[發(fā)明專利]動態(tài)矩陣控制優(yōu)化的油氣水臥式三相分離器壓力控制方法

有效

• 申請?zhí)枺?/td>: 201410029644.3
• 申請日: 2014-01-22
• 公開（公告）號: CN103760931A
• 公開（公告）日: 2014-04-30
• 發(fā)明（設(shè)計）人: 薛安克;李海生;張日東;王俊宏;王建中
• 申請（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號: G05D16/20
• 分類號: G05D16/20;G05B13/04
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 杜軍

1.動態(tài)矩陣控制優(yōu)化的油氣水臥式三相分離器壓力控制方法，其特征在于該方法的具體步驟是：

步驟(1).通過過程對象的實時階躍響應(yīng)數(shù)據(jù)建立被控對象的模型，具體方法是：

1-a.給被控對象一個階躍輸入信號，記錄被控對象的階躍響應(yīng)曲線；

1-b.將步驟1-a得到的階躍響應(yīng)曲線進行濾波處理，然后擬合成一條光滑曲線，記錄光滑曲線上每個采樣時刻對應(yīng)的階躍響應(yīng)數(shù)據(jù)，第一個采樣時刻為T_s，相鄰兩個采樣時刻間隔的時間為T_s，采樣時刻順序為T_s、2T_s、3T_s……；被控對象的階躍響應(yīng)將在某一個時刻t_N＝NT后趨于平穩(wěn)，當(dāng)a_i與a_N的誤差和測量誤差有相同的數(shù)量級時，即可認為a_N近似等于階躍響應(yīng)的穩(wěn)態(tài)值，i＞N；建立對象的模型向量a：

a＝[a₁,a₂,…a_N]^Τ

其中Τ為矩陣的轉(zhuǎn)置符號，a_i是過程對象階躍響應(yīng)的數(shù)據(jù)，N為建模時域；

步驟(2).設(shè)計被控對象的PIPD控制器，具體方法是：

2-a建立被控對象的動態(tài)矩陣

利用步驟1-b獲得的模型向量a，建立被控對象的動態(tài)控制矩陣，其形式如下：

A=a10...0a2a1...0............aPaP-1...aP-M+1]]>

其中，A是被控對象的P×M階動態(tài)矩陣，P為動態(tài)矩陣控制算法的優(yōu)化時域，M為動態(tài)矩陣控制算法的控制時域，M＜P＜N；

2-b.計算被控對象當(dāng)前k時刻的模型預(yù)測初始響應(yīng)值y_M(k)

①.計算k-1時刻加入控制增量Δu(k-1)后的模型預(yù)測值y_p(k-1):

y_P(k-1)＝y(tǒng)_M(k-1)+A₀Δu(k-1)

其中，

yP(k-1)=y1(k|k-1)y1(k+1|k-1)...y1(k+N-1|k-1),yM(k)=y0(k|k-1)y0(k+1|k-1)...y0(k+N-1|k-1),A0=a1a2...aN]]>

y₁(k|k-1),y₁(k+1|k-1),…,y₁(k+N-1|k-1)分別表示被控對象在k-1時刻對k,k+1,…,k+N-1時刻加入控制增量Δu(k-1)后的模型預(yù)測值，y₀(k|k-1),y₀(k|k-1),…y₀(k+N-1|k-1)表示k-1時刻對k,k+1,…,k+N-1時刻的初始預(yù)測值，A₀為階躍響應(yīng)數(shù)據(jù)建立的矩陣，Δu(k-1)為k-1時刻的輸入控制增量；

②.計算k時刻被控對象的模型預(yù)測誤差值e(k):

ess(k)＝y(tǒng)(k)-y₁(k|k-1)

其中，y(k)表示k時刻測得的被控對象的實際輸出值,y₁(k|k-1)表示加入了控制增量Δu(k-1)后,被控對象在k-1時刻對k時刻的模型預(yù)測值；

③.計算k時刻模型輸出的修正值y_cor(k):

y_cor(k)＝y(tǒng)_M(k-1)+h*ess(k)

其中，

ycor(k)=ycor(k|k)ycor(k+1|k)...ycor(k+N-1|k),h=1α...α]]>

y_cor(k|k),y_cor(k+1|k),…y_cor(k+N-1|k)分別表示被控對象在k時刻預(yù)測模型的修正值，h為誤差補償?shù)臋?quán)矩陣，α為誤差校正系數(shù)；

④.計算k時刻的模型預(yù)測的初始響應(yīng)值y_M(k)：

y_M(k)＝Sy_cor(k)

其中，S為N×N階的狀態(tài)轉(zhuǎn)移矩陣，

2-c.計算被控對象在M個連續(xù)的控制增量Δu(k),…,Δu(k+M-1)下的預(yù)測輸出值y_PM，具體方法是：

y_PM(k)＝y(tǒng)_p0(k)+AΔu_M(k)

其中,

yPM(k)=yM(k+1|k)yM(k+2|k)...yM(k+P|k),yP0(k)=y0(k+1|k)y0(k+2|k)...y0(k+P|k),ΔuM(k)=Δu(k)Δu(k+1)...Δu(k+M-1)]]>

y_M(k+1|k),y_M(k+2|k),…,y_M(k+P|k)為k時刻對k+1,k+2,…,k+P時刻的模型預(yù)測輸出值,y₀(k+1|k),y₀(k+2|k-1),…y₀(k+N|k)表示k時刻對k+1,k+2,…k+P時刻的初始預(yù)測值；

2-d.令被控對象的控制時域M=1，選取被控對象的目標(biāo)函數(shù)J(k)，形式如下：

minJ(k)=||(ref(k)-yPM(k))||Q2+||Δu(k)||r2=Q(ref(k)-yP0(k)-AΔu(k))2+rΔu2(k)]]>

ref(k)＝[ref₁(k),ref₂(k),…,ref_P(k)]^Τ

Q＝diag(q₁,q₂,…q_P)

r＝diag(r₁,r₂,…r_M)

ref_i(k)＝βⁱy(k)+(1-βⁱ)c(k)

其中，Q為誤差加權(quán)矩陣，q₁,q₂,…,q_P為加權(quán)矩陣的加權(quán)系數(shù)；β為柔化系數(shù)，c(k)為過程對象的設(shè)定值；r為控制加權(quán)矩陣，r₁,r₂,…r_M為控制加權(quán)矩陣的加權(quán)系數(shù)，ref(k)為系統(tǒng)的參考軌跡，ref_i(k)為參考軌跡中第i個參考點的值；

2-e.將控制量u(k)進行變換：

e(k)＝c(k)-y(k)

u(k)＝u(k-1)+K_p(k)(e(k)-e(k-1))+K_i(k)e(k)-K_f(k)(y(k)-y(k-1)-Kd(y(k)-2y(k-1)+y(k-2))＝u(k-1)+K_p(k)(e(k)-e(k-1))+K_i(k)e(k)-K_f(k)(y(k)-y(k-1)-Kd(y(k)-y(k-1))+Kd(y(k-1)-y(k-2))

將u(k)進一步處理，可得

u(k)＝u(k-1)+w(k)^ΤE(k)

其中，

w(:,k)＝[K_p(k)+K_i(k),-K_p(k),-K_f(k)-K_d(k),K_d(k)]^Τ

E(k)＝(e(k),e(k-1),y(k)-y(k-1),y(k-1)-y(k-2))^Τ

Kp(k)、K_i(k)、K_f(k)、K_d(k)分別為k時刻PI-PD控制器外環(huán)的比例、外環(huán)的積分、內(nèi)環(huán)的比例、內(nèi)環(huán)的微分參數(shù)，e(k)為k時刻參考軌跡值與實際輸出值之間的誤差，Τ為矩陣的轉(zhuǎn)置符號，w(:,k)為四行k列矩陣；

2-f.將u(k)代入到步驟2-d中的目標(biāo)函數(shù)求解PI-PD控制器中的參數(shù),可得:

w(:,k)=(ref(k)-yp0(k))QAE(ATQA+r)ETE]]>

進一步得到：

K_p(k)＝w(1,k)+w(2,k)

K_i(k)＝-w(2,k)

K_f(k)＝-w(3,k)-w(4,k)

K_d(k)＝w(4,k)

2-g.得到PI-PD控制器的參數(shù)K_p(k)、K_i(k)、K_f(k)、K_d(k)以后構(gòu)成控制量u(k)作用于被控對象

u(k)＝u(k-1)+K_p(k)(e(k)-e(k-1))+K_i(k)e(k)-K_f(k)(y(k)-y(k-1)-K_d(y(k)-2y(k-1)+y(k-2))；

2-h.在下一時刻，依照步驟2-b到2-g繼續(xù)求解PI-PD控制器新的參數(shù)k_P(k+1)、k_i(k+1)、k_f(k+1)、k_d(k+1)的值，依次循環(huán)。