中文题目：基于快速智能优化和UniSim/EPKS环境的控制回路SP动态优化

论文题目：Dynamic optimization for SP of control loops based on both rapid intelligent optimization and UniSim/EPKS environments

录用期刊/会议：2024 IEEE 13th Data Driven Control and Learning Systems Conference（CAA-A类）

录用/见刊时间： 2024.03.25

作者列表：

1）张合辉 中国石油大学（北京）人工智能学院 控制科学与工程专业 硕22级

2）王   珠 中国石油大学（北京）人工智能学院 自动化系教师

3）王少贤 中国石油大学（北京）人工智能学院 控制工程专业 硕21级

摘要:

为了解决先进控制中的模型失配问题，本文提出了一种基于预测模型在线重构的动态轨迹快速智能优化方法。首先通过可靠辨识建立系统模型，然后利用系统模型的闭环阶跃响应更新预测模型，同时自适应更新约束条件。为了快速求解优化目标，本文采用改进的GA-PSO算法计算控制回路的SP轨迹。最终实现了预测模型的自适应更新和控制回路SP的动态优化，从而保证了先进控制方案的长期有效性。

背景与动机:

在工业过程的长期运行中，诸如操作条件的变化和外部环境的变化等因素可能导致先进控制中预测模型与实际系统之间存在差异。当实际系统发生变化而模型没有及时更新时，模型失配就会经常发生。对于依靠模型的控制方法，及时更新模型是非常重要的。针对这个问题，本文提出了一种基于预测模型在线重构的回路动态参考轨迹优化方案。

设计与实现:

首先，通过采用高阶线性时变模型作为辨识模型，并利用可靠的递归辨识算法来跟踪的时变参数。

当控制回路的工况发生变化时，及时对新的系统模型进行数字测试，获得新的预测模型：

然后根据新的预测模型进行反馈矫正、滚动优化求解性能指标不断求解下一时刻的SP值，从而实现了控制回路SP的动态优化。

主要内容:

1.预测模型在线重构

本文通过构建系统模型，进行闭环模拟阶跃响应测试，得到阶跃响应序列。这就可以实现在线更新动态矩阵，进而实现预测模型的在线更新。在实际现场期望值位于不同的区间时，即工艺负荷处于不同范围时，每秒的SP增量有不同的要求。为了保证先控方案的长期有效性，在优化过程中SP轨迹增量限值需要根据工况进行更新。同时参考轨迹的约束限也需要根据当前实际输出和期望值的变化实时更新。

2.性能指标的高效求解

为了实现SP的快速智能优化，本文采用改进的GA-PSO算法求解性能指标。此外，本文还在粒子群初始化时引入“精英种群”，加快搜索速度。利用GA算法将精英粒子与普通粒子进行交叉，加快粒子向最优解方向搜索。利用GA算法的变异步骤，保证粒子种群的多样性。这样可以扩大粒子群的搜索范围，还可以跳出局部最优解。算法的流程图如图1所示。

图1 GA-PSO算法流程图

实验结果及分析:

本文的实验验证采用了Honeywell 的UniSim Design模拟平台与EPKS DCS控制系统相结合的方式。UniSim Design模拟平台搭建了500万吨/年常减压装置，使仿真接近实际现场的操作条件。整体优化过程如图2所示。

图2 在线优化流程图

通过上述设计方案，本文对工业DCS控制系统中常减压装置的一条流量回路和一条压力回路进行了仿真。仿真结果如图3所示。仿真结果验证了在线重构预测模型的有效性以及设计方案的可行性。

图3 输出曲线与优化SP参考曲线

结论:

工业过程控制中工况改变会导致MPM，使以模型为基础的控制方法的控制效果变差。针对模型失配问题，本文提出了一种基于预测模型在线重构的动态参考轨迹优化方法。使用可靠的递推辨识实时跟随系统的变化。然后定期通过数字测试自适应更新预测模型。实时辨识和自适应技术确保了先进控制对不同工况的自适应。本文采用改进的GA-PSO算法高效求解性能指标，实现了SP高效动态优化。最后实验结果验证了在线重构预测模型的有效性和动态参考轨迹优化的可行性。

通讯作者简介:

王珠，男，博士，中共党员，现任中国石油大学（北京）副教授、硕士生导师。2016年至今在中国石油大学（北京）自动化系工作，现任北京人工智能学会理事、中国化工学会信息技术应用专业委员会青年委员。

长期从事系统辨识与智能控制；炼化过程异常诊断与故障预警；大数据工艺优化与质量预测；基于深度学习的时间序列预测等方面研究工作，以第一作者或通讯作者身份发表高水平学术期刊论文20余篇。主持国家自然科学基金项目及多个重点流程工业企业的横向项目。