基于快速智能優(yōu)化和UniSim/EPKS環(huán)境的控制回路SP動態(tài)優(yōu)化
中文題目：基于快速智能優(yōu)化和UniSim/EPKS環(huán)境的控制回路SP動態(tài)優(yōu)化
論文題目：Dynamic optimization for SP of control loops based on both rapid intelligent optimization and UniSim/EPKS environments
錄用期刊/會議：2024 IEEE 13th Data Driven Control and Learning Systems Conference（CAA-A類）
錄用/見刊時間： 2024.03.25
作者列表：
1）張合輝 中國石油大學（北京）人工智能學院 控制科學與工程專業(yè) 碩22級
2）王 珠 中國石油大學（北京）人工智能學院 自動化系教師
3）王少賢 中國石油大學（北京）人工智能學院 控制工程專業(yè) 碩21級
摘要:
為了解決先進控制中的模型失配問題，本文提出了一種基于預測模型在線重構的動態(tài)軌跡快速智能優(yōu)化方法。首先通過可靠辨識建立系統(tǒng)模型，然后利用系統(tǒng)模型的閉環(huán)階躍響應更新預測模型，同時自適應更新約束條件。為了快速求解優(yōu)化目標，本文采用改進的GA-PSO算法計算控制回路的SP軌跡。最終實現(xiàn)了預測模型的自適應更新和控制回路SP的動態(tài)優(yōu)化，從而保證了先進控制方案的長期有效性。
背景與動機:
在工業(yè)過程的長期運行中，諸如操作條件的變化和外部環(huán)境的變化等因素可能導致先進控制中預測模型與實際系統(tǒng)之間存在差異。當實際系統(tǒng)發(fā)生變化而模型沒有及時更新時，模型失配就會經(jīng)常發(fā)生。對于依靠模型的控制方法，及時更新模型是非常重要的。針對這個問題，本文提出了一種基于預測模型在線重構的回路動態(tài)參考軌跡優(yōu)化方案。
設計與實現(xiàn):
首先，通過采用高階線性時變模型作為辨識模型，并利用可靠的遞歸辨識算法來跟蹤的時變參數(shù)。
當控制回路的工況發(fā)生變化時，及時對新的系統(tǒng)模型進行數(shù)字測試，獲得新的預測模型：
然后根據(jù)新的預測模型進行反饋矯正、滾動優(yōu)化求解性能指標不斷求解下一時刻的SP值，從而實現(xiàn)了控制回路SP的動態(tài)優(yōu)化。
主要內(nèi)容:
1.預測模型在線重構
本文通過構建系統(tǒng)模型，進行閉環(huán)模擬階躍響應測試，得到階躍響應序列。這就可以實現(xiàn)在線更新動態(tài)矩陣，進而實現(xiàn)預測模型的在線更新。在實際現(xiàn)場期望值
位于不同的區(qū)間時，即工藝負荷處于不同范圍時，每秒的SP增量有不同的要求。為了保證先控方案的長期有效性，在優(yōu)化過程中SP軌跡增量
限值需要根據(jù)工況進行更新。同時參考軌跡
的約束限也需要根據(jù)當前實際輸出
和期望值
的變化實時更新。
2.性能指標的高效求解
為了實現(xiàn)SP的快速智能優(yōu)化，本文采用改進的GA-PSO算法求解性能指標。此外，本文還在粒子群初始化時引入“精英種群”，加快搜索速度。利用GA算法將精英粒子與普通粒子進行交叉，加快粒子向最優(yōu)解方向搜索。利用GA算法的變異步驟，保證粒子種群的多樣性。這樣可以擴大粒子群的搜索范圍，還可以跳出局部最優(yōu)解。算法的流程圖如圖1所示。
圖1 GA-PSO算法流程圖
實驗結果及分析:
本文的實驗驗證采用了Honeywell 的UniSim Design模擬平臺與EPKS DCS控制系統(tǒng)相結合的方式。UniSim Design模擬平臺搭建了500萬噸/年常減壓裝置，使仿真接近實際現(xiàn)場的操作條件。整體優(yōu)化過程如圖2所示。
圖2 在線優(yōu)化流程圖
通過上述設計方案，本文對工業(yè)DCS控制系統(tǒng)中常減壓裝置的一條流量回路和一條壓力回路進行了仿真。仿真結果如圖3所示。仿真結果驗證了在線重構預測模型的有效性以及設計方案的可行性。
圖3 輸出曲線與優(yōu)化SP參考曲線
結論:
工業(yè)過程控制中工況改變會導致MPM，使以模型為基礎的控制方法的控制效果變差。針對模型失配問題，本文提出了一種基于預測模型在線重構的動態(tài)參考軌跡優(yōu)化方法。使用可靠的遞推辨識實時跟隨系統(tǒng)的變化。然后定期通過數(shù)字測試自適應更新預測模型。實時辨識和自適應技術確保了先進控制對不同工況的自適應。本文采用改進的GA-PSO算法高效求解性能指標，實現(xiàn)了SP高效動態(tài)優(yōu)化。最后實驗結果驗證了在線重構預測模型的有效性和動態(tài)參考軌跡優(yōu)化的可行性。
通訊作者簡介:
王珠，男，博士，中共黨員，現(xiàn)任中國石油大學（北京）副教授、碩士生導師。2016年至今在中國石油大學（北京）自動化系工作，現(xiàn)任北京人工智能學會理事、中國化工學會信息技術應用專業(yè)委員會青年委員。
長期從事系統(tǒng)辨識與智能控制；煉化過程異常診斷與故障預警；大數(shù)據(jù)工藝優(yōu)化與質(zhì)量預測；基于深度學習的時間序列預測等方面研究工作，以第一作者或通訊作者身份發(fā)表高水平學術期刊論文20余篇。主持國家自然科學基金項目及多個重點流程工業(yè)企業(yè)的橫向項目。