本申请涉及模型预测控制领域，更具体地说，涉及一种针对模型失配的稳态目标鲁棒优化方法和装置。
背景技术：
：模型预测控制器作为先进控制的典型实现，在炼油、化工、造纸等行业得到广泛应用，给企业带来了可观的经济效益和社会效益。当前主流的模型预测控制器采用稳态优化层与动态控制层相结合的双层结构解决方案。参见见图1示出了一种模型预测控制器的结构示意图。控制器模型采用线性模型，如传递函数模型、状态空间模型以及阶跃响应模型。其中，稳态优化层根据控制器模型稳态增益和当前的开环稳态值，优化出满足当前约束条件的最优稳态目标，作为下层动态控制层的控制目标，动态控制层根据控制目标和开环预测，优化出满足当前控制约束的控制量，最后通过分布式控制系统作用到控制对象。当前的模型预测控制器在寻优最优稳态目标时，将控制器模型稳态增益当作当前过程对象真实增益来优化求解，没有考虑到对象模型与控制器模型存在失配的情况，因而会导致优化目标的波动，降低了模型预测控制器的稳定性和鲁棒性。技术实现要素：有鉴于此，本申请提供一种针对模型失配的稳态目标鲁棒优化方法和装置，以提高模型预测控制器的稳定性和鲁棒性。为了实现上述目的，现提出的方案如下：一种针对模型失配的稳态目标鲁棒优化方法，包括：建立用来描述被控变量的预测误差、控制变量增量以及失配增益之间关系的传递函数失配模型；利用预设辨识算法对所述传递函数失配模型中的失配增益进行辨识，确定失配增益估计值；将所述失配增益估计值作为满足标准正态分布的独立随机变量，确定失配增益的范围集合，其中所述范围集合为凸集；根据控制器模型的稳态增益以及所述失配增益的范围集合，确定所述控制器模型的总增益范围集合；基于所述总增益的范围集合，利用预设寻优算法确定控制器的最优稳态目标。优选的，所述传递函数失配模型的表达式为：i＝1,...,Mj＝1,...,N其中，Ei为当前被控变量的预测误差，Δuj控制变量增量，Δgij为控制变量增量Δuj对被控变量增量Δyi的失配增益，A(s)传递函数分母，M为被控变量的输出个数，N为控制变量的输入个数。优选的，所述利用预设辨识算法对所述传递函数失配模型中的失配增益进行辨识，包括：采用递推阻尼最小二乘法对所述传递函数失配模型中的失配增益进行辨识。优选的，所述采用递推阻尼最小二乘法对所述传递函数失配模型中的失配增益进行辨识之前，还包括：获取所述被控变量预测误差和所述控制变量增量；对所述被控变量预测误差和所述控制变量增量进行滤波处理。优选的，所述采用递推阻尼最小二乘法对所述传递函数失配模型中的失配增益进行辨识，确定失配增益估计值之后，还包括：对辨识出来的所述失配增益估计值进行上下限保护。优选的，所述将所述失配增益估计值作为满足标准正态分布的独立随机变量，确定所述失配增益的范围集合，包括：将所述失配增益作为满足标准正态分布的独立随机变量，确定所述失配增益的椭圆范围集合。优选的，所述利用预设寻优算法确定控制器的最优稳态目标，包括：基于二阶锥约束条件，对稳态目标进行寻优，确定所述最优稳态目标。优选的，所述将所述失配增益估计值作为满足标准正态分布的独立随机变量，确定所述失配增益的范围集合，包括：将将所述失配增益作为独立随机变量，确定所述失配增益的方形范围集合。优选的，所述对所述被控变量的预测误差和所述控制变量增量进行滤波处理，包括：采用一阶惯性滤波法对所述被控变量的预测误差和所述控制变量增量进行滤波处理。一种针对模型失配的稳态目标鲁棒优化装置，包括：失配模型建立单元，用于建立用来描述被控变量的预测误差、控制变量增量以及失配增益之间关系的传递函数失配模型；失配增益辨识单元，用于利用预设辨识算法对所述传递函数失配模型中的失配增益进行辨识，确定失配增益估计值；第一范围集合确定单元，用于将所述失配增益估计值作为满足标准正态分布的独立随机变量，确定所述失配增益的范围集合，其中所述范围集合为凸集；第二范围集合确定单元，用于根据控制器模型的稳态增益以及所述失配增益的范围集合，确定所述控制器模型的总增益范围集合；寻优单元，用于基于所述总增益的范围集合，利用预设寻优算法确定控制器的最优稳态目标。经由上述技术方案可知，本申请公开了一种针对模型失配的稳态目标鲁棒优化方法和装置。该方法首先建立用来描述被控变量的预测误差、控制变量增量以及失配增益之间关系的传递函数失配模型，进而对失配模型中的失配增益进行辨识，以确定失配增益的范围集合。继而，根据失配增益的范围集合和控制模型的稳态增益，确定控制模型总增益的范围集合，从而基于总增益的范围集合，利用预设寻优算法确定控制器的最优稳态目标。与现有技术相比，本发明在对最优稳态目标寻优时考虑到对象模型与控制器模型存在失配的情况，因而提高模型预测控制器的稳定性和鲁棒性。附图说明为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1示出了一种模型预测控制器的结构示意图；图2示出了本发明一个实施例公开一种针对模型失配的稳态目标鲁棒优化方法的流程示意图；图3示出了本发明公开的一种失配增益辨识方法的流程示意图；图4示出了本发明另一个实施例公开的失配增益的辨识装置的结构示意图。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。模型预测控制器的稳态优化层为一个N个输入M个输出的多输入多输出的结构层次，其稳态方程为：其中，Δus∈RM为控制变量稳态增量，Δys∈RM为被控量稳态增量。gij代表第j个控制量对第i个被控制量的稳态增益，G∈RM×N为稳态增益矩阵。目前通常对该稳态方程进行LP(LinearProgramming，线性规划)优化，其优化方程为：s.t.ΔuLj≤Δusj≤ΔuHj(1)ΔyLi-εLi≤Δysi≤ΔyHi+εHi(2)εLi,εHi,≥0Δysi＝GiΔusGi＝[gi1,...,giN]Δus＝[Δus1,...,ΔusN]Tj＝1,...,Mi＝1,...,N其中，其中，c∈RN为每个控制量Δusj单位优化成本，wH∈RM、wL∈RM为松弛变量εH∈RM、εL∈RM的惩罚权值，约束条件(1)是当前控制变量uj的稳态增量约束，约束条件(2)是当前被控变量yi的稳态增量约束。这样，通过调用LP优化求解器来优化求解在当前约束条件下Δus和Δys的稳态值，即最优目标稳态值。通过上述优化问题可以看出，在关于Δysi约束条件中用控制器模型稳态增益作为当前过程对象真实增益来优化求解稳态目标增量Δus和Δys，没有考虑模型增益失配问题，其控制器的稳定性和鲁棒性较低。为此，本发明公开了种针对模型失配的稳态目标鲁棒优化方法和装置，以提高控制器的稳定性和鲁棒性。本发明参见图2示出了本发明一个实施例公开一种针对模型失配的稳态目标鲁棒优化方法的流程示意图。由图2可知，该方法包括：S1：建立用来描述被控变量的预测误差、控制变量增量以及失配增益之间关系的传递函数失配模型。设定被控变量之间相互独立，被控变量yi的多输入单输出传递函数失配模型为：i＝1,...,Mj＝1,...,N其中，Ei为当前被控变量的预测误差，Δuj控制变量增量，Δgij为控制变量增量Δuj对被控变量增量Δyi的失配增益，A(s)传递函数分母，M为被控变量的输出个数，N为控制变量的输入个数。所述A(s)＝s2+a1s+a2，其中，a1和a2为待定系数，和失配增益Δgij一起参加辨识估计；s为传递函数的表示符号。S2：利用预设辨识算法对所述传递函数失配模型中的失配增益进行辨识，确定失配增益估计值。需要说明的是在本发明中可采用多种辨识算法对传递函数失配模型中的失配增益进行辨识。S3：将所述失配增益估计值作为满足标准值正态分布的独立随机变量，确定失配增益的范围集合，其中所述范围集合为凸集。由于工程现场的噪声、不可测扰动以及过程对象的时变性这些影响，根据上述辨识算法估计出来的失配增益是当前的真实失配增益近似估计，其置信概率为α∈(0.5,1)。从概率统计的角度，我们可以把估计出来的失配增益Δgij看做是满足标准正态分布的独立随机变量，该随机变量在一个范围集合内变化，如椭圆范围集合或方形范围集合。在本实施例中我们将椭圆范围集合作为描述失配增益的范围集合。其中，失配增益Δgij的椭圆范围集合描述为：Δgij∈Θ＝{Ωδijξ,||ξ||2≤1}Ω＝Φ-1(α)其中，δij是Δgij的标准方差，Φ(x)是标准正态分布函数的累加分布函数，Φ-1(x)是该累加分布函数的逆函数，α∈(0.5,1)为Δgij的置信概率。Ω和该椭圆半径有关，R＝Ωδij共同决定了该椭圆的半径范围，随机变量ξ∈[-1,1]，置信概率α∈(0.5,1)保证了该椭圆集合是个凸集合。S4：根据控制器模型的稳态增益以及所述失配增益的范围集合，确定所述控制器模型的总增益范围集合。需要说明的是，总增益等于控制器模型的稳态增益与失配增益的和。S5：基于所述总增益的范围集合，利用预设寻优算法确定控制器的最优稳态目标。可选的，在本实施例中基于二阶锥约束条件，对稳态目标进行寻优，确定所述最优稳态目标。具体过程如下：考虑单变量线性约束：ax≤b假定b是有界的定值，a具有不确定性，可以用正态分布的随机变量来描述，其均值为方差为δ2，所在的椭圆范围集合为：Ω＝Φ-1(α)其中，α∈(0.5,1)是要保证该约束是个凸集，对应的优化问题为凸优化。对上述的约束条件，由于a具有不确定性，要求约束条件要满足a在其椭圆不确定集合中的所有可能取值。这种约束条件等价于在该椭圆区域内最大化以下二次约束条件：从而，将线性约束问题转化为二阶锥约束条件问题。因而，控制器模型的总增益椭圆范围集合可描述为：这里gij是控制器模型稳态增益，是总增益的名义值。这个不确定集合可以解释为总增益以概率α存在以稳态增益gij为圆心，以Ωδij为半径的椭圆区域内。由于控制器模型的稳态优化层是一个M个输出N个输入的过程对象，我们假定被控变量以及预测误差之间相互独立，失配模型增益Δgij之间服从正态分布并且相互独立。经过这样简化，对于一个多输入多输出过程对象，考虑失配增益的稳态关系为：Δysi＝GiΔus+Ω||diΔus||2其中di可以用对角矩阵来表示：这样一个多输入多输出的过程对象的LP优化问题转换为鲁棒LP优化问题：s.t.ΔuLj≤Δusj≤ΔuHj(1)ΔyLi-εLi≤Δysi≤ΔyHi+εHi(2)Δysi＝GiΔus+Ω||diΔus||2(3)s.t.ΔuLj≤Δusj≤ΔuHj(1)ΔyLi-εLi≤Δysi≤ΔyHi+εHi(2)εLi,εHi,≥0其中,Δysi＝GiΔus+Ω||diΔus||2j＝1,...,Mi＝1,...,N该鲁棒LP优化问题是一种二阶锥规划(second-orderconeprogram，SOCP)问题，可以用SOCP相关求解器来优化求解。由以上实施例可知，本专利针对模型失配导致的控制不稳定问题，对模型预测控制器进行了改进，提高控制稳定性和鲁棒性。在稳态优化层，传递函数失配模型来估计失配增益。从概率统计的角度，将估计出来的失配增益作为满足一定置信度的标准正态分布的独立随机变量，其不确定性范围用椭圆不确定性集来描述。将这种随机变量有界的线性空间凸约束问题转化为二阶锥约束，从而将原来线性规划(LP)优化问题转变为二阶锥规划(SOCP)优化问题，形成鲁棒LP优化，最后优化求解出稳态目标的鲁棒解。这样，在控制器的稳态优化层由于考虑到了模型失配，增加了控制器鲁棒性和稳定性。参见图3示出了本发明公开的一种失配增益辨识方法的流程示意图。由图3可知，该方法包括：该方法具体包括：S31：获取所述被控变量预测误差和所述控制变量增量。S32：对所述被控变量预测误差和所述控制变量增量进行滤波处理。可选的，为了减弱噪声影响和平滑辨识数据，采用一阶惯性滤波对当前时刻预测误差ei(k)和Δuj(k)进行滤波。eif(k)＝(1-α)eif(k-1)+αei(k)Δujf(k)＝(1-α)Δujf(k-1)+αΔuj(k)其中。k表示当前的离散时间点。k-1表示前一个时间点。k＝0,1,2,...，α∈(0,0.5)为滤波器系数。在工程应用现场，由于不可测扰动的影响，在模型预测误差中不可避免含有不可测扰动成分，为此需要在预测误差中削弱这种影响。利用求均值和方差的递推公式，先计算预测误差的均值和方差，假定预测误差满足高斯分布条件，将当前预测误差值限制在上次均值的一倍平方差内。其中M为求均值Ee(k)和方差所用到的滑动窗口数据长度，取值范围为5到20。S33：采用递推阻尼最小二乘法对所述传递函数失配模型中的失配增益进行辨识。为了保证辨识结果的鲁棒性，满足工程在线辨识需求，采用带遗忘因子的阻尼最小二乘法来辨识当前模型失配增益，该辨识算法在持续激励下，辨识结果是收敛于零均值、方差有界的随机变量。该辨识算法在k时刻递推公式为：P′0(k-1)＝P(k-1)其中，辨识数据向量辨识参数向量θ(k)＝[a1,a2,Δgi1,...,ΔgiN]。0.9＜β≤1为遗忘因子，其值越小，遗忘速度越快。μ≥0.5为阻尼因子，调整其值可以控制θ的变化率。ri是r1的后继向量，r1＝[1,0,…,0]T。μ'＝(1-β)μ/β,P(0)＝IL×L的单位矩阵。L＝2+N为辨识参数的长度。在该辨识方法中，P(k)是估计参数的协方差矩阵，它的初始值是给定的较大数值(如1000)的对角矩阵。在每次迭代计算中，利用上一次的P(k-1)的值和当前数据向量来计算当前时刻的P(k)。求出该值后，计算辨识参数θ(k)，而失配增益就包含在辨识参数中。S34：对辨识出来的所述失配增益估计值进行上下限保护。在工程应用中，工程人员根据过程对象工艺要求，会估计出控制量和被控量之间的增益范围。根据控制器模型增益和其上下限范围，能够计算出失配增益的上下限和利用该上下限对失配增益进行限幅，使其满足要求。其中，当失配增益估计值如果大于上限则取上限值，如果小于下限则取下限值。参见图4示出了本发明另一个实施例公开的失配增益的辨识装置的结构示意图。由图4可知，该装置包括：失配模型建立单元41、失配增益辨识单元42、第一范围集合确定单元43、第二范围集合确定单元44以及寻优单元45。其中，所述失配模型建立单元，用于建立用来描述被控变量的预测误差、控制变量增量以及失配增益之间关系的传递函数失配模型所述失配增益辨识单元，用于利用预设辨识算法对所述传递函数失配模型中的失配增益进行辨识，确定失配增益估计值。所述第一范围集合确定单元，用于将所述失配增益估计值作为满足标准正态分布的独立随机变量，确定所述失配增益的范围集合，其中所述范围集合为凸集。所述第二范围集合确定单元，用于根据控制器模型的稳态增益以及所述失配增益的范围集合，确定所述控制器模型的总增益范围集合。所述寻优单元，用于基于所述总增益的范围集合，利用预设寻优算法确定控制器的最优稳态目标。需要说明的是，该装置实施例与上述方法实施例相适应，各个单元的执行方式与方法实施例中的具体执行流程相同，在此不作赘述。最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。当前第1页1 2 3