科研動(dòng)態(tài)
基于可靠辨識(shí)不同工況下的長(zhǎng)周期過(guò)程智能PID整定
中文題目：基于可靠辨識(shí)不同工況下的長(zhǎng)周期過(guò)程智能PID整定
論文題目：Reliable identification based intelligent PID tuning for long-period process control under different working conditions
錄用期刊/會(huì)議：【Journal of the Taiwan Institute of Chemical Engineers】 (中科院大類(lèi) 3區(qū)，JCR Q1)
原文DOI：10.1016/j.jtice.2024.105630
原文鏈接：https://doi.org/10.1016/j.jtice.2024.105630
錄用/見(jiàn)刊時(shí)間： 2024.06.14
封面圖片：
封面摘要：該研究成果由王珠老師團(tuán)隊(duì)完成，已被Journal of the Taiwan Institute of Chemical Engineers(中科院大類(lèi) 3區(qū)，JCR Q1)收錄。
作者列表：
1）周建橋 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 控制工程專(zhuān)業(yè) 博 21
2）王珠 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 自動(dòng)化系教師
3）羅雄麟 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 自動(dòng)化系教師
摘要:
本文提出了一種基于可靠辨識(shí)技術(shù)的智能PID調(diào)節(jié)方法。主要貢獻(xiàn)包括:(i)利用Lyapunov理論，保證了所提算法辨識(shí)誤差的有界性；(ii)提出了LMPSO算法，提高了全局搜索能力和搜索效率；(iii)針對(duì)全過(guò)程在線(xiàn)閉環(huán)智能PID控制器提出了一種新的優(yōu)化方案。該方案旨在不改變工業(yè)控制器結(jié)構(gòu)的情況下提高其性能。
背景與動(dòng)機(jī):
化工過(guò)程模型會(huì)隨著運(yùn)行條件的變化而經(jīng)常改變。然而，工業(yè)大多采用離線(xiàn)校準(zhǔn)和在線(xiàn)定值調(diào)試方案，難以保證控制質(zhì)量。因此，需要一種長(zhǎng)周期在線(xiàn)智能PID控制器整定方案。
設(shè)計(jì)與實(shí)現(xiàn):
(1) 時(shí)間序列動(dòng)態(tài)數(shù)據(jù)采集過(guò)程：在當(dāng)前的運(yùn)行控制系統(tǒng)中，所有控制回路的OP和PV數(shù)據(jù)均以最高頻率從DCS實(shí)時(shí)數(shù)據(jù)庫(kù)中采集并存儲(chǔ)到本地?cái)?shù)據(jù)庫(kù)中。
(2) 建立數(shù)字孿生系統(tǒng)：從本地?cái)?shù)據(jù)庫(kù)中獲取實(shí)時(shí)數(shù)據(jù)。利用可靠的遞歸辨識(shí)技術(shù)構(gòu)建動(dòng)態(tài)過(guò)程模型，用于后續(xù)的擬合函數(shù)計(jì)算。同時(shí)，實(shí)時(shí)更新本地?cái)?shù)據(jù)庫(kù)中的模型參數(shù)。
(3) 確定控制目標(biāo)和性能指標(biāo)：根據(jù)控制目標(biāo)選擇合適的性能指標(biāo)和權(quán)重。
(4) 粒子群智能搜索：確定粒子群的大小和迭代次數(shù)，每個(gè)粒子代表一個(gè)PID控制參數(shù)組合。
(5) 進(jìn)行系統(tǒng)性能評(píng)估：應(yīng)使用最優(yōu)參數(shù)重新運(yùn)行控制系統(tǒng)，并評(píng)估系統(tǒng)的性能指標(biāo)。
(6) 長(zhǎng)周期可靠運(yùn)行：確定慢率更新間隔，重復(fù)步驟1至5?！奥省笔侵窹ID的更新頻率遠(yuǎn)低于傳感器的數(shù)據(jù)采集頻率。
圖1 算法流程圖
主要內(nèi)容:
可靠遞推辨識(shí)
采用高階線(xiàn)性時(shí)變模型作為辨識(shí)模型，并利用可靠的遞歸辨識(shí)算法來(lái)跟蹤的時(shí)變參數(shù)。"可靠"包含兩層含義：(i)在較小激勵(lì)輸入下的可辨識(shí)性；(ii)有界隨機(jī)噪聲下辨識(shí)誤差的有界性。本文提出一種具有離散Nussbaum增益的遞推辨識(shí)算法，并對(duì)該辨識(shí)算法進(jìn)行了收斂性分析。
智能PID整定
本文對(duì)PSO算法進(jìn)行改進(jìn)，提出LMPSO算法，慣性權(quán)重由Levy飛行決定。Levy飛行能使粒子有概率出現(xiàn)較大步前進(jìn)，幫助粒子群擺脫局部最優(yōu)?！坝洃洝币辉~指的是PSO群體具有精英粒子記憶能力，這可以提高粒子群搜索的效率。為了實(shí)現(xiàn)控制目標(biāo)，本文采用了綜合性能指標(biāo)，“性能”包括積分誤差性能和時(shí)域性能。
實(shí)驗(yàn)結(jié)果及分析:
本文在中國(guó)石油大學(xué)煉油與自動(dòng)化模擬實(shí)習(xí)基地進(jìn)行的工業(yè)實(shí)驗(yàn)。本文利用UniSim仿真系統(tǒng)對(duì)500萬(wàn)噸常壓和真空蒸餾裝置進(jìn)行了模擬，如圖2所示
圖2 常壓塔工藝流程圖
通過(guò)分析性能指標(biāo)，發(fā)現(xiàn)時(shí)域性能指標(biāo)更適合應(yīng)用于該實(shí)驗(yàn)環(huán)境。利用該性能指標(biāo)，驗(yàn)證數(shù)字孿生系統(tǒng)中十個(gè)控制回路的控制效果，如圖3所示。
圖3 數(shù)字孿生系統(tǒng)中回路控制效果
通過(guò)使用時(shí)域性能指標(biāo)來(lái)比較UniSim仿真系統(tǒng)優(yōu)化前后12個(gè)控制回路的控制效果，控制器的性能得到了極大改善，如表1所示。
表1 智能優(yōu)化前后控制器性能比較
結(jié)論:
在應(yīng)對(duì)不同的運(yùn)行條件時(shí)，過(guò)程變化和非線(xiàn)性因素的重要性毋庸置疑。為了確保最佳的動(dòng)態(tài)過(guò)渡性能，本文結(jié)合可靠的遞歸識(shí)別技術(shù)、全面的性能指標(biāo)分析和改進(jìn)的PSO算法，提出了一種在線(xiàn)慢率LMPSO-PID整定方案。然而，本文提出的在線(xiàn)慢率PID更新方案中涉及的大部分超參數(shù)值都是通過(guò)仿真測(cè)試獲得的，缺乏理論依據(jù)。今后，將結(jié)合工業(yè)現(xiàn)場(chǎng)人工經(jīng)驗(yàn)和數(shù)學(xué)理論知識(shí)，定量確定超參數(shù)值，如PID參數(shù)值范圍、模型階次選擇和權(quán)重等。此外，基于PSO算法的控制器的理論驗(yàn)證也值得進(jìn)一步研究。
通訊作者簡(jiǎn)介:
王珠，男，博士，中共黨員，現(xiàn)任中國(guó)石油大學(xué)（北京）副教授、碩士生導(dǎo)師。2016年至今在中國(guó)石油大學(xué)（北京）自動(dòng)化系工作，現(xiàn)任北京人工智能學(xué)會(huì)理事、中國(guó)化工學(xué)會(huì)信息技術(shù)應(yīng)用專(zhuān)業(yè)委員會(huì)青年委員。
長(zhǎng)期從事系統(tǒng)辨識(shí)與智能控制、石化過(guò)程故障預(yù)警、工藝優(yōu)化、及基于深度學(xué)習(xí)與數(shù)據(jù)挖掘的時(shí)間序列預(yù)測(cè)等方面研究工作，以第一作者或通訊作者身份發(fā)表高水平學(xué)術(shù)期刊論文20余篇。主持國(guó)家自然科學(xué)基金項(xiàng)目及多個(gè)重點(diǎn)流程工業(yè)企業(yè)的橫向項(xiàng)目。