基于數(shù)據(jù)快采樣的工業(yè)過程動態(tài)模型辨識裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于控制技術(shù)領(lǐng)域，涉及一種被控過程的系統(tǒng)辨識裝置，用來辨識煉油、石 化、電力、化學(xué)、制藥、冶金、食品和造紙等流程工業(yè)生產(chǎn)過程的動態(tài)數(shù)學(xué)模型，簡稱模型。該 裝置能夠處理具有多個控制變量和多個被控變量的大規(guī)模工業(yè)生產(chǎn)過程。本發(fā)明所獲得的 模型可以在模型預(yù)測控制（MPC:ModelPredictiveControl)系統(tǒng)和其它先進(jìn)控制（APC: AdvancedProcessControl)系統(tǒng)中使用，還可用于常規(guī)PID(比例-積分-微分）控制系 統(tǒng)的整定和監(jiān)控。
【背景技術(shù)】
[0002] 系統(tǒng)辨識也叫過程辨識，是指使用測試得到的被控對象的輸入輸出數(shù)據(jù)，計算其 動態(tài)數(shù)學(xué)模型的技術(shù)和理論。模型預(yù)測控制（MPC:ModelPredictiveControl)已成為一 種標(biāo)準(zhǔn)的先進(jìn)控制技術(shù)（APC)。線性MPC在煉油和石化工業(yè)中已經(jīng)得到普及（見Qinand Badgwell, 2003:Asurveyofindustrialmodelpredictivecontroltechnology，工業(yè) 模型預(yù)測控制技術(shù)綜述，期刊名ControlEngineeringPractice,卷數(shù)Vol. 11，733-764 頁），并開始應(yīng)用在其它的流程工業(yè)中。模型預(yù)測控制中，核心技術(shù)是過程（即被控生產(chǎn)裝 置，也叫被控對象、生產(chǎn)過程）的動態(tài)數(shù)學(xué)模型的建立。數(shù)學(xué)模型通常由過程（系統(tǒng)）辨識 獲得。過程（系統(tǒng)）辨識有兩部分，一是辨識實驗，即對被控對象施加測試信號（激勵）并 記錄其產(chǎn)生的響應(yīng)；二是模型辨識，即用所測數(shù)據(jù)進(jìn)行計算，建模。工程實踐表明，辨識實驗 和模型辨識是MPC工程項目中最難、最費時的工作。當(dāng)前針對控制系統(tǒng)的辨識需求仍然是 互相聯(lián)系的兩方面：（1)進(jìn)一步提高模型的精度，即在同樣的測試條件下得到更精確的模 型；（2)降低系統(tǒng)辨識的成本，即在同樣的模型精度下降低測試信號對系統(tǒng)的干擾，或縮短 測試時間。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明所要解決的技術(shù)問題是要提供一種過程動態(tài)模型辨識裝置，所獲得的動態(tài) 模型可用于模型預(yù)測控制（MPC)和其它先進(jìn)過程控制（APC)，或常規(guī)PID(比例、積分和微 分）控制。本發(fā)明裝置中的實驗?zāi)K和辨識模塊使用輸出快采樣手段和與其相關(guān)的辨識方 法，可大幅度降低模型誤差（提高模型精度）或降低辨識實驗的成本。
[0004] 在模型預(yù)測控制（MPC)和其它先進(jìn)過程控制（APC)，或常規(guī)PID(比例、積分和微 分）控制中，控制器使用的采樣時間一般遠(yuǎn)遠(yuǎn)大于DCS或PLC系統(tǒng)的采樣時間。這是因為， 一方面，現(xiàn)代的DCS或PLC系統(tǒng)的發(fā)展符合摩爾定律，使用高采樣頻率的成本很低。另一方 面，工業(yè)生產(chǎn)過程的帶寬，即響應(yīng)速度，是有限的；所需的采樣頻率不是很高。舉例來說，煉 油和石化工業(yè)的預(yù)測控制器的采樣時間一般是60秒，但DCS系統(tǒng)的采樣時間一般是1秒， 甚至更短。這就是說，如果需要，辨識數(shù)據(jù)的采樣頻率可以比控制器的采樣頻率高許多倍。 目前，辨識數(shù)據(jù)的采樣頻率等于控制器的采樣頻率，辨識數(shù)據(jù)的采樣頻率可以更高的空間 并沒有被利用。
[0005] 具體地，本發(fā)明一種基于數(shù)據(jù)快采樣的工業(yè)過程動態(tài)模型辨識裝置，包括實驗?zāi)?塊和模型辨識模塊（簡稱辨識模塊），實驗?zāi)K通過DCS(離散控制系統(tǒng)）或PLC(可編程 控制器）與工業(yè)過程相連；所述實驗?zāi)K生成實驗信號，以控制器的采樣時間T執(zhí)行自動 實驗，采集數(shù)據(jù)時使用快采樣手段，使用比控制器采樣時間T短的采樣時間△ =T/p，以提 高模型精度，這里Ρ是一個大于1的整數(shù)；所述辨識模塊使用由實驗?zāi)K導(dǎo)入的快速采樣數(shù) 據(jù)，進(jìn)行模型辨識，先得到工業(yè)過程的快采樣時間模型；在模型辨識中充分考慮到數(shù)據(jù)的快 采樣特性，以提高模型精度；然后將快采樣時間模型轉(zhuǎn)換成控制器采樣Τ時間模型。
[0006] 進(jìn)一步地，所述實驗?zāi)K執(zhí)行兩個操作：辨識測試和輸入輸出數(shù)據(jù)快采樣；實驗 模塊進(jìn)行辨識測試操作時，實驗?zāi)K使用實驗信號對生產(chǎn)過程進(jìn)行激勵；辨識測試可以是 閉環(huán)的，即測試時有控制器在線運行；也可以是開環(huán)的，即測試時沒有控制器運行；為閉環(huán) 時，實驗?zāi)K將設(shè)計的實驗信號以控制器采樣時間Τ輸出到生產(chǎn)過程輸入端和某些處于閉 環(huán)控制下的被控變量（CV)的設(shè)定值上；在開環(huán)時，實驗?zāi)K將設(shè)計的實驗信號以控制器采 樣時間Τ輸出到生產(chǎn)過程輸入端；實驗?zāi)K進(jìn)行輸入輸出數(shù)據(jù)采樣操作時，使用比控制器 采樣時間Τ短的采樣時間Τ/ρ，其中ρ是一個大于1的整數(shù)。
[0007] 進(jìn)一步地，所述實驗?zāi)K采用廣義二進(jìn)制噪聲GBN信號與小幅值白噪聲的疊加信 號作為實驗信號。
[0008] 進(jìn)一步地，所述辨識模塊進(jìn)行模型辨識時，先使用漸近性系統(tǒng)辨識方法（ASYM)辨 識出生產(chǎn)過程的快采樣時間模型，再將快采樣時間模型轉(zhuǎn)換成控制器采樣Τ時間模型；所 述漸近性系統(tǒng)辨識方法首先計算模型的參數(shù)，并選擇模型的階次，能夠計算局部線性模型 的當(dāng)前模型誤差上界和未來模型誤差上界，根據(jù)計算的局部線性模型的誤差上界用于劃分 豐吳型的品質(zhì)等級，依據(jù)品質(zhì)等級進(jìn)彳it吳型檢驗，調(diào)整正在進(jìn)彳丁的實驗和決定實驗的結(jié)束時 間。
[0009] 進(jìn)一步地，所述漸近性系統(tǒng)辨識方法的參數(shù)估計具體為：使用△時間快采樣數(shù)據(jù) 集估計高階A時間ARX模型，然后進(jìn)行模型降階，即固定某個階次并對損失函數(shù)進(jìn)行最小 化計算，損失函數(shù)的積分區(qū)間為[-η/p，Ji/p]，而不是常規(guī)的[-η，η]。
[0010] 進(jìn)一步地，所述階次選擇具體為：降階模型的最佳階次由頻域漸進(jìn)準(zhǔn)則決定，使 對控制重要頻域段上模型誤差最小；準(zhǔn)測函數(shù)的積分區(qū)間為[-Ji/p，Ji/p]，而不是常規(guī)的
[_ JT，JT ]。
[0011] 進(jìn)一步地，所述計算誤差上界矩陣具體為：根據(jù)系統(tǒng)辨識的漸近理論，導(dǎo)出模型的 頻率響應(yīng)的誤差上界矩陣，模型的品質(zhì)通過誤差上界進(jìn)行量化，根據(jù)誤差上界和頻率響應(yīng) 在低、中頻的相對值，按等級對模型分類：如果誤差上界< 30%模型幅值，模型等級為A即 優(yōu)；如果30%模型幅值〈誤差上界<60%模型幅值，模型等級為B即良；如果60%模型幅 值〈誤差上界<90%模型幅值，模型等級為C即中；如果誤差上界>90%模型幅值，模型等 級為D即差；在計算模型誤差上界和確定模型等級時，使用的頻率范圍是[0,π/ρ]，而不是 常規(guī)的[0,π]。
[0012] 為了提高模型精度和降低辨識測試的成本，本發(fā)明所采用的技術(shù)方案是，在對被 控過程采樣時，使用高于控制器的采樣頻率，先辨識高頻率的模型，在辨識計算中考慮原系 統(tǒng)的頻率帶寬；然后將高頻率模型轉(zhuǎn)換成控制器采樣頻率的模型。可以證明，這樣得到的模 型，與常規(guī)的采樣辨識方法得到的模型相比，精度可以大大提高?；蛘哒f，與常規(guī)的采樣辨 識方法得到的模型相比，如果模型精度一樣，用本發(fā)明的技術(shù)可以大大降低辨識測試信號 的幅度，即降低了測試信號對過程的干擾，也就是辨識測試的成本。
【附圖說明】
[0013] 圖1是本發(fā)明的總示意圖，由實驗?zāi)K和辨識模塊組成。兩個模塊相互連接，實驗 模塊通過DCS和PLC與工業(yè)過程單元相連。
[0014] 圖2是閉環(huán)測試的框圖。圖中"工業(yè)過程"是被控對象，可以是熱電廠的鍋爐，也可 以是煉油廠的分餾塔或反應(yīng)器等，一般是多輸入多數(shù)出系統(tǒng)。"控制器"是對工業(yè)過程進(jìn)行 控制優(yōu)化的裝置，是由上位PC機的軟件實現(xiàn)的。"采樣器"是將連續(xù)時間信號按均勻采樣時 間轉(zhuǎn)換為離散時間信號的裝置，是由上位PC機的軟件實現(xiàn)的。"保持器"是將離散時間信號 按均勻采樣時間轉(zhuǎn)換為連續(xù)時間信號的裝置，這里用的是零階保持，即在采樣區(qū)間內(nèi)信號 值不變，是由上位PC機的軟件實現(xiàn)的。信號向量u(t)是工業(yè)過程的輸入信號，是連續(xù)時間 變量；信號向量y(t)是工業(yè)過程的輸出信號，是連續(xù)時間變量；信號向量v(t)是工業(yè)過程 不可測干擾信號，是連續(xù)時間變量。圖中T表示控制器的采樣時間；T/p表示快采樣的采樣 時間，其中P是大于1的整數(shù)。信號向量r(m)是控制系統(tǒng)的設(shè)定值，是T時間采樣的離散 時間變量；信號向量ik(m)是控制器的輸出，是T時間采樣的離散時間變量；信號向量％〇1〇 是測試信號，是T時間采樣的離散時間變量。信號向量u(k)是工業(yè)過程的輸入，是T/p時 間采樣的離散時間變量；信號向量y(k)是工業(yè)過程的輸出，是T/p時間采樣的離散時間變 量。
[0015] 圖3是開環(huán)測試的框圖。此圖中各種解釋與圖2中相同。
[0016] 圖4是本發(fā)明模型辨識方法的流程圖。
【具體實施方式】
[0017] 現(xiàn)代工業(yè)過程通常采用分散控制系統(tǒng)（DCS)來實現(xiàn)設(shè)備操作和回路控制。在 描述的框圖中，我們因此假設(shè)給定的工業(yè)過程是基于DCS的。除了DCS，本發(fā)明也適用于 其它設(shè)備操作和回路控制系統(tǒng)，例如可編程邏輯控制系統(tǒng)（PLC)、監(jiān)控和數(shù)據(jù)采集系統(tǒng) (SCADA)。本發(fā)明也可以與工業(yè)過程直接連接。本發(fā)明通常適用于個人計算機（PC)的 MicrosoftWindows"?操作系統(tǒng)，也適用于其它計算機的Linux、UNIX等操作系統(tǒng)。當(dāng)然， 如果需要，本發(fā)明也可直接在DCS和PLC系統(tǒng)中實現(xiàn)。圖1是本發(fā)明的總示意圖，本發(fā)明由 兩部分組成：實驗?zāi)K和辨識模塊。