| 题名 | 网络化分布式模型预测控制及其应用研究 |
| 作者 | 李连兄 |
| 答辩日期 | 2019 |
| 导师 | 安爱民 |
| 关键词 | 反应-储存-分离过程 分布式模型预测控制 网络化 多速率采样 经济模型预测控制 |
| 学位名称 | 硕士 |
| 英文摘要 | 工业过程的大型化和流程化能有效节约生产成本。传统的控制方法因无法解决非线性、耦合以及约束等问题难以满足大型工业过程(Large Scale Industrial Process,LSIP)的需求,选择合适的先进控制策略是实现LSIP优化操作和安全运行的关键所在。以网络化分布式控制为LSIP的优化操作带来了契机,但是,对LSIP进行控制时,因子系统数量增加带来的高维性,子系统动态行为的耦合以及网络导致的时滞、丢包等给工业过程的控制带来了挑战。网络控制技术结合子系统协同优化的分布式预测控制能够有效的改善控制LSIP的灵活性,实现优化系统性能、降低成本的目的。本文通过了解分布式模型预测控制策略及发展过程,研究LSIP的网络化分布式模型预测控制(Networked Distributed Model Predictive Control,NDMPC)及其在反应-储存-分离(Reactor-Storage tank-Separator,RSS)过程的应用,主要展开如下工作:1)介绍NDMPC的研究过程,阐述在工业过程中的前景。对RSS过程进行描述,并且分析不同输入值对输出量的影响。2)RSS过程NDMPC策略的研究。考虑不同子系统控制性能会受到相邻子系统动态行为的影响,网络化分布式模型预测控制(Networked Distributed Model Predictive Control,NDMPC)可通过通讯网络在传感器、控制器以及执行器之间进行状态信息的有效交换,以达到提高控制过程中的灵活性和有效性,减少误差的目的。仿真结果表明,在考虑相邻子系统动态行为的影响时,采用NDMPC能使RSS过程的输出更加接近参考值,并且系统响应的快速性得到明显提高。3)RSS过程多采样率下的网络化DMPC策略研究。网络控制结构中,合理的选择系统的采样时间,能够提高网络利用率。在RSS过程中,针对不同子系统,利用相关函数确定各自不同的采样时间,更加准确的捕获系统行为,以改善被控对象的控制性能。实验表明,多采样率下的网络化DMPC,使系统的稳态性能和动态性能得到改善。4)考虑到生产过程中经济性能的时变性,以经济指标取代传统的目标函数,研究RSS的网络化分布式经济模型预测控制(Economic Model Predictive Control,EMPC),基于子系统模型设计子系统经济模型预测控制器,同时考虑信息传输过程中会出现数据的丢失现象。在经济模型预测控制下,既要保证关键生产变量价格因素变化下的经济效益最大化,又要确保良好的动态调节性能。 |
| 语种 | 中文 |
| 页码 | 76 |
| URL标识 | 查看原文 |
| 内容类型 | 学位论文 |
| 源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/95174]  |
| 专题 | 兰州理工大学 |
| 作者单位 | 兰州理工大学 |
| 推荐引用方式 GB/T 7714 | 李连兄. 网络化分布式模型预测控制及其应用研究[D]. 2019. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论