控制理論與控制工程專題-軟測(cè)量與推斷控制課件

1、控制理論與控制工程專題 軟測(cè)量與推斷控制（包括課程導(dǎo)論） 模型預(yù)測(cè)控制 過程監(jiān)控與故障檢測(cè) 數(shù)據(jù)通訊與系統(tǒng)集成上課時(shí)間與考核方法 上課時(shí)間（1-10周）軟測(cè)量與推斷控制（含課程導(dǎo)論）過程監(jiān)控與故障檢測(cè)模型預(yù)測(cè)控制數(shù)據(jù)通訊與系統(tǒng)集成 考核方法： 四個(gè)單元分別考核，各占 25% 方式多樣周一3，4節(jié) 厚306周五3，4節(jié) A504課程導(dǎo)論關(guān)于控制理論 概況控制論-Wiener,1948Cybernetics工程控制論-錢學(xué)森，1954Engineering CyberneticsControl Theory控制理論是應(yīng)用數(shù)學(xué)的一個(gè)分支 基礎(chǔ)內(nèi)容線性系統(tǒng)理論系統(tǒng)辨識(shí)與參數(shù)估計(jì)其它各種建模技術(shù)最優(yōu)化與

2、最優(yōu)控制隨機(jī)過程與隨機(jī)控制 前沿內(nèi)容非線性控制魯棒控制自適應(yīng)控制多?；蚯袚Q控制信息融合與數(shù)據(jù)挖掘 不作為本課重點(diǎn)時(shí)間原因數(shù)學(xué)基礎(chǔ)學(xué)科定位學(xué)習(xí)興趣具體內(nèi)容，部分涉及課程導(dǎo)論關(guān)于控制工程 學(xué)科設(shè)置本科 自動(dòng)化 研究生控制科學(xué)與工程控制科學(xué)與控制工程檢測(cè)技術(shù)與自動(dòng)化裝置系統(tǒng)工程模式識(shí)別與智能系統(tǒng)飛行器導(dǎo)航、制導(dǎo)與控制學(xué)術(shù)型碩士全日制專業(yè)學(xué)位碩士控制工程軟測(cè)量技術(shù) 1 軟測(cè)量概述 2 軟測(cè)量建模方法 3 工程化設(shè)計(jì)步驟及實(shí)施 4 軟測(cè)量模型的校正及維護(hù) 5 軟測(cè)量的實(shí)際應(yīng)用問題軟測(cè)量技術(shù) Soft Sensing Technique 催化裂化 Fluid Catalytic Cracking FCC粗

3、汽油干點(diǎn)、輕柴油凝點(diǎn)、催化劑循環(huán)量、燒焦比、劑油比、產(chǎn)率分布、裂化反應(yīng)熱“One can control only what is measured!”工業(yè)色譜間接測(cè)量Soft Sensor TechniqueSecondary Variable Primary VariableInferential ControlT.J.Mcavoy Automatica IFAC 1992“Contemplative Stance for Chemical Process Control” 1 軟測(cè)量概述 Brosillow估計(jì)器和控制器精餾塔的板效率、反應(yīng)速率和催化劑的活性 過程ud1d2yy = f

4、(, u, d2, t )軟測(cè)量建模方法 模型的工程化實(shí)施 模型的維護(hù) （1）多元線性回歸（MLR） nm（5）（6）（7）XTX 協(xié)方差矩陣 病態(tài) （2）多元逐步回歸（MSR）（3）主元分析和主元回歸（PCA、PCR） X 相關(guān) (XTX)-1 數(shù)據(jù)共線性現(xiàn)象用少數(shù)不相關(guān)的綜合變量反映原來較多的相關(guān)變量所包含的大部分信息（4）部分最小二乘法（PLS） 對(duì)冗余的、高度相關(guān)數(shù)據(jù)進(jìn)行壓縮提取信息（5）簡(jiǎn)單比較 多元線性回歸 模型物理意義明確 計(jì)算簡(jiǎn)單 泛化能力 內(nèi)插 外推 PCR 線性組合 共線性 只考慮了輸入 PLS PCA 單步分解和回歸 含噪音的樣本 計(jì)算速度低 難以理解和解釋 2.2.3人

5、工神經(jīng)網(wǎng)絡(luò) 系統(tǒng)的辨識(shí)與估計(jì)、PID參數(shù)整定、極點(diǎn)配置、優(yōu)化設(shè)計(jì) 內(nèi)?？刂?、預(yù)測(cè)控制、最優(yōu)控制、自適應(yīng)控制、容錯(cuò)控制、模糊控制、專家控制、學(xué)習(xí)控制 濾波與預(yù)測(cè)、數(shù)據(jù)分析、故障診斷 yx1input layerhidden layeroutput layertansiglogsig圖. 2 BP網(wǎng)絡(luò)結(jié)構(gòu)示意11x2x3xm-1xm 改進(jìn)算法 學(xué)習(xí)收斂速度 泛化能力kj(n) （-1，1） （-0.3，0.3）模擬退火算法（SA） 評(píng)價(jià)函數(shù)遺傳算法經(jīng)過訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)能否適應(yīng)未經(jīng)訓(xùn)練的工作樣 本，即網(wǎng)絡(luò)推廣學(xué)習(xí)樣本的能力是否具有一般性 網(wǎng)絡(luò)的結(jié)構(gòu) 過擬合現(xiàn)象 （2）RBF網(wǎng)絡(luò) 基本結(jié)構(gòu)和算法 改進(jìn)

6、算法 徑向基函數(shù) 中心數(shù)和中心向量 泛化能力 阻尼項(xiàng) 二階導(dǎo)數(shù)（9）2.3 軟測(cè)量建模的主要方法 2.3.1 基于工藝機(jī)理分析的軟測(cè)量建模 代數(shù)方程組 微分方程組 混合形式方程組平衡方程（物料平衡方程、能量平衡方程、動(dòng)量平 衡方程、相平衡方程）動(dòng)力學(xué)方程、物性參數(shù)方程、設(shè)備特性方程驗(yàn)前性、預(yù)估性 動(dòng)態(tài)、靜態(tài)、非線性機(jī)理方法和其它經(jīng)驗(yàn)方法結(jié)合應(yīng)用2.3.2 基于回歸分析的軟測(cè)量建模相關(guān)關(guān)系裂解氣壓縮機(jī) 精餾塔板 化合物的蒸氣壓方程系數(shù)傳質(zhì)系數(shù)、塔板效率線性回歸和非線性回歸 2.3.3 基于辨識(shí)和參數(shù)估計(jì)的軟測(cè)量建模 系統(tǒng)辨識(shí) 參數(shù)估計(jì) 結(jié)構(gòu)辨識(shí)和參數(shù)辨識(shí) 基于狀態(tài)估計(jì)的方法 Kalman濾波器

7、kf = x CT w 1 Luenberger觀測(cè)器 Kalman濾波器 自適應(yīng)Kalman濾波器 Kalman濾波器（10）（11） 基于輸入輸出的估計(jì) Brosilow估計(jì)器 Kb = GdFd*，F(xiàn)d*是Fd的偽逆 （12）（13）2.3.4 基于模式識(shí)別的軟測(cè)量建模 模式識(shí)別 Pattern Recognition 辨識(shí)Identification樣本 模式 模式采集 模式空間 特征空間 特征提取 類型空間 定性判斷和定量估計(jì) 分類方法 聚類方法2.3.5 基于人工神經(jīng)網(wǎng)絡(luò)的軟測(cè)量建模 yx1input layerhidden layeroutput layer圖3 ANN方法建模示

8、意x3xm3 工程化設(shè)計(jì)步驟及實(shí)施 3.1 輔助變量的選擇 “寧濫勿缺” 變量的類型、變量的數(shù)目、測(cè)量點(diǎn) 變量類型的選擇 1.靈敏性 2.特異性 3.可用性 4.精確性 5.魯棒性知識(shí)發(fā)現(xiàn)（Knowledge Discovery）知識(shí)挖掘（Knowledge Digging）數(shù)據(jù)挖掘（Data Mining）數(shù)據(jù)融合（Data Fusion） 變量數(shù)目的選擇 Overparameterization 適當(dāng)有一定冗余性 測(cè)量點(diǎn)位置的選擇 分布參數(shù)過程3.2 現(xiàn)場(chǎng)數(shù)據(jù)采集與預(yù)處理 數(shù)據(jù)校正（Data Rectification）隨機(jī)誤差 正態(tài)分布白噪音過失誤差（gross error），顯著誤差數(shù)

9、據(jù)一致性（Data Reconciliation）技術(shù)數(shù)據(jù)協(xié)調(diào)數(shù)據(jù)變換 標(biāo)度變換（Scaling）、數(shù)據(jù)轉(zhuǎn)換、權(quán)函數(shù)設(shè)置 3.3 建立軟測(cè)量模型 建模 檢驗(yàn) 圖4 常用軟測(cè)量模型類型機(jī)理動(dòng)態(tài)穩(wěn)態(tài)線性微分方程、狀態(tài)方程非線性微分方程、狀態(tài)方程線性代數(shù)方程非線性代數(shù)方程經(jīng)驗(yàn)動(dòng)態(tài)穩(wěn)態(tài)線性狀態(tài)方程、回歸方程非線性狀態(tài)方程、回歸方程、ANN、模糊ANN線性回歸方程非線性回歸方程、ANN、模糊ANN混合“機(jī)理”+“經(jīng)驗(yàn)”混合模型如：機(jī)理方程+ANN“線性”+“非線性”混合模型如：線性回歸+ANN3.4 設(shè)計(jì)軟測(cè)量模型的校正模塊 短期校正 長期校正模型結(jié)構(gòu)的優(yōu)化和模型參數(shù)的修正自適應(yīng)法、增量法、多時(shí)標(biāo)法校正

10、樣本數(shù)據(jù)與過程數(shù)據(jù)之間在時(shí)序上的匹配 3.5軟測(cè)量模型的實(shí)施 實(shí)施平臺(tái)和工具：（1）單片機(jī)和匯編語言（2）工業(yè)PC機(jī)和匯編或高級(jí)語言（3）DCS和組態(tài)語言（4）DCS和可編程語言（5）實(shí)時(shí)數(shù)據(jù)庫、關(guān)系數(shù)據(jù)庫、流程模 擬軟件包支持的CIMS應(yīng)用程序4 軟測(cè)量模型的校正及維護(hù) 4.1 在線校正 常數(shù)項(xiàng)修正法 （14）其中：（15）4.2 模型更新 e(k)，0 N m個(gè)| e(k) | ，i =1，2，m 5 軟測(cè)量的實(shí)際應(yīng)用問題 動(dòng)態(tài)模型與穩(wěn)態(tài)模型主導(dǎo)變量數(shù)據(jù)的獲得模型的檢驗(yàn)在線校正配合應(yīng)用背景的特點(diǎn) 大型流程工業(yè)的軟測(cè)量問題連續(xù)操作方式 DCS系統(tǒng) 數(shù)據(jù)量大輔助變量多 采樣周期短 主導(dǎo)變量的采

11、樣周期長常用經(jīng)驗(yàn)方法（數(shù)據(jù)驅(qū)動(dòng)）建?；貧w方法 神經(jīng)網(wǎng)絡(luò) 兩類典型研究背景類型性質(zhì)應(yīng)用要求性能比較用途動(dòng)態(tài)性外推性數(shù)據(jù)驅(qū)動(dòng)模型回歸模型黑箱數(shù)據(jù)量大軟測(cè)量先進(jìn)控制可動(dòng)態(tài)較差A(yù)NN模型黑箱數(shù)據(jù)量大軟測(cè)量先進(jìn)控制可動(dòng)態(tài)較差SVM模型黑箱數(shù)據(jù)量大軟測(cè)量先進(jìn)控制可動(dòng)態(tài)較差機(jī)理模型平臺(tái)Aspen plus建模平臺(tái)功能強(qiáng)大掌握困難仿真研究流程模擬穩(wěn)態(tài)動(dòng)態(tài)較強(qiáng)HYSIS 建模平臺(tái)功能強(qiáng)大掌握困難仿真研究流程模擬穩(wěn)態(tài)動(dòng)態(tài)較強(qiáng)Pro/II建模平臺(tái)功能強(qiáng)大掌握困難仿真研究流程模擬穩(wěn)態(tài)較強(qiáng)TE過程仿真平臺(tái)真實(shí)性高掌握困難仿真研究的背景和對(duì)象動(dòng)態(tài)較強(qiáng)表1 可用于大型流程工業(yè)的模型化技術(shù)（建模平臺(tái)、仿真平臺(tái)）介紹Tenne

12、ssee Eastman Process 生物發(fā)酵過程的軟測(cè)量問題間歇操作方式 控制系統(tǒng)簡(jiǎn)單非線性特性 數(shù)據(jù)量小 輔助變量 內(nèi)部機(jī)理很關(guān)鍵 機(jī)理+經(jīng)驗(yàn)?zāi)Ｐ徒Y(jié)構(gòu)：動(dòng)力學(xué)、代謝網(wǎng)絡(luò)、控制論模型模型參數(shù)： 各種優(yōu)化方法 發(fā)酵時(shí)間 輔助變量兩類典型研究背景模型類型對(duì)數(shù)據(jù)的要求性能比較適用背景用途動(dòng)態(tài)性宏觀性指導(dǎo)性數(shù)據(jù)驅(qū)動(dòng)模型量大軟測(cè)量先進(jìn)控制可動(dòng)態(tài)宏觀差大型流程工業(yè)機(jī)理模型動(dòng)力學(xué)模型量較小軟測(cè)量仿真研究動(dòng)態(tài)宏觀強(qiáng)生物發(fā)酵過程代謝網(wǎng)絡(luò)模型獲取困難仿真研究穩(wěn)態(tài)微觀強(qiáng)生物發(fā)酵過程控制論模型獲取困難軟測(cè)量先進(jìn)控制動(dòng)態(tài)微宏觀強(qiáng)生物發(fā)酵過程量較小宏觀團(tuán)隊(duì)正在研究的混合模型獲取困難軟測(cè)量先進(jìn)控制仿真研究動(dòng)態(tài)微宏觀較

13、強(qiáng)生物發(fā)酵過程量較小宏觀表1 可用于生物發(fā)酵過程各種模型的特點(diǎn)Cybernetic Model推斷控制Inferential Control C. B. Brosilow1 簡(jiǎn)單推斷控制2 基本推斷控制系統(tǒng)3 模型誤差對(duì)閉環(huán)系統(tǒng)性能的影響 4 穩(wěn)態(tài)推斷控制的設(shè)計(jì)5 推斷反饋控制 6 廣義的推斷控制 1 簡(jiǎn)單推斷控制1.1 內(nèi)回流控制 LRT1TRL1V2圖1 精餾塔頂回流關(guān)系圖L1 = LR + l 令 T = T1 - TR （2）代入式（1） （1）（2）（3）CpT1TRL1V2圖2 內(nèi)回流推斷控制系統(tǒng)FTTdTFCLRs.p1.2 熱焓控制單位質(zhì)量物料所具有的內(nèi)能圖3 單相進(jìn)料的溫度控

14、制系統(tǒng)TCTTF Hf F Cf T = Fs Cs ( Ti -To )Hf = Cf T + Fs Cs ( Ti -To ) / F ToCsFT圖4 氣液混相進(jìn)料的熱焓控制系統(tǒng)FsFTTTCfFCTdTBFTiTHf = Cf T + Fs Cs ( Ti -To ) / F 1.3流化床干燥器濕含量推斷控制TT空氣出料TCPdCPdT圖5 流化床干燥器濕含量推斷控制系統(tǒng)時(shí)滯TCbTTToTo*Ti進(jìn)料RTo* = b + RTi To* = b + RTi （9）（8）（7）（6）2 基本推斷控制系統(tǒng) 不可測(cè)擾動(dòng)輔助輸出GI(S)GPS(S)E(S)GPS(S)B(S)A(S)Yd(

15、S)(S)GP(S)U(S)估計(jì)模型(S)(S)(S)Y(S)D(S)Ys(S)過程圖6 狹義推斷控制系統(tǒng)框圖推斷控制器估計(jì)器控制輸入主要輸出設(shè)定值A(chǔ)(S) = A(S)B(S) = B(S)Gp(S) = Gp(S)Gps(S) = Gps(S) 2.1 信號(hào)分離 (S) = Ys(S) - Gps(S) U(S)(S) = A(S)D(S)D(S) = (S) / A(S) （10）（11）（12）2.2 估計(jì)器E(S) (S) = E(S) (S) (S) =B(S)D(S) (S) =（B(S)/A(S)）(S) E(S) = B(S)/A(S) E(S) = B(S)(A(S)TA(

16、S) (A(S)T-1 （13）（14）（15）（16）（17）Y(S) = GI(S)Gp(S)Yd(S) E(S)Ys(S)-Gps(S) U(S) + B(S)D(S)B(S)/A(S) = (S)/ (S) Ys(S) = A(S)D(S) + Gps(S) U(S)Y(S) = - GI(S)Gp(S) (S)+ (S) = 0GI(S) = 1/Gp(S) 2.3 推斷控制器GI(S) （18）（19）（20）GI(S) = GTp(S) Gp(S) GTp(S)-1 D(S) = 0 Y(S) = Yd(S) Y(S) = GI(S)Gp(S) Yd(S) (S)+ (S) =

17、Yd(S) GI(S) = 1/Gp(S) （20）（21）2.4 濾波器F(S) Gp(S)中有e-s GI(S) = F(S)/Gp(S) Gp(S) = N(S)/M(S) e-s F(S) = e-s /(TS+1)n (1) 體現(xiàn)了軟測(cè)量的思想 (2) 基本結(jié)構(gòu) （22）（23）3 模型誤差對(duì)閉環(huán)系統(tǒng)性能的影響 Y(S) = Yd(S) Y(S) = 0 3.1擾動(dòng)通道模型存在誤差的影響 A(S) A(S)，B(S) B(S) Gp(S) = Gp(S)，Gps(S) = Gps(S) Y(S) = B(S)D(S) Gp(S)GI(S)F(S)B(S)/A(S)A(S)D(S) +

18、 A(S)GI(S)F(S)Yd(S) Y(S) = B(S) B(S)/A(S)A(S) F(S)D(S) + F(S) Yd(S) （25）（24） （1）Yd(S) D(S) = 0 Y(S) = F(S) Yd(S) （2）不可測(cè)擾動(dòng)D(S)發(fā)生單位階躍變化Y(S) = B(S) B(S)/A(S)A(S) F(S)D(S) Y(S) = 1- F(S) B(S) D(S) Y(S) = B(S)/A(S)A(S) - B(S)F(S) D(S) y() = Y(S) S = SB(S)/A(S)A(S) - B(S)F(S) D(0)/S = B(0)/A(0)A(0) - B(0)

19、 D(0) e()= - B(0)/A(0)A(0) - B(0) D(0) （26）（27）（28）（29）（30）3.2控制通道模型存在誤差的影響 1、Gp(S)有誤差 Gp(S) Gp(S) Y(S) = 1-Gp(S)/Gp(S) F(S)B(S)D(S) + Gp(S)/Gp(S)F(S)Yd(S) （1）設(shè)定值Yd(S) D(S) = 0 y() = Y(S) S = SGp(S)/Gp(S)F(S)Yd(S)/S 則穩(wěn)態(tài)誤差為： yd()-y() = 1-Gp(S)/Gp(S)Yd(0) （2）D(S) Yd(S) y() = Y(S) S = 1- Gp(S)/Gp(S)B(0

20、)D(0) （31）（32）（33）（34） 2、Gps(S)有誤差 Gps(S) Gps(S) （1）對(duì)設(shè)定值Yd(S)發(fā)生單位階躍變化，而擾動(dòng)不變D(S) = 0時(shí) 余差為： （35） （2）對(duì)擾動(dòng)D(S)發(fā)生單位階躍變化，而設(shè)定值不變Yd(S) = 0時(shí) 余差為： （36）4 穩(wěn)態(tài)推斷控制的設(shè)計(jì)4.1 穩(wěn)態(tài)推斷控制的構(gòu)成 y = f(u，d) ys = g(u，d) y = Cu + Bd ys = Pu + Ad （37）（38） 1、信號(hào)分離 = ys-Pu = Ad d =(ATA)-1AT 2、估計(jì)器E = (ATA)-1ATB(ys-Pu) = E E = (ATA)-1ATB

21、 （42）（41）（40）（39） 3、推斷控制器 0 = Cu + Bd u = GI(yd-) = - GI GI = C-1 u = C-1（yd- ） = C-1yd- (ATA)-1ATB(ys-Pu) u(k) = C-1（yd- ） = C-1yd- (ATA)-1ATBys(k)-Pu(k) u(k) = (CT C)-1 CTyd- (ATA)-1ATBys(k)-Pu(k) （43）（44）（45）（46）（47）（48）4.2 穩(wěn)態(tài)估計(jì)器對(duì)模型誤差的靈敏度 A Ae B Be E Ee(A+Ae) (E+Ee) = (B+ Be) Cond(A)100 （49）（50）（

22、51）4.3輔助輸出向量的選取 使估計(jì)器E的精度高 Cond(A)低 相對(duì)誤差也要低 投影誤差： 投影誤差 = （52） 其選取一組數(shù)目盡可能少的輔助變量，并使投影誤差和矩陣A的條件數(shù)都比較低。 1 首先找出一個(gè)測(cè)量變量，使其投影誤差最小 2 如果這個(gè)投影誤差不能滿足要求，再從余下的測(cè)量變量中找出一個(gè)補(bǔ)充到進(jìn)來，組成一組新的測(cè)量變量，使其投影誤差最小。 K (k-1)個(gè)投影誤差 兩個(gè)變量的條件數(shù) 3 如果投影誤差還不能滿足要求，可在余下的測(cè)量變量中再按上述方法，找出第三個(gè)輔助變量，直到投影誤差和條件數(shù)都滿足要求，且輔助變量的數(shù)目為最少。 5 推斷反饋控制 5.1主要輸出為不可測(cè)時(shí)的推斷反饋控制 1、推斷反饋控制 Y(S)=(S) + Gp(S)U(S)= E(S)(S)+ Gp(S) U(S)= B(S)/A(S)Ys(S)- Gps(S) + Gp(S) U(S)= B(S)/A(S)Ys(S) + Gp(S) - B(S)/