现代控制理论案例分析

案例一:现代控制理论在过程工业中的应用

　　20世纪50年代末发展起来的以状态空间方法为主体的现代控制理论,为过程控制带来了状态反馈、输出反馈、解耦控制等一系列多变量控制系统设计方法;与此同时,计算机技术的持续发展使计算机控制在工业生产过程中得到了广泛的应用,这一切都孕育着过程控制领域的新突破。

　　1980年前后,来自过程控制界两位探索者J.Richalet和C.R.Cutler分别报道了其各自研究的有关解决实时动态环境下带约束多变量耦合系统控制问题的成果。这就是著名的模型预测启发式控制(MPHC)和动态矩阵控制(DMC)。这一事实表明过程工业已开始接受现代控制概念,从而引发了预测控制等先进控制策略在工业过程控制中的大量应用。20世纪80年代,出现了许多约束模型预测控制的工程化软件包和展望[J].机电工程,1999,5:3-7</ref>。基于模型控制的理论体系已基本形成,并成为目前过程控制应用最成功、最有前途的先进控制策略。

　　近年来,人工智能技术有了长足的进步,并在许多科学与工程领域中取得了较广泛的应用。就过程控制而言,专家系统、神经网络、模糊系统是最具有潜力的3种工具。基于非线性模型(机理和经验)的控制有了较大的发展,但是,非线性控制尚属开发中的先进控制策略,实际的工业应用尚不多见。

　　一、先进控制的主要特点

　　(1)与传统的比例、积分、微分控制(PID)不同,先进控制通常是一种基于模型的控制策略,如模型预测控制。目前,专家控制、神经网络和模糊控制等智能控制技术正成为先进控制的一个重要发展方向。

　　(2)先进控制通常用于处理复杂的多变量过程控制问题,如大时滞、多变量耦合、被控变量与控制变量存在着各种约束等。先进控制是建立在常规单回路控制之上的动态协调约束控制,可使控制系统适应实际工业生产过程动态特性和操作要求。

　　(3)先进控制的实时需要足够的计算功能作为支持。由于先进控制受控制算法的复杂性和计算机硬件两方面的影响,早期的先进控制算法通常是在计算机控制系统的上位机上实施的。随着DCS功能的不断增强,更多的先进控制策略可以与基本控制策略一起在DCS上实现,后一种方式可有效地增强先进控制的可靠性、可操作性和可维护性。

　　二、分类

　　著名过程控制专家D.E.Seborg给出的按应用程度分类的过程控制策略有:第一类:传统控制策略,如手动控制、PID控制、比值、串级、前馈;第二类:先进控制——经典技术，如增益调整、时滞补偿、解耦控制;第三类:先进控制——统行技术,如模型预测控制、内模、自适应、统计质量;第四类:先进控制——潜在技术,如最优控制、非线性控制、专家控制、神经控制、模糊控制;第五类:先进控制——研究上的策略,如鲁棒控制、Hoo控制、U综合。

　　先进控制技术究竟应该包括哪些内容,不同的研究者和研究用途则会产生不同的看法。

　　但可以肯定的是:PID控制器参数自整定、自适应控制、模型预测等应该是现阶段先进控制技术的最基本内容。

　　三、现阶段先进控制技术——预测控制

　　　　20世纪60年代初期,卡尔曼(R.E.Kal-man)系统中将状态空间法引入到系统和控制理论中,形成了现代控制理论,并且很快在航空航天等领域取得了巨大的成果,对自动控制技术的发展起到了积极的推动作用。但是,实际工业过程的多变量、非线性、时变和不确定性等特点以及工程应用中要求考虑控制的时效性和经济性等因素,使得以精确数学模型为基础,立足最优性能指标且许多算法较为复杂的现代控制理论难以有效的应用于复杂的工业过程。

　　为了克服理论与实际应用之间的上述不协调,20世纪70年代以来,人们一方面为了提高数学模型的精确程度及考虑不确定因素的影响,加强了对系统辩识、工业过程的建模、自适应控制、鲁棒控制等方面的研究,另一方面开始突破传统思想的约束,试图面向实际工业过程的特点,研究各种对模型要求低,在线计算简单方便,实时性好,控制效果佳的控制新算法。同时,计算机技术的飞速发展也为新的控制策略提供了良好的运行平台。预测控制就是在这种情况下发展起来的一类新型算法。

　　一般可将预测控制算法分为两大类:第一类为基于非参数模型的模型预测控制(Model Predictive Control,MPC)。主要代表是Richalet(1987)、Mehra(1982)等提出的建立在脉冲响应模型基础上的模型预测启发控制(Model Predictive Heuristic Control,MPHC)或模型算法控制(Model Algorithmic Control,MAC);Cutler(1980)等提出的建立在阶跃相应模型基础上的动态矩阵控制(Dynamic Ma-trix Control,DMC)。这类预测控制方法的特点是脉冲响应在工业现场易于获得,不需要复杂的系统辩识建模;采用反馈校正基础上的在线滚动优化取代传统最优控制,因而可以克服各种不确定性的影响,增强控制的鲁棒性,而且在线计算简单。因此这类算法很适合于实际工业过程的控制需要,很快引起了广泛兴趣,并得到大量成功应用。中介绍的炼油厂催化裂化装置的反应再生系统,其原油预热过程机理复杂,有较大时滞,操作变量强耦合,参数强约束。利用多变量协调预测控制后,提高了系统操作的平稳性,有效的抑制了过程中的不可测扰动影响。中使用基于预测控制的多变量约束控制算法,采用两次预测方法,针对上海宝钢加热炉模型进行综合控制,实验表明了这种预测控制算法在解耦、节能、跟踪、稳定性等方面的良好性能。

　　第二类是基于参数化模型的预测控制,主要有Clarke(1987)提出的广义预测控制(Gen-eralized Predictive Control, GPC)和Lelic(1987)提出的广义预测极点配置控制(Gener-alized Poles Placements Control,GPP)。20世纪80年代初期,人们在自适应控制理论研究的过程中,为了增强自适应控制系统的鲁棒性,在广义最小方差的基础上,吸取预测控制中的多步预测优化策略,而出现了基于辩识受控参数模型,且带有自适应控制或为增加系统稳定性而配置极点的预测控制算法。由于将自适应控制与预测控制相结合,因而可及时修正参数变化产生的预测模型的预测误差,从而改善系统的动态性能.同MAC和DMC一样,GPC在工业过程控制中也获得了大量成功应用。

　　中将广义预测控制(GPC)用于对联铸生产过程中的结晶液位控制,克服了拉速变化引起的有色噪声,减少了液位偏差,提高了系统的鲁棒性。

　　近20年来,国内外预测控制的研究和应用日趋广泛。各种有关预测控制的报道也越来越多。研究范围已经涉及到预测模型类型、优化目标种类、约束条件种类、控制算法以及稳定性、鲁棒性等方面,也包括多变量系统、非线形系统以及其它控制方法与预测方法的结合。

　　如自适应预测控制、模糊预测控制、鲁棒预测控制、神经网络预测控制,还包括大量的实际工业应用的研究。

　　预测控制的成功在于它起源于工业实践,并且它的发展始终与工业实践紧密相连。但实际上,预测控制的理论还远远落后于其实际应用,因此在理论方面仍需得到进一步的研究和发展。

　　(1)由于预测控制本身的特点,目前已有的算法中主要设计参数与闭环系统的动静态特性、稳定性和鲁棒性之间的一般解析关系难以得到,因而系统的稳定性分析和鲁棒性分析还远没有达到定量的程序,缺乏一般通用的参数设计选择准则。尤其是对于多变量系统的相应算法,稳定性和鲁棒性分析急需突破。

　　(2)针对工业过程大量存在的非线性及不确定等系统的特点,非线性预测控制和鲁棒预测控制将成为今后研究的重点。

　　(3)在预测控制算法的发展和创新方面,一方面应在预测模型、目标函数种类、反馈校正方法、求解优化的策略等全方位的加以研究和突破,另一方面应继续注重学科的交叉研究,把其他有效的控制方法以及可能解决预测控制现有难题的其他学科的理论与现有预测控制方法相结合,不断完善和发展。

　　20多年来,预测控制理论与应用得到了飞速的发展,展示了强大的生命力,为国民经济的发展起到了巨大的促进作用。预测控制理论和应用的不断完善和发展必将在实际工业领域的控制中发挥越来越重要的作用,展现其美好的前景。

　　四、未来的发展方向——智能控制

　　智能控制(Intelligent Control,IC)是传统控制发展的高级阶段,是控制技术高度分化且综合的重要产物。由于一些被控对象呈现高度的时变性、非线性、时滞性和不确定性,简单的控制策略已不能满足现代控制的要求,综合的、集成的智能控制技术成为研究和应用的热点。

　　智能控制作为一门新的学科分支,得到了普遍的承认,并且已经被广泛的应用于工业、农业、服务业、军事航空等各个领域。近年来,随着人工智能技术和其他信息处理技术,尤其是信息论、系统论和控制论的发展,智能控制在机理和应用实践方面取得了突破性的进展。遗传算法与模糊逻辑、神经网络相互融合,通过模拟人类的思维方式和结构来设计用于解决复杂的各种非线性问题的控制策略,并已在各种实际工程项目中得到应用,取得了良好的效果。分歩式人工智能中的Agent和Multi Agent Sys-tem已成为研究的热点,构建基于Agent的集散递阶结构的智能控制系统为智能控制注入了新的活力。

　　五、工业过程中的智能控制

　　许多工业连续生产线上,例如:化工、冶炼、材料加工、轧钢等,由于反应机理复杂,关联耦合严重,环境干扰不确定,要求与约束多样等原因,对其系统运行情况和过程的信息了解较少,自动化集成控制应用存在一定的难度,需要运用智能控制模式。生产过程的智能控制主要包括两个方面:局部级和全局级。局部级的智能控制是将智能引入工艺过程的某一单元进行控制器的设计,例如专家控制器、智能PID控制器、神经元网络控制器等。全局级的智能控制,主要针对整个生产的自动化,包括整个操作工艺的控制,过程的故障诊断,规划过程操作处理异常等。

　　针对局部智能控制设计,目前研究的热点是智能PID控制器的设计。因为PID控制至今仍是工业控制中最广泛的控制规律,但常规的PID控制已不能满足现在复杂的工业生产,所以就有必要将人工智能技术与传统的PID控制规律结合为智能PID控制。通过智能技术的加盟,智能PID控制器相比传统的PID控制器,在参数的整定和在线自适应调整方面有其显著的优越性,并可用于控制一些非线性的复杂对象。国内近年智能控制理论应用研究的实例见表1。

　　专家控制系统把专家操作经验和计算机强大的计算机能力结合起来,具有启发式推理的能力,能对时变、非线性、易受干扰的复杂控制对象取得较好的控制效果,主要应用于系统设计、仿真建模、参数整定、故障检测及过程监控。

　　但现有专家控制系统无法表达符号以外的知识,存在知识获取困难和知识库无法自动更新的缺憾。模糊控制具备处理人类模糊语言信息的能力,可模拟人类进行判断和决策,但不具备自学能力,且规则自适应性差,稳态精度有限。

　　神经网络控制具有并行处理和高度自组织、自学习、自适应能力,但它不能描述和处理模糊信息,运行过程不具有推理的透明性。智能控制一般不具有解析性,没有通用的稳定性判定方法,还有很多方面有待进一步完善。

　　针对复杂的被控系统,单一的控制方法很难取得最优的控制效果,将智能控制和常规控制结合起来,取长补短,充分发挥各自优势,吸收新的人工智能和计算智能方法,从全局上提高控制系统智能化水平的综合智能化控制成为控制理论研究和应用的热点。分别介绍了模糊控制和滑模控制相结合用于自治水下机器人(AUV)和体操机器人的控制研究。

　　模糊控制和神经网络控制具有互补性,中介绍了模糊神经网络近年的发展情况,并介绍了模糊神经网络用于连续搅拌器的控制,及时检测、诊断故障,达到保障生产安全稳定的目的。中利用模糊C均值聚类算法确定电容分组,通过神经网络算法找出补偿导纳具有最大隶属度的所属类,以该类中心点对应的电容组投入电路,对电网电压、无功功率和不平衡进行综合补偿。针对PID控制在现实工业过程控制中的主导地位,详细介绍了近10年来结合自适应控制、预测控制和智能控制所产生的新型PID控制技术的发展及其在过程控制中的应用情况。核动力装置是一个多变量、强耦合、非线性、时变、存在大滞后的复杂被控对象,中介绍了利用递阶方法建立的分层模糊自适应控制的解决方案。机器人手臂定位控制一直是控制领域的重要研究对象,中采用P-F-PI多模控制器消除不同阶段的偏差,并利用遗传算法优化三个控制器的切换参数以及F控制器的修正系数,在运行过程中获得良好的动态及稳态性能。再如应用于熟料窑温控制系统中基于专家智能协调的神经网络模糊控制。冶金过程中的自适应模糊控制,应用于工业炉过程的神经网络模糊检测控制,以及工业中温度自调节的模糊控制系统。值得特别指出的是,工业生产过程的模型化研究是工业过程控制与决策,故障诊断以及运行状态评价的基础。不少科技工作者在此领域做了卓有成效的探索研究。其中,中结合铅锌炼烧结过程提出了一种基于神经网络、模糊逻辑等智能辩识方法的工业过程参数模型化的方法。这种智能集成建模策略是在分析了冶金机理、归纳专家经验和辩识生产数据的基础上,以神经网络为基础,集成运用模糊辩识、统计分析、归纳推理等方法建立起来的,并在实际工程中得到应用。中提出一种自适应监督式分布神经网络建模方法,可推广到含有噪声约束的其它工业控制工程。

　　由于智能控制理论的建立至今不过短短十几年时间,虽然也建立起了基本框架和理论思路,但就其作为一门学科而言,还远未成熟。对智能控制理论研究的意义在于:如果没有严格的科学的理论指导,盲目的应用是不会取得持续的成功。智能控制的主要研究领域是经典控制无法解决的股市、气象等广义的传统领域,也包括了控制对象不断复杂化,控制过程不断智能化的工业、制造业等工程领域。正是由于这些传统控制方法无力解决的问题,成为智能控制发展的动力,也使智能控制的发展充满活力与希望。但在智能控制发展的热潮中,应当看到,国内外智能控制的应用研究的成果层出不穷与理论研究的缓慢发展甚至是停滞不前形成了一种不平衡现象。智能控制的工程应用还有待进一步开发和推广,还需要以更充分的范例体现其发展的必要性和应用的优越性。

　　随着工业生产向大型化、连续化、集成化和复杂化的方向发展,使得控制理论与控制工程发生了巨大的变化,过程控制系统由简单的控制向先进过程控制迈进。计算机技术、控制技术和信息化技术相互促进、相互渗透产生了一系列新的网络化控制方式。

　　以现场总线为底层,以广泛应用的以太网(Ethernet)为上层,建立全企业或全厂的,包括经营决策、管理信息、生产调度、监督控制和直接控制在内的管理及控制全部生产活动的综合自动化系统,消除自动化孤岛,构成CIPS(computer integrated process system)达到生产的柔性化、敏捷化、智能化已经成为21世纪知识经济时代中工业生产自动化的发展方向。