动态模型预测控制的制作方法

专利名称：动态模型预测控制的制作方法
技术领域：
本发明涉及在模型预测控制器中确定操作变量的动态运动，具体地，本发 明涉及一种计算方法，其中，作为一个优化解法的一部分同时进行稳态优化和 动态运动计算。
背景技术：
自从1980年开始，模型预测控制(MPC)的基本公式包括两步解法。受 约束的稳态优化解法的第 一步包括根据过去操作变量运动的结果，基于当前预 测的将来稳态，对受控变量和操作变量二者确定最优稳态目标。在动态运动计 算解法的第二步中，计算操作变量的动态运动以获得达到最优稳态目标的过 程。然而，通过控制时域上的操作变量的多个将来运动或它们的某些改变，动 态运动被计算为不受约束的最少均方解以最小化受控变量在预测时域上的预 测误差的平方，而不是计算为明确的约束动态解。此外，通过采用滚动时域 (receding horizon)方法，重复执行这些两步解法以持续更新最优稳态目标及 动态运动。2步解法的一个关键不足是即使稳态解不违反(violate)上/下限， 受控变量值也可能违反上/下限。作为无约束解的动态运动计算不能确保受控 变量不违反受控变量各自的上/下限，同时如稳态优化步骤更早确定的那样向 稳态目标运动。因此，在现有的MPC中，在改变过程条件的情况下，MPC的 动态性能可能发生显著的改变。另夕卜，在一组过程条件下，改善不良性能的任 何企图必然将导致控制器调节(controllertuning)的改变，在某些其它过程条 件下，这随后会产生不良的性能。对于宽范围的操作条件，现有的MPC在性 能上并不良好。
，实际上，为了避免该问题，使用用于受控变量和操作变量二者的各种形式 的调节权重。特定地，对于动态运动计算，需要受控变量权重和操作变量权重 以确保使受控变量的动态违反最小。通常，通过减少运动的尺寸来并从而降低 接近最优稳态目标的速度，增加操作变量权重減少受控变量的动态违反。 一定量的操作变量的调节权重对于维持在控制下的过程的动态稳定性是必不可少 的。然而，实际上，调节权重的有效性相当受限于并且非常依赖于操作的范围。 一组调节权重值不能确保在改变操作条件的情况下受控变量的动态违反是相 同的。因此，实际上，基于折衷的办法来设置调节权重，由此通过接受緩慢的 过程性能来取得受控变量的动态违反。因此，为了维持控制下的过程的响应和 稳定性，需要不时地调整调节权重。这是试错法。在改变干扰条件的情况下，
被不良调节的MPC将通过根据受控变量的过量的动态违反来执行。在中等大 小的MPC中，不容易设置在所有时间始终如一地进4亍执行的调节权重。本质 上，现有技术中的2步解法包括特征为在稳态优化中无约束的动态运动的效果 的正反馈环路及相反的情况。这使得现有的MPC由于在包括受控变量和操作 变量二者的调节权重的可测量的和不可测量的干扰干扰中的一定的动态改变 量而更容易受到自身引起的不稳定性。
在最近的25年中，在工业领域，2步解法已经是MPC实施的壁垒。从 1980年Shell开发公司第一次引入2步解法至今，该解法基本保持相同。Lu 等人的现有专利US PAT#5758047涉及一种2步解，其中第一步的稳态目标和 动态运动计算是协调的，在第二步中通过增强的问题求解动态运动。基本上， 在另一较早的US专利#4616308中Morshedi等人公开了涉及动态运动的计算 的相同的2步过程。

发明内容
现有MPC的关键问题是通常仅通过调节权重来控制受控变量的动态违反。
因此，本发明的目的是提供一种系统和方法，该系统和方法明确地约束在 到达操纵变量运动中受控变量的动态违反，从而导致改善的和鲁棒的控制性 B匕。


图1是说明现有MPC中的2步解的框图； 图2是说明根据本发明的动态MPC的框图； 图3是受控变量的动态违反的说明； 图4.1是动态MPC的说明；图4.2是具有约束稳态最优目标的预测动态违反的动态MPC的说明； 图4.3是具有不约束稳态最优目标的预测动态违反的现有MPC的说明； 图5说明操作变量运动约束锥形； 图6是DeButanizer示意性过程流图表； 图7是DeButanizer示例的过程变量； 图8是具有和不具有U8PC01的动态嵌入的性能比较。
具体实施例方式
在图1中，示出说明2步现有MPC过程控制的框图。过程201的特征是 多个通常被称作受控变量(过程输出变量)203、操作变量(过程输入变量) 202及干扰变量(过程不受控制的输入变量)204的变量。该过程涉及其中操 作变量和干扰变量的改变的结果引起受控变量在一段时间上的某些改变的任 何形式的操作。典型地，普遍已知稳态为受控变量的改变固定为常数或包括以 不变速度改变的近常数值。稳态表示在操作变量和/或干扰变量改变之后过程 的最终状态。对于稳定过程，对于固有地稳定过程当输出变量的改变速度变为 零，或者对于开环非稳定过程，输出的改变速度达到常数，则获得稳态，例如 液体蓄电池，当输出变量的改变速度达到常数时获得稳态。为了揭示本发明， 这些类型的过程都被认为以它们各自的方式达到稳态。然而，为了说明，本文 将仅考虑固有稳定过程而不丧失一般性。
图1中描述的过程101可以是包括一个输入变量和一个输出变量的简单过 程或是包括多个输入变量和多个输出变量的更复杂的过程。随着现有MPC的 过程的大小变大，受控变量的动态违反问题变得更加困难并且富有挑战性。
在图1中，113构成在现有技术中一般知道的模型预测控制，模型预测控 制包括稳态优化器和动态控制器。稳态优化器112首先根据操作变量的先前的 运动、干扰变量的改变及受控变量的反馈，基于预测的稳态，计算操作变量和 受控变量的最优稳态目标。然后将稳态最优目标传到动态控制器以确定可能使 过程达到目标稳态的操作变量的将来运动。动态控制器111不管怎样将这个执 行为预测的受控变量距它们的稳态目标的最小均方最小化。然后对过程应用操 作变量的计算出的将来运动102的第一运动以对过程起作用。重复该计算循 环，然后过程渐渐地达到最终的稳态。图3说明现有MPC中出现的有关于稳态优化和操作变量的动态运动的受 控变量301的动态违反的非典型问题。图3也说明了所期望或希望的根据本发 明的不违反CV路径302。如下所述，根据本发明，不违反CV路径被确定为 包括稳态优化和动态控制运动计算的组合优化解法的一部分。
在图2中，提出了改进的MPC，在该MPC中，将现有MPC中的2步解 法合并为一个优化步骤解法。
假设通过一组变量来表征过程，该一组变量例如是 Md表示操作变量的动态值 Cd表示受控变量的动态值 Dd表示干扰变量的动态值 M表示操作变量的稳定值 C表示受控变量的稳态值 D表示初始时干扰变量的值。 稳态时，C=Cd， M=Md 此外，假设
存在m个操作变量， 存在c个受控变量， 存在d个干扰变量。 对于大多数典型的MPC应用，除了过去值和当前值，不存在已知或给出 的干扰变量的将来值，在这些情况下，使用D就够了。然而，除了已知/给出 的将来值，使用Dd将认为是使用如惯常使用的D。因此，在公式中，适当的 Dd和D将被互换使用。
过程201被认为是动态系统，通过下面的公式表征受控变量的动态响应 (C, Cd) =G (Md， Dd) 1 其中，G描述对于给出的一组动态运动Md和Dd中动态干扰将来改变，作为(C, Cd)的受控变量的动态响应。(C， Cd)被认为由作为C的稳态响应和作为Cd 的动态响应组成。当然，在过程的稳态中，Cd达到值C。为了明确表达，在 适当的情况下，C和Cd二者4皮认为是分离的。除了变量Md，为了稳态优化， 将使用M作为稳态变量。重要的是应该注意，Dd被本质上认为是外部变量，其不通过优化解法确定而是影响优化解法。通常，在MPC应用中，D"步及在
控制循环开始时测量的实际动态改变，而对于大多数将来的动态改变被认为是 未知的并因此为零。然而，如在本发明的另一实施例中进一步揭示的，本文中
的公式允许更有趣的情况，其中，可以包括将来的D的动态改变。
本发明提出的动态MPC的目的是通过以上述等式1表征的过程，优化受 到与变量(C, Cd, M, Md)相关的一组约束的涉及(C， Cd, M， Md)的目 标函数，如下所述，这将导致(c, cd, m， md)的最优值的确定。由于(c， Cd)是相互依赖的变量，因此本质上，所提出的动态优化产生(M， M"作为 最优解。
如下以普通形式并以等式2的示例性形成使目标函数J被最大化。
j=f (m, c, dd, md, cd)十n:E'cG'+2i:Eh工h i.i
其中，F是过程经过时域达到过程的稳态的某个优化函数。因此，如上述公式 所述，要考虑到通过本文进一步描述的优化过程确定的稳态变化及相关动态运 动二者来优化J。然而，在大多数实际应用中，F(M, C, Dd， Md, Cd)实际 形式是F(M, C, D),不包括动态变量。本领域技术人员将理解不包括动态 变量(Md， Cd)实际上并不破坏这里给出的公式。因此，在本文中，我们可 以假设优化函数将是形式f (m, c, D)而不损失一般性。 为了说明而不是限制，下面是简单形式的优化函数
等式2结合了稳态优化函数和受控变量的所有下/上动态违反的全部罚值 (penalty)的总数。应该理解本领域技术人员将期望在本文描述的优化过程中 可以包括的F(M， C， Dd， Md, Cd)的各种变化形式。为了说明而不是限制， 本文中G被认为是在模型预测控制领域中普遍使用的阶跃响应(离散时间) 类型的线性动态模型。这就是说，对过程使用离散系数动态模型，可以通过下 式确定受控变量的稳态值
CrC,+Zgij ( MrMj*) + ( D,-D/ )。 通过下式确定受控变量的动态值
Cjk-Ci"+i;gi/AMjVZg/AD,jk。 其中，服从<formula>formula see original document page 16</formula>
其中
'M'是操作变量M的下限， Mh是操作变量M的上限， C"是受控变量C的下限， Ch是受控变量C的上限， AMj是^t喿作变量j的动态运动向量， △Mj+是操作变量j的正的动态运动向量， △M/是操作变量j的负的动态运动向量， AM/是操作变量j的动态运动的下限， AMjh是^l喿作变量j的动态运动的上限， AMjk是从现在开始在时间k的操作变量Mj的动态控制运动， Mj是操作变量j的最优稳态目标， M/是操作变量j的当前值， D,i是干扰变量l的当前值，D,是干扰变量1的前一时间周期值， C,是受控变量的当前预测稳态值， Cj基于最近过去的过程条件， Cj是通过优化确定的稳态值，
C,是从现在开始到k时间间隔的受控变量Ci的预测值，
Cjk W是从现在开始在k时间间隔的受控变量Cj的期望值，下面进一步对 此进行描述，
G-h是受控变量Q的上限动态违反变量，
&是受控变量Ci的下限动态违反变量，
Cf是基于过去的过程条件在时间K上的受控变量Ci的动态值，
&是对于操作变量Mj的单位改变受控变量Cj的阶跃响应模型的稳态增
益，
givik是对于操作变量Mj的单位改变受控变量Q的过程模型的阶跃响应系
数，
AD,k是在时间k上D,的改变，
是对于干扰变量D,的单位改变受控变量Ci的过程模型的阶跃响应系
数，
e是受控变量的预测动态值距其参考路径的偏差的允许容差，是较小的数，
Pm是操作变量的价格值，通常负值表示花费，正值表示收益， Pc是受控变量的价格值，通常负值表示罚值，正值表示收益，
Ec1是要对动态违反受控变量的下限的受控变量应用的大的罚值， ￡eh是要对动态违反上限的受控变量应用的大的罚值，
K涉及从现在开始的将来时间，k= l.. kMV.. kcv
其中，kMv与用于操作变量运动的控制时域相关，没有操作变量被应用至 该时域之外，从而允许受控变量达到它们的稳态。
Kcv与用于受控变量达到稳态的时间相关，其应该是对于操作变量M中 的变化而达到稳态所需要的最长时间加上最长控制时域。为了简单说明，假设 该时间为考虑了对于全部操作变量的改变受控变量的全部响应的到稳态的最 大时间加上全部操作变量的最长控制时域。Dd是干扰变量在其将来值方面的动态值的向量，对于本文的大多数部分,
将使用D代替Dd而不损失一般性。
提供上面引出的约束的简短描述以进一步阐明公式。约束2.1是操作变量 的稳态最优值的下/上限约束。
约束2.2是受控变量的稳态最优值的下/上限约束。约束2.2.1涉及对于操 作变量M的稳态目标中的改变受控变量C中的稳态改变。
约束2.3是用于操作变量的控制运动的下/上限约束。根据2.3.1和2.3.3其 可以进一步拆分为正动态运动和负动态运动约束。这些代替2.3成为操:作约束。
约束2.3.3用于操作变量的控制运动的总数，j必须等于其最优稳态目标和 当前值之差。这是为了确保动态运动使受控变量成为最优稳态值。
可以将约束2.3进一步修改如下
-(1- kMV/k) AMj1 S (1- k醇/k) AMjh k=l ..kMV 2.3.7
约束2.3.7形成用于最大控制运动的锥形约束轮廓(profile) 501，确保更 早地应用最重要的动态运动而不是更晚。在图5中描述了操作变量运动约束锥 形的说明。存在许多其它的各种形状的锥形，这些锥形可以用于基于下面的过 程的动态响应的需要及其特性来定义每一个操作变量的动态约束轮廓。
约束2.4是导致对于距期望的参考路径的偏差具有允许的容差的稳态目标 的受控变量的动态约束。可以以许多替换的方式指定Ci，kref。最简单的形式是 线性路径(见图4.1， 411 )
Cj"ef:Ci"+r (Ci-Ci1*) k=l..kref
Ci^Ci1 k=kref+l..kcv 2.4.1
按照所希望的那样来设置r。也可以通过适当的公式2.4.1来使用第一阶响应路 径(见图4.1， 412)。为了简单，在本文中假设是线性路径。典型地，虽然参 考路径可能比操作变量使用的控制时域更长，但是在受控变量到达稳态的时间 之前，参考路径应该完全终止。
重要地，注意约束2.4.1提供了稳态最优目标和受控变量的动态路径的互 连(interlinking)。另外，约束2.4-2.7本质上约束了稳态最优目标以避免受控 变量动态违反下/上限。
约束2.5涉及当受控变量违反上限时受控变量的动态违反变量。当不违反上限时，这些上限动态违反变量将达到零的值。然而，在无可行解的情况下，
上限动态违反变量将是非零的，其值将表示在将来的各个时间上受控变量的违
反程度。
约束2.6涉及当受控变量违反下限时受控变量的动态违反。当不违反下限 时，这些下限动态违反变量将达到零的值。然而，在无可行解的情况下，下限 动态违反变量将是非零的，其值将表示在将来的各个时间上受控变量的违反程 度。
约束2.7涉及响应于操作变量的动态运动，使用在现有技术中已知的阶跃 响应模型的受控变量的动态响应。
约束2.1-2.2.1涉及如在现有MPC中所普遍执行的稳态优化，但是，约束 2.3-2.7是特定并明确地有关于操作变量的动态运动和受控变量的动态响应的 附加的约束，将操作变量的动态运动和受控变量的动态响应进4于合并来产生动 态最优解，其中稳态目标和受控变量距其下/上限的偏差的避免/最小化一致。 在动态MPC2U中将这些约束合并为一个优化问题。
相反地，在现有技术中，目标函数仅涉及J=F (M, C, D)，外在分离地 确定Md, Cd。
因此，动态MPC的以上公式将导致过程的最优稳态，同时确保当使动态 违反最小化不可行或失败时，避免受控变量的动态违反。
以上的优化解法将导致操作变量的动态运动与变量的最优稳态目标一起 被确定。由此获得的解将表示操作变量的最优稳态目标和动态运动二者的一步 解，其中当可行时完全避免了受控变量对其限值的动态违反，或者将用于违反 的罚值最小化。通过相对于其它受控变量以及对于上/下动态违反变量多次调 整罚值的相对值，能够定义受控变量的动态违反的程度和行为。
如上所述，有趣的是不存在用于操作变量的调节参数。在动态控制运动计 算及稳态优化中，现有的MPC包括用于受控变量和操作变量二者的调节权重。 在本发明中，不需要用于操作变量的调节权重，仅需要有关于受控变量的调节 权重。通过在最优稳态目标和动态运动的组合解法中明确地包括受控变量的动 态违反，完全消除了现有MPC中的操作变量调节权重。通过较少数量的调节 权重，动态MPC的调节将更简单和更有效。在现有技术中，代替在确定操作变量动态运动中受控变量的明确的动态违反，对于操作变量设计各种形式的调
节权重以控制受控变量的动态违反。以需要频繁修正的自组(adhoc)方式来
最佳设置操作变量调节权重。
在本发明中，通过在稳态优化中嵌入动态运动计算，作为直接结果，解的 稳态部分阻止优化器向最终稳态前进的太猛烈。这^f吏得过程完成闭环中的动态 工作，并使得过程在不动态地违反受控变量限值的情况下，以最大改变速度逐 渐达到最终稳态。然而，在由于干扰影响的结果动态违反变得不可避免的情况 下，在本发明中，优化器将尽力将违反维持到最小。
上述动态MPC将被应用在"滚动时域"方法中，在该方法中将应用每一 个操作变量的第 一动态运动，并且将考虑包括任何测量和没有测量的干扰影响 的结果的实际过程响应的反馈重复优化的全部计算。然而，在每一个控制周期， 动态MPC将避免受控变量的动态违反，同时逐渐地使过程向最优稳态目标状 态前进。
本领域技术人员将理解，上述动态MPC优化的方法可以适用于与普遍已 知为例如蓄电池等级等的斜坡(ramp)形过程行为一起进行工作。
再次分析约束2.4是有趣的。其表述了包括下侧动态违反和上侧动态违反 的双侧约束。双侧不等约束引起动态MPC性能的有趣的改善。在图4.2中， 示出动态MPC可能出现的有趣的情况。在该情况下，初始时将受控变量421 调整为较小以确保不存在受控变量的任何上限动态违反。即，在该情况下，动 态运动约束稳态最优目标。如果已预测的上限动态违反先前是由于任何不利的 干扰影响，当干扰影响变弱时，动态MPC逐渐将最优稳态目标向上限423推 回。为了避免动态违反的该最优稳态目标临时调整是现有MPC不可能有的、 动态MPC的独特特征。
相反地，如图4.3所示，现有MPC中立即将最优稳态目标推到上限，而 不管预测的动态违反431。实际上，除了源于由于将进一步引起动态不稳定性 的干扰影响的原始的动态违反，该立刻强烈的推向最终的稳态目标还将导致自 身的动态违反。 本发明的另一实施例
通过对以上普通形式采用下面的改变能够获得在本发明中给出的动态MPC的第一替换简化形式。例如，为了优化，以(C， Cd) =G (M， Dd)考 虑过程动态响应，通过M代替Md。换句话说，排除Md作为优化解法的一部 分。这将导致目标函数变为
j=f (m， c， dd, cd)十i:2^+ii:^h
在该简化形式中，将避免由稳态解法产生的受控变量的动态违反或使其最小 化。然而，由于外部确定的操作变量的动态运动，受控变量可以后来依然进行 动态违反。在包括大问题的环境中该简化形式可能是有利的，从而节省计算时 间。通过该形式，也将相应的操作变量动态约束2.3-2.3.7从优化中消除。
通过将(C， Cd) =G (M， Dd)釆用为(Cd) =G (Md， Dd)并且采用J=F (Dd, Md ， Cd)十2;2^^+n:Eh^h能够获得上述动态MPC的第二替换简化 形式。在该形式中，明显地，在确定(c， m)过程中在外部完成稳态解。然 而，通过如下的修改约束2.3.6合并外部稳态解
ZAMjk=MjS-M/ 2.3.6.1 并且，约束2.2被^修改为
C^C《 2.2.1
其中，
Mjs是分开确定的稳态解值，
Cs是分开确定的稳态解值。 在该形式中，除了在约束设置中需要的操作变量和受控变量的稳态值被给出之 外，以与在完整形式公式中的相同的方式来避免受控变量的动态违反或使其最 小化，但是，在完整形式的公式中稳态值和动态运动一起被确定。在包括具有 多个控制器的大过程的实践中，该形式的动态mpc依然是有用的，其中，每 一个控制器本身采用所提出的动态优化的简化形式，同时对分开确定的稳态解 1故出响应。 动态前馈约束
揭示了本发明的另 一实施例，其中在优化中如何考虑Dd。对于典型的MPC 应用中，Dd被认为是控制周期开始时的被测量干扰向量，不具有已知的或所 分配的将来值的。然而，在本发明提出的优化公式中，Dd可以具有将来时间 依赖值，尤其在与动态操作变量相同的时域中。在该情况下，这提供了有趣并有用的应用。在一个特定情况下，其中如果Dd是与上游(upstream) MPC相 关的前馈变量，则Dd提供不仅包含对上游MPC的当前动态运动而且包含对在 下游(downstream) MPC动态运动的确定中由当前动态运动确定的将来动态 运动。换句话说，下游的动态MPC不仅对由上游的动态MPC产生的当前动 态运动做出响应，而且还对由上游动态运动计划的所有将来动态运动做出响 应。上游动态运动对下游动态MPC的这种前^t效果肯定是在现有技术中无法 意料的。这是至今为止管理两个互联的MPC的交互作用的完全新颖的方式， 在现有技术对此根据没有考虑。
在另一种情况下，其中Dd可以涉及通过在例如计划的关机或电涌过程中 发生的已知动态改变而被表征的"真实环境/外部"前馈变量。
总之，Dd可以具有将来值，并通过这样来在本文给出的动态优化结构中 提供多个新颖的应用和能力。 灵活的嵌入式动态模型预测控制
本发明的另 一个实施例涉及本文描述的作为在动态优化结构中的动态模 型预测控制的模型预测控制的部分的"嵌入"。通过认识到变量组(Md， Cd) 不需要包括组(M, C)中所有的变量来达到这一点。也就是说仅被选择的操 作变量和相关的被选择的受控变量被包括在(Md， Cd)中，为此可以在上面 提出的公式中使用(Md， Cd)的部分选择的组。这意味着有时可以选择大的 模式预测控制中的一部分以具有所选择的操作变量和受控变量的完整的动态 处理。换句话说，在改变设备操作条件的情况下，可以动态地进行在大的;f莫型 预测控制中的动态嵌入。例如，在处于或接近某流体或控制器输出的阀饱和时， 可以实时进行该动态嵌入以提高更大的模型预测控制器的鲁棒性。这完全是在 现有技术中不存在的MPC的新的能力。换句话说，在本发明提出的优化方法 的构架中，在改变条件的情况下，可以执行包括动态和稳态优化的混合和匹配 的方法。这意味着当保证特定设备条件时，如在不安全的操作条件的情况下， 可以进行大MPC的部分的动态嵌入。这也可以用于在以动态优化求解大MPC 的情况下禁止昂贵的计算和緩慢的实时响应。
给出了说明动态模型预测控制的嵌入的本发明的该实施例的示例。在图6 中，描述了典型的DeButanizer过程单元的示意图。在图7中，给出了操作变量、受控变量及前馈变量的列表。如图6所示，过程单元控制包括压力调节环
与单元的其它控制。组成大的MPC控制器以包括图7中列出的所有变量，这 些变量包括具有10个操作变量、17个受控变量及2个干扰变量的压力调节环。 如本发明的嵌入式动态MPC的应用所表明的，选择例如作为操作变量的 U8PC01—P和作为受控变量的U8PC01一PV等与压力调节相关的变量，以仅在 剩余的其它变量稳态优化的环境中对嵌入式动态优化处理这些变量。在该示例 中，对嵌入式动态优化选择压力控制环的原因是将对单元的馈送速率推到其最 大值时，压力控制输出U8PC01—OP将饱和。在多种示例中，为了在最大馈送 速率维持单元的稳定性，需要一直保持压力被控制。单元压力往往影响再沸器 (reboiler)温度，该温度反过来将影响顶层和底层产品流的质量。因此，对于 整体性能来说，控制压力通常是至关重要的。为此，将对动态嵌入选择压力控 制环路。
在图8中，示出具有和不具有动态嵌入的压力控制环路的单元的性能的比 较。特定地，比较顶层和底层产品流的质量的性能，示出在动态嵌入情况下的 改善的性能。注意，即使质量变量本身没有被动态地嵌入，但是，具有动态嵌 入的压力控制环路导致产品质量控制上的改善的性能。该改善来自压力调节环 路的动态运动和动态受控变量控制的间接的影响。使用来自Princeton的 Unified Control Technology Corp的MPA仿真包NJ O8540来产生对比的结果。 该示例显示在提高大的MPC性能上本发明潜在的有益效果。这显示了即使部 分的动态嵌入也可以导致改善的性能。
总之，上面揭示的一般形式的动态MPC及其简化形式提供了多种公式， 该公式可用于解决包括具有多个MPC的复杂过程的大的控制系统应用。该设 计基于考虑到计算时间和复杂性的明智的工程平衡性能。
大，将需要越具体的计算步骤。对于线性动态系统，包括如本文所述的公式的 优化的线性设计方法将产生用于模型预测控制器的组合的稳态和动态控制运 动结果。可以预想对于非线性动态系统，将使用适当的非线性优化方法。
本领域技术人员将理解，在不脱离本发明的范围的情况下，可以进行各种 修正和改变。
权利要求
1.一种动态模型预测控制器的操作方法，所述动态模型预测控制器用于控制和优化具有多个独立受控的操作变量、至少一个受控变量及零个或更多干扰变量的过程的操作，所述动态模型预测控制器的操作方法包括以下步骤a)将所述操作变量的动态运动、以及所述操作变量和所述受控变量的稳态值同时确定作为组合了稳态和动态的优化过程的结果，其中，根据与所述操作变量和所述受控变量相关的稳态约束以及与所述操作变量和所述受控变量相关的动态约束，与所述操作变量和所述受控变量的稳态值一起确定所述操作变量的预定数量的动态运动，所述动态约束包括恰当时与所述干扰变量相关的动态约束；b)执行滚动时域形式的控制，其中，通过对由在先前时间间隔上应用的控制动作产生的过程响应的监视和反馈来在连续的时间间隔上执行所述优化。
2. 根据权利要求1所述的方法，其中，所述优化过程进一步包括PF(M，c, Dd， Md， cd)十i;i:E'^+i:2BhcGh形式的目标函数j，其中F是在到达所述过程的稳态的时间的时域上用于所述过程的某个优化函数，Md是操作变量在 预定时域上的动态值，M是所述操作变量的稳态值，Cd是受控变量在达到稳 态的时域上的动态值，C是所述受控变量的稳态值，Dd是所述干扰变量在不 大于所述操作变量的动态值的所述时域的时域上的动态值向量，并且其中所述 过程被进一步认为是动态系统，并通过(C, Cd) =G (Md, Dd)来表征在稳 态和动态中的所述受控变量的响应，是要对动态地违反受控变量的下限的 受控变量所应用的罚值，￡eh是要对动态地违反受控变量的上限的受控变量所 应用的罚值，此外，C是受控变量Ci的上限动态违反变量，^是所述受控变 量Ci的下限动态违反变量，根据所述受控变量的属性和特征，受控变量罚值 与经济标准和/或安全标准相关。
3. 根据权利要求1所述的方法，其中，所述稳态约束包括其中，括:M是所述操作变量的稳态值 C是所述受控变量的稳态值M1是所述操作变量M的下限， Mh是所述操作变量M的上限d是所述受控变量c的下限，Ch是所述受控变量C的上限。
4.根据权利要求1所述的方法，其中，所述动态操作变量约束包括:△Mj=AMj+-AMj'画(l-k雨/k) AM^AMj,s (l-kMV/k) AM/ k=l..kMV其中△Mj^Mj^M/ ,其中，M/是Mj的当前值 AMj是操作变量j的动态运动向量 △Mj+是操作变量j的正的动态运动向量 AMj-是操作变量j的负的动态运动向量△M/是操作变量j的动态运动的下限 AMjh是操作变量j的动态运动的上限AMjk是从现在开始到时间k的所述操作变量Mj的动态控制运动 Mj是所述操作变量的最优稳态值 M/是所述操作变量j的当前值。
5.根据权利要求1所述的方法，其中，所述受控变量的所述动态约束包0《i其中，Cik是^v现在开始在k时间间隔的所述受控变量Ci的预测值 Cikref是从现在开始在k时间间隔的所述受控变量Cj的期望值 .Qh是所述受控变量Ci的上限动态违反变量， G/是所述受控变量Cj的下限动态违反变量，Ci"是基于过去的过程条件在时间k上的所述受控变量Cj的动态值e是所述受控变量的预测动态值距其参考路径的偏差的允许容差，e是较小的凝k涉及>^人现在开始的将来时间，k= l.. kMv.. kcvkMV涉及用于操作变量运动的控制时域，操作变量不被应用于该时域之 外以允许所述受控变量达到稳态kcv涉及达到所述受控变量的稳态的时间，kcv是由于所述操作变量M的 改变而达到稳态的最长的时间加上最长的控制时域。
6. 根据权利要求2所述的优化函数F (M， C， D, Md, Cd)，其中，所述 优化函数F(M, C, D， Md, Cd)是对优化函数F()不存在所述操作变量和所 述受控变量的动态值的影响的例如PmM+PcC的简单形式，其中，Pm是所述操作变量的价格值，通常负值表示花费，正值表示收益， Pc是所述受控变量的价格值，通常负值表示罚值，正值表示收益。
7. 根据权利要求2所述的受控变量动态响应(C, Cd)=G(Md， Dd),其 中，所述(C, Cd) =G (Md, Dd)是用于稳态的表示为CK^+i:&j (MrM/) 的线性动态形式以及用于动态响应的表示为Cik=C, +ZgukAMjk+ Zgi/ADik 的线性动态形式中的一个，其中，C,是基于所述操作变量和所述干扰变量的过去的改变的、所述受控变量 的当前预测的稳态值Cj是所述受控变量的稳态值Cik是从现在开始到时间K上的所述受控变量Ci的预测值cr是基于过去的过程条件在时间K上的所述受控变量Ci的动态值gij是对于所述操作变量Mj的单位变化所述受控变量Ci的阶跃响应模型的稳、态增益gi/是对于所述操作变量Mj的单位变化受控变量Cj的过程模型的阶跃响 应系数△D,k是在时间k上Q的变化是对于所述干扰变量D,的单位变化受控变量Ci的过程模型的阶跃响应系数。
8. —种动态模型预测控制器的操作方法，所述动态模型预测控制器用于 控制和优化具有多个独立受控的操作变量、至少一个受控变量及零个或更多千 扰变量的过程的操作，所述动态模型预测控制器的操作方法包括以下步骤a) 将所述操作变量和所述受控变量的稳态值确定作为组合了稳态和动态 的优化过程的结果，其中，根据与所述操作变量和所述受控变量相关的稳态约 束以及所述受控变量相关的动态约束，以所述操作变量和所述受控变量的稳态 值进行确定，所述动态约束包括恰当时与所述干扰变量相关的动态约束；b) 执行滚动时域形式的控制，其中，通过对由在先前时间间隔上应用的 控制动作产生的过程响应的监视和反馈来在连续的时间间隔上执行所述优化。
9. 根据权利要求8所述的方法，其中，所述优化过程进一步包括^F(M， C， Dd， Cd) +22￡1￡1+2:2:￡11￡11形式的目标函数>1，其中F是在到达所述过程 的稳态的时间的时域上用于所述过程的某个优化函数，M是所述操作变量的 稳态值向量，C是所述受控变量的稳态值向量，Dd是干扰变量的向量，d是 受控变量在达到稳态的时域上的向量动态值，&是要对动态地违反受控变量 的下限的受控变量所应用的罚值，￡eh是要对动态地违反受控变量的上限的受 控变量所应用的罚值，并且其中所述过程被进一步认为是动态系统，并通过(C, Cd)=G(M, Dd)来表征所述受控变量的动态响应，此外，&是受控 变量Cj的上限动态违反变量，^是所述受控变量Ci的下限动态违反变量。
10. 根据权利要求8所述的方法，其中，所述稳态约束包括其中，M是所述操作变量的稳态值C是所述受控变量的稳态值M1是所述操作变量M的下限， Mh是所述操作变量M的上限Ci是所述受控变量C的下限， Ch是所述受控变量C的上限。
11. 根据权利要求8所述的方法，其中，所述受控变量的所述动态约束包括-e^Cik-Cikref-Ghi+G^e0《、 0《、其中，C,是从现在开始到k时间间隔的受控变量Ci的预测值 Cjkref是从现在开始到k时间间隔的受控变量Ci的期望值 Gh是受控变量Ci的上限动态违反变量， Gi'是受控变量Ci的下限动态违反变量，Ci"是基于过去的过程条件在时间k上的所述受控变量Ci的动态值e是所述受控变量的预测动态值距其参考路径的偏差的允许容差，e是较 小的凄丈k涉及从现在开始的将来时间，k= l.. kMV.. kcvkMV涉及用于操作变量运动的控制时域，操作变量不被应用于该时域之 外以允许所述受控变量达到稳态kcv涉及达到所述受控变量的稳态的时间，kcv是由于所述操作变量M的 改变而达到稳、态的最长的时间加上最长的控制时域。
12. 根据权利要求9所述的优化函数F (M， C, D， Cd),其中，所述优 化函数F(M, C, D， Cd)是不存在所述操作变量和所述受控变量的动态值的 影响的例如PmM+PcC的一个简单形式，其中，Pm是所述操作变量的价格值，通常负值表示花费，正值表示收益， Pc是所述受控变量的价格值，通常负值表示罚值，正值表示收益。
13. 根据权利要求9所述的受控变量动态响应(C, Cd) =G (M, Dd)， 其中，所述(C， Cd) =G ( M, Dd)是用于稳态的表示为C产CiVSgij (Mj-M/ ) 的线性动态形式以及用于动态响应的表示为Ci^Ci" +Zgu (Mj-M/) + Zgijk △D,k的线性动态形式中的 一个，其中，cV是基于所述操作变量和所述干扰变量的过去的改变的、所述受控变量的当前预测的稳态值Ci是所述受控变量的稳态值C,是从现在开始到时间K上的所述受控变量Ci的预测值 Cr是基于过去的过程条件在时间K上的受控变量Cj的动态值 gij是对于所述操作变量Mj的单位变化所述受控变量Q的阶跃响应模型 的稳、态增益AD,k是在时间k上D,的变化gi/是对于所述干扰变量D,的单位变化受控变量Ci的过程模型的阶跃响 应系数。
14. 一种动态模型预测控制器的操作方法，所述动态模型预测控制器用于 控制和优化具有多个独立受控的操作变量、至少一个受控变量及零个或更多干 扰变量的过程的操作，所述动态模型预测控制器的操作方法包括以下步骤a) 将所述操作变量的动态运动确定作为组合了稳态和动态的优化过程的 结果，其中，根据与所述操作变量和所述受控变量相关的稳态约束以及与所述 ，燥纵变量和所述受控变量相关的动态约束，确定所述"t喿作变量的预定数量的动 态运动以满足所述操作变量和所述受控变量的给定/已知稳态值，所述动态约 束包括恰当时与所述干护C变量相关的动态约束；b) 执行滚动时域形式的控制，其中，通过对由在先前时间间隔上应用的 控制动作产生的过程响应的监视和反馈来在连续的时间间隔上执行所述优化。
15. 根据权利要求14所述的方法，其中，所述优化过程进一步包括J=F (Dd， Md， Cd)+Z22'^+ZHhcGh形式的目标函数J，其中F是在到达所述过稳态的时域上的向量动态值，是要对动态地违反受控变量的下限的受控变量所应用的罚值，￡ch是要对动态地违反受控变量的上限的受控变量所应用的罚值，并且其中所述过程被进一步认为是动态系统，并通过(C， Cd)=G(Md， Dd)来表征所述受控变量的动态响应，此外，Gih是受控变量Ci的上限动态违 反变量，G'是所述受控变量Ci的下限动态违反变量。
16. 根据权利要求14所述的方法，其中，所述动态操作变量约束包括M^Md，hAM产AMj+-AMj-ZAM广Ms-M0其中，△M—Mj'-M/,其中，M/是Mj的当前值 AMj是才喿作变量j的动态运动向量 △M/是操作变量j的正的动态运动向量 AM/是操作变量j的负的动态运动向量△M/是操作变量j的动态运动的下限 AMjh是操作变量j的动态运动的上限 AMjk是在时间k上所述操作变量Mj的动态控制运动Mj是所述操作变量的最优稳态值 M/是所述操作变量j的当前值。
17. 根据权利要求14所述的方法，其中，所述受控变量的所述动态约束 包括<formula>formula see original document page 8</formula>其中，C,是从现在开始到k时间间隔的所述受控变量Cj的预测值 Cj"ef是从现在开始到k时间间隔的所述受控变量Ci的期望值 ￡,是所述受控变量Cj的上限动态违反变量， 是所述受控变量Cj的下限动态违反变量， C"是基于过去的过程条件在时间k上的受控变量Ci的动态值 CS是给出的所述受控变量的稳态目标e是所述受控变量的预测动态值距其参考路径的偏差的允许容差，e是较 小的凄史k涉及从现在开始的将来时间，k= l.. kMv.. kcvkMV涉及用于操作变量运动的控制时域，操作变量不被应用于该时域之 外以允许所述受控变量达到稳态kcv涉及达到所述受控变量的稳态的时间，kcv是由于所述操作变量M的 改变而达到稳态的最长的时间加上最长的控制时域。
18. 根据权利要求15所述的优化函数F (Dd， Md， Cd),其中，所述优化 函数F(Dd， Md， Cd)可以是一个简单的空形式，其中执行所述动态变量以满 足外在确定的所述操作变量和所述受控变量的稳态^f直。
19. 根据权利要求15所述的受控变量动态响应Cd=G (Md, Dd)，其中， 所述C^G (Md, Dd)是用于稳态的表示为CrCr+Zgu (Mj-M/)的线性动态 形式以及用于动态响应的表示为Cik=Ci" +S&jkAMjk+ ZgukADj的线性动态 形式中的一个，其中，C,是基于所述操作变量和所述干扰变量的过去的改变的、所述受控变量 的当前预测的稳态值Cj是所述受控变量的稳态值C,是从现在开始到时间K上的所述受控变量Ci的预测值 Cf是基于过去的过程条件在时间K上的受控变量Ci的动态值 gij是对于所述操作变量Mj的单位变化所述受控变量Cj的阶跃响应模型 的稳态增益&/是对于所述操作变量Mj的单位变化受控变量Cj的过程模型的阶跃响应系数AD,k是在时间k上D,的变化是对于所述干扰变量D,的单位变化受控变量Cj的过程模型的阶跃响应系数。
全文摘要
本发明提供一种动态模型预测控制的方法，其中，将操作变量的稳态优化和动态运动计算一起确定为一个优化解法(211)的一部分。该方法组合了稳态优化和动态运动计算，由此确定与过程的动态运动和产生的动态响应一致的稳态最优目标，从而受控变量在稳态和动态中都不违反受控变量的下/上限。该方法使用与每一个受控变量相对应的上限动态违反变量和下限动态违反变量。当稳态优化与改变条件下的大模型预测控制的应用相关时，该方法提供将部分动态优化与稳态优化相混合的独特的性能，特别在约束违反或接近约束违反时，在不必改变控制器调节的情况下，为了改善的和增强的控制性能，可以动态地实时使用该方法。
文档编号G06F15/00GK101589363SQ200780044442
公开日2009年11月25日 申请日期2007年12月6日 优先权日2006年12月11日
发明者法赫尔丁·T.·阿塔尔瓦拉 申请人:法赫尔丁·T.·阿塔尔瓦拉