基于按顺序的确定性的优化的控制系统和方法
【专利摘要】本发明涉及基于按顺序的确定性的优化的控制系统和方法。该控制方法的一个实施例包括：在预定采样时段的第一部分期间执行不可行搜索算法以搜索受控过程的多个变量的可行控制轨迹，如果不可行搜索算法没有确定可行控制轨迹，则在预定采样时段的第二部分期间执行可行搜索算法以确定可行控制轨迹，以及通过应用可行控制轨迹来控制受控过程。
【专利说明】基于按顺序的确定性的优化的控制系统和方法
【技术领域】
[0001] 本发明一般地涉及控制系统和方法，且更具体地涉及基于按顺序的确定性的优化 的控制系统和方法。
【背景技术】
[0002] -般而言，诸如工业设施或发电系统的控制系统可以是动态的并且包括各种约 束。例如，对控制系统的约束可以是致动器极限、工作约束、经济限制和/或安全限制的结 果。相应地，这种多变量的受约束的动态系统的控制可能是复杂的。诸如耦合多回路比例 积分微分（PID)控制器的技术可能并非最适合于处理这种复杂控制系统的控制。另一方面， 能够处理所述多变量约束的一种过程控制技术是基于优化的控制（0BC)。具体地，0BC可以 通过使系统能够更接近于各种约束（即，借助动态优化）而工作来改进控制系统的性能。
[0003] 然而，0BC在计算方面可能是苛求的，因为动态优化计算可能涉及在每个采样时间 处求解诸如二次规划（quadratic programming，QP)问题的受约束的优化问题。利用一般 的求解器可能花费几秒钟或甚至几分钟。另外，可能难以预测优化器求解受约束的优化问 题所花费的时间。相应地，为了利用0BC来控制具有较快动态性的系统，使确定性的0BC能 够在预定的控制时间内提供可行的控制动作可能常常是有益的。
【发明内容】
[0004] 下面将对与原始要求保护的发明的范围相当的特定实施例进行总结。这些实施例 并不意在限制所要求保护的发明的范围，相反，这些实施例仅意在提供对本发明可能的形 式的简明的总结。的确，本发明可以包括可以与在下文中阐述的实施例相似或不同的各种 形式。
[0005] 第一实施例提供了一种控制方法，该控制方法包括：在预定采样时段的第一部分 期间执行不可行搜索算法以搜索受控过程的多个变量的可行控制轨迹；如果不可行搜索算 法没有确定可行控制轨迹，则在预定采样时段的第二部分期间执行可行搜索算法以确定可 行控制轨迹；以及通过应用可行控制轨迹来控制受控过程。
[0006] 第二实施例提供了一种控制方法，该控制方法包括：在预定采样时段的第一部分 期间执行不可行搜索算法以搜索受控过程的多个变量的可行控制轨迹；如果在采样时段的 第一部分期间不可行搜索算法没有确定可行控制轨迹，则使不可行搜索算法的当前控制轨 迹在采样时段的第一部分的末尾处可行且稳定；在采样时段的第二部分期间执行可行搜索 算法以基于稳定了的当前控制轨迹来确定可行控制轨迹；以及通过应用可行控制轨迹来控 制受控过程。
[0007] 第三实施例提供了一种控制系统，该控制系统包括存储器电路和处理电路，存储 器电路用于存储可执行代码，处理电路用于执行代码。该代码定义了多个步骤，所述步骤当 被执行时：在预定采样时段的第一部分期间执行不可行搜索算法以搜索受控过程的多个变 量的可行控制轨迹；如果在采样时段的第一部分期间不可行搜索算法没有确定可行控制轨 迹，则在预定采样时段的第二部分期间执行可行搜索算法以确定可行控制轨迹；以及通过 应用可行控制轨迹来控制受控过程。
【专利附图】
【附图说明】
[0008] 参照附图阅读如下详细描述将更好地理解本发明的这些以及其它特征、方面及优 点，在这些附图中，类似的附图标记表示类似的部分，其中：
[0009] 图1描绘了利用了基于确定性的优化的控制（0BC)的控制系统的实施例的框图；
[0010] 图2描绘了来自图1的基于确定性的优化的控制的实施例的框图；
[0011] 图3描绘了来自图2的处理电路的实施例的框图；
[0012] 图4描绘了可通信地耦合到控制系统内的其它模块的确定性的0BC模块的实施 例。
[0013] 图5A描绘了用于求解已找到最优解的二次规划问题的可行搜索方法的实施例；
[0014] 图5B描绘了用于求解未找到最优解的二次规划问题的可行搜索方法的实施例；
[0015] 图5C描绘了用于求解未找到最优解的二次规划问题的不可行搜索方法的实施 例；
[0016] 图6是描绘了利用了按顺序的求解器的过程控制的实施例的流程图；
[0017] 图7描绘了在基于优化的控制中使用的稳定过程的实施例的框图；
[0018] 图8A描绘了用于二次规划问题的第一可行解；
[0019] 图8B描绘了用于二次规划问题的被单步更新了的第一可行解与第二可行解相比 较；
[0020] 图9描绘了利用了稳态块、动态目标发生器块和动态优化块的基于动态优化的控 制（0BC)的实施例；
[0021] 图10描绘了利用了稳态块和动态目标发生器块的基于动态优化的控制（0BC)的 实施例；
[0022] 图11描绘了其中按顺序的优化搜索与另一个优化搜索并行地运行的的基于优化 的控制的实施例的框图；
[0023] 图12A描绘了复杂约束的实施例；以及
[0024] 图12B描绘了担当用于复杂约束的漏斗的简单边界约束的实施例。
【具体实施方式】
[0025] 下面将对本发明的一个或多个具体实施例进行描述。为了提供对这些实施例的简 洁的描述，在说明书中没有对实际实现的所有特征进行描述。应当理解，在任何这类实际实 现的开发中，如同在任何工程或者设计方案中一样，必须作出大量与具体实现相关的决策 来达到开发者的具体目标，例如遵从与系统相关的并且与商业相关的约束，这些约束可能 根据一个实现到另一个实现而变化。而且，应当理解，如此的开发工作可能是复杂的和耗时 的，但是对于将受益于本公开内容的普通技术人员而言，这仍然只是设计、加工和制造的例 行工作。
[0026] 当介绍本发明的各种实施例的要素时，单数形式的无数量词限定的特征以及"所 述"可理解为也包括复数形式。术语"包括"和"具有"是包括性的，并且由此表明除了列举 的要素以外，还可以存在附加的要素。
[0027] 本公开内容一般地涉及用于诸如工业设施、发电系统等的控制系统的基于确定性 的优化的控制（0BC)的系统和方法。一般地，控制系统可以利用过程控制技术来控制系统。 例如，一些控制系统利用耦合在多回路配置中的比例积分微分（PID)控制器。多回路PID控 制器可以提供对控制系统的快速实时控制。另外，PID控制器可以在计算能力较低的嵌入 式系统上运行。然而，当控制系统具有复杂的动态性和/或其工作受约束时，过程控制的复 杂性可能大大增加，且多回路PID控制器可能无法提供足够的控制。例如，控制系统可能包 括具有大的死时间或者非最小的相位动态性的过程。
[0028] -种用于控制动态多变量系统的过程控制技术是基于优化的控制（0BC)，其能够 提供较好的控制(例如，减小过程变化以使工作能够更接近于较有利的工作点处的约束)。 具体地，0BC使用过程模型、基于过程输入轨迹来预测未来的过程输出轨迹。换言之，0BC计 算被操纵的变量的轨迹以优化目标函数(即，最小化成本)。如在这里所使用的，成本包括对 输出轨迹与期望设定点的匹配程度的确定。应当理解，在线性控制系统中，成本可以作为二 次规划（QP)问题来被捕获。相应地，包括在0BC中的动态优化可能在计算上复杂，并且在 具有一般的求解器的计算机服务器上运行，该一般的求解器可能花费数秒钟或甚至数分钟 来产生解。因此，为了在用于实时过程控制的嵌入式系统上包括0BC，改进0BC的效率同时 确保其稳定可能是有益的。
[0029] 相应地，一个实施例提供了 一种控制方法，该控制方法包括：确定要受控的过程的 预定非线性模型的线性近似，确定非线性约束集的凸近似，确定用于控制轨迹的多个采样 时段的初始稳定可行控制轨迹，执行基于优化的控制算法以改进用于控制轨迹的多个采样 时段的初始稳定可行控制轨迹，并且通过在预定时间窗口内应用可行控制轨迹来控制受控 过程。换言之，通过包括稳定函数来产生对于每个预定采样时间而言可用的稳定的可行解 (即，不增大成本函数的解)，确定性的0BC可以被用于具有快速动态性的系统的实时控制。
[0030] 作为介绍，图1描绘了用于设施/过程12的控制系统10的实施例。一般而言，控 制系统10可以控制设施/过程12的功能发挥，设施/过程12可以是工业制造系统、自动 化系统、发电系统、涡轮系统等。相应地，如所描绘的，控制系统10可以控制设施/过程12 将材料输入14变换成材料输出16。例如，设施/过程12可以是将糖浆（S卩，材料输入14) 变换成糖晶体(即，材料输出16)的糖结晶过程。另外，控制系统10可以通过操纵输入变量 20 (即，被操纵的且扰动变量)来控制输出变量（即，受控变量)18。返回糖结晶的例子，控制 系统10可以操纵蒸汽阀（即，被操纵的变量)以控制温度（即，受控变量)。在一些实施例中， 材料输入也可以是被操纵的变量(例如，控制器能够控制向设施的材料输入的馈送速率)。
[0031] 为了优化设施/过程12的控制，控制系统10可以进一步包括基于优化的控制 (0BC) 22,其被配置成在预定时间窗口内寻找用于优化问题的稳定可行解。换言之，0BC22 可以确定供控制系统10采取的可行动作（即，解)。具体地，0BC22可以被配置成确定在控 制水平线（即，要采取动作的时间段）之上的控制轨迹26 (S卩，动作的集合)。相应地，0BC22 可以在指定的采样时间处对设施/过程12的状态进行采样。在一些实施例中，设施/过程 12的状态可以包括先前的输出变量18、期望输出轨迹23、期望控制轨迹24或它们的任何组 合。基于对设施/过程12的被采样状态，0BC22可以在控制时间期间确定控制轨迹26(即， 优化问题的可行解)。如这里所使用的，控制时间指的是设施/过程12发挥功能(其可以是 实时的）的时间。在控制轨迹26由0BC22确定之后，在一些实施例中，控制轨迹26与期望 控制轨迹24在比较器32中相比较以确定向设施/过程12的输入变量20(8卩，在控制系统 10中要采取的动作)。可替选地，控制轨迹26可以直接反映在输入变量20中。应当理解， OBC22可以在嵌入式系统例如ControlLogix上实施，ControlLogix可以从美国威斯康辛州 密尔沃基的Rockwell公司（Rockwell Automation,威斯康辛州密尔沃基）获得。
[0032] 为了帮助确定控制轨迹26,如所描绘的，0BC22包括预定模型28和确定性求解器 30。具体地，确定性求解器30可以使用可行搜索策略比如原始（primal)有效集（active set)方法来确定受约束的优化问题的解。如下面将更详细地描述的，可行搜索策略开始于 控制系统10的可行区域内的开始点，并且围绕可行区域移动以搜索最优可行解（即，具有 最小成本的控制轨迹)。换言之，确定性求解器30可以确定可以由控制系统10采取的各种 可行动作（即，控制轨迹)。基于由确定性求解器30确定的可行解，模型28可以用来预测过 程/设施12的行为。在具有线性近似的线性系统或非线性系统中，模型28可以是线性模 型比如状态空间模型、阶跃或脉冲响应模型、外因输入自回归（ARX)模型、传递函数模型等。 因此，0BC22可以比较每个可行解的成本，并选择具有最低成本的控制轨迹26。
[0033] 理想地，所确定的控制轨迹26是具有最低相关联成本的最优解，但是，如上所述， 优化计算可能是复杂的。相应地，如将在"详细示例"部分中更详细描述的，这里所描述的 技术以提高动态优化计算的效率为目的。例如，这里所描述的技术可以修改目标(即，成本） 函数以定义具有简单边界的控制系统10约束。因此，动态优化计算可以被极大地减少并且 在嵌入式系统上执行，因为很多动态优化求解器(例如，二次规划（QP)求解器）处理简单边 界比处理复杂约束更高效。
[0034] 虽然动态优化可以被高效地配置，但是0BC22可能不总是在每个控制时间期间找 到最优(即，最低成本)控制轨迹26。然而，在实践中，稳定的次最优控制轨迹26可能是足够 的。如这里所使用的，控制轨迹26当通过采取动作成本与前一步相比不增大时是稳定的。
[0035] 为了帮助实现这里所描述的功能，应当理解，0BC22可以包括可用于执行计算指令 (即，步骤）的处理器以及用于存储计算机指令（即，代码）和/或数据的存储器。如图2所 示，0BC22可以通过处理电路34来实施处理器并且通过存储器电路36来实施存储器。更 具体地，处理电路34可以被配置成处理控制系统的一般功能，比如控制致动器以及0BC22 的功能比如动态优化。另外，如图3所示，处理电路34可以包括多处理部件(例如，并行处 理器核心或者单独的处理器模块)，其可以使处理电路34能够更好地管理各种功能。例如， 如所描绘的，第一处理部件38可以执行控制系统10的一般操作。控制系统10的一般操作 可以包括控制控制系统10的部件、执行计算等。关于0BC22功能，可以在第二处理部件40 上执行计算密集的动态优化。相应地，这使动态优化能够从第一处理部件38调用并且在第 二处理部件40上同步或异步地执行，这可以改进优化计算的效率。可替选地，应当理解，可 以在第一处理核心38上连同控制系统10的一般功能一起执行动态优化。此外，如所描绘 的，处理电路34包括N个处理部件，其可以每个都被配置成处理不同的功能，比如计算控制 系统10的线性近似。
[0036] 返回到图2,存储器电路36可以存储描述模型28的计算机指令（S卩，代码)、确定性 求解器30、配置参数42以及其它指令44,比如用于控制系统10的一般功能发挥的未测量 的过程变量的计算虚拟测量。具体地，存储在存储器电路中的指令可以被配置成引导确定 性求解器30和模型28的功能。相应地，存储器36可通信地耦合到处理电路34以使处理 电路36能够读取和/或执行指令(S卩，步骤)。
[0037] 此外，0BC22的所描绘的实施例进一步包括输出接口 46、用户接口 48、网络接口 50 和反馈接口 52。具体地，用户接口 48可以被配置成使用户能够与0BC22通信。例如，如图4 所示，用户接口 48可以包括被配置成显示0BC22的量度（比如所确定的控制轨迹26)的图形 用户接口（⑶1)54。另外，用户接口 48可以包括按钮56,按钮56使用户能够向0BC22输入 命令。与用户接口 48相似，网络接口 50可以使用户能够通过网络58比如广域网（WAN)与 0BC22通信。在一些实施例中，网络58可以是从美国威斯康辛州密尔沃基的Rockwell公司 (Rockwell Automation，威斯康辛州密尔沃基）获得的EtherNet/IP网络或ControlNet网 络。更具体地，如图4所述，网络接口 50可以经由通信模块60可通信地耦合到网络58。可 替选地，网络接口 50可以通过0BC22的背板直接可通信地耦合网络58。此外，如所描绘的， 网络58可以可通信地耦合到远程监视/控制系统62,比如监管控制和数据采集（SCADA)， 以使用户能够与0BC22远程通信。相应地，如图2所述，用户接口 48和网络接口 50二者可 通信地耦合到处理电路34以使用户命令能够被传达给处理电路34并且使关于0BC22的信 息被传达给用户。注意，存储器电路36中的每个模块可以被配置成使得它能够作为响应于 来自各种接口的询问的服务器来作出响应。例如，模型模块28可由用户接口询问以报告其 保真度。另外，模型模块28可以由求解器代码模块30访问以确定最优控制轨迹。
[0038] 返回到图2,如上所述，0BC22可以被配置成基于来自设施/过程12的反馈来确定 用于控制系统10的稳定可行控制轨迹。因此，反馈接口 52可以被配置成接收反馈，比如先 前的输出变量18、期望输出轨迹23、期望控制轨迹24或它们的任何组合，并将它传达给处 理电路34。例如，反馈接口 52可以是位于0BC22的背板上的串行端口，其使0BC22能够接 收来自控制系统10中的传感器的样本。在处理电路34确定了控制轨迹26之后，控制轨迹 26被传达给输出接口 46。如下面将要更详细描述的，处理电路34可以利用各种搜索功能 (例如，QP求解器)和稳定功能来确定控制轨迹26。因此，输出接口 46可以被配置成将控制 轨迹26传送到设施/过程12。与反馈接口 52相似，输出接口 46可以是位于0BC22的背板 上的串行接口以使输出接口能够与控制向设施/过程12中的输入的控制器通信。应当理 解，如上所述，控制器可以是同一处理部件、处理器的不同核心或者不同的处理器模块。
[0039] 如上所述，处理电路34可以利用各种求解器方法（S卩，算法）来帮助确定控制轨迹 26 (S卩，动态优化)。在图5A至图5C中描绘了这样的求解器方法的示例。如所描绘的那样 包括在每个图中的是可行区域64和不可行区域66。更具体地，可行区域64是不违反控制 系统10的约束的所有的解或控制轨迹26。另一方面，不可行区域66中的解或控制轨迹66 违反了控制系统10的约束并且是不可行的。如所描绘的，约束被描绘为约束线68,约束线 68将可行区域64与不可行区域66分离。如上所述，约束可以是致动器极限、技术限制、经 济限制和/或安全限制的结果。
[0040] 具体地，图5A和图5B描绘了可行搜索方法（S卩，算法）并且图5C描绘了不可行搜 索方法（即，算法)。然而，应当理解，附图不意在描绘任何特定搜索方法或算法而只是说明 性的。如在图5A和图5B二者中所示，可行搜索方法从可行区域64内的可行点70开始。 自开始的可行点70起，可行搜索方法在控制时间期间围绕可行区域64移动以搜索最优解 (即，控制轨迹）72。在一些情形中，如图5A所示，找到最优控制轨迹72。在其它情形中，找 到次最优的但仍可行的控制轨迹74。可行搜索方法的示例是原始有效集求解器方法(S卩，算 法)。相比较地，如图5C所示，不可行搜索方法从不可行区域66内的不可行点76开始。自 开始的不可行点76起，不可行搜索方法确定不可行解，直到它收敛于最优解（S卩，控制轨迹） 72为止。不可行搜索方法的示例是对偶（dual)有效集求解器方法。相应地，应当理解，如 果在最优控制轨迹72被找到之前终止，可行搜索方法将产生可行控制轨迹，而不可行搜索 方法可产生不可行搜索轨迹。
[0041] 另外，如上所述，动态优化(例如，可行搜索方法或不可行搜索方法）可以从控制系 统10的其余部分异步运行。因此，如果在控制期间找到次于最优的控制轨迹，则优化可以 持续到接下来的控制时间中，其给予0BC22更多的时间来进行复杂的优化计算。此外，当找 到最优轨迹72时，它可以被时移、被填充或者被包括在未来的优化计算中。
[0042] 此外，在一些情形中，不可行搜索方法可以比可行搜索方法更快地收敛于最优解 (即，控制轨迹）;然而，如上所述，如果过早地终止，不可行搜索可能产生不可行解。相应地， 为了利用可行搜索方法和不可行搜索方法二者的优点，如图6所述，可以在0BC22上实施基 于按顺序的确定性的优化的控制（0BC)过程（S卩，算法)78。具体地，这可以包括在不可行搜 索方法与可行搜索方法之间划分最大执行时间（即，控制时间）并且按顺序运行它们。开始 过程78,用户定义的设定点80和/或可行目标（S卩，被映射到可行区域中的不可行设定点） 82可以被输入到初始（S卩，上游)处理中，其可以被配置成确定用于接下来的搜索方法(过程 框84)的开始点和约束（S卩，有效集)。例如，这可以包括基于前一解使用热启动。基于开始 点和约束，不可行搜索方法可以运行(过程框86)。更具体地，不可行搜索方法86可以运行 短于最大执行时间（即，控制时间）的一段时间。如果不可行搜索方法86找到最优解，则过 程78可以停止。另一方面，如果在其被分配的时间期间，不可行搜索78已找到不可行解， 则投影操作发生以将不可行解投影到可行区域64 (过程框88)中。在一些实施例中，这可 涉及在可行区域64中寻找最接近于不可行解的点。在"详细示例"部分可以看到另一个示 例投影操作88。
[0043] 在一些实施例中，因为不可行搜索86和投影操作88可能在被分配的执行时间期 间找到次最优解(即，控制轨迹74)，所以稳定过程90对稳定控制系统10可能是有用的然而 是可选的。换言之，稳定过程90可以被配置成降低控制系统10的成本由于次最优控制轨 迹74而将增大的风险。如图7所示，稳定过程90可以通过计算可行解或控制轨迹(过程框 92)而开始。关于图6,可行解是不可行解向可行区域64中的投影。
[0044] 为了稳定控制系统10,可以将在过程框92 (S卩，第一稳定控制轨迹)中确定的可行 解与在过程框94中确定的前一解(S卩，第二稳定控制轨迹)相比较。更具体地，该前一解被更 新，其可以包括移位和填充到下一个控制时间(过程框96)。作为示例，图8A描绘了具有在 时间i确定的六的控制水平线（即，六个时间步）的控制轨迹98。如上所述，控制轨迹98表 示被操纵的变量的设定，比如阀开启的百分比。相应地，基于控制轨迹98,控制系统10将采 取第一动作1〇〇用于时间i与时间i+Ι之间的控制。在时间i+Ι处，执行了第一动作1〇〇。 因此，如图8B所示，剩余控制轨迹98 (S卩，时间i+Ι与时间i+6之间的轨迹）被时移以形成 前一解102。另外，因为用于经时移的控制轨迹的控制水平线是五（S卩，五个时间步)，所以前 一解102被填充有额外的控制系统动作104。在一些实施例中，这可以包括重复最后一个控 制系统动作106。此外，图8B描绘了比如由过程框88新计算出的用虚线表示的解108。相 应地，可以将前一解102与新计算出的解108相比较。
[0045] 返回到图7,在将前一解102和新计算出的解108调整到同一控制水平线之后，要 比较的一个特性可以是每个的成本。相应地，基于目标（即，成本）函数，用于新计算出的解 108的成本(过程框110)和前一解92的成本可以被计算(过程框112)。接着，将新解110 的成本与前一解102的成本相比较(过程框114)。最后，可以选择具有最低成本的解(S卩，控 制轨迹）（过程框116)。
[0046] 返回到图6,可以利用在过程框88中确定的投影解或者在过程框90中确定的稳定 解来初始化可行搜索方法(过程框118)。利用来自不可行搜索86的结果初始化可行搜索 88可以增强可行搜索88的效率。例如，这可以包括利用较好的初始点、初始有效集（S卩，约 束的集合）和/或矩阵因式分解来初始化可行搜索88。此外，如将要在"详细示例"部分更 详细描述的，搜索（即88和86)可以被实施为使用同一矩阵因式分解，这导致二者之间的无 缝过渡。最后，基于由可行搜索88确定的控制轨迹，可以将被操纵的变量20输入到设施/ 过程12中以受控制(过程框120)。
[0047] 图9和图10描绘了利用了基于按顺序的确定性的优化的过程控制78的0BC22的 不同实施例。此外，如所描绘的，两个实施例均利用对偶有效集求解器方法122作为不可行 搜索方法并且利用原始有效集求解器方法124作为可行搜索方法。由于对于每个求解器方 法（8卩，122和124)可以存在多个实施，可在"详细示例"部分找到不同的实施配对（S卩，对偶 有效搜索122的实施与原始有效集求解器124的实施配对)。
[0048] 如图6所述，过程78开始于初始处理84。在图9中描绘的实施例中，初始处理84 可以包括初始化对偶有效集求解器(过程框126 )。如所描绘的，初始化对偶有效集求解器可 以可选地利用热启动128。具体地，热启动128可以基于前一解132猜测最优有效集（即， 约束的集合)130。相应地，当动态优化问题在随后的控制时间中相似时，热启动可能是有用 的。如果不利用热启动，则初始有效集是空的。基于初始有效集，可以确定对偶可行点和有 效集134。如果使用热启动128,则可以去除所猜测的最优有效集130中的与具有错误(即， 负的）符号的对偶变量(拉格朗日乘子）对应的约束，直到所有的对偶变量具有正确的（即， 非负的）符号为止。可以在"详细示例"部分看到对偶变量的进一步描述。可替选地，如果 不使用热启动128,对偶可行点可以是优化问题的不受约束的解。
[0049] 接着，如图6所述，对偶可行点和有效集134被用来初始化对偶有效求解器方法 124,并且如果对偶有效集求解器方法124在其被分配的时间中找到最优解，则过程78终 止。如果被分配的时间已期满，则投影处理88将不可行解投影到可行区域64中。在所描 绘的实施例中，投影处理产生原始可行点和有效集136。
[0050] 原始有效集求解器方法124然后可以通过多种方式来初始化。例如，原始有效集 求解器方法124可以使用投影处理136的结果，通过添加在投影操作136之后变得有效的 所选约束来调整投影处理136的结果，或者通过添加在投影操作136之后变得有效的所选 约束或者通过添加人工约束以满足受约束的子问题来调整投影处理136的结果。最后，原 始有效集求解器方法124可以使用剩余的时间来搜索最优解(S卩，控制轨迹)。
[0051] 除了包括在图9中的功能以外，图10进一步包括稳定过程90,稳定过程90对于具 有简单边界约束的优化问题可能是有用的。具体地，对于该类型的良好构造的约束，可以例 如通过裁剪操作高效地计算投影操作。
[0052] 此外，如上所述，0BC22可以运行于多个部件（S卩，38和40)上，这使多个过程能够 异步地运行。相应地，如图11中所示，0BC22可以并行地利用多个优化搜索，这如应当理解 的那样可以增大找到最优解（即，控制轨迹）的可能性。具体地，图11描绘了包括基于按顺 序的确定性的优化的控制（0BC)过程78的基于并行的确定性的优化的控制（0BC)过程138。 如所描绘的，基于按顺序的确定性的优化的控制（0BC)过程78与另一个优化搜索（S卩，求解 器）140并行，其可以是任何优化求解器方法(S卩，算法)。使过程78与被分配较长的最大执 行时间的另一个不可行搜索86并行可能是有用的，如上所述，过程78将返回可行解。可替 选地，过程78可以与另一个可行搜索88并行，使得可行搜索可以担当过程78的备份同时 额外地搜索最优解（即，控制轨迹)。
[0053] 在过程78和优化搜索已终止之后，可以比较结果。例如，如所描绘的，可以基于 目标（即，成本）函数计算过程78的成本(过程框142)和并行优化搜索140的成本(过程框 144)。可以比较这些成本(过程框146)并且可以选择较低的成本(过程框148)。最后，基于 所选择的控制轨迹，可以控制输入到设施/过程12中的被操纵的变量20 (过程框120)。
[0054] 另外，应当理解，优化搜索（S卩，78和140)可以同步地或异步地运行。例如，可以基 本上同时地调用过程78和并行优化搜索140。可替选地，一个（S卩，78或140)可以被调用 并被允许在处理部件(例如，38或40)上运行，而控制系统10继续进行其普通功能发挥，这 为搜索方法（即，78或140)提供了较长的搜索时间。然后，可以随后调用另一个（S卩，78或 140)。
[0055] 详细示例
[0056] 下面是帮助说明这里所教导的技术的详细示例。首先，如上所述，可以通过简化动 态优化计算来提高0BC22的效率。在一些实施例中，这可以包括对模型28进行简化。一般 地，模型28可以被表达为标准的公式。
【权利要求】
1. 一种控制方法，包括： 在预定采样时段的第一部分期间执行不可行搜索算法以搜索受控过程的多个变量的 可行控制轨迹； 如果所述不可行搜索算法没有确定可行控制轨迹，则在所述预定采样时段的第二部分 期间执行可行搜索算法以确定所述可行控制轨迹；以及 通过应用所述可行控制轨迹来控制所述受控过程。
2. 根据权利要求1所述的方法，其中，所述不可行搜索算法求解基于优化的控制算法 的受约束的二次规划问题。
3. 根据权利要求2所述的方法，其中，所述不可行搜索算法包括用于受约束的二次规 划问题的对偶有效集求解器算法。
4. 根据权利要求1所述的方法，其中，所述可行搜索算法求解基于优化的控制算法的 受约束的二次规划问题。
5. 根据权利要求4所述的方法，其中，所述可行搜索算法包括原始有效集求解器算法。
6. 根据权利要求1所述的方法，其中，所述可行搜索算法基于所述不可行搜索算法的 当前控制轨迹、在所述预定采样时段的所述第一部分的末尾处开始搜索所述可行控制轨 迹。
7. 根据权利要求1所述的方法，包括使所述不可行搜索算法的当前控制轨迹在所述预 定采样时段的所述第一部分的末尾处可行且稳定，并且其中，所述可行搜索算法基于可行 且稳定了的所述当前控制轨迹来开始搜索所述可行控制轨迹。
8. 根据权利要求7所述的方法，其中，在所述采样时段的所述第一部分的末尾处稳定 所述不可行搜索算法的所述当前控制轨迹包括将用于至少一个变量的值移动到可行区域。
9. 根据权利要求1所述的方法，包括在所述受控过程的实时控制期间循环地重复上述 步骤。
10. -种控制方法，包括： 在预定采样时段的第一部分期间执行不可行搜索算法以搜索受控过程的多个变量的 可行控制轨迹； 如果在所述采样时段的所述第一部分期间所述不可行搜索算法没有确定可行控制轨 迹，则使所述不可行搜索算法的当前控制轨迹在所述采样时段的所述第一部分的末尾处可 行且稳定； 在所述采样时段的第二部分期间执行可行搜索算法以基于稳定了的所述当前控制轨 迹来确定所述可行控制轨迹；以及 通过应用所述可行控制轨迹来控制所述受控过程。
11. 根据权利要求10所述的方法，其中，使所述不可行搜索算法的所述当前控制轨迹 在所述采样时段的所述第一部分的末尾处可行且稳定包括将用于至少一个变量的值移动 到可行区域。
12. 根据权利要求10所述的方法，其中，所述不可行搜索算法求解基于优化的控制算 法的受约束的二次规划问题。
13. 根据权利要求12所述的方法，其中，所述不可行搜索算法包括用于二次规划问题 的对偶有效集求解器算法。
14. 根据权利要求10所述的方法，其中，所述可行搜索算法求解基于优化的控制算法 的受约束的二次规划问题。
15. 根据权利要求14所述的方法，其中，所述可行搜索算法包括原始有效集求解器算 法。
16. 根据权利要求10所述的方法，包括在所述受控过程的实时控制期间循环地重复上 述步骤。
17. -种控制系统，包括： 存储器电路和处理电路，所述存储器电路用于存储可执行代码，所述处理电路用于执 行所述代码，所述代码定义了多个步骤，所述步骤当被执行时： 在预定采样时段的第一部分期间执行不可行搜索算法以搜索受控过程的多个变量的 可行控制轨迹； 如果在所述采样时段的所述第一部分期间所述不可行搜索算法没有确定可行控制轨 迹，则在所述采样时段的第二部分期间执行可行搜索算法以确定所述可行控制轨迹；以及 通过应用所述可行控制轨迹来控制所述受控过程。
18. 根据权利要求17所述的系统，其中，所述处理电路包括多核心处理器，并且其中， 所述多核心处理器中的一个核心专用于确定所述可行控制轨迹并且所述多核心处理器中 的另一个核心执行其它处理功能。
19. 根据权利要求17所述的系统，其中，所述处理电路包括多核心处理器，并且其中， 所述多核心处理器中的一个核心专用于运行所述不可行搜索算法，而单独的核心专用于用 于最优控制轨迹的所述可行搜索算法，并且所述多核心处理器中的其它核心执行其它处理 功能。
20. 根据权利要求17所述的系统，其中，所述处理电路包括模块化的基于优化的控制 部件，所述模块化的基于优化的控制部件被配置成经由背板与所述控制系统的其它部件通 ?目。
【文档编号】G05B13/00GK104049532SQ201410098819
【公开日】2014年9月17日 申请日期:2014年3月17日 优先权日:2013年3月15日
【发明者】扬·科林斯基, 伊日·汉日利克, 彼得·霍拉切克, 比詹·萨亚尔罗德萨里 申请人:洛克威尔自动控制技术股份有限公司