先進(jìn)控制技術(shù)在流程工業(yè)中的應(yīng)用
隨著現(xiàn)代控制理論的迅速發(fā)展，各種先進(jìn)控制策略、方法和技術(shù)已開始在流程工業(yè)中廣泛應(yīng)用。用先進(jìn)控制改造傳統(tǒng)的流程工業(yè)已成為現(xiàn)代工業(yè)企業(yè)提高經(jīng)濟(jì)效益的重要技術(shù)措施。
所謂先進(jìn)控制技術(shù)(Advanced Process Control，APC)，是對那些不同于常規(guī)單回路控制，并比常規(guī)PID控制有更好控制效果的控制策略的統(tǒng)稱。現(xiàn)代復(fù)雜的工業(yè)生產(chǎn)過程，通過實施先進(jìn)控制，可以大大提高工業(yè)生產(chǎn)過程操作和控制的穩(wěn)定性，改善工業(yè)生產(chǎn)過程的動態(tài)性能，減少關(guān)鍵變量的運行波動幅度，使其更接近于優(yōu)化目標(biāo)值，從而將工業(yè)生產(chǎn)過程推向更接近裝置約束邊界條件下運行，最終達(dá)到增強(qiáng)工業(yè)生產(chǎn)過程的穩(wěn)定性和安全性，保證產(chǎn)品質(zhì)量的均勻性，提高目標(biāo)產(chǎn)品的收率，提高生產(chǎn)裝置的處理能力，降低生產(chǎn)過程運行成本以及減少環(huán)境污染等目的。本文將簡要介紹常用的行之有效的一些先進(jìn)控制方法及其在流程工業(yè)中的應(yīng)用。
模型預(yù)測控制
模型預(yù)測控制是一種基于模型的閉環(huán)優(yōu)化控制策略，已在煉油、化工、冶金和電力等復(fù)雜工業(yè)過程控制中得到廣泛的應(yīng)用。模型預(yù)測控制具有控制效果好、魯棒性強(qiáng)等優(yōu)點，可有效地克服過程的不確定性、非線性和關(guān)聯(lián)性，并能方便處理過程被控變量和操縱變量中的各種約束。
預(yù)測控制算法種類較多，表現(xiàn)形式多種多樣，但都可以用以下三條基本原理加以概括：①模型預(yù)測：預(yù)測控制的本質(zhì)是在對過程的未來行為進(jìn)行預(yù)測的基礎(chǔ)上，對控制量加以優(yōu)化，而預(yù)測是通過模型來完成的。②滾動優(yōu)化 ：預(yù)測控制的優(yōu)化，是在未來一段時刻內(nèi)，通過某一性能指標(biāo)的最優(yōu)化來確定未來的控制作用，這一性能指標(biāo)涉及到系統(tǒng)未來的行為，并且在下一時刻只施加當(dāng)前時刻控制作用，它是在線反復(fù)進(jìn)行的，而且優(yōu)化是有別于傳統(tǒng)意義下的全局優(yōu)化。③反饋校正 ：預(yù)測控制是一種閉環(huán)控制算法，用預(yù)測模型預(yù)測未來的輸出時，預(yù)測值與真實值之間存在一定的偏差，只有充分利用實際輸出誤差進(jìn)行反饋校正，才能得到良好的控制效果。
目前，預(yù)測控制的研究范圍主要涉及到以下方面，(1)對現(xiàn)有基本算法作修正。如引入擾動觀測器，采用變反饋校正系數(shù)等。(2)單變量到多變量的推廣。把只適合于穩(wěn)定對象的算法推廣到非自衡系統(tǒng)，把預(yù)測控制的應(yīng)用范圍推廣到非線性及分布參數(shù)系統(tǒng)。(3)優(yōu)化目標(biāo)函數(shù)的選取。如采用最小方差的目標(biāo)函數(shù)、二范數(shù)的目標(biāo)函數(shù)、無窮范數(shù)的目標(biāo)函數(shù)等。(4)預(yù)測模型的選取。尤其是在非線性預(yù)測控制中，非線性預(yù)測控制要比線性預(yù)測控制復(fù)雜得多。因而，目前研究主要集中在特殊的非線性模型，如Wiener模型，Bilinear模型、廣義Hammerstein模型、Volterra模型等。(5)引入大系統(tǒng)方法，實現(xiàn)遞階或分散的控制算法。(6)將基本控制算法與先進(jìn)的控制思想與結(jié)構(gòu)相結(jié)合，如自適應(yīng)預(yù)測控制、模糊預(yù)測控制、魯捧預(yù)測控制、神經(jīng)網(wǎng)絡(luò)預(yù)測控制等。
目前，預(yù)測控制的應(yīng)用幾乎遍及各個工業(yè)領(lǐng)域，如：煉油、石化、化工、造紙、天然氣、礦冶、食品加工、爐窯、航空、汽車等。其中全世界采用了以預(yù)測控制為核心的先進(jìn)控制算法已經(jīng)超過5000多例。國外著名的控制工程公司都開發(fā)研制了各自的商品化軟件。預(yù)測控制的軟件產(chǎn)品至今已走過了三代。第一代產(chǎn)品主要以Adersa公司的IDCOM和Shell Oil公司的DMC為代表，可處理無約束的預(yù)測控制問題。第二代以Shell Oil公司的QDMC為代表，它增加了處理輸入輸出有約束的多變量對象的技術(shù)。而目前的第三代產(chǎn)品，主要有Aspen公司的DMC plus和Honeywell公司的RMPCT,以及浙大中控軟件公司的Adcon等，都已在煉油、化工、石化等工業(yè)生產(chǎn)過程中應(yīng)用。
內(nèi)?？刂?
內(nèi)?？刂?Internal Model Control, IMC)是一種基于過程數(shù)學(xué)模型進(jìn)行控制器設(shè)計的新型控制策略。它不僅是一種實用的先進(jìn)控制算法，而且是研究預(yù)測控制等基于模型的控制算法的重要理論基礎(chǔ)，以及提高常規(guī)控制系統(tǒng)設(shè)計水平的有力工具。
自面世以來，內(nèi)?？刂撇粌H在控制系統(tǒng)穩(wěn)定性和魯棒性理論分析方面發(fā)展迅速，而且在工業(yè)過程控制中也得到成功的應(yīng)用。許多研究者討論了內(nèi)模控制與其他控制算法，如動態(tài)矩陣控制(DMC)、模型算法控制(MAC)、線性二次型最優(yōu)控制(LQOC)等之間的內(nèi)在關(guān)系，尤其是多變量內(nèi)?？刂瓶梢灾苯诱{(diào)整閉環(huán)系統(tǒng)動態(tài)性能，并對模型誤差具有良好的魯棒性，因此IMC也是多變量過程控制系統(tǒng)分析與設(shè)計的一種重要方法。IMC是一種實用性很強(qiáng)的控制方法，其主要特點是結(jié)構(gòu)簡單、在線調(diào)節(jié)參數(shù)少，特別是對于魯棒性及抗擾性的改善和大時滯系統(tǒng)的控制效果更為顯著。因此它不僅在慢響應(yīng)的過程控制中獲得到大量應(yīng)用，在快響應(yīng)的電機(jī)控制中也取得了良好的效果。經(jīng)過二十多年的發(fā)展，IMC方法不僅已擴(kuò)展到了多變量和非線性系統(tǒng)，還產(chǎn)生了多種設(shè)計方法，主要有零極點對消法、預(yù)測控制法、針對PID控制器設(shè)計的IMC法、有限拍法等。IMC與其他控制方法的結(jié)合也比較多，如自適應(yīng)IMC，采用模糊決策、仿人控制、神經(jīng)網(wǎng)絡(luò)的智能型IMC等。已經(jīng)證明，各類預(yù)測控制算法本質(zhì)上都屬于IMC類，在其等效的IMC結(jié)構(gòu)中只是其給定輸入采用未來的超前值。這不僅從結(jié)構(gòu)上說明預(yù)測控制為何具有良好的性能，而且為進(jìn)一步的深入分析和改進(jìn)提供了有力的工具。
模糊控制
1965年，Zadeh教授最早提出模糊集合的概念，從而突破了經(jīng)典集合論中屬于或不屬于的絕對關(guān)系，標(biāo)志著模糊數(shù)學(xué)的誕生。模糊控制是應(yīng)用模糊數(shù)學(xué)理論，對一些無法構(gòu)造數(shù)學(xué)模型的過程進(jìn)行有效的控制?；镜哪：到y(tǒng)包括模糊化處理、模糊推理和非模糊化控制三個環(huán)節(jié)。在模糊推理面,Takagi和Subeno通過使用最小二乘法近似做出了貢獻(xiàn)。在非模糊化方面，相繼出現(xiàn)了最大隸屬度值法、面積平均法、重心法、最大隸屬度平均值法等。
在應(yīng)用方面，1974年，Mamdani首次將模糊控制應(yīng)用到蒸汽機(jī)和鍋爐的控制，取得了滿意的效果。1980年，Holmblad和Ostergaard將模糊控制成功地安裝到水泥窯爐上，并開發(fā)了第一個商品化模糊控制器。1985年，AT&T貝爾實驗室的Togai和Watanabe設(shè)計出第一塊模糊邏輯芯片。1987年，Omron公司研制出第一代模糊微處理機(jī)。Yamakawa設(shè)計了高速模糊控制器硬件系統(tǒng)。進(jìn)入90年代，日本推出了大量采用模糊控制的家用電器。不少儀表商已經(jīng)將模糊控制作為DCS的一個模塊。目前，美國國家航空與航天局正考慮將模糊控制技術(shù)應(yīng)用到航空系統(tǒng)。國際原子能機(jī)構(gòu)和工業(yè)應(yīng)用系統(tǒng)機(jī)構(gòu)也準(zhǔn)備將模糊控制技術(shù)應(yīng)用到大型系統(tǒng)高速推理上。
神經(jīng)控制
神經(jīng)控制以其獨特的優(yōu)點受到控制界的關(guān)注并得到了廣泛的應(yīng)用，這主要來自以下三方面的動力：①處理越來越復(fù)雜系統(tǒng)的需要；②實現(xiàn)越來越高設(shè)計目標(biāo)的需要；③越來越不確定情況下進(jìn)行控制的需要。20世紀(jì)80年代以來，人工神經(jīng)網(wǎng)絡(luò)又有了重大突破，人們提出了許多功能強(qiáng)大的神經(jīng)元模型和各種有效的算法并促進(jìn)了它的應(yīng)用。目前，神經(jīng)網(wǎng)絡(luò)已經(jīng)在對象建模、系統(tǒng)辨識、參數(shù)估計、自適應(yīng)控制、預(yù)測控制、容錯控制、故障診斷、數(shù)據(jù)處理等領(lǐng)域得到了廣泛的應(yīng)用。其中，神經(jīng)網(wǎng)絡(luò)與模糊邏輯、遺傳算法、專家系統(tǒng)、小波分析結(jié)合、混沌神經(jīng)網(wǎng)絡(luò)、基于粗糙集的神經(jīng)網(wǎng)絡(luò)等方向已成為新的研究熱點。
就目前神經(jīng)網(wǎng)絡(luò)在控制系統(tǒng)中的應(yīng)用來說，它在控制系統(tǒng)的建模、辨識和控制中都獲得了廣泛的應(yīng)用。主要有 ：①系統(tǒng)辨識：通過多層前饋網(wǎng)絡(luò)能夠提供非線性被控對象的直接逆向模型。②充當(dāng)各類控制器：如監(jiān)督控制、直接逆?？刂?、模型參考控制、內(nèi)?？刂?、預(yù)測控制、自適應(yīng)控制、非模型控制等。
工業(yè)過程監(jiān)控
就工業(yè)過程的性能監(jiān)控領(lǐng)域而言，當(dāng)前提出的方法可分為三大類：基于數(shù)學(xué)模型的方法、基于數(shù)據(jù)驅(qū)動的方法和基于知識的方法?；谀Ｐ偷姆椒ò▍?shù)估計方法、觀測器方法、對偶關(guān)系方法等。基于數(shù)據(jù)驅(qū)動的方法以采集的過程數(shù)據(jù)為基礎(chǔ)，通過各種數(shù)據(jù)處理與分析方法挖掘隱含信息來指導(dǎo)工業(yè)生產(chǎn)?；谥R的方法是利用人工智能的方法構(gòu)造某些系統(tǒng)功能以模仿和實現(xiàn)人類的思維和行為，完成整個檢測和診斷過程。但從目前的理論水平和解決問題的角度來看，采用基于數(shù)據(jù)驅(qū)動的方法更適宜。在基于數(shù)據(jù)驅(qū)動的工業(yè)過程性能監(jiān)控算法中，研究和應(yīng)用最多的方法應(yīng)屬統(tǒng)計方法。單變量統(tǒng)計過程控制近十幾年來又取得了新的進(jìn)展，除早期的X控制圖，還包括MA（Moving Average）控制圖，CUSUM（Cumulative Sum）控制圖和EWMA(Exponentially Weighted Moving Average)控制圖。多變量統(tǒng)計過程控制(Multivariate Statistical Process Control, MSPC)最基本方法是主元分析和偏最小二乘法（Partial least square, PLS），但隨著各種實際問題的出現(xiàn)，不少改進(jìn)和擴(kuò)展的統(tǒng)計方法又被提出，主要包括動態(tài)方面的改進(jìn)、非線性方面的改進(jìn)、自適應(yīng)方法、多尺度的方法、層次和多塊分析方法、間歇生產(chǎn)過程的監(jiān)控方法、專家系統(tǒng)方法、動態(tài)趨勢分析方法、神經(jīng)網(wǎng)絡(luò)方法等。目前，獨立成分分析(Independent Component Analysis,ICA)作為一種新方法也得到了關(guān)注，ICA具有“去冗余”的特點，并能抑制高斯白色和有色噪聲。工業(yè)生產(chǎn)過程運行性能和安全性的實時評估，已成為復(fù)雜大工業(yè)生產(chǎn)過程計算機(jī)控制的重要內(nèi)容，也是工業(yè)企業(yè)實時管理與控制一體化的新技術(shù)。
所謂先進(jìn)控制技術(shù)(Advanced Process Control，APC)，是對那些不同于常規(guī)單回路控制，并比常規(guī)PID控制有更好控制效果的控制策略的統(tǒng)稱。現(xiàn)代復(fù)雜的工業(yè)生產(chǎn)過程，通過實施先進(jìn)控制，可以大大提高工業(yè)生產(chǎn)過程操作和控制的穩(wěn)定性，改善工業(yè)生產(chǎn)過程的動態(tài)性能，減少關(guān)鍵變量的運行波動幅度，使其更接近于優(yōu)化目標(biāo)值，從而將工業(yè)生產(chǎn)過程推向更接近裝置約束邊界條件下運行，最終達(dá)到增強(qiáng)工業(yè)生產(chǎn)過程的穩(wěn)定性和安全性，保證產(chǎn)品質(zhì)量的均勻性，提高目標(biāo)產(chǎn)品的收率，提高生產(chǎn)裝置的處理能力，降低生產(chǎn)過程運行成本以及減少環(huán)境污染等目的。本文將簡要介紹常用的行之有效的一些先進(jìn)控制方法及其在流程工業(yè)中的應(yīng)用。
模型預(yù)測控制
模型預(yù)測控制是一種基于模型的閉環(huán)優(yōu)化控制策略，已在煉油、化工、冶金和電力等復(fù)雜工業(yè)過程控制中得到廣泛的應(yīng)用。模型預(yù)測控制具有控制效果好、魯棒性強(qiáng)等優(yōu)點，可有效地克服過程的不確定性、非線性和關(guān)聯(lián)性，并能方便處理過程被控變量和操縱變量中的各種約束。
預(yù)測控制算法種類較多，表現(xiàn)形式多種多樣，但都可以用以下三條基本原理加以概括：①模型預(yù)測：預(yù)測控制的本質(zhì)是在對過程的未來行為進(jìn)行預(yù)測的基礎(chǔ)上，對控制量加以優(yōu)化，而預(yù)測是通過模型來完成的。②滾動優(yōu)化 ：預(yù)測控制的優(yōu)化，是在未來一段時刻內(nèi)，通過某一性能指標(biāo)的最優(yōu)化來確定未來的控制作用，這一性能指標(biāo)涉及到系統(tǒng)未來的行為，并且在下一時刻只施加當(dāng)前時刻控制作用，它是在線反復(fù)進(jìn)行的，而且優(yōu)化是有別于傳統(tǒng)意義下的全局優(yōu)化。③反饋校正 ：預(yù)測控制是一種閉環(huán)控制算法，用預(yù)測模型預(yù)測未來的輸出時，預(yù)測值與真實值之間存在一定的偏差，只有充分利用實際輸出誤差進(jìn)行反饋校正，才能得到良好的控制效果。
目前，預(yù)測控制的研究范圍主要涉及到以下方面，(1)對現(xiàn)有基本算法作修正。如引入擾動觀測器，采用變反饋校正系數(shù)等。(2)單變量到多變量的推廣。把只適合于穩(wěn)定對象的算法推廣到非自衡系統(tǒng)，把預(yù)測控制的應(yīng)用范圍推廣到非線性及分布參數(shù)系統(tǒng)。(3)優(yōu)化目標(biāo)函數(shù)的選取。如采用最小方差的目標(biāo)函數(shù)、二范數(shù)的目標(biāo)函數(shù)、無窮范數(shù)的目標(biāo)函數(shù)等。(4)預(yù)測模型的選取。尤其是在非線性預(yù)測控制中，非線性預(yù)測控制要比線性預(yù)測控制復(fù)雜得多。因而，目前研究主要集中在特殊的非線性模型，如Wiener模型，Bilinear模型、廣義Hammerstein模型、Volterra模型等。(5)引入大系統(tǒng)方法，實現(xiàn)遞階或分散的控制算法。(6)將基本控制算法與先進(jìn)的控制思想與結(jié)構(gòu)相結(jié)合，如自適應(yīng)預(yù)測控制、模糊預(yù)測控制、魯捧預(yù)測控制、神經(jīng)網(wǎng)絡(luò)預(yù)測控制等。
目前，預(yù)測控制的應(yīng)用幾乎遍及各個工業(yè)領(lǐng)域，如：煉油、石化、化工、造紙、天然氣、礦冶、食品加工、爐窯、航空、汽車等。其中全世界采用了以預(yù)測控制為核心的先進(jìn)控制算法已經(jīng)超過5000多例。國外著名的控制工程公司都開發(fā)研制了各自的商品化軟件。預(yù)測控制的軟件產(chǎn)品至今已走過了三代。第一代產(chǎn)品主要以Adersa公司的IDCOM和Shell Oil公司的DMC為代表，可處理無約束的預(yù)測控制問題。第二代以Shell Oil公司的QDMC為代表，它增加了處理輸入輸出有約束的多變量對象的技術(shù)。而目前的第三代產(chǎn)品，主要有Aspen公司的DMC plus和Honeywell公司的RMPCT,以及浙大中控軟件公司的Adcon等，都已在煉油、化工、石化等工業(yè)生產(chǎn)過程中應(yīng)用。
內(nèi)?？刂?
內(nèi)?？刂?Internal Model Control, IMC)是一種基于過程數(shù)學(xué)模型進(jìn)行控制器設(shè)計的新型控制策略。它不僅是一種實用的先進(jìn)控制算法，而且是研究預(yù)測控制等基于模型的控制算法的重要理論基礎(chǔ)，以及提高常規(guī)控制系統(tǒng)設(shè)計水平的有力工具。
自面世以來，內(nèi)?？刂撇粌H在控制系統(tǒng)穩(wěn)定性和魯棒性理論分析方面發(fā)展迅速，而且在工業(yè)過程控制中也得到成功的應(yīng)用。許多研究者討論了內(nèi)模控制與其他控制算法，如動態(tài)矩陣控制(DMC)、模型算法控制(MAC)、線性二次型最優(yōu)控制(LQOC)等之間的內(nèi)在關(guān)系，尤其是多變量內(nèi)?？刂瓶梢灾苯诱{(diào)整閉環(huán)系統(tǒng)動態(tài)性能，并對模型誤差具有良好的魯棒性，因此IMC也是多變量過程控制系統(tǒng)分析與設(shè)計的一種重要方法。IMC是一種實用性很強(qiáng)的控制方法，其主要特點是結(jié)構(gòu)簡單、在線調(diào)節(jié)參數(shù)少，特別是對于魯棒性及抗擾性的改善和大時滯系統(tǒng)的控制效果更為顯著。因此它不僅在慢響應(yīng)的過程控制中獲得到大量應(yīng)用，在快響應(yīng)的電機(jī)控制中也取得了良好的效果。經(jīng)過二十多年的發(fā)展，IMC方法不僅已擴(kuò)展到了多變量和非線性系統(tǒng)，還產(chǎn)生了多種設(shè)計方法，主要有零極點對消法、預(yù)測控制法、針對PID控制器設(shè)計的IMC法、有限拍法等。IMC與其他控制方法的結(jié)合也比較多，如自適應(yīng)IMC，采用模糊決策、仿人控制、神經(jīng)網(wǎng)絡(luò)的智能型IMC等。已經(jīng)證明，各類預(yù)測控制算法本質(zhì)上都屬于IMC類，在其等效的IMC結(jié)構(gòu)中只是其給定輸入采用未來的超前值。這不僅從結(jié)構(gòu)上說明預(yù)測控制為何具有良好的性能，而且為進(jìn)一步的深入分析和改進(jìn)提供了有力的工具。
模糊控制
1965年，Zadeh教授最早提出模糊集合的概念，從而突破了經(jīng)典集合論中屬于或不屬于的絕對關(guān)系，標(biāo)志著模糊數(shù)學(xué)的誕生。模糊控制是應(yīng)用模糊數(shù)學(xué)理論，對一些無法構(gòu)造數(shù)學(xué)模型的過程進(jìn)行有效的控制?；镜哪：到y(tǒng)包括模糊化處理、模糊推理和非模糊化控制三個環(huán)節(jié)。在模糊推理面,Takagi和Subeno通過使用最小二乘法近似做出了貢獻(xiàn)。在非模糊化方面，相繼出現(xiàn)了最大隸屬度值法、面積平均法、重心法、最大隸屬度平均值法等。
在應(yīng)用方面，1974年，Mamdani首次將模糊控制應(yīng)用到蒸汽機(jī)和鍋爐的控制，取得了滿意的效果。1980年，Holmblad和Ostergaard將模糊控制成功地安裝到水泥窯爐上，并開發(fā)了第一個商品化模糊控制器。1985年，AT&T貝爾實驗室的Togai和Watanabe設(shè)計出第一塊模糊邏輯芯片。1987年，Omron公司研制出第一代模糊微處理機(jī)。Yamakawa設(shè)計了高速模糊控制器硬件系統(tǒng)。進(jìn)入90年代，日本推出了大量采用模糊控制的家用電器。不少儀表商已經(jīng)將模糊控制作為DCS的一個模塊。目前，美國國家航空與航天局正考慮將模糊控制技術(shù)應(yīng)用到航空系統(tǒng)。國際原子能機(jī)構(gòu)和工業(yè)應(yīng)用系統(tǒng)機(jī)構(gòu)也準(zhǔn)備將模糊控制技術(shù)應(yīng)用到大型系統(tǒng)高速推理上。
神經(jīng)控制
神經(jīng)控制以其獨特的優(yōu)點受到控制界的關(guān)注并得到了廣泛的應(yīng)用，這主要來自以下三方面的動力：①處理越來越復(fù)雜系統(tǒng)的需要；②實現(xiàn)越來越高設(shè)計目標(biāo)的需要；③越來越不確定情況下進(jìn)行控制的需要。20世紀(jì)80年代以來，人工神經(jīng)網(wǎng)絡(luò)又有了重大突破，人們提出了許多功能強(qiáng)大的神經(jīng)元模型和各種有效的算法并促進(jìn)了它的應(yīng)用。目前，神經(jīng)網(wǎng)絡(luò)已經(jīng)在對象建模、系統(tǒng)辨識、參數(shù)估計、自適應(yīng)控制、預(yù)測控制、容錯控制、故障診斷、數(shù)據(jù)處理等領(lǐng)域得到了廣泛的應(yīng)用。其中，神經(jīng)網(wǎng)絡(luò)與模糊邏輯、遺傳算法、專家系統(tǒng)、小波分析結(jié)合、混沌神經(jīng)網(wǎng)絡(luò)、基于粗糙集的神經(jīng)網(wǎng)絡(luò)等方向已成為新的研究熱點。
就目前神經(jīng)網(wǎng)絡(luò)在控制系統(tǒng)中的應(yīng)用來說，它在控制系統(tǒng)的建模、辨識和控制中都獲得了廣泛的應(yīng)用。主要有 ：①系統(tǒng)辨識：通過多層前饋網(wǎng)絡(luò)能夠提供非線性被控對象的直接逆向模型。②充當(dāng)各類控制器：如監(jiān)督控制、直接逆?？刂?、模型參考控制、內(nèi)?？刂?、預(yù)測控制、自適應(yīng)控制、非模型控制等。
工業(yè)過程監(jiān)控
就工業(yè)過程的性能監(jiān)控領(lǐng)域而言，當(dāng)前提出的方法可分為三大類：基于數(shù)學(xué)模型的方法、基于數(shù)據(jù)驅(qū)動的方法和基于知識的方法?；谀Ｐ偷姆椒ò▍?shù)估計方法、觀測器方法、對偶關(guān)系方法等。基于數(shù)據(jù)驅(qū)動的方法以采集的過程數(shù)據(jù)為基礎(chǔ)，通過各種數(shù)據(jù)處理與分析方法挖掘隱含信息來指導(dǎo)工業(yè)生產(chǎn)?；谥R的方法是利用人工智能的方法構(gòu)造某些系統(tǒng)功能以模仿和實現(xiàn)人類的思維和行為，完成整個檢測和診斷過程。但從目前的理論水平和解決問題的角度來看，采用基于數(shù)據(jù)驅(qū)動的方法更適宜。在基于數(shù)據(jù)驅(qū)動的工業(yè)過程性能監(jiān)控算法中，研究和應(yīng)用最多的方法應(yīng)屬統(tǒng)計方法。單變量統(tǒng)計過程控制近十幾年來又取得了新的進(jìn)展，除早期的X控制圖，還包括MA（Moving Average）控制圖，CUSUM（Cumulative Sum）控制圖和EWMA(Exponentially Weighted Moving Average)控制圖。多變量統(tǒng)計過程控制(Multivariate Statistical Process Control, MSPC)最基本方法是主元分析和偏最小二乘法（Partial least square, PLS），但隨著各種實際問題的出現(xiàn)，不少改進(jìn)和擴(kuò)展的統(tǒng)計方法又被提出，主要包括動態(tài)方面的改進(jìn)、非線性方面的改進(jìn)、自適應(yīng)方法、多尺度的方法、層次和多塊分析方法、間歇生產(chǎn)過程的監(jiān)控方法、專家系統(tǒng)方法、動態(tài)趨勢分析方法、神經(jīng)網(wǎng)絡(luò)方法等。目前，獨立成分分析(Independent Component Analysis,ICA)作為一種新方法也得到了關(guān)注，ICA具有“去冗余”的特點，并能抑制高斯白色和有色噪聲。工業(yè)生產(chǎn)過程運行性能和安全性的實時評估，已成為復(fù)雜大工業(yè)生產(chǎn)過程計算機(jī)控制的重要內(nèi)容，也是工業(yè)企業(yè)實時管理與控制一體化的新技術(shù)。
本文標(biāo)簽：先進(jìn)控制技術(shù)在流程工業(yè)中的應(yīng)用
* 由于無法獲得聯(lián)系方式等原因，本網(wǎng)使用的文字及圖片的作品報酬未能及時支付，在此深表歉意，請《先進(jìn)控制技術(shù)在流程工業(yè)中的應(yīng)用》相關(guān)權(quán)利人與機(jī)電之家網(wǎng)取得聯(lián)系。
關(guān)于“先進(jìn)控制技術(shù)在流程工業(yè)中的應(yīng)用”的更多資訊
：鞏經(jīng)理
：13915946763
：南京塞姆泵業(yè)有限公司
VIP公司推薦
|
|
|
|
|
|
|
|