[发明专利]应用逆向差分抑制不可测扰动的模型预测控制器及方法

说明书

技术领域

    本发明涉及一种模型预测控制器，具体的是一种应用逆向差分抑制不可测扰动的模型预测控制器。

背景技术

模型预测控制是1970年左右提出的新型控制理论，经过四十余年的发展，其对应的理论和应用软件已经比较成熟，在工程实践领域也有着非常广泛的应用。

模型预测控制是一种基于预测模型的闭环优化控制策略。模型预测控制的基本出发点与传统控制（如PID控制）不同。传统的控制，是根据过程当前的和过去的输出测量值和设定值的偏差来确定当前的控制输入。而预测控制不但利用当前的和过去的偏差值，而且还利用预测模型来预估过程未来的偏差值，以滚动优化确定当前的最优输入策略。因此，从基本思想看，预测控制优于传统控制。

模型预测控制一般有三个基本特征，即预测控制、反馈校正和滚动优化。图1是模型预测控制过程的结构图。

预测控制需要一个描述系统动态行为的模型，称为预测模型，它应具有预测功能，即能够根据系统现时刻的控制输入以及过程的历史信息，预测过程输出的未来值。预测模型通常采用在实际工业过程中较易获得的脉冲响应模型或阶跃响应模型。

在预测控制中，采用预测模型进行过程输出值的预估只是一种理想的方式，对于实际过程，存在各种各样的不确定因素，使基于模型的预测不可能准确地与实际相符。因此，在预测控制中，通过输出的测量值与模型的预估值进行比较，得出模型的预测误差，再利用模型预测误差来修正模型预测控制器的输出结果。这种模型加反馈校正的过程，使预测控制具有很强的抗干扰和克服系统不确定的能力。

预测控制是一种优化控制算法。但是，优化过程不是一次离线完成的，而是反复在线进行的。即在每一采样时刻，优化性能指标只涉及从该时刻到未来有限的时间内，而到下一个采样时刻，这一优化时段会同时向前推进，这就是滚动优化的概念。这种在线反复进行的优化算法，能有效克服和校正过程中的各种不确定性，使控制保持实际上的最优。

    真实的工业过程实际上是灰色的，即：过程的一部分是确定的，可以用模型关系来描述；过程的另一部分是不确定的。在确定的部分，预测控制保证了控制器有良好的控制效果；在不确定的部分，反馈校正和滚动优化保证了控制器有良好的适应性。如果只有预测控制，则控制器无法在不确定部分工作；如果只有反馈校正和滚动优化，则控制器也没有良好的控制效果。这三个特征是不可或缺的一个整体。

模型预测控制在工业过程上的实际应用，称之为模型预测控制器。一个典型的模型预测控制器，需要根据工业过程的工艺原理和控制需求，定义一个或者多个被控变量（controlled variable，CV）、操纵变量(manipulated variable，MV)和干扰变量（disturbance variable, DV）。

 

被控变量是指被控制在某个范围内或者目标值附近以改善工艺操作及产品质量性能的物理量。操纵变量是指受控于控制器，用于调节被控变量大小的物理量。干扰变量是其本身不可被控制器调节，但其变化会对被控变量造成影响的物理量。干扰变量根据其可测量与否，分为可测干扰变量和不可测干扰变量。

加热炉是一个简单的例子。加热炉出口温度是控制的目标，为被控变量（CV）；天然气流量被用来调节加热炉出口温度，为操纵变量（MV）；水流量可测量但不可调节，其波动会对加热炉出口温度造成影响，为可测干扰变量（DV）；而天然气热值是不可测量的，但其波动也会对加热炉出口温度造成影响，为不可测干扰变量（DV）。

对可测干扰变量而言，控制器会预测到可测干扰变量的变化对被控变量的未来变化趋势的影响，从而进行预先调节操纵变量来补偿，调节的效果非常好。而对于不可测干扰变量，控制器无法预测未来的变化，只能依靠反馈控制来实现调节，其调节是滞后的，调节效果自然就较差。

如前所述的加热炉的例子，如果天然气热值不稳而频繁波动，就可视为不可测干扰的波动占主导的过程。对不可测干扰变量波动占主导的过程，控制器只是依靠反馈来进行调节，模型预测控制很难达到良好的控制效果。此类过程是模型预测控制技术应用的难点之一。    

不可测干扰变量波动占主导地位的典型过程包括：各类化学反应器，使用煤、生物燃料等热值不稳定的燃料的各类加热炉、锅炉和窑。

发明内容

针对现有技术中存在的上述技术问题，本发明提供了一种应用逆向差分模块抑制不可测扰动的模型预测控制器，所述逆向差分值的采用如下公式计算：