论文部分内容阅读
模型预测控制器性能监控技术在提升企业生产效率、提高过程控制质量、促进先进控制策略的推广及应用方面有着重要的理论意义和应用价值。本文在讨论了传统控制器性能评价方法的基础上将其推广到多变量模型预测控制器的性能监控,提出了几种针对多变量模型预测控制器的性能监控方法,主要内容包括以下几个方面:概述了控制器性能评价与诊断的基本原理、相关算法,从理论和应用方面总结了这一领域的研究现状以及存在的问题。重点对基于协方差的多变量控制器性能评价算法进行了较详细的阐述及仿真分析。考虑到对控制器性能变化影响因素的定位问题,提出了一种基于子空间距离的MPC控制器性能诊断方法。该方法在协方差性能基准的基础上,引入特征向量子空间来描述各性能类别的特征,建立子空间距离来度量实时数据和各类别数据的相似性;采用角度聚类分析的思想,以距离为度量函数来确定监控数据所对应的类别,从而定位引起MPC控制器性能下降的原因。在Wood-Berry过程上的仿真分析验证了方法的有效性。针对多变量预测控制器性能评价指标近似估计的问题,提出了一种基于2-范数的多变量MPC控制器性能监控方法。通过对当前过程数据与基准数据实施奇异值分解,构造2-范数性能基准。提取过程数据中的特征方向信息并建立对应的类别;定义特征向量角度来描述当前数据与提前建立的类别数据的相似度,利用角度分类器实现对模型预测控制器性能恶化源的定位。在Wood-Berry过程上的仿真结果验证了方法的有效性。通过提取过程数据的对应分析协方差建立性能评价指标,提出了一种基于对应分析的模型预测控制器性能监控方法。构造过程数据的主轴子空间来描述不同类别数据的性能特性,通过子空间相似因子来描述当前数据与提前建立的类别数据之间的相似度,通过聚类算法设计分类器来识别性能类别,从而实现性能诊断。在Wood-Berry过程上的仿真结果验证了方法的有效性。通过对监控变量集进行DPCA建模,提出了一种基于DPCA的预测控制器性能监控方法。获取Hotelling统计量作为性能基准来实现针对MPC控制器的性能监控。借助聚类分析的思想,通过确定相应的性能影响因素的特征,利用复合加权动态相似因子来定位引起性能下降的原因,达到控制器性能诊断的目的。在Shell塔上的仿真结果验证了此方法的有效性。