[发明专利]存储器、非线性预测控制方法、装置和设备

说明书

本发明公开了存储器、非线性预测控制方法、装置和设备，其中所述非线性预测控制方法包括：通过模型辨识构建非线性系统的对象模型组；生成所述对象模型组的动态方程，并根据所述动态方程计算所述对象模型组的扰动特性；分别获取所述非线性系统当前时刻的实际输出测量值和状态估计值；通过扩展卡尔曼滤波器计算出非线性系统下一时刻的最优状态估计值；将所述对象模型组的动态方程的最优状态估计值代入所述非线性系统的非线性预测控制算法得到最优解；所述最优解用于所述对象模型组的输入。本发明可以通过降低模型失配的频率和程度来减少模型失配带来的影响。

技术领域

本发明涉及工业控制领域，特别涉及存储器、非线性预测控制方法、装置和设备。

背景技术

传统的工业控制大多数采用分层结构来解决经济优化和控制问题。在分层结构中，第一层是实时优化层；第二层是监管层，常用的是非线性预测控制；第三层是常规控制层，包括绝大多数的单入单出控制回路。

实时优化层以营业利润最大或操作成本最少为控制目标，通过优化计算得到最优解，非线性预测控制器以此为设定值。非线性预测控制器在每个自身的运行周期内，均会基于底层PID（Proportion Integration Differentiation，比例-积分-微分控制器）回路传送的信息进行一次优化计算，得到下一周期将要传送到底层PID控制器的控制作用。之后底层PID控制器将控制作用作为底层控制回路的设定值，对底层被控对象进行相应的控制，得到实际输出值。

化工过程一般都是非线性的。对于非线性程度较弱的系统，采用线性预测模型能够充分逼近其动态过程，线性预测控制具有较好的使用效果；对于强非线性系统，线性模型往往难以描述其复杂的动态过程，进而造成线性预测控制难以应用。传统的非线性预测控制方法存在模型失配，不可测扰动等问题，其中，模型失配是指预测模型与实际对象之间存在差异。造成模型失配主要有两方面原因：一方面，由于建模误差的影响，导致非线性预测模型与实际对象之间存在很大的差异；另一方面，由于外界环境的变化会引起模型参数发生变化。

发明人经过研究发现，现有技术中至少存在以下缺陷：

针对非线性系统的模型失配问题，丁香乾在文献《非线性CSTR过程预测控制器设计》中，为补偿模型失配消除稳态误差，提出将积分作用包含在预测控制器的设计中，以实现对控制输出的良好跟踪性能。在实际应用中由于模型失配的产生将无法对被控对象实施有效的控制，严重时甚至会产生控制失效现象，为此，开发具有能够消除模型失配的非线性预测控制方法非常必要。

发明内容

本发明的主要目的在于通过降低模型失配的频率和程度来减少模型失配带来的影响。

为实现上述目的，本发明采取的技术方案为：

本发明公开了一种非线性预测控制方法，包括：

S11、通过模型辨识构建非线性系统的对象模型组；所述对象模型组包括PID子对象模型、执行器子对象模型和被控对象子对象模型；所述对象模型组以状态空间模型的形式表达；

S12、生成所述对象模型组的动态方程，并根据所述动态方程计算所述对象模型组的扰动特性；

S13、分别获取所述非线性系统当前时刻的实际输出测量值和状态估计值；所述状态估计值的获取方法包括：在所述当前时刻的前一时刻以作用到对象模型组的输入为参数，根据所述动态方程及其扰动特性所计算生成用于估计所述非线性系统当前时刻状态的状态估计值；

S14、通过扩展卡尔曼滤波器，根据所述实际输出测量值和所述状态估计值，以递推的方式来计算出所述非线性系统下一时刻的最优状态估计值；

S15、将所述对象模型组的动态方程的最优状态估计值代入所述非线性系统的非线性预测控制算法得到最优解；所述最优解用于所述对象模型组的输入。

优选的，在本发明中，所述被控对象子对象模型包括：

第一被控对象子对象模型和第二被控对象子对象模型。