预测控制是化工企业稳定生产、提高效益的关键技术,但化工过程的大型化、复杂化使传统的集中式预测控制遇到了计算上的困难,针对复杂大化工过程的分布式预测控制(MPC)研究具有非常重要的应用价值。鉴于目前的分布式MPC理论假定状态空间模型已知,预测控制器不能及时根据对象特性变化作调整,且协调策略会导致优化解偏离Pareto最优解的问题,本课题提出研究大化工过程的分布式广义预测控制(GPC)算法。首先从大化工过程的子系统分解方法入手,基于相关性分析、离散PSO算法和两步辨识法研究分布式CARIMA模型表达形式及在线辨识算法;提出研究具有竞争机制的局部目标加权协调策略,构建包含主控制变量及邻域子系统控制变量的优化问题,采用最优性条件和快速障碍内点优化算法分别求解相应的无约束和有约束优化问题;分析控制系统收敛性和稳定性条件并进行实验验证,初步构建大化工过程分布式GPC基本理论,提高分布式MPC的实用性。
英文主题词Model predictive control;Large scale system;Decomposition;Modeling;Control strategy