构,由人 工完成选择,并将选择结构信息传输到所述的传递函数计算模块;
[0102] 所述开环测试与闭环测试选择模块4,用于设置测试系统为开环系统还是闭环系 统,由人工完成选择,并将选择结构信息传输到所述的传递函数计算模块;
[0103] 所述传递函数计算模块5,用于计算传递函数,根据系统输入输出关系,待测试工 业过程的模型结构和开环/闭环形式,计算得到系统开环传递函数G或者闭环传递函数T, 以及传递函数在S域的一次导函数与二次导函数,并将计算结果传输到所述的衰减因子计 算模块;
[0104] 所述衰减因子计算模块6,用于计算最优的衰减因子值,利用一种改进的并行弥 漫式智能搜索算法良好的搜索能力和快速收敛特性进行衰减因子的寻优,得到能使辨识效 果最优的衰减因子值,根据衰减因子值可以进一步计算获得过程传递函数,并将计算结果 传输到所述的工业过程模型参数计算模块;
[0105] 所述工业过程模型参数计算模块7,用于计算过程模型的未知结构参数,利用传 递函数与模型结构参数之间的数学关系计算获得模型结构参数,并将计算结果传输到所 述的工业过程模型显示模块;
[0106] 所述过程模型显示模块8,用于计算工业过程模型,将模型结构参数代入工业过 程模型结构中,得到工业过程模型。
[0107] 相应地,本发明实施例提供一种基于并行弥漫式智能搜索算法的工业过程建模方 法,如图2所示,包括如下步骤:
[0108] 步骤S100,产生辨识系统所用的测试激励信号,并将所产生的测试激励信号施加 在待辨识工业过程中;
[0109] 在步骤S100中,作为一种可实施方式,所述测试激励信号可以为阶跃函数r(t)= 1、脉冲函数:r(t) = 1/S⑴、衰减指数r(t) =fat、复合函数r(t) =tfat或者任意能使系 统产生输出并最终收敛稳定且在s域二阶可导的连续信号r(t)都可以用作系统辨识输入 信号。
[0110] 步骤S200,采集工业过程对所施加的测试激励信号产生的响应信号、待测试工业 过程的模型结构以及测试系统的开环闭环形式;
[0111] 在步骤S200中,作为一种可实施方式,系统可以选择开环测试,作为另一种可实 施方式,较佳地,如果生产环境对干扰要求严格,则采用闭环测试方式,由于有控制器存在, 保证了辨识信号对生产的影响最小。
[0112] 步骤S300,根据系统输入输出关系,待测试工业过程的模型结构和开环/闭环形 式,计算得到系统开环传递函数G或者闭环传递函数T,以及传递函数在S域的一次导函 数与二次导函数;
[0113] 在步骤S300中,作为一种可实施方式,系统选择开环测试时,根据系统输入输出 关系计算得到系统开环传递函数G,以及传递函数在S域的一次导函数与二次导函数,具体 关系如下:
[0114] 激励信号为阶跃函数r(t) = 1时,
[0115] 开环传递函数G为:
[0116] 开环传递函数G在S域的一次导函数为
[0117] 开环传递函数G在S域的二次导函数为:
[0118] 激励信号为脉冲函数r(t) = 1/S⑴时,
[0119] 开环传递函数G为
[0120] 开环传递函数G在S域的一次导函数为:
[0121] 开环传递函数G在S域的二次导函数为:
[0122] 激励信号为衰减指数r(t) =fat时,
[0123] 开环传递函数G为:
[0124] 开环传递函数G在S域的一次导函数为:
[0126] 开环传递函数G在S域的二次导函数为:
j
[0128] 激励信号为复合函数r(t) =tfat时,
[0129] 开环传递函数G为:
[0130] 开环传递函数G在S域的一次导函数为:
[0132] 开环传递函数G在S域的二次导函数为:
[0134] 激励信号为任意连续信号r(t)时,
[0135] 开环传递函数G为
[0136] 开环传递函数G在S域的一次导函数为:
[0137] 开环传递函数G在S域的二次导函数为:
[0138]其中,Q= -RR⑵ +2 (R(1)) 2+2R(1)Rt+R2t2
[0139] 作为另一种可实施方式,系统选择闭环测试时,根据系统输入输出关系计算得到 系统闭环传递函数T,以及传递函数在S域的一次导函数T(1) (S)与二次导函数T(2) (S)。
[0140] 步骤S400,计算待辨识工业过程模型的未知结构参数和系统开环传递函数G或者 闭环传递函数T之间的数学关系;
[0141] 步骤S500,利用一种改进的并行弥漫式智能搜索算法良好的搜索能力和快速收敛 特性进行衰减因子的寻优,得到能使辨识效果最优的衰减因子值;
[0142] 在步骤S500中,所述一种改进的并行弥漫式智能搜索算法,如图3所示,还包括如 下步骤:
[0143] 步骤S510,在搜索空间产生N个初始位置作为衰减因子的初始搜索位置;
[0144] 步骤S520,在N个搜索位置分别设置搜索初值和搜索范围;
[0145] 步骤S530,分别在N个搜索位置完成一次智能搜索;
[0146] 步骤S540,分别计算在N个搜索位置得到的搜索结果的适应值;
[0147] 步骤S550,判断是否找到最优结果,找到则转向步骤S560,未找到则转向步骤 S570 ;
[0148] 步骤S560,将此次智能搜索的结果作为最佳衰减因子值,并将结果传递到步骤 S600 ;
[0149] 步骤S570,在搜索空间重新选择N个位置作为衰减因子的搜索位置,然后转向步 骤S520。
[0150] 步骤S600,将所述步骤S500计算出的衰减因子值带入过程传递函数,计算获得过 程传递函数;
[0151] 步骤S700,利用传递函数与模型结构参数之间的数学关系计算获得工业过程模型 的未知结构参数;
[0152] 步骤S800,将所述步骤S700计算出的结构参数代入工业过程模型结构中,得到工 业过程模型。
[0153] 下面采用具体实施例进一步说明本发明的有益效果。
[0154] 实施例1,针对某石化公司炼油厂常减压蒸馏装置的初馏塔底液位控制回路进行 开环模型辨识,该液位过程对象的真实开环模型(传递函数)为
[0156] 采用开环辨识方式,对其施加单位阶跃信号,不同的衰减因子a对应的开环阶跃 响应结果如图4所示。在图4中,曲线"1"表示初馏塔底液位系统的真实输出,曲线"2"(a =0. 05时估计输出)、曲线"4"(a= 1时估计输出)和曲线"5"(a= 4时估计输出)分别 是采用其他方法得到的衰减因子a值基础上得到的模型对象的估计输出,而曲线"3"是采 用本发明的并行智能搜索算法得到衰减因子a= 0. 1043时的模型对象的估计输出。可以 看出:采用本发明提出的基于并行弥漫式智能搜索的辨识新方法,得到的辨识结果非常接 近真实的参数值。说明本发明的方法可以更有效、快速、准确的得到辨识结果。
[0157] 在此基础上进一步地,采用任意输入信号对所述某石化公司炼油厂常减压蒸馏装 置的初馏塔底液位控制回路过程对象进行辨识,使得输入信号不再局限于常规系统辨识常 采用的阶跃信号,而是扩展到所有能使系统产生输出最终收敛的信号,估计对象的辨识结 果见图5。图5中的四条曲线分别为阶跃信号、脉冲信号、指数衰减信号和复合信号作为输 入测试信号情况下的辨识结果。在图5中,"1"是在阶跃测试信号下估计输出与真实输出 对比曲线,"2"是在脉冲测试信号下估计输出与真实输出对比曲线,"3"是在指数衰减函 数测试信号下估计输出与真实输出对比曲线,"4"是在复合函数测试信号下估计输出与真 实输出对比曲线。每种测试信号下的辨识输出都非常接近真实模型输出。由此可见,在合 适的衰减因子a值下,上述各种输入信号同样可以得到很好的辨识结果,验证了采用任意 输入信号进行模型开环辨识的可行性。
[0158] 实施例2,针对某石化公司炼油厂的连续重整装置汽提塔塔顶回流和缓冲罐的串 级控制回路进行闭环模型辨识,该串级控制回路过程对象的真实模型(传递函数)为:
[0160] 采用闭环辨识方式,首先采用本专利提出的智能搜索方法得到当a= 0. 83907时, 系统频率辨识达到最优结果。然后采用任意输入信号对所述连续重整装置汽提塔塔顶回流 和缓冲罐的串级控制回路过程对象进行闭环辨识,使得输入信号不再局限于常规系统辨识 常采用的阶跃信号,而是扩展到所有能使系统产生输出最终收敛的信号,估计对象的辨识 结果见图6。图6中"1"是在阶跃测试信号下估计输出与真实输出对比曲