论文部分内容阅读
随着科技的飞速发展,工业控制系统变得越来越复杂化和智能化,系统的控制性能要求更为严格。控制系统在投入运行的初期一般能够满足企业的控制和生产目标。然而,随着系统的运行,系统内部和外部的不确定性会导致工业系统的控制性能退化,其中模型失配是其主要原因之一。因此,为了实现工业控制系统安全且高效地运行,模型失配的检测和诊断必不可少。目前,有关研究成果主要采用侵入式的方法检测模型失配。这些方法需要在正常运行的工业系统的设定点或操纵变量上加入额外的激励信号,这必然会打扰工业过程的正常运行,造成能源和原材料的浪费。另一方面,大部分的模型失配检测技术仅针对于模型预测控制(Model Predictive Control,MPC)系统,然而任何基于模型的控制器都可能出现模型失配。针对上述问题,本文利用常规的闭环工业数据,提出了基于内模控制(Internal Model Control,IMC)结构的非侵入式模型失配检测方法。和传统的方法相比,本文提出的方法不仅不需要引入外界激励信号,而且适用于所有基于模型的控制器;此外,模型失配的检测独立于控制器的调节和动态的外部干扰。本文的研究内容具体如下: 提出了带有指数加权移动平均(Exponentially Weighted Moving Average,EWMA)批间控制器的非侵入式模型失配检测方法,采用正交投影方法估计了闭环系统的白噪声,使用带有遗忘因子的递推增广最小二乘(Recursive Extended Least Square,RELS)方法辨识了扰动模型,利用输出误差和估计的扰动模型计算了模型质量变量。然后,提出了模型评价指标,检测了半导体制程的模型失配,分析了模型失配对EWMA批间控制系统控制性能的影响。 考虑了带有一般控制器的闭环控制系统,提出了一种基于模型评价指标的非侵入式模型失配检测方法。在内模控制结构的框架下,采用改进的自适应最小绝对收缩选择算子(Least absolute shrinkage and selection operator,Lasso)方法辨识了干扰模型;利用辨识的干扰模型和闭环数据,计算了模型质量变量。然后,根据推导的模型质量变量和过程干扰更新之间的函数关系,提出了模型评价指标,检测了单入单出(Single Input Single Output,SISO)闭环控制系统的模型失配。 研究了多入多出(Multi-Input Multi-Output,MIMO)闭环控制系统的非侵入式模型失配检测问题。利用常规的闭环输入输出数据和辨识的干扰模型,计算了过程模型残差和输出通道的过程模型残差;采用改进的自适应Lasso方法辨识了输出通道的过程模型残差与过程干扰更新之间的线性模型,提出了全局模型质量指标、单输出通道的局部模型质量指标和单输入单输出通道的局部模型质量指标。利用全局模型质量指标检测了MIMO闭环系统的整体过程模型失配,利用两个局部模型质量指标确定了存在过程模型失配的输入输出通道。 提出了一种在线监控SISO闭环系统过程模型失配的方法。推导了模型评价指标的统计特征,证明了模型评价指标渐进地服从正态分布,利用泰勒展开式估计了模型评价指标的均值和方差。最后使用Shewhart控制图和移动窗口相结合的方法实时更新模型评价指标,在线监控了多种控制系统的过程模型失配。 为了验证上述算法,利用半导体制造过程、连续搅拌罐过程、Wood-Berry精馏塔过程和田纳西-伊斯曼过程作为应用案例,实现了算法的有效性和可靠性的验证,从而丰富了闭环控制系统的模型失配检测的研究结果,并揭示了进一步研究的必要和可能。