先进控制技术及应用

先进控制技术及应用

在工业生产过程中，一个良好的控制系统不但要保护系统的稳定性和整个生产的安全，满足一定约束条件，而且应该带来一定的经济效益和社会效益。然而设计这样的控制系统会遇到许多困难，特别是复杂工业过程往往具有不确定性（环境结构和参数的未知性、时变性、随机性、突变性）、非线性、变量间的关联性以及信息的不完全性和大纯滞后性等，要想获得精确的数学模型 十分困难。因此，对于过程控制系统的设计，已不能采用单一基于定量的数学模型的传统控制理论和控制技术，必须进一步开发高级的过程控制系统，研究先进的过程控制规律，以及将现有的控制理论和方法向过程控制领域移植和改造等方面越来越受到控制界的关注。

世界各国在加强建模理论、辨识技术、优化控制、最优控制、高级过程控制等方面进行研究，推出了从实际工业过程特点出发，寻求对模型要求不高，在线计算方便，对过程和环境的不确定性有一定适应能力的控制策略和方法，如自适应控制系统、预测控制系统、鲁棒控制系统、智能控制系统等先进控制系统。对于含有大量不确定性和难于建模的复杂系统，基于知识的专家系统、模糊控制、人工神经网络控制、学习控制和基于信息论的智能控制等应运而生，它们在许多领域都开始得到了应用，成为自动控制的前沿学科之一。由于变量间的关联，使系统不能正常平稳运行，出现各类解耦控制系统。对于大纯滞后系统自年史密斯提出“预估补偿器”以来，由于预估补偿器对参数变化灵敏度极高，又相继出现了各种改进预估补偿方法，如观测补偿器控制方案、内模控制、双控制器、达林控制箅法、纯滞后对象采样控制等，但均尚未完全真正解决，人们还在继续努力想方设法寻求解决办法。针对信息不完全性出现了推断控制系统和软测量技术。本文就目前应用较多、且取得经济效益的预测控制、软测量技术发展及应用作一些介绍，以推动先进控制技术的应用。

一、基于模型的预测控制
自20世纪60年代蓬勃发展起来的以状态空间分析法为基础的现代控制理论，在航空、航天、制导等领域取得了辉煌的成果。在过程控制领域亦有所移植，但实验室及学院式的研究远多于过程工业上的实际应用，其中主要原因是：工业过程的多输入——多输出的高维复杂系统难于建立精确的数学模型，工业过程模型结构、参数和环境都有大量不确定性；工业过程都存在着非线性，只是程度不同而已；工业过程都存在着各种各样的约束，而过程的最佳操作点往往在约束的边界上等，理论与工业应用之间鸿沟很大，为克服理论与应用之间的不协调，70年代以来，针对工业过程特点寻找各种对模型精确度要求低，控制综合质量好，在线计算方便的优化控制算法。预测控制是在这样的背景下发展起来的一类新型计算机优化控制算法。

（一）预测控制的发展
20世纪70年代后期，模型算法控制（MAC）和动态矩阵控制（DMC）分别在锅炉、分馏塔和石油化工装置上获得成功的应用，取得了明显经济效益，从而引起工业控制界的广泛重视。国外一些公司如Setpoint、DMC、Adersa、Profimatics等也相继推出了预测控制商品化软件包，获得了很多成功的应用。

20世纪80年代初期，人们在自适应控制的研究中发现，为了克服最小方差控制的弱点，有必要吸取预测控制中的多步预测优化策略，这样可增强算法的应用性和鲁棒性。因此出现了基于辨识模型并带有自校正的预测控制算法，如扩展时域自适应控制（EPSAC）、广义预测控制（GPC）等，这类算法以长时段多步优化取代了经典最小方差控制中的一步预测优化，从而可应用于时滞和非最小相位对象，并改善了控制性能和对模型失配的鲁棒性。此外，莫拉里等1982年研究一类新型控制结构——内模控制（IMC），发现预测控制算法与这类控制算法有着密切联系。MAC、DMC是IMC的特例，从结构的角度对预测控制作了更深入的研究。

目前，GPC都是以线性系统作为被控制对象，对于弱非线性系统，一般仍能取得较好的控制效果，但对一些强的非线性系统难于奏效。对此，非线性的广义预测控制研究开始重视，主要有基于Hammerstein模型广义预测控制、基于LMOPDP模型广义预测控制、基于神经网络的非线性系统广义预测控制，还有基于双线性模型、多模型等多种方法。

预测控制的鲁棒性设计成为预测控制研究的热点之一。鲁棒预测控制的思想即使用鲁棒控制算法，在算法设计初期就将系统的不确定性考虑进去，使得整个预测控制系统在实际控制中面对对象不确定时仍能表现出应有的稳定性。相应软件有Honeywell公司推出的基于鲁棒预测控制的R