一种模型预测控制器的人机交互式维护系统及设备的制作方法

1.本发明涉及过程工业的预测控制技术领域，尤其涉及一种模型预测控制器的人机交互式维护系统及设备。


背景技术：

2.模型预测控制是一种基于预测模型，根据系统当前的状态和参数，计算得到未来一段时间内最优的控制手段的控制方法，也即，它的当前控制动作是在每一个采样瞬间通过求解一个有限时域开环最优控制问题而获得的。与传统的pid控制相比，模型预测控制不仅适用于多耦合、大时滞等难控的被控对象，而且可以对工艺条件和经济指标等约束建模，配合优化技术完成控制任务，因而在过程工业中具有广泛的应用前景。然而，在实际生产中，伴随着生产目标改变、生产原料配比改变、设备老化、催化剂活性不足等多种波动因素，过程系统的负荷和工况会持续发生变化。一方面，过程系统的动态特性变化容易导致预测模型的失配；另一方面，考虑模型预测控制器的稳定性和控制效果优良程度，过程系统的工况改变时，通常需要模型预测控制器的参数方案也进行相应的调整。因此，过程系统的负荷和工况发生变化时，需要及时地维护模型预测控制器，调整其预测模型和控制器参数。
3.针对上述模型预测控制器的维护需求，现有技术通常倾向于使用自适应算法、基于深度学习的算法对预测模型或控制器参数进行选择或调整，而尽量减少操作员的参与，以使模型预测控制器具有更高的智能性。然而对于过程系统而言，由于其工段之间、设备之间、控制器参数之间的耦合现象十分突出，对某一控制器参数的调节或扰动往往会引起其他控制器参数和后继工段产品质量的变化，很难直接通过算法或公式进行精确地描述和判断，因而基于算法的维护方式在实际应用中的效果大都比理论效果要差。而工业现场的操作员通常具有丰富的工艺知识和操作经验，能够对整个系统的状态和潜在趋势进行评估，弥补算法的不足，但在模型辨识和参数调试方面缺乏经验。然而，现有的模型预测控制器与操作员的交互仍然停留在过程系统各类操作变量和被控变量的直接输入和展示层面，无法使操作员深度参与到模型预测控制器的维护过程中，操作员的工艺知识和操作经验无法得到较好的利用和发挥。


技术实现要素：

4.(一)要解决的技术问题
5.鉴于现有技术的上述缺点、不足，本发明提供一种模型预测控制器的人机交互式维护系统及设备，其解决了现有的模型预测控制器与操作员交互不足，无法利用操作员的工艺知识和操作经验的技术问题。
6.(二)技术方案
7.为了达到上述目的，本发明采用的主要技术方案包括：
8.第一方面，本发明实施例提供一种模型预测控制器的人机交互式维护系统，用于对过程系统的模型预测控制器进行维护，所述维护系统包括：
9.匹配判断模块，用于获取过程系统的实时过程数据，获取模型预测控制器的控制器参数，并基于操作员预先设定的匹配指标，判断当前运行的预测模型与过程系统是否匹配；若是，生成入库信号；若否，生成报警信号；
10.入库模块，用于在接收到入库信号时，将当前运行的预测模型作为历史预测模型保存至模型库，以及，将当前的预测模型对应的控制器参数作为历史控制器参数保存至参数库；
11.模型拟合模块，用于在接收到操作员的模型拟合请求时，基于操作员输入的拟合数据范围，对模型库中的历史预测模型进行拟合，得到在拟合数据范围上的拟合度符合要求的至少一个历史预测模型，作为待选预测模型；以及，基于操作员对某一待选预测模型的选定操作，将该待选预测模型作为与过程系统匹配的预测模型输出，或者作为测试模型输出；
12.模型辨识模块，用于在接收到操作员的模型辨识请求时，基于操作员输入的辨识数据范围进行模型辨识，生成测试模型；
13.测试模块，用于基于所述测试模型，获取与所述测试模型适配的测试参数；以及，基于测试模型和测试参数，根据操作员输入的测试数据范围和测试参数修改操作进行开环模拟计算，得到开环输出，并基于操作员对所述开环输出的选定操作，将该开环输出对应的测试模型和测试参数，作为与过程系统匹配的预测模型和控制器参数。
14.本发明实施例提出的维护系统，通过入库模块存储与过程系统匹配的历史预测模型和历史控制器参数，以供模型拟合模块、模型辨识模块和测试模块使用；维护系统的模型拟合模块、模型辨识模块和测试模块通过与操作员进行交互，基于入库的预测模型和控制器参数，根据操作员输入的数据范围进行模型拟合、模型辨识或测试并输出结果，并根据操作员基于上述结果做出的决策执行后继操作，因而能够在合理地利用操作员的工艺知识和操作经验的同时，对模型预测控制器的维护流程进行了模块化处理，在保证维护系统的开放程度的同时，降低操作员调试模型预测控制器的操作难度，使维护系统和操作员之间形成深度交互，从而使维护系统能够根据操作员输入的数据范围进行计算、模拟和调整，并输出相应地模型、控制器参数或中间结果，而操作员能够基于自身的工艺知识和操作经验对相应的模型、控制器参数或中间结果的优劣进行判断和选择，以获得更优的模型预测控制器，进而达到优化模型预测控制器对过程系统的控制效果的目的。
15.可选地，在匹配判断模块中，所述控制器参数包括：被控变量的设定值；所述实时过程数据包括：被控变量的测量值、操作变量的测量值；
16.所述匹配指标包括：窗口长度h、标准差阈值s_thrd、延迟报警时长t1、延迟入库时长t2；且h《t1，h《t2，t1、t2均为h的整数倍；
17.所述窗口长度h表示每次被用于判断当前运行的预测模型与过程系统是否匹配的被控变量的测量值的时间长度；
18.所述标准差阈值s_thrd表示容许被控变量的测量值波动的范围指标；
19.延迟报警时长t1表示允许被控变量的测量值的波动超出标准差阈值s_thrd而不报警的时长；
20.延迟入库时长t2表示允许被控变量的测量值在标准差阈值s_thrd内波动而不入库的时长。
21.可选地，在匹配判断模块中，所述基于操作员预先设定的匹配指标，根据所述实时过程数据判断当前运行的预测模型是否匹配，包括：
22.基于过程系统的实时过程数据，获取被控变量在每个窗口长度h上的测量值；
23.根据公式(1)计算第t时刻的第i个被控变量的测量值pv(i,t)与设定值sp(i,t)的偏差e(i,t)，i为正整数；
24.基于e(i,t)，根据公式(2)计算第t时刻的第i个被控变量在窗口长度h内的标准差s(i,t)；
25.判断在t时刻前推的连续的t1时长内，s(i,t)、s(i,t-h)、s(i,t-2h)、
……
、s(i,t-t1)的值是否均不在标准差阈值s_thrd内；若是，则判定当前的预测模型与过程系统不匹配；
26.判断在t时刻前推的连续的t2时长内，s(i,t)、s(i,t-h)、s(i,t-2h)、
……
、s(i,t-t2)的值是否均在标准差阈值s_thrd内；若是，则判定当前的预测模型与过程系统匹配；
27.所述公式(1)为：
28.e(i,t)＝pv(i,t)-sp(i,t)
ꢀꢀꢀ
(1)
29.公式(1)中，pv(i,t)表示第t时刻的第i个被控变量的测量值，sp(i,t)表示第t时刻的第i个被控变量的设定值；
30.所述公式(2)为：
[0031][0032]
公式(2)中，e(i,t-j)表示第t-j时刻的第i个被控变量的测量值与设定值的偏差。
[0033]
可选地，所述预测模型包括模型参数；
[0034]
当所述模型为二阶模型时，所述模型参数包括：增益、时间常数一、时间常数二、时滞、积分标志位。
[0035]
可选地，在模型拟合模块中，所述拟合数据范围包括：目标预测模型的模型参数的第一数值范围、用于拟合的第一历史过程数据；
[0036]
所述对模型库中的历史预测模型进行拟合，得到在拟合数据范围上的拟合度符合要求的至少一个历史预测模型，包括：
[0037]
基于第一数值范围对模型库中的历史预测模型进行预选，将模型参数落在第一数值范围内的历史预测模型作为初始预测模型；
[0038]
基于初始预测模型和所述初始预测模型对应的控制器参数，构建拟合模型预测控制器，并基于第一历史过程数据驱动所述拟合模型预测控制器运行，得到拟合模型预测控制器在第一历史过程数据上的被控变量的预测值pv1
pre
(i,t)，
[0039]
基于所述被控变量预测值pv1
pre
(i,t)，根据公式(3)计算每个初始预测模型的拟合度指数fit(i)，并将拟合度指数fit(i)最高的前n个初始预测模型作为待选预测模型输出；其中，n为正整数；
[0040]
所述公式(3)为：
[0041][0042]
公式(3)中，fit(i)表示第i个被控变量的拟合度评价指数；
[0043]
pv(i,t)表示第一历史过程数据中，第t时刻的第i个被控变量的测量值；
[0044]
pv1
pre
(i,t)表示基于第一历史过程数据的驱动，拟合模型预测控制器运行得到的第i个被控变量在第t时刻的预测值；
[0045]
pv
mean
(i)表示第一历史过程数据中，第i个被控变量测量值的平均值；
[0046]
max(a,b)表示取a、b中的最大值运算；
[0047]
min(a,b)表示取a、b中的最小值运算。
[0048]
可选地，在模型辨识模块，所述辨识数据范围包括：目标预测模型的模型参数的第二数值范围、用于模型辨识的第二历史过程数据；
[0049]
所述基于操作员输入的辨识数据范围进行模型辨识，生成测试模型，包括：
[0050]
基于网格搜索法，根据评价函数j，在所述第二数值范围内搜索，将评价最优的模型参数作为测试模型输出；
[0051]
所述评价函数j通过公式(4)表示，所述公式(4)为：
[0052][0053]
公式(4)中，pv(i,t)表示基于在第二时间范围内的历史过程数据，第t时刻的第i个被控变量的测量值；
[0054]
t表示第二历史过程数据对应的时间范围长度；
[0055]
pv2
pre
(i,t)表示第i个被控变量在第t时刻的预测值，其通过公式(5)求得；
[0056]
所述公式(5)为：
[0057][0058]
公式(5)中，u(j,t-l)表示第二历史过程数据中，第j个操作变量在第t-l时刻的测量值；
[0059]
g(i,j,l)表示第j个操作变量与第i个被控变量之间的脉冲响应系数，l、i、j均为正整数；
[0060]
l
ij
为当前模型参数对应的模型长度。
[0061]
可选地，在测试模块中，所述测试数据范围包括：用于测试的第三历史过程数据；
[0062]
所述测试模块包括：
[0063]
参数匹配单元，用于基于所述测试模型，遍历模型库中的历史预测模型进行距离计算，得到与所述测试模型距离最近的历史预测模型，从参数库中调用该历史预测模型对应的历史控制器参数作为所述测试模型适配的测试参数；
[0064]
虚拟测试单元，用于基于所述测试模型和测试参数，基于第三过程数据，在虚拟环境下计算测试模型基于所述测试参数的开环输出；以及，在接收到操作员的测试参数修改操作时，根据所述修改操作更新测试参数，并在在虚拟环境下重新计算测试模型基于新的
测试参数的开环输出，直至接收到操作员对当前的测试模型和测试参数的选定操作时，将所述测试模型和控制器测试参数，作为与过程系统匹配的预测模型和控制器参数输出。
[0065]
可选地，在参数匹配单元中，所述遍历模型库中的历史预测模型进行距离计算，包括：
[0066]
接收操作员输入的模型增益权重w1、时间常数权重w2、时滞权重w3，遍历模型库中的历史预测模型，根据公式(6)计算得到历史预测模型与测试模型的距离d，所述公式(6)为：
[0067][0068]
公式(6)中，k(i,j)、t1(i,j)、t2(i,j)、td(i,j)分别表示测试模型中，第j个操作变量到第i个被控变量之间的增益、时间常数一、时间常数二和时滞；kc(i,j)、t
1c
(i,j)、t
2c
(i,j)、t
dc
(i,j)分别表示历史预测模型中，第j个操作变量到第i个被控变量之间的增益、时间常数一、时间常数二和时滞。
[0069]
可选地，在虚拟测试单元中，所述基于第三过程数据，在虚拟环境下计算测试模型基于所述测试参数的开环输出，包括：
[0070]
根据所述测试参数和测试模型在模拟环境中构建测试模型预测控制器，并基于第三过程数据驱动所述测试模型预测控制器运行，得到测试模型预测控制器在开环状态下连续输出的操作变量，形成开环操作变量序列，将所述开环操作变量序列作为所述测试模型基于所述测试参数的开环输出。
[0071]
第二方面，本发明实施例提供一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现第一方面所述的模型预测控制器的人机交互式维护系统的架构。
[0072]
(三)有益效果
[0073]
本发明实施例提出的维护系统，通过入库模块存储与过程系统匹配的历史预测模型和历史控制器参数，以供模型拟合模块、模型辨识模块和测试模块使用；维护系统的模型拟合模块、模型辨识模块和测试模块通过与操作员进行交互，基于入库的预测模型和控制器参数，根据操作员输入的数据范围进行模型拟合、模型辨识或测试并输出结果，并根据操作员基于上述结果做出的决策执行后继操作，因而能够在合理地利用操作员的工艺知识和操作经验的同时，对模型预测控制器的维护流程进行了模块化处理，在保证维护系统的开放程度的同时，降低操作员调试模型预测控制器的操作难度，使维护系统和操作员之间形成深度交互，从而使维护系统能够根据操作员输入的数据范围进行计算、模拟和调整，并输出相应地模型、控制器参数或中间结果，而操作员能够基于自身的工艺知识和操作经验对相应的模型、控制器参数或中间结果的优劣进行判断和选择，以获得更优的模型预测控制器，进而达到优化模型预测控制器对过程系统的控制效果的目的。
附图说明
[0074]
图1为实施例中提供的一种模型预测控制器的人机交互式维护系统的架构示意图；
[0075]
图2为实施例中提供的一种维护系统中匹配判断模块的流程示意图。
具体实施方式
[0076]
为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。
[0077]
本发明实施例提供的维护系统，旨在结合维护系统和操作员各自的长处，建立一个与操作员进行深度交互的平台，其能够基于维护系统本身较强的计算能力，有效利用工业现场操作员的工艺知识和操作经验，在维护系统的关键决策节点处得到操作员的支持，从而得到对过程系统的控制效果更优的预测模型和控制器参数。
[0078]
为了更好的理解上述技术方案，下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更清楚、透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
[0079]
实施例一
[0080]
如图1所示的架构示意图，本实施例提供一种模型预测控制器的人机交互式维护系统，用于对过程系统的模型预测控制器进行维护。所述维护系统可在计算机设备或其他具有计算能力的电子设备上实现。所述维护系统包括：匹配判断模块、入库模块、模型拟合模块、模型辨识模块和测试模块。具体如下：
[0081]
匹配判断模块，用于获取过程系统的实时过程数据，获取模型预测控制器的控制器参数，并基于操作员预先设定的匹配指标，判断当前运行的预测模型与过程系统是否匹配；若是，表明当前模型预测控制器的控制效果较好，生成入库信号，调用入库模块保存当前的预测模型和控制器参数，以备将来使用或参考；若否，生成报警信号，提醒操作员当前的预测模型与过程系统存在失配现象。所述报警信号可通过hmi(human machine interface，人机接口)画面或其他显示终端显示。
[0082]
具体地，所述控制器参数包括：被控变量的设定值；所述实时过程数据包括：被控变量的测量值、操作变量的测量值。所述匹配指标用于判断当前运行的预测模型与过程系统是否匹配。在本实施例的一种实施方式中，所述匹配指标包括：窗口长度h、标准差阈值s_thrd、延迟报警时长t1、延迟入库时长t2；且h《t1，h《t2，t1、t2均为h的整数倍。
[0083]
所述窗口长度h表示每次被用于判断当前运行的预测模型与过程系统是否匹配的被控变量的测量值的时间长度。所述标准差阈值s_thrd表示容许被控变量的测量值波动的范围指标。延迟报警时长t1表示允许被控变量的测量值的波动超出标准差阈值s_thrd而不报警的时长。延迟入库时长t2表示允许被控变量的测量值在标准差阈值s_thrd内波动而不入库的时长。上述窗口长度h、标准差阈值s_thrd、延迟报警时长t1、延迟入库时长t2的具体数值范围由操作员根据具体的过程系统，基于自身的工艺知识和操作经验进行设置。
[0084]
在匹配判断模块中，所述报警信号用于提示操作员当前的预测模型与过程系统存在失配现象。操作员接收到上述报警信号时，可以根据自身经验选择忽视，也可以选择对模型预测控制器进行维护。若操作员选择对模型预测控制器进行维护，则维护系统调用模型拟合模块执行后继处理。
[0085]
入库模块，用于在接收到入库信号时，将当前运行的预测模型作为历史预测模型
保存至模型库；以及，将当前的预测模型对应的控制器参数作为历史控制器参数保存至参数库。
[0086]
具体地，当操作员接收到报警信号，并选择对模型预测控制器进行维护时，维护系统调用模型拟合模块，配合操作员的模型拟合请求，直接得到与过程系统匹配的预测模型，或者得到测试模型用于后继的处理，以最终得到与过程系统匹配的预测模型。具体如下：
[0087]
模型拟合模块，用于在接收到操作员的模型拟合请求时，基于操作员输入的拟合数据范围，对模型库中的历史预测模型进行拟合，得到在拟合数据范围上的拟合度符合要求的至少一个历史预测模型，作为待选预测模型；以及，基于操作员对某一待选预测模型的选定操作，将该待选预测模型作为与过程系统匹配的预测模型输出，或者作为测试模型输出。
[0088]
也即，模型拟合模块基于操作员输入的拟合数据范围，得到符合要求的一个或多个待选模型供操作员选择。操作员可直接选择待选预测模型中的一个作为与过程系统匹配的新的预测模型；或者，操作员需要进一步具体的信息才能判断，则将操作员选中的待选预测模型作为测试模型输出，调用测试模块进行测试；又或者，操作员对待选预测模型均不满意，维护系统则可根据用户触发的模型辨识请求，调用模型辨识模块生成测试模型，并调用测试模块进行测试。
[0089]
模型辨识模块，用于在接收到操作员的模型辨识请求时，基于操作员输入的辨识数据范围进行模型辨识，生成测试模型。
[0090]
测试模块，用于基于所述测试模型，获取与所述测试模型适配的测试参数；以及，基于测试模型和测试参数，根据操作员输入的测试数据范围和测试参数修改操作进行开环模拟计算，得到开环输出，并基于操作员对所述开环输出的选定操作，将该开环输出对应的测试模型和测试参数，作为与过程系统匹配的预测模型和控制器参数。
[0091]
具体地，测试模块根据操作员输入的测试数据范围和测试参数修改操作进行开环模拟计算，得到开环输出后，操作员可根据开环输出判定当前的预测模型和控制器参数是否合适，若否，操作员可反复修改测试参数，测试模块每次在接收到操作员的测试参数修改操作后，重新进行开环模拟运算，直至得到的开环输出是操作员满意的结果，基于操作员对所述开环输出的选定操作，将对应的测试模型和测试参数，作为与过程系统匹配的预测模型和控制器参数。
[0092]
为了更好地理解本发明中维护系统的人机交互逻辑，以下从操作员的角度说明本发明维护系统与操作员的交互过程。
[0093]
操作员在接收到维护系统生成的报警信号时，可根据过程系统的各种状态及数据，结合自身经验判断是否需要对模型预测控制器进行维护。如果需要对模型预测控制器进行维护，则发出模型拟合请求，输入拟合数据范围，使维护系统通过模型拟合模块，从模型库中寻找在拟合数据范围上的拟合度符合要求的待选预测模型。对于这些待选预测模型，操作员可进行选择：将其认为适合过程系统的待选预测模型直接选定为模型预测控制器中新的预测模型；或者认为其选定的待选预测模型需要进行测试以进行进一步判断，则将该选定的待选预测模型作为测试模型用于后继测试模块进行测试；又或者认为当前的所有待选预测模型均与过程系统不匹配，则发出模型辨识请求，输入辨识数据范围，通过模型辨识模块生成测试模型。对于模型拟合模块和/或模型辨识模块生成的测试模型，操作员输
入测试数据范围进行测试，并根据测试模型的开环输出判断当前测试模型是否与过程系统匹配，若认为不匹配，则通过测试参数修改操作反复更新测试参数，直至基于开环输出判断当前测试模型与过程系统匹配，选定当前开环输出对应的测试模型和测试参数，作为与过程系统匹配的预测模型和控制器参数。
[0094]
需要说明的是，本发明的维护系统接收操作员输入拟合数据范围、辨识数据范围、测试数据范围等数据，以及接收操作员发出的模型拟合请求、模型辨识请求、测试参数修改操作、选定操作等操作内容的具体实现方式为现有技术，本发明不作赘述。
[0095]
本发明实施例提出的维护系统，通过入库模块存储与过程系统匹配的历史预测模型和历史控制器参数，以供模型拟合模块、模型辨识模块和测试模块使用；维护系统的模型拟合模块、模型辨识模块和测试模块通过与操作员进行交互，基于入库的预测模型和控制器参数，根据操作员输入的数据范围进行模型拟合、模型辨识或测试并输出结果，并根据操作员基于上述结果做出的决策执行后继操作，因而能够在合理地利用操作员的工艺知识和操作经验的同时，对模型预测控制器的维护流程进行了模块化处理，在保证维护系统的开放程度的同时，降低操作员调试模型预测控制器的操作难度，使模型预测控制器和操作员之间形成深度交互，使维护系统能够根据操作员输入的数据范围进行计算、模拟和调整，并输出相应地模型、控制器参数或中间结果，而操作员能够基于自身的工艺知识和操作经验对相应的模型、控制器参数或中间结果的优劣进行判断和选择，以获得更优的模型预测控制器，进而达到优化模型预测控制器对过程系统的控制效果的目的。
[0096]
实施例二
[0097]
为了更好地理解实施例一，本实施例结合维护系统的具体的架构进行进行详细说明。
[0098]
本发明实施例提供一种模型预测控制器的人机交互式维护系统，包括：匹配判断模块、入库模块、模型拟合模块、模型辨识模块和测试模块。以下对每个模块进行详细说明。
[0099]
匹配判断模块，用于获取过程系统的实时过程数据，获取模型预测控制器的控制器参数，并基于操作员预先设定的匹配指标，判断当前运行的预测模型与过程系统是否匹配；若是，生成入库信号；若否，生成报警信号。
[0100]
具体地，所述匹配指标包括：窗口长度h、标准差阈值s_thrd、延迟报警时长t1、延迟入库时长t2；且h《t1，h《t2，t1、t2均为h的整数倍。
[0101]
匹配判断模块基于上述匹配指标，判断当前运行的预测模型是否匹配的过程包括：
[0102]
a1、基于过程系统的实时过程数据，获取被控变量在每个窗口长度h上的测量值pv(i,t)。
[0103]
a2、根据公式(1)计算第t时刻的第i个被控变量的测量值pv(i,t)与设定值sp(i,t)的偏差e(i,t)，其中，i为正整数。
[0104]
a3、基于e(i,t)，根据公式(2)计算第t时刻的第i个被控变量在窗口长度h内的标准差s(i,t)。
[0105]
a4、判断在t时刻前推的连续的t1时长内，s(i,t)、s(i,t-h)、s(i,t-2h)、
……
、s(i,t-t1)的值是否均不在标准差阈值s_thrd内；若是，则判定当前的预测模型与过程系统不匹配，生成报警信号，跳转至a1；若否，跳转至a1。
[0106]
a5、判断在t时刻前推的连续的t2时长内，s(i,t)、s(i,t-h)、s(i,t-2h)、
……
、s(i,t-t2)的值是否均在标准差阈值s_thrd内；若是，则判定当前的预测模型与过程系统匹配，生成入库信号，跳转至a1；若否，跳转至a1。
[0107]
其中，所述公式(1)为：
[0108]
e(i,t)＝pv(i,t)-sp(i,t)(1)
[0109]
公式(1)中，pv(i,t)表示第t时刻的第i个被控变量的测量值，sp(i,t)表示第t时刻的第i个被控变量的设定值；
[0110]
所述公式(2)为：
[0111][0112]
公式(2)中，e(i,t-j)表示第t-j时刻的第i个被控变量的测量值与设定值的偏差。
[0113]
在匹配判断模块中，本实施例通过设置延迟报警时长t1、延迟入库时长t2来消除过程系统的工艺波动对判断结果的影响。在实际生产中，过程系统常常因为输入波动或外界干扰而使其被控变量发生波动，而在一段有限的时间内劣化模型预测控制器的控制效果，但这不代表模型预测控制器的实际控制效果，因此，本发明通过在匹配指标中设置延迟报警时长t1来提高匹配判断模块对工艺波动的容忍度，在过程系统的被控变量的大幅波动时长超过延迟报警时长t1时才会生成报警信号。同理地，由于偶然原因使被控变量在一段有限的时间内比较稳定，也不代表模型预测控制器具有较好的控制效果，需要在较长的时间尺度上进行比较才能对模型预测控制器进行较为准确的判定，因此，本发明通过在匹配指标中设置延迟入库时长t2来提高匹配判断模块的判断标准，在过程系统的被控变量在较长的时间尺度上稳定性较好时，才会判定当前预测模型与过程系统匹配。
[0114]
匹配判断模块的工作流程示意图如图2所示。
[0115]
入库模块，用于在接收到入库信号时，将当前运行的预测模型作为历史预测模型保存至模型库；以及，将当前的预测模型对应的控制器参数作为历史控制器参数保存至参数库。
[0116]
具体地，所述预测模型包括模型参数；进一步具体的，当所述模型为二阶模型时，所述模型参数包括：增益、时间常数一、时间常数二、时滞、积分标志位。
[0117]
所述将当前运行的预测模型作为历史预测模型保存至模型库，即为将所述历史预测模型的模型参数保存到模型库。此外，为了方便模型库和参数库的管理和分类查找，还可相应保存所述历史预测模型或历史控制器参数对应的被控变量个数、操作变量个数、采样时间、入库时间。
[0118]
模型拟合模块，用于在接收到操作员的模型拟合请求时，基于操作员输入的拟合数据范围，对模型库中的历史预测模型进行拟合，得到在拟合数据范围上的拟合度符合要求的至少一个历史预测模型，作为待选预测模型；以及，基于操作员对某一待选预测模型的选定操作，将该待选预测模型作为与过程系统匹配的预测模型输出，或者作为测试模型输出。
[0119]
具体地，所述拟合数据范围包括：目标预测模型的模型参数的第一数值范围、用于拟合的第一历史过程数据。特别地，所述第一数值范围可以是目标预测模型的所有模型参数的取值范围，也可为操作员自行选定的若干个模型参数的取值范围。例如，操作员只对时间常数一和时间常数二两个模型参数感兴趣，则可以只设定这两个模型参数的取值范围，其余三个模型参数则不做限定，维护系统默认其余三个模型参数的取值范围为(-∞，+∞)。
[0120]
所述对模型库中的历史预测模型进行拟合，得到在拟合数据范围上的拟合度符合要求的至少一个历史预测模型的过程，具体包括：
[0121]
b1、基于第一数值范围对模型库中的历史预测模型进行预选，将模型参数落在第一数值范围内的历史预测模型作为初始预测模型。基于步骤b1，模型拟合模块能够先筛除掉一部分不符合要求的历史预测模型，一来可减少计算量，二来可在后继的步骤b2-b3中防止出现过拟合问题。
[0122]
b2、基于初始预测模型和所述初始预测模型对应的控制器参数，构建拟合模型预测控制器，并基于第一历史过程数据驱动所述拟合模型预测控制器运行，得到拟合模型预测控制器在第一历史过程数据上的被控变量的预测值pv1
pre
(i,t)。
[0123]
b3、基于所述被控变量预测值pv1
pre
(i,t)，根据公式(3)计算每个初始预测模型的拟合度指数fit(i)，并将拟合度指数fit(i)最高的前n个初始预测模型作为待选预测模型输出。其中，n为正整数。
[0124]
所述公式(3)为：
[0125][0126]
公式(3)中，fit(i)表示第i个被控变量的拟合度评价指数；
[0127]
pv(i,t)表示第一历史过程数据中，第t时刻的第i个被控变量的测量值；
[0128]
pv1
pre
(i,t)表示基于第一历史过程数据的驱动，拟合模型预测控制器运行得到的第i个被控变量在第t时刻的预测值；
[0129]
pv
mean
(i)表示第一历史过程数据中，第i个被控变量测量值的平均值；
[0130]
max(a,b)表示取a、b中的最大值运算；
[0131]
min(a,b)表示取a、b中的最小值运算。
[0132]
模型辨识模块，用于在接收到操作员的模型辨识请求时，基于操作员输入的辨识数据范围进行模型辨识，生成测试模型。
[0133]
具体地，所述辨识数据范围包括：目标预测模型的模型参数的第二数值范围、用于模型辨识的第二历史过程数据。
[0134]
所述基于操作员输入的辨识数据范围进行模型辨识，生成测试模型，包括：
[0135]
基于网格搜索法，根据评价函数j，在所述第二数值范围内搜索，将评价最优的模型参数作为测试模型输出。具体地，在公式(4)中，j的取值越小，对应的模型参数的评价越优。
[0136]
所述评价函数j通过公式(4)表示，所述公式(4)为：
[0137][0138]
公式(4)中，pv(i,t)表示基于在第二时间范围内的历史过程数据，第t时刻的第i个被控变量的测量值；
[0139]
t表示第二历史过程数据对应的时间范围长度；
[0140]
pv2
pre
(i,t)表示第i个被控变量在第t时刻的预测值，其通过公式(5)求得；
[0141]
所述公式(5)为：
[0142][0143]
公式(5)中，u(j,t-l)表示第二历史过程数据中，第j个操作变量在第t-l时刻的测量值；
[0144]
g(i,j,l)表示第j个操作变量与第i个被控变量之间的脉冲响应系数，l、i、j均为正整数；
[0145]
l
ij
为当前模型参数对应的模型长度。
[0146]
测试模块，用于基于所述测试模型，获取与所述测试模型适配的测试参数；以及，基于测试模型和测试参数，根据操作员输入的测试数据范围和测试参数修改操作进行开环模拟计算，得到开环输出，并基于操作员对所述开环输出的选定操作，将该开环输出对应的测试模型和测试参数，作为与过程系统匹配的预测模型和控制器参数。
[0147]
具体地，所述测试数据范围包括：用于测试的第三历史过程数据。
[0148]
所述测试模块包括参数匹配单元和虚拟测试单元，具体如下：
[0149]
参数匹配单元，用于基于所述测试模型，遍历模型库中的历史预测模型进行距离计算，得到与所述测试模型距离最近的历史预测模型，从参数库中调用该历史预测模型对应的历史控制器参数作为所述测试模型适配的测试参数。
[0150]
在上述参数匹配单元中，所述遍历模型库中的历史预测模型进行距离计算，进一步包括以下步骤：
[0151]
接收操作员输入的模型增益权重w1、时间常数权重w2、时滞权重w3，遍历模型库中的历史预测模型，根据公式(6)计算得到历史预测模型与测试模型的距离d，d的值越小，表示距离越近。
[0152]
所述公式(6)为：
[0153][0154]
公式(6)中，k(i,j)、t1(i,j)、t2(i,j)、td(i,j)分别表示测试模型中，第j个操作变量到第i个被控变量之间的增益、时间常数一、时间常数二和时滞；kc(i,j)、t
1c
(i,j)、t
2c
(i,j)、t
dc
(i,j)分别表示历史预测模型中，第j个操作变量到第i个被控变量之间的增益、时间常数一、时间常数二和时滞。
[0155]
虚拟测试单元，用于基于所述测试模型和测试参数，基于第三过程数据，在虚拟环境下计算测试模型基于所述测试参数的开环输出；以及，在接收到操作员的测试参数修改
操作时，根据所述测试参数修改操作更新测试参数，并在在虚拟环境下重新计算测试模型基于新的测试参数的开环输出，直至接收到操作员对当前的测试模型和测试参数的选定操作时，将所述测试模型和控制器测试参数，作为与过程系统匹配的预测模型和控制器参数输出。
[0156]
在上述虚拟测试单元中，上述基于第三过程数据，在虚拟环境下计算测试模型基于所述测试参数的开环输出，进一步包括以下步骤：
[0157]
根据所述测试参数和测试模型在模拟环境中构建测试模型预测控制器，并基于第三过程数据驱动所述测试模型预测控制器运行，得到测试模型预测控制器在开环状态下连续输出的操作变量，形成开环操作变量序列，将所述开环操作变量序列作为所述测试模型基于所述测试参数的开环输出。
[0158]
需要说明的，上述第一过程数据、第二过程数据和第三过程数据为过程系统通过现有技术手段持续采集和保存的、反映过程系统运行状态的数据，具体包括但不限于过程系统中各个设备基于传感器采集的的温度数据、压力数据、流量数据和液位数据等数据。由于过程数据是被持续记录的，因而在实际操作中，上述第一过程数据、第二过程数据和第三过程数据可通过指定对应的时间范围来限定。
[0159]
实施例三
[0160]
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现实施例一或二所述的模型预测控制器的人机交互式维护系统的架构。
[0161]
由于本发明上述实施例所描述的系统/装置，为实施本发明上述实施例的方法所采用的系统/装置，故而基于本发明上述实施例所描述的方法，本领域所属技术人员能够了解该系统/装置的具体结构及变形，因而在此不再赘述。凡是本发明上述实施例的方法所采用的系统/装置都属于本发明所欲保护的范围。
[0162]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例，或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0163]
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。
[0164]
应当注意的是，在权利要求中，不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的权利要求中，这些装置中的若干个可以是通过同一个硬件来具体体现。词语第一、第二、第三等的使用，仅是为了表述方便，而不表示任何顺序。可将这些词语理解为部件名称的一部分。
[0165]
此外，需要说明的是，在本说明书的描述中，术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述，是指结合该实施例或示例描述的具
体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0166]
尽管已描述了本发明的优选实施例，但本领域的技术人员在得知了基本创造性概念后，则可对这些实施例作出另外的变更和修改。所以，权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。
[0167]
显然，本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也应该包含这些修改和变型在内。