模型预测控制器
尽管将模型预测控制(MPC)应用于过程控制问题存在许多挑战,但这是值得努力的。这种技术的性能可以明显优于更熟悉的控制方法。因此,在当今激烈的经济竞争环境下,它的使用在实现工厂的生产和效率目标方面变得越来越重要。
|
尽管将模型预测控制(MPC)应用于过程控制问题存在许多挑战,但这是值得努力的。这种技术的性能可以明显优于更熟悉的控制方法。因此,在当今激烈的经济竞争环境下,它的使用在实现工厂的生产和效率目标方面变得越来越重要。
最重要的是,MPC能够将被控制变量(cv)的路径投射到未来,这使得它更有能力满足现实世界过程控制的约束。同样的约束条件通常会被能力较弱的控制措施赋予更大的余地。
选择MPC获得的最显著的好处是它易于与过程优化器集成(本系列下两篇文章的主题),从而产生使用传统控制策略难以实现的显著经济效益。
在工艺测试中获取良好的数据是最重要的一步。
MPC用于反应堆控制
申请MPC的主要步骤如下:
获得显示过程响应关系的数据;
过程模型的受控变量、操作变量和扰动变量的定义;
使用模型识别工具进行流程模型开发;
将过程模型集成到最终控制器中;而且
控制器调试和性能最终确定。
流程测试。最初,有意义的控制变量、有效的操纵变量和显著的干扰变量之间缺乏定义。如果过程复杂,尤其如此。这些变量之间的动态相互作用往往是不清楚的。过程测试提供必要的信息。
过程的相互作用是明确的:两个成分流都会影响所有三个受控变量;蒸汽流量只影响产品温度。 |
过程测试需要逐步检查可能被操纵的变量,并记录它们对可能被控制的变量的影响——以及可能的干扰变量的任何变化。这通常采用伪随机二进制序列(PRBS)测试的形式。图1展示了从该系列目标反应堆收集的一些PRBS测试数据。它显示了A、B成分和蒸汽流动的随机定时阶跃变化,以及它们对控制变量的影响。
模型结构定义。这一关键步骤并不像听起来那么简单。MPC中应该包含哪些变量并不总是很明显。工程师必须选择:
对实现产品质量和产量目标很重要的受控变量;而且
对他们影响最大的被操纵变量。
工程师还必须识别有重大影响和变化的测量扰动。测试数据提供了定量证明,但过程理解对于正确识别相关的自变量和因变量至关重要。
工程师必须将cv指定为设定点或约束变量。最后,如果存在可用的自由度,设计师必须指定哪些操作变量将具有目标。
对于反应器示例,变量包括:
三个控制;
三个操作;而且
两个前馈。
反应器模拟的成分B的流动对产品温度的影响显示出相反的响应。 |
由于每个cv都有设定点,且只有三个自由度,因此无法定义独立的多变量(MV)目标。
模式识别。因为所有MPC包都包含从测试数据中识别过程模型的工具,所以必须做出一些关键的决定。这些包括:
模型的预测区间是多少?模型的预测区间定义了预测值到未来的时间间隔。此值必须足够小,以充分解析最快受控变量的过程动态。
模型中有多少个系数?模型中的系数数量定义了用于预测的历史。它必须足以跨越整个流程响应;这也是一个输入改变的效果完成所需要的时间的大小。
模型的预测范围是什么?这是对未来进行预测的时间量。除非各个模型有各自的视界,否则该值必须足够长,以覆盖控制器最慢模型的全部响应。
如果过程是多变量的,一定数量的输出控制变量将受到一定数量的输入操纵变量和扰动变量的影响。单个输入/输出模型的矩阵是表示这些输入/输出关系的完整集合的方便方法。图2显示了反应器模型的完整阶跃响应集:
左轴为产品cv:成分、流速、温度;而且
上轴表示A和B的MVs和FVs(前馈变量)-成分流量、蒸汽流量和成分温度。
控制器与控制平台集成。虽然必须配置许多细节,但这是最简单的部分,因为该过程在很大程度上是机械的和程序性的。具体细节因所使用的特定控制包而异。
控制器调试.当控制器应用于流程时,所有先前的工作都集中在一起。传统控件和基于模型的控件之间的一个根本区别立即变得清晰起来。传统的控制器在调试时进行调谐,并且可以通过容易改变的调谐常数获得控制器的全范围响应。
然而,基于模型的控制器的行为主要由它的模型决定。如果模型是准确的,控制器应该表现良好。如果模型不准确,控制器将产生较差的结果。调优权重只对控制器响应有微调作用。如果不是不可能的话,在调试期间弥补一个开发不良的模型是非常困难的。这使得在工艺测试中获得良好的数据成为应用MPC的最重要步骤。
图3将这种MPC的性能与以前的控制方案进行了比较,表明在每个类别中,基于模型的控制的性能都优于所有早期形式的控制。对于最可能发生的事件,即生产率的变化,总体指数为:
比先进的调节控制(ARC)好3.3倍;
比基本监管控制(BRC)好62倍;而且
比模糊逻辑控制好103倍。
对于产品成分设定点的变化,该指标比ARC的指标好9%,比模糊逻辑控制的指标好70%。
在引入相同的变化(应用于本系列前面的文章)后,反应堆的MPC响应。 |
和ARC一样,MPC也是一个多变量控制器。虽然只改变了一个设定值,但控制器会移动所有被操纵的变量。MPC比ARC的性能优势来自于它对过程动力学的更好理解。
大部分收益来自更好的温度控制。通过更好地理解温度动态,它可以以更合适的速率提供控制动作。在趋势中,控制器通过首先驱动蒸汽流量远离其最终稳态值来响应组成设定点的变化。这适当地补偿了过程中的逆响应,并保持温度更恒定。
相反,在设定值变化下,产品成分响应的指标值之间没有太大的明显差异。指数仅在1.7 ~ 2.7之间变化。复合响应受死时间支配;但任何控制器都无法消除死时间的影响。即使控制器在设定点改变的时刻响应良好,在测量时控制动作出现之前仍然会有一个延迟。等于设定值变化的误差将存在至少一个死时间。最低ISE是不可避免的。
对于这个误差和死时间,这个最小ISE大约是1.5个单位。只有ISE大于此值才能被任何控制消除。对于BRC,该值为0.29单位;MPC为0.21单位。与BRC相比,MPC将这部分指数降低了28%。基于规则的控制增加了413%。
运营商的影响
将MPC引入控制室给运营商带来了重大的新挑战。在使用控制器时,操作员主要需要考虑多变量。控制器同时做出多个改变以实现多个目标;两者的综合效果可能还不清楚。此外,由于控制器意识到动态特性,如逆响应和延迟响应,其控制动作的逻辑可能不会立即对操作员明显。
此外,MPC引入了新的控制目标类型。有些变量将被归类为约束变量,控制器只会在它们接近极限时考虑它们。操纵变量的目标可能是一个不熟悉的概念,需要仔细解释。
操作人员可能不熟悉控制器的人机界面。除了设置点之外,操作人员可能还必须输入约束限制。由于控制器中变量的数量,信息可能会以表格格式显示。
此外,控制器状态转换更加复杂。传统的PID控制器只有手动和自动两种状态,而且转换是瞬时的。然而,MPC必须经过几个状态,经过一段较长的时间,才能完全控制。而且,由于MPC通常为较低级别的监管控制提供设定值,操作人员还将看到这些控制器的其他状态和转换。
MPC反应堆控制性能
相对MPC性能 | 改变产量 | 改变产品组成 | ||||
控制技术 | 作文伊势* | 温度伊势 | 总伊势 | 作文伊势 | 温度伊势 | 总伊势 |
*误差平方的积分 | ||||||
基本调节控制 | 0.53 | 0.28 | 0.81 | 1.79 | 0.55 | 2.34 |
先进的调节控制 | 0.015 | 0.028 | 0.043 | 1.83 | 0.08 | 1.89 |
高级模糊逻辑控制 | 0.003 | 1.35 | 1.35 | 2.70 | 0.56 | 3.26 |
模型预测控制 | 0.011 | 0.002 | 0.013 | 1.715 | 0.005 | 1.72 |
作者信息 |
卢·戈登(Lew Gordon)是英维思的首席应用工程师; |
您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献,并获得你和你的公司应得的认可。点击在这里开始这个过程。