面向全流程化工过程的分布式模型预测控制

For the whole chemical production process which is composed of a sequence of process sections, the distributed model predictive control (MPC), with respect to reducing the computational burden and enhancing the control performance respectively, is better than the traditional centralized MPC and decentralized MPC. However, the relatively mature industrial MPC techniques nowadays are not based on the distributed structure. Tackling this issue requires a substantial reform of the current industrial MPC, for which we consider three kinds of process systems, i.e., that with coupled performance index, that with coupled dynamics and coupled constraints, and the heterogeneous sub-processes having apparent different sub-models and sub-controllers. We investigate the key algorithmic and theoretical issues for these systems. Concretely, we handle the issues such as partition of the coupled performance index, acceleration of the iterative algorithm, decomposition and identification of the coupled dynamics, and strict guarantee of the coupled hard constraint, taking account of the requirements on practicality, stability and optimality. Moreover, we construct the uniform protocol for handling the information uncertainty exchanging in the heterogeneous sub-processes; we will propose a whole set of algorithms for the industrial distributed MPC, and develop the corresponding distributed MPC theory, especially including the distributed output feedback robust MPC. By upgrading our previous double-layered MPC software, and using some typical units in the China Petroleum Fushun Petrochemical Co. and Beiyuan Group (Shaanxi Coal and Chemical Industry) as the platforms for simulation, testing and experiments, we aim at finding the technical framework for the distributed industrial MPC.

对于由若干接连发生的生产环节组成的全流程化工过程，分布式预测控制从降低计算量、提升控制性能两个方面分别优于传统的集中式、分散式预测控制，但目前较成熟的工业预测控制技术并非采用分布式结构。解决这一问题面临着对现有工业预测控制的实质性改造，对此本项目定位于研究具有耦合性能指标、具有耦合动态特性和耦合约束、具有显著差异的子模型和子控制器（即异构）等三类过程系统，研究其关键算法和理论问题。具体地，兼顾算法的易用性和保证稳定性、最优性等要求，解决耦合目标函数的分解、迭代算法的加速、耦合动态的分解与辨识、耦合硬约束的严格满足等问题，构造异构时的处理信息不确定性的统一协议，提出一套完整的工业分布式预测控制算法，发展对应的分布式预测控制理论、特别包括分布式输出反馈鲁棒预测控制。通过升级现有的双层结构预测控制软件，并以抚顺石化、北元化工的典型装置为平台开展仿真、测试和实验，确定分布式工业预测控制技术架构。

对于由若干接连发生的生产环节组成的全流程化工过程，分布式预测控制从降低计算量、提升控制性能两个方面分别优于传统的集中式、分散式预测控制，但较成熟的工业预测控制技术并非采用分布式结构。解决这一问题面临着对现有工业预测控制的实质性改造，对此本项目研究了具有耦合性能指标、具有耦合动态特性和耦合约束、具有显著差异的子模型和子控制器（即异构）等三类过程系统，给出关键算法和理论分析结果。具体地，兼顾算法的易用性和保证稳定性、最优性等要求，解决了耦合目标函数的分解、迭代算法的加速、耦合动态的分解与辨识、耦合硬约束的严格满足等问题，构造了异构时的处理信息不确定性的统一协议，提出了一套完整的工业分布式预测控制算法，发展了对应的分布式预测控制理论、特别包括分布式输出反馈鲁棒预测控制。通过升级现有的双层结构预测控制软件，并以抚顺石化、北元化工的典型装置为平台开展仿真、测试和实验，确定了分布式工业预测控制技术架构。此外，结合前一个结题基金项目“输出反馈预测控制的综合方法”，进一步研究了输出反馈预测控制。采用了一个一般的多面体型估计误差集合，能够覆盖之前的同类型估计误差集合；采用了Lyapunov矩阵及其逆的一般解析表示；提出变体输出反馈预测控制方法；采用范数定界技术处理多胞型有界噪声，统一了多胞型有界噪声和范数有界噪声的处理方法；为降低估计误差集合的保守性，采用了四种计算方法，并保证凸性和递推可行性；发明了采用LMI求解四个参数的LPV模型的输出反馈鲁棒预测控制；采用输出反馈预测控制的离线方法；对引入一个自由控制作用的LPV模型的输出反馈预测控制，局部控制器采用quasi-LPV模型那样的动态输出反馈；采用管道技术处理LPV模型+有界噪声系统的输出反馈鲁棒预测控制。另外，研究了鲁棒预测控制、非线性预测控制和工业预测控制的相关理论。发表SCI论文20余篇，获得国家自然科学二等奖（排名3）和Asian Journal of Control最佳论文奖。