基於神經網絡預測控制的過程控制系統及方法
2023-10-20 22:52:52 2
專利名稱：基於神經網絡預測控制的過程控制系統及方法
技術領域：
本發明涉及一種過程控制系統及方法，尤其涉及一種基於神經網絡預測控制的多變量有約束的工業過程系統及方法，屬於工業過程控制技術領域。
背景技術：
目前，預測控制對於控制變化比較緩慢的生產過程或對象，均能取得好的效果，但預測控制的算法是基於線性對象提出來的，面對工業過程中大量的非線性、不確定過程，算法有待進一步改進。上世紀80年代中期以來，人工神經網絡以其獨特的優點引起了人們的極大關注。神經網絡具有並行機制、自學習和自適應能力，能夠充分逼近複雜的非線性映射關係和學習系統的動態特性，是非線性系統建模與控制的重要手段，將預測控制的優化策略與神經網絡對非線性對象的逼近能力相結合，可以很好地解決工業過程控制系統中的時滯等控制問題。 在實際工業過程中，由於裝置物理特性和產品質量指標等多方面的原因，對系統中的物理量存在多種約束要求。例如，當執行元件為閥門時，閥門開度只可能在一定範圍變化；在對鍋爐進行液位控制時，液位高度超過一定的上限或下限都會引起事故。如果有約束場合採用無約束控制器，就有可能降低閉環系統的控制性能。因此，在實時控制時，必須根據實際情況，把控制量和輸出量約束在一定範圍內。集散控制系統(DCS)是採用標準化、模塊化和系列化的設計，由過程控制級、控制管理級和生產管理級組成的一個以通訊網絡為紐帶的實用系統，具有顯示操作管理集中、控制相對分散、配置靈活、組態方便、具有高可靠性等優勢。神經網絡預測控制與DCS的有效結合，能提高企業自動化水平和管理水平，有著巨大的經濟效益和社會效益，因而具有極高的實際應用價值和研究價值。值得一提的是，如今觸屏手機、平板電腦等產品的問世，也給控制界提出了思考，傳統的上位機需要監控人員在工控機前觀察，不利於解放人員和壓縮成本，更不利於工程師實時監控，如能開發出手持客戶端軟體，通過無線網絡連接，和上位機同步，能夠隨時隨地的觀察到監控界面和報警信號，便於控制生產。
發明內容
本發明的目的在於提供一種基於神經網絡預測控制的過程控制系統及方法，優化控制策略，克服或抑制過程控制裝置大時滯、強耦合等特性，並使系統具有穩定性高、易於觀測等特點，適於推廣到造紙、化工等工業過程領域。本發明的目的通過以下技術方案予以實現一種基於神經網絡預測控制的過程控制系統，包括物理受控對象I、DCS控制系統
2、工控機3，還包括交換機4、GPRS無線通信模塊5、手持客戶端6。所述DCS控制系統2對物理受控對象I進行控制，所述交換機4與DCS控制系統2相連，所述工控機3、GPRS無線通信模塊5與交換機4相連，所述手持客戶端6通過GPRS無線通信模塊5進行無線網絡通信，與工控機3同步，實現遠程和現場的監控。一種基於神經網絡預測控制的過程控制系統的控制方法，用BP神經網絡實現預測控制中的模型預測，用RBF神經網絡實現預測控制中的控制器優化，對於有約束條件的過程控制系統，把約束條件作為滾動優化的一部分進行考慮。控制方法具體步驟如下I)用BP神經網絡建立預測模型設過程控制的非線性系統由下面的離散時間模型表示y (k) =f [y (k-1), , y (k_n), u (k_d) , , u (k-d_m) ]+v (k) (I)其中，m和n分別表示輸入輸出對象的階次，I表示線性系統滯後的時間，y(k)和u(k)表示k時刻實際對象的輸入和輸出，V (k)表示擾動，f(·)表示一個非線性函數，用於構造預測模型的BP神經網絡結構；將實際系統輸入和輸出的過去值作為神經網絡的輸入，未來的輸出作為教師信號；選用三層BP網絡，一個隱含層，輸入節點個數為mem+n+l，輸出節點Ii1=I ；BP網絡的輸入矢量表示為
權利要求
1.一種基於神經網絡預測控制的過程控制系統，包括物理受控對象(I)、DCS控制系統(2 )、工控機(3 )，其特徵在於，還包括交換機(4)、GPRS無線通信模塊(5 )、手持客戶端(6 );所述DCS控制系統(2)對物理受控對象(I)進行控制，所述交換機(4)與DCS控制系統(2)相連，所述工控機(3)、GPRS無線通信模塊(5)與交換機(4)相連，所述手持客戶端(6)通過GPRS無線通信模塊(5 )進行無線網絡通信，與工控機(3 )同步，實現遠程和現場的監控。
2.如權利要求I所述的基於神經網絡預測控制的過程控制系統，其特徵在於，所述手持客戶端(6)基於IOS或Android系統，實現數據實時顯示和刷新；以棒圖和趨勢圖顯示歷史和實時的變量曲線；提供用戶權限認證；通過觸屏操作將命令傳回控制系統，進行簡單的檢測和管理；在手持終端(6)上設置檢測參數及其範圍，當現場設備的參數值超出設定的正常範圍時，產生報警。
3.如權利要求I所述的基於神經網絡預測控制的過程控制系統的控制方法，其特徵在於，用BP神經網絡實現預測控制中的模型預測，用RBF神經網絡實現預測控制中的控制器優化，對於有約束條件的過程控制系統，把約束條件作為滾動優化的一部分進行考慮，該方法包含下列步驟 1)用BP神經網絡建立預測模型 設過程控制的非線性系統由下面的離散時間模型表示 y (k) =f [y (k-1), , y (k_n), u (k_d), , u (k-d_m) ]+v (k) (I) 其中，m和n分別表示輸入輸出對象的階次，d ^ I表示線性系統滯後的時間，y(k)和u(k)表示k時刻實際對象的輸入和輸出，V (k)表示擾動，f(·)表示一個非線性函數，用於構造預測模型的BP神經網絡結構； 將實際系統輸入和輸出的過去值作為神經網絡的輸入，未來的輸出作為教師信號；選用三層BP網絡，一個隱含層，輸入節點個數為Hi1 =m+n+l，輸出節點Ii1=I ；BP網絡的輸入矢量表示為 X(k — I) = [x,(/c — I),.(A- — I),· · ■，xXk — I),···,Xiiii {k — I)]1 Xik-Vi = i) [ω(^- -d + μ + 1) ( +I) 則神經網絡的輸出為 ym(k) = g(w · g(v · X(k-1)))(2) 多步預測輸出由下式表示ym(k+j) = g(w · g(v · X(k+j-l))) j=l,2, ... , p (3) 其中，輸入層到隱層之間的權值矩陣V=[vi，v2，…，Vj，... VJt7Vj為隱層第j個神經元對應的權值量，隱層到輸出層之間的權值矩陣W= [Wl，W2,…，Wj, . . . wjT, g(x)取為單極性,、 Isigmoid 函數(1 * = j + 9 至此，建立了改進的BP神經網絡預測模型； 2)反饋校正 設實際對象輸出與模型之間的誤差為 e (k) =y (k) -ym (k)引入修正加權因子h對模型的輸出進行校正，減小模型失配對系統的影響，即 yc (k+j) = ym(k+j) +he (k)(4) 3)RBF神經網絡優化控制器 由動態矩陣預測控制可知，要獲得最優控制率，應使下式中的二次型指標函數J趨於最小； J (k) = [Yc (k+1) -Yr (k+1) ] tQ [Yc (k+1) -Yr (k+1) ] + Λ U (k) tR Λ U (k) 令
全文摘要
本發明公開了一種基於神經網絡預測控制的過程控制系統，包括物理受控對象、DCS控制系統、工控機、交換機、GPRS無線通信模塊、手持客戶端。所述DCS控制系統對物理受控對象進行控制，交換機與DCS控制系統相連，工控機、GPRS無線通信模塊與交換機相連，手持客戶端通過GPRS無線通信模塊進行無線網絡通信，與工控機同步，實現遠程和現場監控。本發明的控制方法用BP神經網絡實現預測控制中的模型預測，用RBF神經網絡實現預測控制中的控制器優化，對於有約束條件的過程控制系統，把約束條件作為滾動優化的一部分進行考慮。在應用中具有響應速度快、跟蹤性能好、魯棒性和抗幹擾性強的優點。
文檔編號G05B13/04GK102830625SQ20121033274
公開日2012年12月19日 申請日期2012年9月10日 優先權日2012年9月10日
發明者曾慶軍, 楊青青, 王彪, 章飛, 陳偉 申請人:江蘇科技大學