A Review for Model Plant Mismatch Measures in Process Monitoring

Model is usually necessary for the design of a control loop. Due to simplification and unknown dynamics, model plant mismatch is inevitable in the control loop. In process monitoring, detection of mismatch and evaluation of its influences are demanded. In this paper several mismatch measures are presented based on different model descriptions. They are categorized into different groups from different perspectives and their potential in detection and diagnosis is evaluated. Two case studies on mixing process and distillation process demonstrate the efficacy of the framework of mismatch monitoring.

积分过程预测控制的稳态分析及反馈校正

多变量积分过程的控制,一直是预测控制理论研究与应用过程中的难点问题.现有的研究成果更多的关注于算法的实现上,而很少关注理论依据.本文从积分过程的控制输入平衡关系出发,利用线性代数方程组解的相容性原理,得到了一个适用于判断多变量积分过程设定点是否可达的判据,可以作为算法能否实现多变量积分过程无静差控制的理论依据.同时分析了传统算法无法在存在模型失配情况下对积分过程进行优化与控制的原因,利用补偿因子重新设计反馈校正环节,使改进后的算法能够实现存在模型失配过程的优化与控制,并通过仿真验证了本文提出的结论.

基于互相关分析的模型失配性能评价与监视

为了对预测控制中的模型失配问题进行性能评价与监视,基于互相关分析理论,通过引入操纵变量激励信号,分析其与预测偏差之间的互相关性来确定传递函数矩阵的失配问题,然后将模型失配问题转化为互相关系数在置信区间上的分布问题。结合各个通道互相关函数仿真图来直观监视模型失配与否,从而对其进行性能评价。将此方法成功运用到Wood-Berry塔模型上,分析了基于DMC的预测控制系统各通道模型失配情况。仿真结果表明,该方案对预测控制系统模型失配的性能分析具有一定的有效性。

带扰动模型失配史密斯预估器的自适应控制

在扰动情况下,针对传统史密斯预估器的模型失配问题,提出了一种基于模型参考自适应控制的史密斯预估器。首先,在控制对象输入端添加前馈增益矩阵和反馈补偿矩阵,和控制对象相互结合,通过调整矩阵参数,使控制对象和预估模型匹配,消除系统的模型失配误差。其次,在前向控制器输出端引入扰动补偿矩阵,调整扰动补偿矩阵的相关参数,对系统的扰动进行补偿。最后,选取合适的李雅普诺夫函数,求取自适应率。利用MATLAB中的SIMULINK模块进行仿真,仿真结果验证了方法的有效性。

基于子空间方法的模型失配检测研究

引言 随着工业过程的不断复杂化和对控制系统高性能的要求,控制系统性能评估与监控以及故障诊断成为现代控制系统不可或缺的要素。过去的二十年中,性能监控与评估技术已经取得了很多成果,但是分析性能下降的原因及故障诊断仍然有很多问题亟待解决。性能下降的原因主要可分为以下几个方面：

控制系统性能诊断方法综述

控制系统性能的在线诊断作为控制系统性能评估的主要组成部分之一,对于保障控制系统的长期有效运行具有重要意义。控制回路振荡是控制性能下降的一种常见表现形式,而导致控制系统振荡的主要原因有控制阀非线性、控制器过调、模型对象失配和不可测周期性扰动等。对已有的控制系统性能诊断方法按照是否存在振荡情况分别进行了总结,特别对回路振荡的检测与性能诊断方法进行了回顾分析。最后得到基于振荡检测的控制回路性能诊断流程。同时提出今后控制性能诊断领域的发展方向是从控制性能评价指标中获得更多的控制系统性能诊断信息,在统一框架内形成综合的性能诊断方法,从而确定性能恶化的原因。

基于互信息方法的非线性多变量系统模型失配检测(英文)

在基于模型的控制技术中,例如模型预测控制(MPC),模型的质量对于控制器的设计和整定起到关键作用。所以,控制器的性能依赖于过程模型的精度,亦即受到模型失配程度的影响。针对线性系统的模型失配检测,已经有各种不同的方法见诸于相关文献,而对于非线性系统,则很少有相应的方法提出。考虑到广泛存在的系统非线性特性,采用互信息作为一种广义的相关性量化测度。利用摄动信号和模型残差的互信息量来表征过程模型失配程度而与扰动部分的模型变化无关。对于大规模的多变量系统,能够定位到子系统的模型失配对于故障诊断或者模型重新辨识起到至关重要的作用,利用一种递阶排除的分析方法来精确定位子系统的模型失配,提出利用互信息矩阵直观的量化表达多变量系统的模型失配。在两个仿真例子上的应用说明了该方法的有效性。

基于偏相关性分析的MPC控制器模型失配检测

在实际中,模型失配是导致模型预测控制性能下降的关键因素。传统的相关性分析方法在分析某一通道的预测残差和操作变量之间的相关性时,会受到其他操作变量及干扰的影响,导致结果不可靠,无法准确定位失配。针对上述问题,现采用偏相关性分析方法。在滤除其他操作变量和干扰影响的前提下,分析各通道预测残差和操作变量之间的相关性,将模型失配问题转化为一定区间上偏相关系数的分布问题。通过观察各通道偏相关系数的分布图判断是否发生失配,并通过Shell塔实验验证该方法的有效性。

基于模型预测残差闭环潜能指标的MPC控制器实时性能监控

由于模型预测控制器对模型失配等不确定因素具有较强的鲁棒性,因此现有的多步预测误差方法不能及时显著地检测到由模型失配导致的MPC控制器性能潜能的变化。针对上述问题,提出一种改进的多步预测误差方法和实时性能监控策略。考虑到MPC控制器的模型预测残差能有效反映模型失配等信息,利用预测残差对现有多步预测误差方法进行改进,改进的方法能够更好地检测由模型失配引起的MPC控制器性能潜能的改变。在连续搅拌槽加热器(continuous stirred tank heater,CSTH)系统上的仿真实验验证了该方法的可行性与有效性。

模型过程差异下的ALSTOM气化装置控制结构选择(英文)

相对扰动增益矩阵是分析控制结构抗干扰性的一个有用工具,但它的结果受模型不确定性影响。提出基于优化来确定相对扰动增益矩阵范围的方法并用来选择ALSTOM气化装置的控制结构。利用过程运行仿真数据和输出误差系统辨识方法得到降阶线性模型。在不同运行状况统辨几个模型并通过这些模型得到模型不确定性范围。计算出ALSTOM气化装置在模型不确定性下的广义相对扰动增益范围并用来选择鲁棒控制结构。

基于统计局部方法的模型适配检测与分离

提出一种新的过程模型失配检测方法,通过模型预测误差与外部激励信号的相关性分析获取初始残差函数,并利用统计局部方法分析残差函数。该方法可以分离扰动和过程模型的失配。相对于直接相关性分析方法,该方法能够通过单一的统计量指示过程模型是否失配,具有简单直观的特点,而且可以通过滑动窗口的办法,便于在线检测,同时,该方法能够提高检测灵敏度。仿真研究证实了该方法的有效性。