盡管將模型化預測控制技術(shù)(MPC)應用到過程控制項目中會遇到許多難題,但這仍值得一試,因為它的實際表現(xiàn)將會大大優(yōu)于通常的控制方法。因此,在當今經(jīng)濟競爭激烈的環(huán)境中,采用這種新技術(shù)來更好地實現(xiàn)工廠生產(chǎn)和效益目標,已經(jīng)成為一種越來越重要的競爭手段。
MPC最強大的功能在于,通過設(shè)計被控制變量(CVs)的未來軌跡,來最大限度地模擬現(xiàn)實世界中過程控制的各種情況。其中具有代表性的一種情況是通過低強度的控制給定一個較大差幅。
選擇模型預測控制的最大好處是其輕松集成了過程優(yōu)化器(這是后兩部分的主題),并產(chǎn)生使用常規(guī)控制策略難以得到的巨大經(jīng)濟效益。
[align=center]
圖1:過程交互的作用是清晰的:兩個組分流量影響全部的三個被控制變量;
而蒸汽流量只影響產(chǎn)品溫度。
圖2:反應堆基于B 流量因素對于產(chǎn)品溫度的影響而建立的模型顯示了一個逆響應
圖3:引出相同的變化之后,MPC 對反應堆作出響應。[/align]
在測試過程中取得良好的數(shù)據(jù)是最重要的一步。
MPC在反應堆控制中的應用
應用MPC的主要步驟包括:
■ 獲取表示控制過程中響應關(guān)系的數(shù)據(jù);
■ 定義過程模型的被控變量、被操縱變量和干擾變量;
■ 使用模型識別工具開發(fā)過程模型;
■ 將過程模型集成到終端控制器中;
■ 控制器調(diào)試和最終投入使用。
過程,測試。最初,相關(guān)的被控變量、被操縱變量和重要的干擾變量沒能被預先完成定義。如果整個控制過程比較復雜,定義就會更加困難。這些變量之間的動態(tài)相互影響常常是不清晰的。過程測試將提供必要的信息。
在過程測試中,需要循序漸進地記錄被操作變量對被控變量的影響,以及可能的干擾變量引起的任何變化。這常常形成一個偽隨機二元序列(PRBS)測試。圖1反映了從目標反應堆收集到的一些這個階段的PRBS測試數(shù)據(jù)。它表示了任意時間段內(nèi)A因素、B因素和蒸汽流量的變化以及這些變化對被控變量的影響。
模型結(jié)構(gòu)定義。這是關(guān)鍵的一步,不象聽上去的那么簡單。因為工程師們并不總能肯定哪些變量要被包括在MPC里,他們必須明確:
■ 影響產(chǎn)品質(zhì)量和生產(chǎn)量的關(guān)鍵——被控制變量;和
■ 最能夠影響被控制變量的被操縱變量。
工程師還必須找到會引起重大影響或變化的可測量干擾量。數(shù)據(jù)測試提供了定量的分析依據(jù),要理解是正確識別相關(guān)的從屬和獨立變量,更重要的是對過程的理解。
工程師必須確定被控變量是作為設(shè)定點還是作為強制變量。最后,如果有可用的自由度,設(shè)計者必須確定哪個被操縱變量將有目標值。
以反應堆為例,變量包括:
■ 三個被控量;
■ 三個被操縱量;
■ 兩個前饋。
既然每個被控變量有自己的設(shè)定值,且只有3個自由度(可操縱量),因此不能定義獨立的多變量目標值。
模型識別。因為所有的模型化預測控制軟件包都包含從測試數(shù)據(jù)識別過程模型的工具,因此一些關(guān)鍵性的問題必須被解決,包括:
■ 什么將是模型的預測間隔?模型預測間隔決定了預測系統(tǒng)將來行為的時間間隔值。這個值必須小到足以充分地滿足最快的被控量動態(tài)過程。
■ 模型中將有多少個函數(shù)系數(shù)?模型中系數(shù)的數(shù)量決定了預測的歷史記錄。它必須有足夠數(shù)量以包含整個響應過程,也必須滿足完成一次輸入所引起變化的時間的長度。
■ 什么將是模式的預測范圍?這是預測將會實現(xiàn)的時間長度。除非個別的模型具有特殊的范圍要求,一般情況下,這個時間必須長到足以讓控制器速度最慢的模型響應完畢。
如果這一過程是多變量的,一些輸出的被控變量將會受到一些輸入的被操縱量和干擾量的影響。一個包含各自獨立輸入/輸出模型的矩陣將是表達這整套輸入/輸出關(guān)系的較為方便的方法。圖2顯示了反應堆模型的整個分段響應過程:
■ 左軸包括產(chǎn)品的被控量:配比、流動率和溫度;
■ 頂軸表示被操縱變量和前饋量——A流量因素、B流量因素、蒸汽流量和溫度因素。
控制器集成控制平臺。雖然許多設(shè)置必須進行組態(tài),但這是個最簡單的過程,因為很大程度上這一過程是機械的和程序化的。細節(jié)隨著具體控制方案不同而不同。
控制器調(diào)試。當控制器投入應用之時,就是之前所有努力獲得結(jié)果之時。傳統(tǒng)控制方式與基于模型的控制方式之間最根本的區(qū)別也立刻顯現(xiàn)出來了。傳統(tǒng)控制方式在調(diào)試時,通過簡單地設(shè)定參數(shù),整個控制器的響應就可全部實現(xiàn)。
而模型控制器的控制行為基本上完全取決于它的模型。如果是模型設(shè)計準確,控制器就能很好的工作。如果模型不準確,控制器將無法達到預期的效果。整定參數(shù)對控制器的響應只有非常小的影響。通過調(diào)試來完善一個不正確的模型,將是非常困難,甚至是不可能的。因此在測試過程中獲得有效的數(shù)據(jù)應該是應用模型化預測控制最重要的一步。
圖3將MPC和以往的控制方式進行了比較,得出結(jié)論:基于模型的控制在各個方面的表現(xiàn)均優(yōu)于以前的控制方式。在正常的情況下,改變生產(chǎn)速率,得到的全面指標如下:
■ 優(yōu)于先進過程控制(ARC)3.3倍;
■ 優(yōu)于基本控制(BRC)62倍;和
■ 優(yōu)于模糊邏輯控制103倍。
而改變產(chǎn)品組成的設(shè)定值后,優(yōu)于先進過程控制(ARC)9%,優(yōu)于模糊邏輯控制70%。
和先進過程控制一樣,模型化預測控制器的運行方式類似多變量控制器。雖然只有一個設(shè)定點發(fā)生變化,但控制器相應改變了全部可操縱變量的值。通過更好地理解動態(tài)過程,MPC提升了它的性能,并因此優(yōu)于先進過程控制。
性能提升很大程度上來自于更好的溫度控制。通過更好地理解溫度動態(tài)過程,MPC能將動作控制在更恰當?shù)姆秶鷥?nèi)。在這個例子中,控制器首先改變蒸汽流量的前次穩(wěn)態(tài)值,以響應合成物設(shè)定值的改變。這恰當?shù)匮a償了過程中的逆響應并保持了溫度的穩(wěn)定性。
反之,產(chǎn)品組分響應設(shè)定值變化的給定值沒有顯然的差異。給定值只是從1.7變化到2.7。組分響應受控于死區(qū)時間,但沒有哪個控制器能消除死區(qū)時間的影響。即使一個控制器能完美地響應設(shè)定值變化,其作出相應控制動作時仍然存在著延時。在一個死區(qū)中,必然存在一個等同于設(shè)定值變化的偏差。一個最小的ISE是不可避免的。
由于這個錯誤和死區(qū),這個最小ISE大約是1.5個單位。只有當ISE大于這個值時,才可能被控制所消除。對BRC來說,這個值是0.29;對于MPC來說,是0.21。相比較于BRC,MPC減小了這個值大約28%。而基于規(guī)則的控制則增加了近413%。
對操作員的影響
對于操作員而言,操作MPC系統(tǒng)是個新的挑戰(zhàn)。在使用時,操作員首先不得不按照多變量的情況考慮??刂破鳟a(chǎn)生多重變化,同時也實現(xiàn)多重目標;而這種效果未必會馬上顯現(xiàn)。此外,由于控制器對動態(tài)變化很敏感,例如逆反應和延時響應,因此操作員可能無法立即明白它的控制邏輯變化。
此外,MPC引入了一些新的控制對象。一些變量將被歸類為約束變量,只有當它們接近限制值時,控制器才會做出響應。被操縱變量的目的可能是一個新概念,需要仔細定義。
操作員可能不熟悉控制器的人機界面。除了設(shè)定值以外,操作員也需要輸入限制值。由于控制器內(nèi)變量數(shù)量有限,這些信息可能只能以表格形式展示。
此外,控制器的狀態(tài)轉(zhuǎn)變將更為復雜。傳統(tǒng)PID控制器只有兩個狀態(tài)——手動和自動,而且這兩個狀態(tài)間的切換是即刻實現(xiàn)的。
而MPC在處于完全控制狀態(tài)之前,一定會一段較長時間的經(jīng)過,并經(jīng)歷了數(shù)種狀態(tài)。同時,由于MPC為較低級的控制方式提供設(shè)定值,因此操作員也會看到另外的狀態(tài)和這些控制器間的切換。