[发明专利]基于反步法的混合自适应预测控制系统及其预测控制方法

说明书

技术领域

本发明涉及一种基于反步法的间歇化工生产过程智能混合自适应预测控制系统及其控制方法，属于工业控制领域。

背景技术

间歇过程是指将有限量的物料按规定的加工顺序在一个或多个设备中加工以获得有限量产品的加工过程。由于间歇生产具有流程短、设备简单、投资少、见效快、易于更换品种等优点，广泛应用在精细化工、农药化工和生物医药生产中，应用前景十分乐观。近些年来，精细化工生产过程规模不断扩大，工艺过程复杂性增加，产品质量要求提高，环境保护要求越来越严格，同时，原料和能源紧缺，市场不断变化，迫切要求企业节能降耗，实现安全、稳定、长期、满负荷和优化运行，这些对过程控制提出了新的挑战。

由于间歇过程具有时变、非线性等特性，由于实际的间歇化工过程系统各种不确定性因素的影响，使得设计者难以获得热力系统对象在较大工作范围内的精确模型描述；传统基于物质能量平衡方程的机理模型方法一方面由于建模过程、模型结构以及计算方法的复杂性，难以满足控制优化的实时性要求，同时由于未专门考虑系统对象的连续运行磨损、老化、工况偏离，因此其计算结果不可避免的与实际运行数据存在相当大的偏差，降低了其实用性；另一方面，为获得与实际系统较为贴近的经验模型而进行的大量现场试验，不仅需要增加额外的费用，甚至有可能干扰正常的安全生产。许多过程特性参数难以测量，具有多种操作约束条件，存在较多干扰，过程不可逆转和难以采取补救措施等特点，使间歇过程的控制存在很大的难度，因此在间歇生产过程中研究和推广应用各种有效的先进控制策略十分必要和迫切。

发明内容

针对现有技术中间歇化工过程系统及其控制方法中存在的上述问题，本发明提供一种基于反步法的混合自适应预测控制系统及其预测控制方法。

本发明的技术方案是：

基于反步法的混合自适应预测控制系统，包括间歇化工生产对象、数据采集通道、神经网络辨识模块、自适应控制模块、模型库；所述间歇化工生产对象的输出端通过数据采集通道与神经网络辨识模块的输入端连接，神经网络辨识模块的输出端分别与自适应控制模块的输入端和模型库的输入端连接，模型库的输出端与自适应控制模块的输入端连接，自适应控制模块的输出端通过数据采集通道与间歇化工生产对象的输入端连接。

进一步，所述神经网络辨识模块包括神经网络建模模块、模型仿真模块、模型编辑模块；所述数据采集通道的输出端分别与模型仿真模块的输入端和神经网络建模模块的输入端连接，模型仿真模块的输出端与神经网络建模模块的输入端连接；神经网络建模模块的输出端分别与模型编辑模块的输入端和模型库的输入端连接。

进一步，所述数据采集通道包括依次连接的采集模块和数据预处理模块。

上述基于反步法的混合自适应预测控制系统的预测控制方法，具体包括以下步骤：

（1）数据采集通道实时采集间歇化工生产过程的工艺参数值，进行数据预处理；

（2）处理后的数据传递给神经网络辨识器，由神经网络辨识器进行建模，建模后的模型经过仿真修正；

（3）智能混合自适应预测控制器读取模型参数，生成控制参数，控制执行机构动作；

（4）控制算法实现。

进一步，所述步骤（1）包括：在底层应用DDE技术、OPC技术和 API HOOK技术，远程进程数据交换技术作为数据源适配器，针对不同的DCS系统平台实现统一接口、结构类似的适配器，各个适配器采用统一的，基于消息的通讯协议同一级中心服务器进行数据交换；一级中心服务器再对数据进行进一步的封装、筛选、压缩，并根据上层应用的时间特性要求转发到上一级中心服务器，或者直接提供给本层所挂接的各种应用，同时每一层级的中心服务器同所挂接的应用之间的数据交互。

进一步，所述步骤（2）包括：神经网络辨识器的建模依据所获得的数据建立数学模型，同时，模型仿真器利用获得的数据对神经网络建模建立的模型进行有效性验证；模型编辑模块依据仿真结果对神经网络建模模块建立的非线性模型进行修正；神经网络建模模块将模型数据存储入模型库中。

本发明的有益效果是：