[發(fā)明專利]一種適用于煙草加工過程單回路控制系統(tǒng)的實時性能評價方法

在審

• 申請?zhí)枺?/td>: 201510864765.4
• 申請日: 2015-12-01
• 公開（公告）號: CN105278527A
• 公開（公告）日: 2016-01-27
• 發(fā)明（設計）人: 陳孚;梁偉;朱文魁;徐大勇;鄧國棟;李善蓮;張玉海;陳良元;張彩云;劉朝賢
• 申請（專利權）人: 中國煙草總公司鄭州煙草研究院
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 鄭州中民專利代理有限公司 41110
• 代理人: 姜振東

技術領域

本發(fā)明涉及煙草加工過程控制的相關技術領域，具體地說是一種針對煙草加工過程單回路控制系統(tǒng)的性能評價方法。

背景技術

煙草加工過程是連續(xù)生產過程，經過長時間的生產運行后，各控制回路性能會不同程度的下降，如何利用過程生產數(shù)據對控制性能進行評價，及時發(fā)現(xiàn)控制系統(tǒng)性能的潛在退化，進而采取預防改進措施，提高過程控制水平和生產維護效率，是過程控制人員亟待解決的問題。

煙草加工過程工序眾多，各工序包含很多不同類型的控制回路。單回路仍然是其中最基本、最常見的控制回路。Harris通過對單回路常規(guī)操作數(shù)據采用時間序列分析的方法，找到反饋不變項并作為評價控制系統(tǒng)的最小方差基準（CanJChemEng,1989(67):856-861）。在此基礎上，各種不同類型的評價方法及計算方法也被提出來評價控制系統(tǒng)性能。雖然性能評價方法很多，但最小方差性能評價方法由于需要的過程知識少、計算相對簡單，仍是現(xiàn)在使用最廣泛的評價方法。

但這種常規(guī)的最小方差性能評價方法在實際應用中面臨以下主要問題：一是這種方法是利用常用的辨識方法（如：最小二乘；Burg方法等）對操作數(shù)據的時間序列模型進行辨識，辨識所得模型的準確度不高，影響了性能評價的準確性；二是由于辨識方法所限，通常是分批次對操作數(shù)據進行分析評價，缺乏對生產數(shù)據的實時滾動分析，性能評價的實時性不高。

發(fā)明內容

本發(fā)明的目的正是針對上述現(xiàn)有最小方差性能評價技術存在的問題，提出了一種適應于煙草加工過程單回路控制系統(tǒng)的實時性能評價方法。通過用帶變遺忘因子的最小二乘法來實時辨識操作數(shù)據的時間序列模型，提高模型辨識的準確性；并在性能評價中，采用滑動窗口的形式對操作數(shù)據進行實時滾動分析，提高性能評價的實時性。

本發(fā)明的目的是通過以下技術方案來實現(xiàn)的：

一種適用于煙草加工過程單回路控制系統(tǒng)的實時性能評價方法，具體包括以下步驟：

（1）針對煙草加工流程中的特定加工工序，選定待評價的單回路控制系統(tǒng)，確定相應的被控變量（操作數(shù)據）；

（2）確定采集規(guī)則：包括采樣時間、評價數(shù)據范圍、初始采樣范圍。根據煙草加工過程的特點，采樣時間為5-15秒；評價數(shù)據范圍選取生產過程穩(wěn)定運行的數(shù)據段（除去料頭、料尾以及故障階段的生產數(shù)據）；初始采樣范圍為100-200個數(shù)據。

（3）對采集的操作數(shù)據進行預處理，包括奇異值剔除以及平穩(wěn)性檢驗。若平穩(wěn)性檢驗未通過，則可以對數(shù)據進行一次或二次差分處理，并將操作數(shù)據減去其設定值作為辨識模型用數(shù)據；

（4）采用帶變遺忘因子的最小二乘方法對辨識數(shù)據進行自回歸（AR）時間序列模型建模；

（5）由上面的時間序列模型通過“白化”獲得噪聲或殘差的方差；利用先驗知識或操作數(shù)據，估計控制系統(tǒng)的時間延遲d；

（6）結合時間延遲d，利用長除法從獲得的時間序列模型中求取控制反饋不變項；并結合噪聲方差，求取操作數(shù)據最小方差意義下的最小方差；

（7）從操作數(shù)據的采樣范圍內求取過程輸出的實際方差，從而求取評價該采樣范圍內控制系統(tǒng)的性能評價指標；

（8）采用滑動窗口的形式，對整個評價數(shù)據范圍進行滾動分析，獲得連續(xù)的性能評價指標。

步驟（3）中，奇異值剔除是對明顯不符合穩(wěn)定生產過程或故障段的數(shù)據進行人工剔除；平穩(wěn)性檢驗采用非參數(shù)檢驗法ADF；數(shù)據的一次或二次差分處理如下式：

步驟（4）中，采用帶變遺忘因子的最小二乘方法對辨識數(shù)據進行自回歸（AR）時間序列模型，辨識后的自回歸模型結構如下式所示：

采用的辨識算法為：

其中，為當前時刻的輸出操作數(shù)據；為自回歸模型的估計系數(shù)；為噪聲；為中間變量，初始值根據實際情況設定；為遺忘因子，滿足下面的修正曲線：

其中，分別為遺忘因子的最小值和最大值，視具體情況設定。

步驟（5）中，方差由辨識得到的自回歸模型“白化”得到，即由下式求出：

步驟（6）中，操作數(shù)據最小方差意義下的最小方差通過下述方法求取：

首先，將時間序列模型（AR）表達式表示為一個無限項的滑動平均模型：

其中d為控制時間延遲。然后，求取前d項控制反饋不變項，則最小方差控制下的最小方差為：

步驟（7）中，過程輸出的實際方差由下式計算：