论文部分内容阅读
连续搅拌反应釜(CSTR)作为化工过程中典型的聚合反应设备,实际运行中往往表现出强非线性、强耦合性、不确定性以及动力学机理复杂等特征,难以建立准确的机理模型,因而给化工产品的质量和产量的控制带来了极大困难,一直是过程控制领域的研究热点。近年来,国内外学者在基于最小二乘支持向量机(LS-SVM)的非线性预测控制、多变量约束非线性预测控制、基于Hammerstein模型、Wiener模型、T-S模糊模型的非线性预测控制等进行了系统的研究,并应用到CSTR、pH浓度中和等过程中取得较多的研究成果。本文以CSTR这一典型的聚合反应设备生产过程控制为背景,针对CSTR生产过程中的反应物浓度和冷却剂流量、pH浓度变化、釜内温度受到反应产热影响以及反应物料浓度、出料温度等关键控制参数所表现的强非线性、强耦合性、不确定性以及难以建模等问题,开展了模型辨识与非线性预测控制器设计等方面的研究,主要工作归纳如下：1.针对一类CSTR过程中反应物浓度和冷却剂流量所表现的强非线性和时变性难以建立准确机理模型的问题,提出了采用由输入非线性模块、ARX线性模块和输出非线性模块构成的Hammerstein-Wiener模型、并用带有高斯径向基函数的最小二乘支持向量机分别对这两个非线性模块建模的方法。在辨识模型基础上,结合预测控制原理,在保证这两个非线性模块的性能指标函数每个控制周期内最小的前提下,利用神经网络训练预测输入序列,并采用拟牛顿算法求解非线性预测控制律,分别得出了两个非线性模块在每个控制周期的非线性广义预测控制最优解；最后,利用CSTR过程的激励输入得到的随机幅值序列,对反应物浓度和冷却剂流量进行控制过程仿真,验证了该控制器的良好抗干扰能力和稳定性。2.针对一类CSTR过程中pH浓度变化所表现的输入、输出强耦合特性问题,提出了一种基于区间控制多变量约束迭代预测控制算法。通过在每一采样时刻将非线性模型转换成全局线性模型,用预测输出区间轨迹的上、下限对实际系统输出进行约束,结合预测控制原理,通过修正目标函数中预报跟踪误差的约束项,得到最小跟踪误差预报。利用所提方法对CSTR过程的pH浓度变化进行控制过程仿真,结果表明该控制器具有良好的跟踪特性和鲁棒性。3.针对一类CSTR过程中反应釜内温度受到反应产热影响所具有的状态、中间变量约束以及干扰等不确定性问题,提出了采用约束Hammerstein模型和状态观测器对非线性系统的状态、中间变量约束进行预测、Wiener模型和卡尔曼滤波器对系统干扰进行估计的非线性约束鲁棒预测控制算法,并利用所提方法对CSTR过程的釜内温度受到反应产热影响的非线性不确定性跟踪控制过程进行仿真,验证了控制器的稳定性和鲁棒性。4.针对一类CSTR过程中反应物料浓度、出料温度的控制所存在的多变量参数不确定性问题,提出了一种非线性自适应鲁棒预测控制器。该控制器利用干扰观测器估计系统稳态误差,抑制外界扰动的影响；用自适应预测控制器来提高闭环非线性系统的稳定性,实现目标轨迹的鲁棒跟踪。将所提方法分别在有／无非线性干扰观测器条件下,对CSTR过程中反应物料浓度、出料温度的控制过程进行仿真。可以看出,由于采用了非线性干扰观测器和自适应鲁棒预测控制器,闭环系统的稳态误差能够快速渐近收敛于零,大大提高了系统的跟踪精度和鲁棒性。本文的研究工作得到了国家高技术研究发展计划(863计划)项目(课题编号：2014AA041802)、国家自然科学家基金项目(课题编号：61074020)支持。