專(zhuān)利名稱(chēng)：基于無(wú)激勵(lì)閉環(huán)辨識(shí)的控制性能測(cè)試方法
技術(shù)領(lǐng)域：
本發(fā)明涉及工業(yè)生產(chǎn)過(guò)程和設(shè)備所配備的控制系統(tǒng)的性能評(píng)價(jià)方法，目的在于為生產(chǎn)過(guò)程和設(shè)備的自動(dòng)控制系統(tǒng)提供性能監(jiān)測(cè)，確保生產(chǎn)過(guò)程和設(shè)備的安全可靠運(yùn)行。

背景技術(shù)：
在現(xiàn)代化工業(yè)生產(chǎn)中，生產(chǎn)過(guò)程與設(shè)備的自動(dòng)化水平已日益提高，自動(dòng)控制系統(tǒng)的應(yīng)用日益普及，對(duì)保證生產(chǎn)裝置的安全平穩(wěn)有效運(yùn)行，提高產(chǎn)品產(chǎn)質(zhì)量起到了關(guān)鍵作用。這些控制器初期運(yùn)行良好，但許多其他因素如設(shè)備老化及各種操作條件改變等會(huì)使其性能隨著時(shí)間的推移而衰減。不好的控制性能會(huì)導(dǎo)致產(chǎn)品質(zhì)量和數(shù)量的下降，從而增加操作成本。只有那些得到良好設(shè)計(jì)、整定和維護(hù)的過(guò)程控制系統(tǒng)才能真正為生產(chǎn)過(guò)程帶來(lái)長(zhǎng)期、穩(wěn)定和可靠的效益。
由于現(xiàn)代生產(chǎn)過(guò)程存在過(guò)程回路很多，僅僅依靠工程師的個(gè)人經(jīng)驗(yàn)對(duì)各個(gè)回路進(jìn)行監(jiān)測(cè)既費(fèi)時(shí)又費(fèi)力。
控制性能評(píng)價(jià)技術(shù)的目的正是為了自動(dòng)實(shí)現(xiàn)控制系統(tǒng)的性能監(jiān)控。目前常用的控制性能評(píng)估基準(zhǔn)有基于最小方差控制、基于歷史性能指標(biāo)、基于用戶(hù)指定指標(biāo)、基于LQG以及基于限定結(jié)構(gòu)等方法。其中一些方法(如基于最小方差控制、基于LQG以及基于限定結(jié)構(gòu)的方法)需要過(guò)程和控制器的先驗(yàn)知識(shí)，如對(duì)象模型，時(shí)滯參數(shù)，關(guān)聯(lián)矩陣。另一些方法(基于歷史性能指標(biāo)、基于用戶(hù)指定指標(biāo))對(duì)性能基準(zhǔn)的建立存在主觀性。


發(fā)明內(nèi)容
為了克服已有控制性能評(píng)價(jià)方法的依賴(lài)過(guò)程知識(shí)、存在主觀影響的不足，本發(fā)明提供一種不依賴(lài)于過(guò)程知識(shí)、消除主觀影響、直接利用生產(chǎn)過(guò)程運(yùn)行數(shù)據(jù)進(jìn)行測(cè)試的基于無(wú)激勵(lì)閉環(huán)辨識(shí)的控制性能測(cè)試方法。
本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是 一種基于無(wú)激勵(lì)閉環(huán)辨識(shí)的控制性能測(cè)試方法，所述測(cè)試方法包括以下步驟 1)設(shè)快采樣系統(tǒng)模型用式(1)表示 yh(t)＝G0(q，θ)uh(t)+H0(q，θ)eh(t) (1) yh(t)的一步提前預(yù)報(bào)量表示為
預(yù)報(bào)誤差
預(yù)報(bào)誤差法采用如下的參數(shù)估計(jì)準(zhǔn)則估計(jì)參數(shù)θ并計(jì)算輸出預(yù)報(bào)誤差 其中 2)在線計(jì)算模型預(yù)測(cè)輸出誤差，并運(yùn)用主元分析和統(tǒng)計(jì)圖進(jìn)行統(tǒng)計(jì)過(guò)程監(jiān)控；模型預(yù)測(cè)輸出誤差εh(t)反映了一段時(shí)間內(nèi)實(shí)際過(guò)程與基于無(wú)激勵(lì)閉環(huán)辨識(shí)得到的過(guò)程模型的擬合情況，主元分析、Hotelling T2及SPE監(jiān)控的處理過(guò)程如下

令Xi＝εh(i)，則得到數(shù)據(jù)矩陣Xn×k，其中k是變量數(shù)，n是采樣次數(shù)；對(duì)此進(jìn)行主元分解 X＝TPT+E (3) 其中E是誤差項(xiàng)，Tn×A是潛在變量得分矩陣，Pk×A是負(fù)荷矩陣。
對(duì)于Hotelling’s T2， 其中

是對(duì)應(yīng)潛在變量ti.的估計(jì)方差，A≤k。
Hotelling’s T2的控制限由式(5)得到 其中Fα(A，n-A)是自由度為(A，n-A)的F分布的100α％上限閾值； 檢驗(yàn)TA2與控制限的相互關(guān)系，若

則過(guò)程正常；否則控制性能異常； 而SPE指標(biāo)反映采樣數(shù)據(jù)在余差空間的測(cè)度；
若

則過(guò)程正常； 其中



λj是余差特征值。
具體地，在線數(shù)據(jù)分析的步驟如下 a)根據(jù)歷史數(shù)據(jù)進(jìn)行預(yù)處理計(jì)算均值

標(biāo)準(zhǔn)差std(Xi)，

(α＝1，L，A)，δα2，TA，UCL2，P； b)實(shí)時(shí)地計(jì)算得到模型輸出預(yù)測(cè)誤差(用Xi，new表示)，根據(jù)Hotelling T2及SPE的計(jì)算評(píng)估控制系統(tǒng)性能，并分析判斷可能存在的設(shè)備或過(guò)程故障 i＝1，L，k a＝1，L，A

i＝1，L，k
若

且

則過(guò)程正常；否則過(guò)程異常，控制性能下降。
結(jié)合對(duì)過(guò)程輸出和預(yù)報(bào)輸出誤差趨勢(shì)曲線的分析，進(jìn)一步判斷可能存在的設(shè)備或過(guò)程故障。
本發(fā)明的技術(shù)構(gòu)思為傳統(tǒng)的閉環(huán)辨識(shí)技術(shù)為實(shí)現(xiàn)可辨識(shí)性，需要滿(mǎn)足如下條件之一 1)設(shè)定值和控制量疊加有持續(xù)激勵(lì)信號(hào)，2)控制器結(jié)構(gòu)復(fù)雜，階次高于過(guò)程模型階次；3)控制器在多個(gè)控制律間切換；4)反饋通道存在純時(shí)延。
上述條件作為建模所需的特定的測(cè)試要求將不可避免地對(duì)控制系統(tǒng)造成干擾和沖擊，影響系統(tǒng)操作的平穩(wěn)性。而設(shè)備的日常運(yùn)行數(shù)據(jù)是不滿(mǎn)足上述條件的。
這里我們引入基于過(guò)程輸出快采樣的系統(tǒng)辨識(shí)技術(shù)。圖1中，Gc和Nc連續(xù)的過(guò)程和噪聲系統(tǒng)，yc，uc，和ec是相應(yīng)的連續(xù)過(guò)程輸出、控制量和噪聲輸入信號(hào)。yT和uT以頻率T采樣得到的過(guò)程輸出和控制輸出離散信號(hào)。uh，yh和eh是快采樣信號(hào)(快采樣頻率h＝T/p，其中p是整數(shù))。定義HT、Hp和ST、Sp分別為相應(yīng)頻率的零階保持和采樣器，則 ST＝SpSh，HT＝HhHp. 已有證明，在合適的快采樣頻率下，運(yùn)用預(yù)報(bào)誤差辨識(shí)方法，即使控制系統(tǒng)無(wú)外界激勵(lì)信號(hào)，系統(tǒng)也是閉環(huán)直接可辨識(shí)的。
本發(fā)明的有益效果主要表現(xiàn)在不依賴(lài)于過(guò)程知識(shí)、消除主觀影響、直接利用生產(chǎn)過(guò)程運(yùn)行數(shù)據(jù)進(jìn)行測(cè)試。



圖1是帶有變量快采樣的閉環(huán)控制系統(tǒng)的示意圖。
圖2是實(shí)際過(guò)程與估計(jì)模型Bode圖的比較示意圖，(Bode plots of actualprocess G0 and the estimated model Gθ)。圖中橫坐標(biāo)代表頻率(frequency)，縱坐標(biāo)是幅值(magnitude)，各線型分別代表真實(shí)過(guò)程(the true process)、傳統(tǒng)采樣(traditional sampling)和不同快采樣率(fast sampling rate)的情形。
圖3是無(wú)激勵(lì)快采樣辨識(shí)后過(guò)程參數(shù)發(fā)生變化情形下的實(shí)際過(guò)程輸出(the trueoutput)和預(yù)測(cè)輸出(the prediction output)的示意圖。圖中，橫坐標(biāo)時(shí)間單位為分鐘(time/minutes)。縱坐標(biāo)分別為輸出(output)y1和y2。
圖4是無(wú)激勵(lì)快采樣辨識(shí)后過(guò)程參數(shù)發(fā)生變化情形下的預(yù)測(cè)誤差的控制圖。圖中，橫坐標(biāo)時(shí)間單位為分鐘(time/minutes)?？v坐標(biāo)為Hotelling’s T2量(T-square)。紅色虛線為90％極限(90％limit)。
圖5是辨識(shí)中和辨識(shí)后過(guò)程參數(shù)均存在不確定變化情形下的實(shí)際輸出(the trueoutput)和預(yù)測(cè)輸出(the prediction output)的示意圖。圖中，橫坐標(biāo)時(shí)間單位為分鐘(time/minutes)?？v坐標(biāo)分別為輸出(output)y1、y2和y3。
圖6是辨識(shí)中和辨識(shí)后過(guò)程參數(shù)均存在不確定變化情形下的預(yù)測(cè)誤差的T2控制圖。圖中，橫坐標(biāo)時(shí)間單位為分鐘(time/minutes)?？v坐標(biāo)為Hotelling’s T2量(T-square)。紅色虛線為90％極限(90％limit)。
圖7是存在執(zhí)行器故障情形下的實(shí)際過(guò)程輸出(the true output)和預(yù)測(cè)輸出(theprediction output)的示意圖。圖中，橫坐標(biāo)時(shí)間單位為分鐘(time/minutes)?？v坐標(biāo)分別為輸出(output)y1、y2和y3。
圖8是存在執(zhí)行器故障情形下的預(yù)測(cè)誤差的控制圖。圖中，橫坐標(biāo)時(shí)間單位為分鐘(time/minutes)。縱坐標(biāo)為Hotelling’s T2量(T-square)。紅色虛線為90％極限(90％limit)。
圖9是存在傳感器故障情形下的預(yù)測(cè)誤差的總體控制圖。橫坐標(biāo)時(shí)間單位為分鐘(time/minutes)?？v坐標(biāo)為Hotelling’s T2量(T-square)。紅色虛線為90％極限(90％limit)。
圖10是存在傳感器故障情形下的控制分量的T2控制圖。橫坐標(biāo)時(shí)間單位為分鐘(time/minutes)?？v坐標(biāo)分別為各輸出分量y1，y2和y3的Hotelling’s T2量(T-square)。紅色虛線為90％極限(90％limit)。

具體實(shí)施例方式 下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步描述。
參照?qǐng)D1，一種基于無(wú)激勵(lì)閉環(huán)辨識(shí)的控制性能測(cè)試方法，所述測(cè)試方法包括以下步驟 1)設(shè)快采樣系統(tǒng)模型用式(1)表示 yh(t)＝G0(q，θ)uh(t)+H0(q，θ)eh(t) (1) yh(t)的一步提前預(yù)報(bào)量表示為
預(yù)報(bào)誤差
預(yù)報(bào)誤差法采用如下的參數(shù)估計(jì)準(zhǔn)則估計(jì)參數(shù)θ并計(jì)算輸出預(yù)報(bào)誤差 其中 2)在線計(jì)算模型預(yù)測(cè)輸出誤差，并運(yùn)用主元分析和統(tǒng)計(jì)圖進(jìn)行統(tǒng)計(jì)過(guò)程監(jiān)控；模型預(yù)測(cè)輸出誤差εh(t)反映了一段時(shí)間內(nèi)實(shí)際過(guò)程與基于無(wú)激勵(lì)閉環(huán)辨識(shí)得到的過(guò)程模型的擬合情況，主元分析、Hotelling T2及SPE監(jiān)控的處理過(guò)程如下

令Xi＝εh(i)，則得到數(shù)據(jù)矩陣Xn×k，其中k是變量數(shù)，n是采樣次數(shù)；對(duì)此進(jìn)行主元分解 X＝TPT+E(3) 其中E是誤差項(xiàng)，Tn×A是潛在變量得分矩陣，Pk×A是負(fù)荷矩陣。
對(duì)于Hotelling’s T2， 其中

是對(duì)應(yīng)潛在變量ti.的估計(jì)方差，A≤k。
Hotelling’s T2的控制限由式(5)得到 其中Fα(A，n-A)是自由度為(A，n-A)的F分布的100α％上限閾值； 檢驗(yàn)TA2與控制限的相互關(guān)系，若

則過(guò)程正常；否則控制性能異常； 而SPE指標(biāo)反映采樣數(shù)據(jù)在余差空間的測(cè)度；
若

則過(guò)程正常； 其中



λj是余差特征值。
具體地，在線數(shù)據(jù)分析的步驟如下 a)根據(jù)歷史數(shù)據(jù)進(jìn)行預(yù)處理計(jì)算均值

標(biāo)準(zhǔn)差std(Xi)，

(α＝1，L，A)，δα2，TA，UCT2，P； b)實(shí)時(shí)地計(jì)算得到模型輸出預(yù)測(cè)誤差(用Xi，new表示)，根據(jù)Hotelling T2及SPE的計(jì)算評(píng)估控制系統(tǒng)性能，并分析判斷可能存在的設(shè)備或過(guò)程故障 i＝1，L，k a＝1，L，A

i＝1，L，k
若

且

則過(guò)程正常；否則過(guò)程異常，控制性能下降。
結(jié)合對(duì)過(guò)程輸出和預(yù)報(bào)輸出誤差趨勢(shì)曲線的分析，進(jìn)一步判斷可能存在的設(shè)備或過(guò)程故障。
本實(shí)施例中，基于無(wú)激勵(lì)閉環(huán)辨識(shí)的控制性能測(cè)試方法的具體實(shí)施步驟為 1)基于快采樣的控制系統(tǒng)數(shù)據(jù)進(jìn)行閉環(huán)辨識(shí)，得到過(guò)程模型參數(shù)； 2)根據(jù)歷史采樣數(shù)據(jù)計(jì)算模型預(yù)測(cè)誤差(用Xi表示)，并計(jì)算均值

標(biāo)準(zhǔn)差std(Xi)，

(α＝1，L，A)，δα2，TA，UCT2，P； 3)實(shí)時(shí)地計(jì)算得到模型輸出預(yù)測(cè)誤差(用Xi，new表示)，根據(jù)Hotelling T2及SPE的計(jì)算評(píng)估控制系統(tǒng)性能，并分析判斷可能存在的設(shè)備或過(guò)程故障 i＝1，L，k a＝1，L，A

i＝1，L，k
若

且

則過(guò)程正常；否則過(guò)程異常，控制性能下降。
結(jié)合對(duì)過(guò)程輸出和預(yù)報(bào)輸出誤差趨勢(shì)曲線的分析，進(jìn)一步判斷可能存在的設(shè)備或過(guò)程故障。
考慮一個(gè)無(wú)外部激勵(lì)的Shell重油分離過(guò)程模型(見(jiàn)參考文獻(xiàn)[3])，其被控對(duì)象是一個(gè)3*3的系統(tǒng)，被控變量包括塔頂產(chǎn)品干點(diǎn)，側(cè)線產(chǎn)品干點(diǎn)和底部回流溫度，而塔頂流率、側(cè)線流率和塔底回流負(fù)荷則作為操作變量。仿真模型為 其中-1≤εi≤1，i＝1，2，3要求操作變量約束在0.5至-0.5之間，而被控變量目標(biāo)為0.0±0.005。
仿真中設(shè)計(jì)了約束MPC控制器，采樣周期取T＝4分鐘，快采樣率p＝4。
圖2為在系統(tǒng)中添加方差

的白噪聲后，閉環(huán)辨識(shí)得到的模型與實(shí)際系統(tǒng)Bode圖。
1)過(guò)程參數(shù)變化的影響。
設(shè) 選仿真得到的前2/7數(shù)據(jù)用于模型辨識(shí)，其余用于控制性能監(jiān)控，這意味著，模型參數(shù)在辨識(shí)以后發(fā)生了變化. 從圖4可以看出由于過(guò)程與模型的不匹配導(dǎo)致預(yù)測(cè)誤差的T2值急劇增大，而圖3也顯示t≥8000分鐘以后過(guò)程預(yù)測(cè)輸出變化范圍增大了。此時(shí)，控制器需要周期性的維護(hù)。
作為比較，令εi是一個(gè)從仿真一開(kāi)始就在-1和1之間變化的隨機(jī)數(shù)。這樣參數(shù)不確定性能在辨識(shí)時(shí)就體現(xiàn)。這時(shí)從圖5和圖6可以看到，過(guò)程預(yù)測(cè)誤差令人滿(mǎn)意，控制系統(tǒng)工作正常。
2)執(zhí)行器和傳感器故障檢測(cè)。
為了模擬調(diào)節(jié)閥卡住的故障，我們令控制量u1(t)＝0，t≥6000分鐘 從表面上看，圖7的過(guò)程輸出在t≥6000分鐘以后更逼近控制目標(biāo)，輸出偏差減小。但圖8的控制圖清楚顯示了系統(tǒng)存在的異常。
下面令y1(t)＝0，t≥6000分鐘，以模仿傳感器故障。此時(shí)預(yù)測(cè)誤差的總體T2圖和各分量的貢獻(xiàn)圖分別如圖9與圖10所示。從這兩幅圖中我們可以清楚地看出系統(tǒng)狀態(tài)與其故障根源。
通過(guò)實(shí)例仿真可以得出結(jié)論，基于無(wú)激勵(lì)閉環(huán)辨識(shí)的控制性能評(píng)價(jià)技術(shù)無(wú)需專(zhuān)門(mén)的辨識(shí)試驗(yàn)，建模精度達(dá)到要求。結(jié)合統(tǒng)計(jì)分析技術(shù)，可監(jiān)視多變量控制系統(tǒng)的性能并有望發(fā)現(xiàn)故障根源。
權(quán)利要求
1.一種基于無(wú)激勵(lì)閉環(huán)辨識(shí)的控制性能測(cè)試方法，其特征在于所述測(cè)試方法包括以下步驟
1)設(shè)快采樣系統(tǒng)模型用式(1)表示
yh(t)＝G0(q，θ)uh(t)+H0(q，θ)eh(t) (1)
yh(t)的一步提前預(yù)報(bào)量表示為
預(yù)報(bào)誤差
預(yù)報(bào)誤差法采用如下的參數(shù)估計(jì)準(zhǔn)則估計(jì)參數(shù)θ并計(jì)算輸出預(yù)報(bào)誤差
其中
2)在線計(jì)算模型預(yù)測(cè)輸出誤差，并運(yùn)用主元分析和統(tǒng)計(jì)圖進(jìn)行統(tǒng)計(jì)過(guò)程監(jiān)控，模型預(yù)測(cè)輸出誤差εh(t)反映了一段時(shí)間內(nèi)實(shí)際過(guò)程與基于無(wú)激勵(lì)閉環(huán)辨識(shí)得到的過(guò)程模型的擬合情況，主元分析、Hotelling T2及SPE監(jiān)控的處理過(guò)程如下
令Xi＝εh(i)，則得到數(shù)據(jù)矩陣Xn×k，其中k是變量數(shù)，n是采樣次數(shù)；對(duì)此進(jìn)行主元分解
X＝TPT+E (3)
其中E是誤差項(xiàng)，Tn×A是潛在變量得分矩陣，Pk×A是負(fù)荷矩陣；
對(duì)于Hotelling’s T2，
其中
是對(duì)應(yīng)潛在變量ti.的估計(jì)方差，A≤k；
Hotelling’s T2的控制限由式(5)得到
其中Fα(A，n-A)是自由度為(A，n-A)的F分布的100α％上限閾值；
檢驗(yàn)TA2與控制限的相互關(guān)系，若
則過(guò)程正常；否則控制性能異常；
而SPE指標(biāo)反映采樣數(shù)據(jù)在余差空間的測(cè)度
若則過(guò)程正常；否則控制性能異常；
其中λj是余差特征值；
具體地，在線數(shù)據(jù)分析的步驟如下
a)根據(jù)歷史數(shù)據(jù)進(jìn)行預(yù)處理計(jì)算模型預(yù)測(cè)輸出誤差的均值
標(biāo)準(zhǔn)差std(Xi)，
δα2，TA，UCL2，P；
b)實(shí)時(shí)地計(jì)算得到模型輸出預(yù)測(cè)誤差，預(yù)測(cè)誤差用Xi，new表示，根據(jù)Hotelling T2及SPE的計(jì)算評(píng)估控制系統(tǒng)性能，并分析判斷可能存在的設(shè)備或過(guò)程故障
若
且
則過(guò)程正常；否則過(guò)程異常，控制性能下降。
全文摘要
一種基于無(wú)激勵(lì)閉環(huán)辨識(shí)的控制性能測(cè)試方法，所述測(cè)試方法包括以下步驟1)基于快采樣系統(tǒng)模型，采用預(yù)報(bào)誤差法估計(jì)參數(shù)θ并計(jì)算輸出預(yù)報(bào)誤差；2)基于模型預(yù)測(cè)輸出誤差的歷史數(shù)據(jù)進(jìn)行標(biāo)度變換預(yù)處理和統(tǒng)計(jì)圖閾值的計(jì)算；3)在線計(jì)算模型預(yù)測(cè)輸出誤差，運(yùn)用主元分析，根據(jù)Hotelling T2及SPE的計(jì)算評(píng)估控制系統(tǒng)性能，并分析判斷可能存在的設(shè)備或過(guò)程故障。本發(fā)明提供一種不依賴(lài)于過(guò)程知識(shí)、消除主觀影響、直接利用生產(chǎn)過(guò)程運(yùn)行數(shù)據(jù)進(jìn)行測(cè)試的基于無(wú)激勵(lì)閉環(huán)辨識(shí)的控制性能測(cè)試方法。
文檔編號(hào)G05B23/02GK101833330SQ20101016461
公開(kāi)日2010年9月15日 申請(qǐng)日期2010年5月7日 優(yōu)先權(quán)日2010年5月7日
發(fā)明者楊馬英 申請(qǐng)人:浙江工業(yè)大學(xué)