predictive control[J]. CIESC Journal, 2016, 67(9): 3776-3783.

参考文献 24

[1]	席裕庚, 李德伟, 林姝. 模型预测控制——现状与挑战[J]. 自动化学报, 2013, 39(3):222-236. XI Y G, LI D W, LIN S. Model predictive control-status and challenges[J]. Acta Automatica Sinica, 2013, 39(3):222-236.
[2]	CARRASCO D S, GOODWIN G C. Feedforward model predictive control[J]. Annual Reviews in Control, 2011, 35(2):199-206.
[3]	VALENCIA-PALOMO G, ROSSITER J A, LÓPEZ-ESTRADA F R. Improving the feed-forward compensator in predictive control for setpoint tracking[J]. ISA Transactions, 2014, 53(3):755-766.
[4]	NÚÑEZ-REYES A, NORMEY-RICO J E, BORDONS C, et al. A Smith predictive based MPC in a solar air conditioning plant[J]. Journal of Process Control, 2005, 15(1):1-10.
[5]	ROSSITER J A. Model-based predictive control:a practical approach[J]. Mechanical Engineering, 2003, 10:68-68.
[6]	TOMIZUKA M. Model based prediction, preview and robust controls in motion control systems[J]. International Workshop on Advanced Motion Control, 1996, 1:1-6.
[7]	王永宾, 许军, 周奇勋. PMSM调速系统新型抗扰动模型预测控制策略[J]. 科学技术与工程, 2014, 14(36):61-66. WANG Y B, XU J, ZHOU Q X. The improved anti-interference model predictive control strategy for PMSM speed control system[J]. Science Technology and Engineering, 2014, 14(36):61-66.
[8]	李奇安, 李平, 于海斌, 等. 串联系统的多前馈-反馈广义预测控制[J]. 控制与决策, 2002, 17(4):402-406. LI Q A, LI P, YU H B, et al. Multiple feed-forward and feedback generalized predictive control for cascade system[J]. Control and Decision, 2002, 17(2):402-406.
[9]	赵慧荣, 沈炯, 沈德明, 等. 主汽温多模型扰动抑制预测控制方法[J]. 中国电机工程学报, 2014, 34(32):5763-5770. ZHAO H R, SHEN J, SHEN D M, et al. Multiple model disturbance rejection predictive control of main steam temperature[J]. Proceedings of the CSEE, 2014, 34(32):5763-5770.
[10]	包健, 曾文华. 一种前馈广义预测控制算法的研究及其仿真[J]. 计算机测量与控制, 2000, 8(3):44-46. BAO J, ZENG W H. Research and simulation for a feed forward generalized predictive control algorithm[J]. Computer Measurement and Control, 2000, 8(3):44-46.
[11]	岳俊红, 刘吉臻, 刘向杰, 等. 具有可测扰动典型过程的预测函数控制[J]. 系统仿真学报, 2007, 19(16):3752-3755. YUE J H, LIU J Z, LIU X J, et al. Predictive functional control for typical process with measurable disturbance[J]. Journal of System Simulation, 2007, 19(16):3752-3755.
[12]	张强, 赵艳, 高曼莉. 可测干扰过程的预测控制性能监控[J]. 河北科技大学学报, 2010, 31(4):352-354. ZHANG Q, ZHAO Y, GAO M L. Performance monitoring of predictive control process with measured disturbance[J]. Journal of Hebei University of Science and Technology, 2010, 31(4):352-354.
[13]	何德峰, 季海波, 郑涛. 持续有界扰动下的非线性H∞鲁棒预测控制[J]. 自动化学报, 2008, 34(2):215-219. HE D F, JI H B, ZHENG T. Nonlinear H∞ robust predictive control with bounded persistent disturbance[J]. Acta Automatica Sinica, 2008, 34(2):215-219.
[14]	史冬琳, 毛志忠. 基于仿射控制输入的输入状态稳定非线性预测控制[J]. 控制理论与应用, 2010, 27(10):1388-1392. SHI D L, MAO Z Z. Input-to-state stabilizing nonlinear model-predictive-control based on affine control input[J]. Control Theory and Applications, 2010, 27(10):1388-1392.
[15]	TRAN Q N, ÖZKAN L, BACKX A. Generalized predictive control tuning by controller matching[J]. Journal of Process Control, 2015, 25:1-18.
[16]	周晓龙. 多变量系统状态约束预测控制及相关研究[D]. 北京:中国石油大学, 2013. ZHOU X L. Model predictive control with state constraints and related problems[D]. Beijing:China University of Petroleum, 2013.
[17]	戴连奎, 李晓东. 稳态约束优化控制可行性分析的新方法[J]. 控制理论与应用, 1998, 15(6):925-928. DAI L K, LI X D. A new method for feasibility analysis of optimal control of steady state constraints[J]. Control Theory and Application, 1998, 15(6):925-928.
[18]	陈宝林. 最优化理论与方法[M]. 北京:清华大学出版社, 1989. CHEN B L. Optimization Theory and Slgorithm[M]. Beijing:Tsinghua University Press, 1989.
[19]	张惜岭. 多变量控制约束映射与约束预测控制相关问题研究[D]. 北京:中国石油大学, 2011. ZHANG X L. Multivariable control constraint mapping and related problems of constrained model predictive control[D]. Beijing:China University of Petroleum, 2011.
[20]	杨柳, 袁景淇. 压水堆蒸汽发生器水位的前馈模型预测控制[J]. 控制工程, 2008, 15(3):250-252. YANG L, YUAN J Q. Model predictive controller with feed forward compensation for steam generator in PWR[J]. Control Engineering of China, 2008, 15(3):250-252.
[21]	丁锋. 系统辨识新论[M]. 北京:科学出版社, 2013. DING F. A New System Identification[M]. Beijing:Science Press, 2013.
[22]	丁锋. 系统辨识:辨识方法性能分析[M]. 北京:科学出版社, 2014. DING F. System Identification:Performance Analysis of Identification Methods[M]. Beijing:Science Press, 2014.
[23]	丁锋. 系统辨识(6):多新息辨识理论与方法[J]. 南京信息工程大学学报:自然科学版, 2012, 4(1):1-28. DING F. System identification (part F):Multi-innovation identification theory and methods[J]. Journal of Nanjing University of Information Science and Technology, 2012, 4(1):1-28.
[24]	赵明生, 李爱梅. 预测控制参数的选取原则和计算方法[J]. 计算技术与自动化, 2005, 24(4):88-90. ZHAO M S, LI A M. Choose principia and calculate method of model predictive control parameters[J]. Computing Technology and Automation, 2005, 24(4):88-90.

前馈变量对预测控制可行域的影响分析

Influence of feed forward variables on feasible region of model predictive control

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献 24

相关文章 15

编辑推荐

Metrics

本文评价

[1]	曹跃, 余冲, 李智, 杨明磊. 工业数据驱动的加氢裂化装置多工况切换过渡状态检测[J]. 化工学报, 2023, 74(9): 3841-3854.
[2]	康飞, 吕伟光, 巨锋, 孙峙. 废锂离子电池放电路径与评价研究[J]. 化工学报, 2023, 74(9): 3903-3911.
[3]	苏晓丹, 朱干宇, 李会泉, 郑光明, 孟子衡, 李防, 杨云瑞, 习本军, 崔玉. 湿法磷酸半水工艺考察与石膏结晶过程研究[J]. 化工学报, 2023, 74(4): 1805-1817.
[4]	张中秋, 李宏光, 石逸林. 基于人工预测调控策略的复杂化工过程多任务学习方法[J]. 化工学报, 2023, 74(3): 1195-1204.
[5]	张江淮, 赵众. 碳三加氢装置鲁棒最小协方差约束控制及应用[J]. 化工学报, 2023, 74(3): 1216-1227.
[6]	周乐, 沈程凯, 吴超, 侯北平, 宋执环. 深度融合特征提取网络及其在化工过程软测量中的应用[J]. 化工学报, 2022, 73(7): 3156-3165.
[7]	王琨, 侍洪波, 谭帅, 宋冰, 陶阳. 局部时差约束邻域保持嵌入算法在故障检测中的应用[J]. 化工学报, 2022, 73(7): 3109-3119.
[8]	赵涛岩, 曹江涛, 李平, 冯琳, 商瑀. 区间二型模糊免疫PID在环己烷无催化氧化温度控制系统中的应用[J]. 化工学报, 2022, 73(7): 3166-3173.
[9]	王建松, 许锋, 罗雄麟. 化工过程多回路PID控制系统模式切换参数自整定[J]. 化工学报, 2022, 73(4): 1647-1657.
[10]	张兴硕, 罗雄麟, 许锋. 催化裂化装置反再系统动态模拟精细化与控制系统“工艺优先”配对设计[J]. 化工学报, 2022, 73(2): 747-758.
[11]	张成, 潘立志, 李元. 基于加权统计特征KICA的故障检测与诊断方法[J]. 化工学报, 2022, 73(2): 827-837.
[12]	卢道铭, 唐钊艇, 范怡平, 卢春喜. 大差异颗粒分级再生设备的性能研究[J]. 化工学报, 2021, 72(8): 4184-4195.
[13]	李元, 杨东昇, 赵丽颖, 张成. 层次变分高斯混合模型与主多项式分析的故障检测策略[J]. 化工学报, 2021, 72(3): 1616-1626.
[14]	谢苗苗, 张浪文, 谢巍. 复杂非线性系统的子系统分解方法[J]. 化工学报, 2021, 72(3): 1557-1566.
[15]	李浩然, 邱彤. 基于因果分析的烧结生产状态预测模型[J]. 化工学报, 2021, 72(3): 1438-1446.