科研動(dòng)態(tài)
基于快速智能優(yōu)化和UniSim/EPKS環(huán)境的控制回路SP動(dòng)態(tài)優(yōu)化
中文題目：基于快速智能優(yōu)化和UniSim/EPKS環(huán)境的控制回路SP動(dòng)態(tài)優(yōu)化
論文題目：Dynamic optimization for SP of control loops based on both rapid intelligent optimization and UniSim/EPKS environments
錄用期刊/會(huì)議：2024 IEEE 13th Data Driven Control and Learning Systems Conference（CAA-A類(lèi)）
錄用/見(jiàn)刊時(shí)間： 2024.03.25
作者列表：
1）張合輝 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 控制科學(xué)與工程專(zhuān)業(yè) 碩22級(jí)
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）王少賢 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) 碩21級(jí)
摘要:
為了解決先進(jìn)控制中的模型失配問(wèn)題，本文提出了一種基于預(yù)測(cè)模型在線(xiàn)重構(gòu)的動(dòng)態(tài)軌跡快速智能優(yōu)化方法。首先通過(guò)可靠辨識(shí)建立系統(tǒng)模型，然后利用系統(tǒng)模型的閉環(huán)階躍響應(yīng)更新預(yù)測(cè)模型，同時(shí)自適應(yīng)更新約束條件。為了快速求解優(yōu)化目標(biāo)，本文采用改進(jìn)的GA-PSO算法計(jì)算控制回路的SP軌跡。最終實(shí)現(xiàn)了預(yù)測(cè)模型的自適應(yīng)更新和控制回路SP的動(dòng)態(tài)優(yōu)化，從而保證了先進(jìn)控制方案的長(zhǎng)期有效性。
背景與動(dòng)機(jī):
在工業(yè)過(guò)程的長(zhǎng)期運(yùn)行中，諸如操作條件的變化和外部環(huán)境的變化等因素可能導(dǎo)致先進(jìn)控制中預(yù)測(cè)模型與實(shí)際系統(tǒng)之間存在差異。當(dāng)實(shí)際系統(tǒng)發(fā)生變化而模型沒(méi)有及時(shí)更新時(shí)，模型失配就會(huì)經(jīng)常發(fā)生。對(duì)于依靠模型的控制方法，及時(shí)更新模型是非常重要的。針對(duì)這個(gè)問(wèn)題，本文提出了一種基于預(yù)測(cè)模型在線(xiàn)重構(gòu)的回路動(dòng)態(tài)參考軌跡優(yōu)化方案。
設(shè)計(jì)與實(shí)現(xiàn):
首先，通過(guò)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)。
當(dāng)控制回路的工況發(fā)生變化時(shí)，及時(shí)對(duì)新的系統(tǒng)模型進(jìn)行數(shù)字測(cè)試，獲得新的預(yù)測(cè)模型：
然后根據(jù)新的預(yù)測(cè)模型進(jìn)行反饋矯正、滾動(dòng)優(yōu)化求解性能指標(biāo)不斷求解下一時(shí)刻的SP值，從而實(shí)現(xiàn)了控制回路SP的動(dòng)態(tài)優(yōu)化。
主要內(nèi)容:
1.預(yù)測(cè)模型在線(xiàn)重構(gòu)
本文通過(guò)構(gòu)建系統(tǒng)模型，進(jìn)行閉環(huán)模擬階躍響應(yīng)測(cè)試，得到階躍響應(yīng)序列。這就可以實(shí)現(xiàn)在線(xiàn)更新動(dòng)態(tài)矩陣，進(jìn)而實(shí)現(xiàn)預(yù)測(cè)模型的在線(xiàn)更新。在實(shí)際現(xiàn)場(chǎng)期望值
位于不同的區(qū)間時(shí)，即工藝負(fù)荷處于不同范圍時(shí)，每秒的SP增量有不同的要求。為了保證先控方案的長(zhǎng)期有效性，在優(yōu)化過(guò)程中SP軌跡增量
限值需要根據(jù)工況進(jìn)行更新。同時(shí)參考軌跡
的約束限也需要根據(jù)當(dāng)前實(shí)際輸出
和期望值
的變化實(shí)時(shí)更新。
2.性能指標(biāo)的高效求解
為了實(shí)現(xiàn)SP的快速智能優(yōu)化，本文采用改進(jìn)的GA-PSO算法求解性能指標(biāo)。此外，本文還在粒子群初始化時(shí)引入“精英種群”，加快搜索速度。利用GA算法將精英粒子與普通粒子進(jìn)行交叉，加快粒子向最優(yōu)解方向搜索。利用GA算法的變異步驟，保證粒子種群的多樣性。這樣可以擴(kuò)大粒子群的搜索范圍，還可以跳出局部最優(yōu)解。算法的流程圖如圖1所示。
圖1 GA-PSO算法流程圖
實(shí)驗(yàn)結(jié)果及分析:
本文的實(shí)驗(yàn)驗(yàn)證采用了Honeywell 的UniSim Design模擬平臺(tái)與EPKS DCS控制系統(tǒng)相結(jié)合的方式。UniSim Design模擬平臺(tái)搭建了500萬(wàn)噸/年常減壓裝置，使仿真接近實(shí)際現(xiàn)場(chǎng)的操作條件。整體優(yōu)化過(guò)程如圖2所示。
圖2 在線(xiàn)優(yōu)化流程圖
通過(guò)上述設(shè)計(jì)方案，本文對(duì)工業(yè)DCS控制系統(tǒng)中常減壓裝置的一條流量回路和一條壓力回路進(jìn)行了仿真。仿真結(jié)果如圖3所示。仿真結(jié)果驗(yàn)證了在線(xiàn)重構(gòu)預(yù)測(cè)模型的有效性以及設(shè)計(jì)方案的可行性。
圖3 輸出曲線(xiàn)與優(yōu)化SP參考曲線(xiàn)
結(jié)論:
工業(yè)過(guò)程控制中工況改變會(huì)導(dǎo)致MPM，使以模型為基礎(chǔ)的控制方法的控制效果變差。針對(duì)模型失配問(wèn)題，本文提出了一種基于預(yù)測(cè)模型在線(xiàn)重構(gòu)的動(dòng)態(tài)參考軌跡優(yōu)化方法。使用可靠的遞推辨識(shí)實(shí)時(shí)跟隨系統(tǒng)的變化。然后定期通過(guò)數(shù)字測(cè)試自適應(yīng)更新預(yù)測(cè)模型。實(shí)時(shí)辨識(shí)和自適應(yīng)技術(shù)確保了先進(jìn)控制對(duì)不同工況的自適應(yīng)。本文采用改進(jìn)的GA-PSO算法高效求解性能指標(biāo)，實(shí)現(xiàn)了SP高效動(dòng)態(tài)優(yōu)化。最后實(shí)驗(yàn)結(jié)果驗(yàn)證了在線(xiàn)重構(gòu)預(yù)測(cè)模型的有效性和動(dòng)態(tài)參考軌跡優(yōu)化的可行性。
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；煉化過(guò)程異常診斷與故障預(yù)警；大數(shù)據(jù)工藝優(yōu)化與質(zhì)量預(yù)測(cè)；基于深度學(xué)習(xí)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。