[发明专利]用于DCS系统性能优化的子空间方法

说明书

技术领域

本算法可用于工业控制领域，对石油、石化、冶金、电力、化工等行业普遍使用的计算机集散控制系统(Distributed Control System，简称DCS)进行性能优化。

背景技术

毫无疑问，控制器是DCS控制系统的核心。一套典型的DCS控制系统通常有几十个甚至上百个控制回路。控制器的性能直接决定着装置是否能够安全稳定地运行。不幸的是，对于有限的仪表工程师和维护人员来说，每天去逐个检查这些控制器的运行情况是不可能的。而且，过程的特性也不断随着生产的负荷、原材料、环境温度等发生改变。即使仪表工程师今天把一个控制器的参数调整得很好，也不能保证这些参数在明天能够很好地运行。因此，我们就需要一种方法来每天定时和自动地对控制器的运行情况进行评估，在需要的时候对参数进行优化。

在控制器的性能评估领域，基于最小方差控制(Minimum Variance Control，以下简称MVC)的指标自1989年加拿大Queen’s University的Harris的研究工作以来被广泛采用。利用这个指标，一个单输入单输出(Single Input Single Output，以下简称SISO)的控制系统的性能指标可以表示为在最小方差控制下的输出方差与实际的输出方差的比率。对于多输入多输出(Multiple Input Multiple Output，以下简称MIMO)系统来说，它是输出协方差的trace的比率。因为只有在最小方差控制下，输出方差或协方差才能取得最小值，因此这个性能指标介于0和1之间。值越大，说明控制器的性能越好。

尽管在实际中，最小方差控制由于其过于猛烈的控制行为而很少采用，但作为一个指标，它可以提供关于一个控制系统性能的有用信息。如果性能指标说明一个控制器的性能很差，那么我们就可以通过调整控制器的参数或重新设计控制策略来减小方差。如果性能指标说明一个控制器的性能已经很好了，但我们仍然需要减小方差，这时候，调整控制器的参数或重新设计控制策略就不起作用了。我们需要改变控制系统或过程的结构，比如使用前馈控制或改变变送器的位置等。

另外，到目前为止，基于最小方差控制的控制器性能指标是唯一一个不需要知道过程的完全模型知识的指标。

子空间辨识方法从上个世纪九十年代以来成为一个活跃的研究领域。与传统的辨识方法比起来，子空间辨识方法的优点是数值的稳定性和计算的简洁性。

发明内容

我们可以把一个1个输入、m个输出和n个状态的线性常系统表示为

x_t+1＝Ax_t+Bu_t+Ke_t   (1)

y_t＝Cx_t+e_t

系统的状态空间矩阵的维数分别为n×n、n×1、m×n和n×m。K是卡尔曼滤波器的增益，e_t是一个协方差矩阵为S的白噪声序列。

将输入u_t堆成两个块Hankel矩阵，p代表着过去，f代表着将来。

同样，我们把输出y_t和噪声e_t也分别堆成两个块Hankel矩阵，

过去和将来的状态序列定义为

X_p＝[x₁  x₂  ...  x_j]，X_f＝[x_N+1  x_N+2  …  x_N+j]

通过对(1)式反复的迭代，我们可以得到三个在子空间模型辨识里很重要的等式：