串級大時滯過程分散預(yù)測控制研究.pdf

1、有色冶金生產(chǎn)過程中普遍存在由一系列相似環(huán)節(jié)串聯(lián)而成的串級過程,各環(huán)節(jié)之間存在著工藝流程方向上的關(guān)聯(lián)作用,系統(tǒng)整體具有單向不可逆性。由于物料及能量在管道或容器中的傳輸時間,物質(zhì)反應(yīng)及能量交換需要一定的過程,檢測儀器或裝置的響應(yīng)時間和執(zhí)行機(jī)構(gòu)的動作時間等,導(dǎo)致了系統(tǒng)存在很大的純滯后。大時滯的存在,增加了長流程生產(chǎn)過程工藝指標(biāo)穩(wěn)定控制的困難。另外,由于實(shí)際的生產(chǎn)過程大多是復(fù)雜的動態(tài)過程,當(dāng)描述對象的數(shù)學(xué)模型與實(shí)際對象特性之間存在較大誤差時,模

2、型誤差會對預(yù)測控制的精確預(yù)報產(chǎn)生較大影響。
　　 為了克服過程參數(shù)時變對預(yù)測模型精度造成的不利影響,本文基于改進(jìn)的粒子群優(yōu)化(Particle Swarm Optimization,PSO),提出了一種自適應(yīng)預(yù)測控制算法。利用PSO算法對預(yù)測模型的全部參數(shù)進(jìn)行在線辨識,從而克服預(yù)測模型失配對系統(tǒng)控制性能的影響,并且將粒子群優(yōu)化算法用于預(yù)測控制滾動尋優(yōu)過程中,有效解決了系統(tǒng)存在約束條件下的最優(yōu)值求解問題。仿真結(jié)果表明,該算法具有很

3、好的動態(tài)性能和魯棒性。
　　 針對串級生產(chǎn)過程的結(jié)構(gòu)特點(diǎn)和大時滯特性,提出了一種分散預(yù)測控制算法。根據(jù)生產(chǎn)過程結(jié)構(gòu)特點(diǎn),將其分解成一系列較小時滯子過程,并將與某子過程相關(guān)聯(lián)的其它子過程的控制輸入看作是對該子過程的外部可測量擾動,從而將對象模型分解為過程模型和干擾模型。基于干擾模型和過程模型,對每個子過程,采用前饋補(bǔ)償和滾動尋優(yōu)策略進(jìn)行預(yù)測控制。在氧化鋁連續(xù)碳酸化分解過程的應(yīng)用結(jié)果表明該方法能明顯改善系統(tǒng)耦合和大時滯特性對系統(tǒng)控制