多变量系统的关联分析与解耦控制课件

1、多变量系统的关联分析与解耦控制学习内容什么是控制回路间的关联耦合？怎样分析耦合程度？怎样解除耦合？1、控制回路间的关联耦合例1 搅拌贮槽加热器控制目标贮槽液位、槽内温度动态过程F1或液位设定值变化T1或温度设定值变化结论回路1对回路2有关联回路2对回路1无关联1、控制回路间的关联耦合例2 连续搅拌反应釜控制目标出口浓度、釜内温度动态过程入口浓度或出口浓度设定值变化入口温度或温度设定值变化结论回路1对回路2有关联回路2对回路1有关联1、控制回路间的关联耦合例3 管道压力和流量控制系统控制目标压力P1、流量F动态过程P1,V1,F F设定值,V2 ,P1 结论回路1对回路2有关联回路2对回路1有关

2、联控制回路关联情况表示方法传递函数矩阵系统结构图传递函数矩阵控制回路关联情况表示方法一控制回路关联情况表示方法二系统结构图2 相对增益阵分析和控制回路选择关联分析的目的找出关联最少的控制量U和被控量Y配对，而后就能用SISO方法设计控制器若配对后仍关联明显，则设法解耦关联分析的方法相对增益矩阵法奇异值分解法相对增益矩阵的来历回路2开环时p1只受u1的影响u2=0 回路2闭环时u1F u2 p1u20, F=02.1 相对增益矩阵法相对增益矩阵的定义指耦合系统中，除Uj到Yi通道外，其它通道全部断开时所得到的Uj到Yi通道的静态增益;即，除调节量Uj改变了Uj以外，其它调节量Uk（kj）均不变。

3、指除所观察的Uj到Yi通道之外，其它通道均闭合且保持Yk（kj）不变时，Uj到Yi通道之间的静态增益。yiuj相对增益的物理意义ij =1ij =0ij =ij 1ij 1ij 0 V1大（u1大），p1大，k110 F大，k210V2大（u2大），p1小，k1202.2 控制回路的选择正相关与负相关负相关 ij0 y2小，k210 y1小，k120流量并联控制系统2.2 控制回路的选择选择控制回路的原则对被控量yi，选择具有最大且接近于1的正相关增益的操纵变量uj，即ij最接近于1的配对 不能用相对增益为负数的被控量和操纵量配对相对增益阵提供了从稳态衡量关联程度的尺度，所以上述原则不能保证动

4、态关联也最小2.2 控制回路的选择例1 压力、流量系统 Fp1u1u2若设计时使u1上压降小于u2上压降，即p0-p1p1-p2u1F, u2p1即：采用压降大的控制阀门2.2 控制回路的选择例2 计算相对增益矩阵并选择正确的配对2.2 控制回路的选择例3 混合过程控制回路选择混合器x1=80%F1x2=20% F2流量F, 浓度 x11 F1 F稳态物料平衡为：要求： F=200摩尔/时，x=60%摩尔由要求得：稳态时，F1=133.4，F2=66.6设F1=1摩尔/时p11: F2恒为66.6q11: x恒为60%3. 控制回路间关联的奇异值分解分析方法奇异值分解的概念 singular

5、value decomposition U，V 酉矩阵 UUT =I VVT=I 奇异值对角阵3. 控制回路间关联的奇异值分解分析方法过程增益矩阵K的奇异值分解求求U求V3. 控制回路间关联的奇异值分解分析方法用K阵的SVD分析来确定变量配对选择与Ui向量的最大幅值的元素（不考虑符号）有关的输出和与Vi向量的最大幅值的元素（不考虑符号）有关的操纵变量配对4 减少和消除耦合的途径4.1 通过选择正确的变量配对来减少耦合注意：只有在选择合理搭配后仍有严重关联才再考虑其他解耦措施变量重新配对后的静态耦合结构变量配对前的静态耦合结构假设U1控制Y2，U2控制Y1变换配对后（R1Y2，R2Y1） 变换配

6、对前（R1Y1，R2Y2） 近似于两个独立控制的回路近似完全解耦系统4 减少和消除耦合的途径4.2 通过整定控制参数来减少耦合提高调节器的增益放松对某些回路的控制要求比例度取大，积分时间加长减少控制回路（比例度取无限大）图8.6 静态耦合结构假设将下列耦合系统的两个调节器的增益分别从1提高到5，即Kc1=5，kc2=5。调节器增益增大后（ Kc1=5，kc2=5 ）调节器增益增大前（ Kc1=1，kc2=1 ）调节器增益增大，耦合程度减弱放松对某些回路的控制要求比例度取大，积分时间加长减少控制回路（比例度取无限大）4 减少和消除耦合的途径4.3 采用多变量控制器来解耦用多变量控制器来代替多个单

7、变量控制器（单回路控制器）4 减少和消除耦合的途径4.4 用奇异值分解（SVD）来解耦y 被控变量M 被控变量4.4 用奇异值分解（SVD）来解耦4.4 用奇异值分解（SVD）来解耦4.4 用奇异值分解（SVD）来解耦4 减少和消除耦合的途径4.5 设计解耦装置解耦 解耦控制器5 解耦控制系统设计二输入二输出解耦系统解耦器N（S）若是对角阵，则可实现完全解耦5.1 对角阵解耦法Gp(s)N(s) 对角阵所以，解耦器N(s)为即：被控对象的输出与输入变量之间满足：Gp(s)为非奇异阵对角阵解耦后的等效系统为：5.2 前馈补偿解耦法带前馈补偿器的全解耦系统要实现对Uc1与Y2间的解耦要实现对Uc1

8、与Y2、Uc2与Y1之间的解耦，应：5.2 前馈补偿解耦法因此，前馈补偿解耦器的传递函数为5.3 反馈解耦法例 已知双变量非全耦合系统如图所示。要求解耦后的闭环传递矩阵为试求调节器结合解耦环节的参数双变量非全耦合系统解:由图可知，系统的闭环传递矩阵为考虑反馈矩阵为单位矩阵的情况，则有因此得调节器结合解耦环节的传递矩阵为故解耦控制在工业中的应用线性对象和非线性对象线性解耦非线性解耦（神经网络解耦、模糊解耦）模型匹配和模型失配模型精确或模型不精确6 解耦控制应用实例（1）单元机组协调控制的解耦内模控制为了有效控制多时滞多变量稳定过程，本文讨论了一种多变量系统解耦内模控制针对某660MW单元机组线性

9、模型进行仿真研究在系统模型精确时，可以精确解耦；即使在系统模型失配时，也可以取得满意的控制效果单元机组协调系统模型补充：内模控制内模控制(Internal Model Control,简称IMC)是一种基于过程数学模型进行控制器设计的新型控制策略。以其简单、跟踪调节性能好、鲁棒性强、能消除不可测干扰等优点，为控制理论界和工程界所重视。内模控制具有以下优点:(1)无需精确的对象模型; (2)在引入滤波器后，系统有可能获得较好的鲁棒性; (3)控制器参数调节方便。单元机组协调控制的解耦内模控制对象解耦内模控制的设计思想在对象前加一个解耦补偿器，将多变量对象解耦成对角阵，然后以解耦后的对角阵作为广义

10、被控对象，在按单变量的方法进行内模控制器的设计。单元机组协调控制的解耦内模控制K(S)是nn解耦补偿器,它使广义系统Gp (S)K(S)成为对角阵；Gm（S）是nn的对角形广义对象模型（内部模型）传递函数矩阵， C(S)是nn对角形控制器传递函数矩阵；模型失配下控制系统的鲁棒性6 解耦控制应用实例（2）乙烯装置裂解炉解耦控制（俞金寿 工业过程先进控制）工艺原料油(煤油或柴油)经预热至590度后进入裂解炉管进行裂解, 生成乙烯、丙烯、丁烯、甲烷、乙烷、丙烷等。裂解炉有四组并联的裂解炉管，每组炉管对应8个喷嘴。每组有燃料油的控制阀。裂解反应温度十分重要，通常是控制好炉管出口温度，以保证反应温度维持

11、在合适的区间。控制问题若只有一组炉管，则可用炉管出口温度作为被控变量、燃料油流量作为操纵变量组成单回路控制方案；但，四组炉管安装在同一炉腔内，相互关联相当严重，尤其是每组炉管对其相邻炉管关联严重，所以一旦稳态被打破，就不易恢复平衡。乙烯装置裂解炉解耦控制解耦控制方案采用一个温度主控制器,另外引入四个偏差设定器,并使用计算机解耦计算乙烯装置裂解炉解耦控制过程稳态特性先不考虑主控制器的输出u，而单独讨论各偏差设定器TXCi的修正值ui对各组炉管出口温度的影响，有：假设在小范围内可线性化，则：式中反之， 于是，若需纠正的温度偏差已知为e，则应施加的控制作用为： 乙烯装置裂解炉解耦控制经测试即每组烧嘴

12、除影响本组炉管外，还影响相邻的各一组炉管，其效应为对本组炉管的1/3。对矩阵求逆得A-1，将编入程序，在测得温度偏差e以后，由计算机求得ui值。乙烯装置裂解炉解耦控制具体实施控制中由主控制器TC使基准温度达到设定值，TC采用PID连续控制（u）为使动作平稳，修正ui不能一跃而就，实际上采用ui值的1/2，即实际工艺规定温差故，不需要解耦需要解耦乙烯装置裂解炉解耦控制关于解耦的说明 控制系统之间的关联并非一定有害，只有关联严重影响控制品质时，才考虑设计解耦控制系统如果能通过选择控制方案避免或减弱系统间的耦合，也不必设计解耦控制系统 如，考虑每组炉管出口温度与相应进料流量组成串级控制系统，调整某组

13、炉管进料量不会影响其他炉管的出口温度，即相互之间无耦合，且相应速度快，能保持出口温度符合要求。6 解耦控制应用实例（3）模糊神经网络在解耦控制中的研究经典解耦控制理论大多数是建立在模型精确完整的基础上, 由于强耦合系统的参数不好测量, 许多实际生产过程很难建立起精确的数学模型, 补偿器、解耦器和控制器的设计、实现和协调就很困难。神经网络和模糊系统均属于无模型的估计器和非线性动力学系统, 也是一种处理不确定性、非线性和其他不确定性问题的有力工具。因此, 强耦合、纯迟延的多变量系统可以采用模糊神经网络有规则地模拟运行人员的学习过程, 发掘对象运行特性的信息, 并据此改变控制器以及解耦网络的参数。模

14、糊神经网络在解耦控制中的研究解耦控制系统结构ND1, ND2为2个模糊神经网络解耦器解耦后的广义对象成为一个无耦合的对象, 然后使用单回路控制器C1, C2 进行控制。6 解耦控制应用实例（4）循环流化床锅炉双模糊解耦控制的研究工艺：影响循环流化床燃烧的因素很多,如给煤量、一次风量、二次风量、引风量等,并且被控变量较多,如床温、主汽压力、炉膛负压、烟气含氧量,过程非常复杂且耦合性强。循环流化床锅炉双模糊解耦控制辨识所得的为静态理想解耦模型,得出耦合严重的主汽压P和床温T受一次风F和给煤量M的影响的传递函数为关联分析相对增益矩阵法分析结论燃烧系统耦合较为严重,必须对其进行解耦,同时根据相对增益1

15、1=0.586确定解耦后的单回路控制系统为给煤量控制床温,一次风量控制主汽压。循环流化床锅炉双模糊解耦控制的研究传统的串级解耦算法对模型的精确性有要求，模型的不精确会传递给解耦器,亦使解耦器失真,从而影响控制效果。模糊控制器不依赖于被控对象数学模型的优点,通过模糊规则来实现补偿网络循环流化床锅炉双模糊解耦控制的研究模糊解耦器设计循环流化床燃烧系统模糊解耦器近似等效D12(S)、D21(S)对应的传递函数。6 解耦控制应用实例（5）多变量PID神经元网络控制系统在集气管压力系统中的应用工艺：焦炉集气管压力是焦炉生产中重要的工艺参数,生产中需保证各焦炉煤气压力的相对稳定。焦炉集气管压力系统是一个具

16、有高度非线性、时变、强耦合、大扰动的多变量系统。焦炉集气管压力系统工艺在炼焦过程中所产生的荒煤气由桥管进入集气管，经过调压阀门送入煤气管道，通过初冷器冷却后，由鼓风机送入后续工段，提炼各种化学副产品如硫氨、粗笨、等，处理后的煤气一部分储存在储气罐中供生产甲醇等深加工使用；另一部分经管路回送焦炉，燃烧产热供炼焦使用。集气管内的煤气压力保持在一定范围内。集气管压力系统中的耦合两座焦炉并联,各焦炉的集气管共用一个总管任意集气管压力变化必然影响总管压力,反过来总管压力又影响其他集气管压力,因此各集气管压力之间耦合严重。假设l#分管的压力高于2#分管，则1#分管内的煤气不仅要流向汇总而且也要流向2#管，

17、从而使1#管压力下降，使2#管压力升高，其目的使1#2#压力趋于一致。因此如仍根据原来集气管控制算法获得的输出加以控制，在并联耦合的影响下，系统必然产生超调，从而加剧压力波动。焦炉还受到以下干扰:配煤比的变化、装煤量的变化、出炉数的变化、出焦时间、炉门、炉盖、上升盖打开或关闭不严、鼓风机入口吸力的变化和鼓风机后压力的变化。以上各种耦合与干扰的存在使得各控制回路震荡超调现象严重,工况复杂,严重影响了生产工艺的正常运行。PID 神经元网络多变量控制系统的结构与算法PID神经元网络是三层前向网络由并列的多个子网络组成每个子网的输入层有两个神经元隐含层有3个神经元,其中包括一个比例元,一个积分元和一个

18、微分元隐含层至输出层是相互交叉连接的,使整个P ID神经元网络结合为一体,网络的n个输出值为多变量控制对象的控制输入。PID 神经元网络多变量控制系统的结构与算法PID神经元网络的基本形式为231的结构。权值采用反传学习算法PID神经元网络系统仿真实验根据生产工艺,通过系统辨识得到1#集气管和2#集气管压力控制系统的近似传递函数v1 , v2 分别表示1#、2#集气管阀门开度; y1 , y2 分别表示1#、2#集气管压力。PID神经元网络系统仿真实验给定激励解耦控制输出为6 解耦控制应用实例（6）焦炉集气管压力系统的智能控制D采用自适应模糊控制算法和模糊解耦规则相结合控制集气管压力智能集成解

19、耦控制算法及其应用研究D智能集成解耦控制算法及其应用研究针对焦炉集气管压力系统具有强耦合、高度非线性、扰动剧烈频繁且幅值大的特点，提出一种智能集成解耦控制算法：首先采用专家控制算法将工况进行分类，对于不同的工况，分别使用细调模糊控制算法、快调模糊控制算法与传统的PID控制算法克服大部分干扰因素所带来的扰动；同时采用前馈专家控制算法，对鼓风机前吸力大扰动进行补偿。并且采用模糊解耦控制算法，实现组内、组间解耦，消除四座焦炉集气管压力的相互影响。最后采用蝶阀专家控制算法、自校正控制算法、变周期控制算法以适应蝶阀的不同特性，提高控制品质。控制算法在某钢铁公司得到实际应用。实际运行结果表明，智能集成控制算法实现了四座焦炉的解耦，保证了集气管压力稳定在给定的范围内，当外界因素对系统造成扰动时，该系统能在30s内迅速将压力稳定在工艺要求波动范围内。智能集成解耦控制算法及其应用研究工艺智能集成解耦控制算法及其应用研究系统中存在的耦合因为冷凝器前的负压很大，为千帕级，而四座焦炉集气管压力为帕级，这样冷凝器方向的吸力就很大，造成