论文部分内容阅读
摘 要：近年来，在科技水平不断提高的同时，工业生产过程中受控对象的复杂程度越来越高，具体表现出以下特征：时变性、非线性、不确定性、多输入及多输出、信息量少、耦合以及高性能指标等等，这使得一些复杂的系统无法建立精确的数学模型，也就是说传统的控制理论无法对复杂工业过程起到良好的控制效果，甚至无法进行控制。鉴于此，本文针对复杂工业过程，提出一种模型预测控制方法，并对具体的建模仿真过程进行分析。
关键词：复杂工业过程；模型预测控制；建模；仿真
中图分类号：TP273.5
1 模型预测控制概述
模型预测控制简称MPC，它是上个世纪70年代末期发展起来的一种基于计算机技术的控制方法，由于该方法的出现与工业生产需要关系密切，所以其主要被应用与工业生产控制当中，尤其是在一些复杂的工业生产过程中应用效果更为明显。由于MPC具有对模型要求低、抗干扰性和鲁棒性强、能够在优化控制理论框架内处理系统的控制约束等特点，使之非常适用于工业过程控制。目前，该方法已经被广泛应用于诸多工业领域当中，如发电厂控制、化工、汽车、食品加工、航空航天、冶金制造、炼油控制等等。虽然MPC已经在工业领域当中获得了大量的成功应用，但是由于生产系统的工况日益复杂化，对控制系统的要求也越来越高，从而导致了控制问题愈加复杂。
MPC是一种基于计算机在线优化控制的方法，其能够在各个采样时刻将系统的实际状态当成初始化条件，并借助过程的动态模型预测出系统未来一段时间的响应情况，然后按照模型优化对象的未来性能指标，求出一个开环最优化问题的解，进而获得一个控制序列，并将之作为控制量作用于被控对象。需要阐明的一点是，预测控制当中的优化与传统意义上的全局优化具有非常明显的差别，也就是说预测控制并不是一个针对全局进行优化的过程，而是在每一个特定的时刻均存在一个对该时刻进行优化的性能指标，不同时刻的优化指标的相对形式一致，但绝对形式当中所含有的时域却是不同的。所以预测控制只能够获得全局的次优解，整个优化过程是反复在线进行。
2 基于复杂工业过程的MPC建模仿真与控制研究
2.1 MPC的建模方法。（1）机理建模。该方法主要是按照系统的质量、能量与动量守恒的定律建立动态模型，其最大的优点是建模过程中所需要的数据量较少，所以当被控对象在不容易产生过程数据的特定环境中时，该建模方法一般都会被作为首选。但需要指出的是，该方法需要了解被控对象的内部特性，由于不同对象的特性均不相同，所以每次应用机理建模方法时，都需要根据对象的特性变化重新进行大量的准备工作，这在一定程度上增大了建模费用和时间。（2）实验建模。在复杂工业过程中，由于关联性因素相对较多，加之缺乏对被控对象的了解，想要成功建立系统的机理模型难度较大，在一些特殊情况下甚至无法完成机理建模。而实验建模则是借助系统的动态过程数据进行建模的方法，在MPC中，实验建模所使用的模型结构形式具有多样性的特点，在进行实验建模的过程中，应当选择正确的模型结构形式，同时还应做好模型校验。（3）混合建模。所谓的混合建模实质上就是将机理与实验这两种建模方法结合在一起进行建模，这样便可以充分利用两种建模方法的优点，从而使所建立的模型更加精确。
2.2 多模型非线性自适应控制。广义的预测控制是在最小方差控制器的基础上发展而来的，对其的研究工作也是基于自适应控制思想展开的，其现已在诸多工业应用中得以实现，也在各种参数不确定的前提下显示出了良好的控制性能。下面本文提出一种多模型非线性自适应控制方法，并通过仿真实验对其有效性进行验证。（1）估计模型与自适应控制器。当系统的多项式参数和非线性项为已知时，系统的输出便可以满足跟踪参考输入。但是在大部分复杂工业过程中，系统模型基本都是未知的，即便已知也很难做到精确。故此便需要借助递归算法对系统的参数进行辨识。因为非线性项具有界的特征，当v（k）较小时，可以直接设计线性鲁棒自适应控制器；若是v（k）较大，则可借助神经网络进行估计，同时在控制器中进行相应的补偿，以此来设计预测控制器，这样一来便可以使系统的输入与输出信号有界，系统的性能也会因此获得改善。（2）切换系统设计。在控制系统设计的过程中切换准则是比较重要的环节之一，为了确保系统的稳定性，必须合理选择切换准则。
此时系统将会选择与之相对应的模型 ，并采用与该模型相对应的控制器 的输出作为k时刻的控制输入u（k）。多模型控制策略的提出为复杂非线性系统控制提供了有效的工具，从而使系统获得了良好的控制性能。
2.3 仿真实验。下面通过仿真实验对多模型非线性自适应控制方法的有效性进行验证。通过计算机分析可知，系统输出能够很好地跟踪参考输入，且控制输入震荡相对比较平稳，这主要是因为神经网络对非线性项的在线补偿使系统性能获得了大幅度改善。由此可得出如下结论：采用本文所提出的多模型非线性自适应控制方法能够使系统的性能显著提高，适用于对复杂工业过程的控制。
2.4 计算机仿真建模实例分析。下面以汽车悬架系统中最为常用的筒式液压减振器为例，对其建模与仿真过程进行论述。（1）仿真建模。通过对筒式液压减振器实际工作过程中的油液流动情况进行分析后，采用当前比较流行的AMEsin（复杂系统建模仿真平台）建立了减振器的上下腔、补偿腔和阀系的仿真模型。减振器仿真模型的主要参数如表1所示。（2）仿真结果分析。仿真与试验的激励全部都依据QC/T 545试验标准来完成，激励方式为正弦激励。在压缩和复原行程以及速度从0.1-1.0m/s减振器的做功特性、阻尼力的仿真结果均与试验数据相吻合，这表明，本文所建立的仿真模型真确、可靠。为了进一步验证仿真计算结果的准确性，分别对减振器试样以及仿真模型进行了速度特性测试，测试结果如图1所示。从图1中能够清楚的看出，随着速度的不断增加，减振器的阻尼力也会随之增加，当速度达到80mm/s时，阻尼力出现了非常明显的突变，导致这一情况的主要原因是复原行程中复原阀开启，而这个点即复原阀的开阀速度点。由此得出结论：仿真过程中，对开阀速度的计算准确。
3 结论：
综上所述，本文从复杂工业过程的角度出发，提出了一种多模型非线性自适应控制方法，经过系统地分析论证后，该控制方法能够对复杂工业过程进行有效控制。由于复杂工业过程中存在耦合作用，从而给控制系统的设计增添了一定的难度，在未来一段时期应当针对这一问题加大研究力度，这有助于提高系统的稳定性和可靠性。
参考文献：
[1]赵洪波.冯夏庭.非线性位移时间序列预测的进化——支持向量机方法及应用[J].岩土工程学报，2012（02）.
[2]王定成，方廷健，高理富.支持向量机回归在线建模及应用[J].控制与决策，2013（08）.
[3]洪立，王世渊，王先来.神经网络控制器在未建模型的非线性系统中的应用[J].自动化与仪器仪表，2010（03）.
作者单位：第三军医大学野战外科研究所第九研究室，重庆 400042
关键词：复杂工业过程；模型预测控制；建模；仿真
中图分类号：TP273.5
1 模型预测控制概述
模型预测控制简称MPC，它是上个世纪70年代末期发展起来的一种基于计算机技术的控制方法，由于该方法的出现与工业生产需要关系密切，所以其主要被应用与工业生产控制当中，尤其是在一些复杂的工业生产过程中应用效果更为明显。由于MPC具有对模型要求低、抗干扰性和鲁棒性强、能够在优化控制理论框架内处理系统的控制约束等特点，使之非常适用于工业过程控制。目前，该方法已经被广泛应用于诸多工业领域当中，如发电厂控制、化工、汽车、食品加工、航空航天、冶金制造、炼油控制等等。虽然MPC已经在工业领域当中获得了大量的成功应用，但是由于生产系统的工况日益复杂化，对控制系统的要求也越来越高，从而导致了控制问题愈加复杂。
MPC是一种基于计算机在线优化控制的方法，其能够在各个采样时刻将系统的实际状态当成初始化条件，并借助过程的动态模型预测出系统未来一段时间的响应情况，然后按照模型优化对象的未来性能指标，求出一个开环最优化问题的解，进而获得一个控制序列，并将之作为控制量作用于被控对象。需要阐明的一点是，预测控制当中的优化与传统意义上的全局优化具有非常明显的差别，也就是说预测控制并不是一个针对全局进行优化的过程，而是在每一个特定的时刻均存在一个对该时刻进行优化的性能指标，不同时刻的优化指标的相对形式一致，但绝对形式当中所含有的时域却是不同的。所以预测控制只能够获得全局的次优解，整个优化过程是反复在线进行。
2 基于复杂工业过程的MPC建模仿真与控制研究
2.1 MPC的建模方法。（1）机理建模。该方法主要是按照系统的质量、能量与动量守恒的定律建立动态模型，其最大的优点是建模过程中所需要的数据量较少，所以当被控对象在不容易产生过程数据的特定环境中时，该建模方法一般都会被作为首选。但需要指出的是，该方法需要了解被控对象的内部特性，由于不同对象的特性均不相同，所以每次应用机理建模方法时，都需要根据对象的特性变化重新进行大量的准备工作，这在一定程度上增大了建模费用和时间。（2）实验建模。在复杂工业过程中，由于关联性因素相对较多，加之缺乏对被控对象的了解，想要成功建立系统的机理模型难度较大，在一些特殊情况下甚至无法完成机理建模。而实验建模则是借助系统的动态过程数据进行建模的方法，在MPC中，实验建模所使用的模型结构形式具有多样性的特点，在进行实验建模的过程中，应当选择正确的模型结构形式，同时还应做好模型校验。（3）混合建模。所谓的混合建模实质上就是将机理与实验这两种建模方法结合在一起进行建模，这样便可以充分利用两种建模方法的优点，从而使所建立的模型更加精确。
2.2 多模型非线性自适应控制。广义的预测控制是在最小方差控制器的基础上发展而来的，对其的研究工作也是基于自适应控制思想展开的，其现已在诸多工业应用中得以实现，也在各种参数不确定的前提下显示出了良好的控制性能。下面本文提出一种多模型非线性自适应控制方法，并通过仿真实验对其有效性进行验证。（1）估计模型与自适应控制器。当系统的多项式参数和非线性项为已知时，系统的输出便可以满足跟踪参考输入。但是在大部分复杂工业过程中，系统模型基本都是未知的，即便已知也很难做到精确。故此便需要借助递归算法对系统的参数进行辨识。因为非线性项具有界的特征，当v（k）较小时，可以直接设计线性鲁棒自适应控制器；若是v（k）较大，则可借助神经网络进行估计，同时在控制器中进行相应的补偿，以此来设计预测控制器，这样一来便可以使系统的输入与输出信号有界，系统的性能也会因此获得改善。（2）切换系统设计。在控制系统设计的过程中切换准则是比较重要的环节之一，为了确保系统的稳定性，必须合理选择切换准则。
此时系统将会选择与之相对应的模型 ，并采用与该模型相对应的控制器 的输出作为k时刻的控制输入u（k）。多模型控制策略的提出为复杂非线性系统控制提供了有效的工具，从而使系统获得了良好的控制性能。
2.3 仿真实验。下面通过仿真实验对多模型非线性自适应控制方法的有效性进行验证。通过计算机分析可知，系统输出能够很好地跟踪参考输入，且控制输入震荡相对比较平稳，这主要是因为神经网络对非线性项的在线补偿使系统性能获得了大幅度改善。由此可得出如下结论：采用本文所提出的多模型非线性自适应控制方法能够使系统的性能显著提高，适用于对复杂工业过程的控制。
2.4 计算机仿真建模实例分析。下面以汽车悬架系统中最为常用的筒式液压减振器为例，对其建模与仿真过程进行论述。（1）仿真建模。通过对筒式液压减振器实际工作过程中的油液流动情况进行分析后，采用当前比较流行的AMEsin（复杂系统建模仿真平台）建立了减振器的上下腔、补偿腔和阀系的仿真模型。减振器仿真模型的主要参数如表1所示。（2）仿真结果分析。仿真与试验的激励全部都依据QC/T 545试验标准来完成，激励方式为正弦激励。在压缩和复原行程以及速度从0.1-1.0m/s减振器的做功特性、阻尼力的仿真结果均与试验数据相吻合，这表明，本文所建立的仿真模型真确、可靠。为了进一步验证仿真计算结果的准确性，分别对减振器试样以及仿真模型进行了速度特性测试，测试结果如图1所示。从图1中能够清楚的看出，随着速度的不断增加，减振器的阻尼力也会随之增加，当速度达到80mm/s时，阻尼力出现了非常明显的突变，导致这一情况的主要原因是复原行程中复原阀开启，而这个点即复原阀的开阀速度点。由此得出结论：仿真过程中，对开阀速度的计算准确。
3 结论：
综上所述，本文从复杂工业过程的角度出发，提出了一种多模型非线性自适应控制方法，经过系统地分析论证后，该控制方法能够对复杂工业过程进行有效控制。由于复杂工业过程中存在耦合作用，从而给控制系统的设计增添了一定的难度，在未来一段时期应当针对这一问题加大研究力度，这有助于提高系统的稳定性和可靠性。
参考文献：
[1]赵洪波.冯夏庭.非线性位移时间序列预测的进化——支持向量机方法及应用[J].岩土工程学报，2012（02）.
[2]王定成，方廷健，高理富.支持向量机回归在线建模及应用[J].控制与决策，2013（08）.
[3]洪立，王世渊，王先来.神经网络控制器在未建模型的非线性系统中的应用[J].自动化与仪器仪表，2010（03）.
作者单位：第三军医大学野战外科研究所第九研究室，重庆 400042