專利名稱：一種高效的工業(yè)過程動(dòng)態(tài)優(yōu)化系統(tǒng)及方法
技術(shù)領(lǐng)域：
本發(fā)明涉及最優(yōu)控制領(lǐng)域，尤其是一種高效的工業(yè)過程動(dòng)態(tài)優(yōu)化系統(tǒng)及方法。

背景技術(shù)：
近年來，隨著現(xiàn)代工業(yè)過程性能要求的不斷提高，以及Aspen和gPROMS等強(qiáng)大商業(yè)軟件的開發(fā)，過程工業(yè)的動(dòng)態(tài)仿真和動(dòng)態(tài)優(yōu)化得到了越來越廣泛的發(fā)展和應(yīng)用。動(dòng)態(tài)優(yōu)化研究已成為工業(yè)過程優(yōu)化設(shè)計(jì)、操作和控制研究的一個(gè)重心和熱點(diǎn)。
工業(yè)過程動(dòng)態(tài)系統(tǒng)的優(yōu)化模型往往是包含一組復(fù)雜的大規(guī)模非線性微分方程，此外還包括非線性的等式或不等式路徑約束和點(diǎn)約束。因此，動(dòng)態(tài)優(yōu)化的難點(diǎn)就在于需要在動(dòng)態(tài)模型的基礎(chǔ)上尋求目標(biāo)泛函的最優(yōu)值，其實(shí)質(zhì)是求解一個(gè)無限維的優(yōu)化問題。通常使用的迭代動(dòng)態(tài)規(guī)劃法、遺傳算法、粒子群算法、隨機(jī)優(yōu)化法、模擬退火法等，已經(jīng)能夠找到工業(yè)過程動(dòng)態(tài)優(yōu)化問題的最優(yōu)解，但是往往出現(xiàn)計(jì)算不準(zhǔn)確或收斂緩慢的問題，很難既保證所得最優(yōu)控制結(jié)果的較好的準(zhǔn)確性，又滿足動(dòng)態(tài)優(yōu)化求解過程的快速性。


發(fā)明內(nèi)容
為了克服已有的工業(yè)過程動(dòng)態(tài)優(yōu)化系統(tǒng)和方法很難既準(zhǔn)確又快速地找到最優(yōu)解、適用性差的不足，本發(fā)明提供了一種能夠準(zhǔn)確找到復(fù)雜非線性動(dòng)態(tài)優(yōu)化問題的最優(yōu)解且收斂速度很高、適用性廣的高效的工業(yè)過程動(dòng)態(tài)優(yōu)化系統(tǒng)及方法。
本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是 一種高效的工業(yè)過程動(dòng)態(tài)優(yōu)化系統(tǒng)，包括與工業(yè)過程對(duì)象連接的現(xiàn)場(chǎng)智能儀表、DCS系統(tǒng)和上位機(jī)，所述的DCS系統(tǒng)包括數(shù)據(jù)庫(kù)和操作站，所述現(xiàn)場(chǎng)智能儀表與DCS系統(tǒng)連接，所述DCS系統(tǒng)與上位機(jī)連接，所述的上位機(jī)包括 初始化模塊，用于初始參數(shù)的設(shè)置、狀態(tài)向量x(t)和控制向量u(t)的離散化與初始賦值，具體步驟如下 2.1)將時(shí)域t∈[t0，tf]分割成NE段[t0，t1]，[t1，t2]，...，[tNE-1，tNE]，其中tNE＝tf，設(shè)每個(gè)時(shí)間分段長(zhǎng)度為hi，i＝1，2，...，NE，用h表示NE維時(shí)間分段向量，設(shè)其初始值為h0； 2.2)設(shè)時(shí)間分段t∈[ti，ti+1]上的配置點(diǎn)個(gè)數(shù)為K； 2.3)設(shè)n維狀態(tài)向量x(t)的配置系數(shù)為xij，m維控制向量u(t)的配置系數(shù)為uij，其中，i＝1，2，...，NE；j＝1，2，...，K，并設(shè)狀態(tài)向量系數(shù)的初始值為xij0，控制向量系數(shù)的初始值為uij0； 2.4)設(shè)動(dòng)態(tài)優(yōu)化的收斂精度為ζ，當(dāng)優(yōu)化目標(biāo)值迭代誤差小于收斂精度時(shí)，停止迭代； 變量配置模塊，用于對(duì)狀態(tài)變量和控制變量進(jìn)行拉格朗日插值轉(zhuǎn)換，并將配置點(diǎn)取為勒讓德多項(xiàng)式的根；即在時(shí)間分段t∈[ti-1，ti]內(nèi)，其中，i＝1，2，...，NE，狀態(tài)向量和控制向量分別表達(dá)為多項(xiàng)式(1)(2) 其中t＝ti-1+hiτ，τ∈
，λ(τ)是狀態(tài)向量的插值基函數(shù)，為K次多項(xiàng)式，參照式(3)；θ(τ)是控制向量的插值基函數(shù)，為K-1次多項(xiàng)式，參照式(4) 其中τ0＝0，τj為K階勒讓德多項(xiàng)式的根，其中，j＝1，2，...，K； 約束增強(qiáng)模塊，用于增強(qiáng)對(duì)控制向量u(t)和時(shí)間分段長(zhǎng)度hi的約束，采取以下步驟來實(shí)現(xiàn) 4.1)在每個(gè)時(shí)間分段t∈[ti-1，ti]上，i＝1，2，...，NE，對(duì)控制向量配置系數(shù)的邊界值進(jìn)行約束 ulb≤uij≤uub，i＝1，2，...，NE，j＝1，2，...，K(5) 同時(shí)，通過外推控制多項(xiàng)式，即式(2)到時(shí)間分段t∈[ti-1，ti]兩端以增強(qiáng)控制向量邊界約束 其中上標(biāo)ub、lb分別表示上下邊界，uub、ulb分別表示設(shè)定的控制向量上下邊界值； 4.2)設(shè)定每個(gè)時(shí)間分段長(zhǎng)度的上下邊界值分別為hlb和hub(hlb、hub(0，tf])，對(duì)分段長(zhǎng)度hi實(shí)行約束 hlb≤hi≤hub，i＝1，2，...，NE(8) 模型變換模塊，用于將動(dòng)態(tài)優(yōu)化模型離散化，并增加狀態(tài)向量連續(xù)性條件和約束增強(qiáng)模塊的約束條件，將無限維的動(dòng)態(tài)優(yōu)化問題轉(zhuǎn)化為有限維的非線性規(guī)劃(Nonlinear Programming，NLP)問題，按照以下步驟來實(shí)現(xiàn) 5.1)動(dòng)態(tài)優(yōu)化模型的優(yōu)化目標(biāo)轉(zhuǎn)化為式(10)，ψ表示在終點(diǎn)條件下目標(biāo)函數(shù)的組成部分，xf表示終端時(shí)刻tf的狀態(tài)向量值 min J＝ψ(xf)，其中 5.2)動(dòng)態(tài)優(yōu)化模型的狀態(tài)方程轉(zhuǎn)化為殘差方程，即式(11)，F(xiàn)表示函數(shù)向量，δ表示時(shí)不變參數(shù)向量 且狀態(tài)向量滿足以下初始條件，x(t0)為給定的狀態(tài)向量初值 x1，0＝x(t0)(12) 5.3)將動(dòng)態(tài)優(yōu)化模型的狀態(tài)向量路徑約束離散化，G、H均是函數(shù)向量 5.4)增加狀態(tài)向量連續(xù)性條件 5.5)獲取約束增強(qiáng)模塊的約束條件(5)～(9)，并結(jié)合式(10)～(14)構(gòu)成有限維的非線性規(guī)劃(NLP)問題； NLP求解模塊，用于求解模型變換模塊得到的有限維的非線性規(guī)劃(NLP)問題將狀態(tài)向量配置系數(shù)xij、控制向量配置系數(shù)uij和時(shí)間分段長(zhǎng)度為h作為優(yōu)化變量，并以xij0、uij0和h0為初始解，利用簡(jiǎn)約空間序貫二次規(guī)劃法(Reduced-space Sequential QuadraticProgramming，RSQP)求解，得出最優(yōu)的狀態(tài)向量配置系數(shù)xij*、控制向量配置系數(shù)uij*、最優(yōu)時(shí)間分段h*，并由式(10)計(jì)算出最優(yōu)目標(biāo)值J*，然后將這些優(yōu)化結(jié)果傳給結(jié)果輸出模塊。
作為優(yōu)選的的一種方案，所述的上位機(jī)還包括信號(hào)采集模塊，用于設(shè)定采樣時(shí)間，采集現(xiàn)場(chǎng)智能儀表的信號(hào)。
進(jìn)一步，所述的上位機(jī)還包括結(jié)果輸出模塊，用于將有限維的非線性規(guī)劃(NLP)求解模塊計(jì)算出的最優(yōu)控制向量配置系數(shù)uij*通過式(2)(4)轉(zhuǎn)化為最優(yōu)控制軌線u*(t)，然后將u*(t)和最優(yōu)目標(biāo)值J*傳輸給DCS系統(tǒng)，并在DCS系統(tǒng)中顯示所得到的優(yōu)化結(jié)果信息。
一種用所述的高效的工業(yè)過程動(dòng)態(tài)優(yōu)化系統(tǒng)實(shí)現(xiàn)的動(dòng)態(tài)優(yōu)化方法，所述的動(dòng)態(tài)優(yōu)化方法包括以下步驟 1)在DCS系統(tǒng)中指定動(dòng)態(tài)優(yōu)化的狀態(tài)變量和控制變量，根據(jù)實(shí)際生產(chǎn)環(huán)境的條件和操作限制的條件設(shè)定控制向量的上下邊界uub、ulb和DCS的采樣周期，并將DCS數(shù)據(jù)庫(kù)中相應(yīng)各變量的歷史數(shù)據(jù)，控制變量上下邊界值uub、ulb傳送給上位機(jī)； 2)對(duì)初始參數(shù)進(jìn)行設(shè)置，并對(duì)DCS系統(tǒng)輸入的數(shù)據(jù)進(jìn)行初始化處理，按照以下步驟完成 2.1)將時(shí)域t∈[t0，tf]分割成NE段[t0，t1]，[t1，t2]，...，[tNE-1，tNE]， 其中，tNE＝tf，設(shè)每個(gè)時(shí)間分段長(zhǎng)度為hi，i＝1，2，...，NE，用h表示NE維時(shí)間分段向量，并設(shè)置其初始值h0，一般可取h0為tf/NE； 2.2)設(shè)時(shí)間分段t∈[ti，ti+1]上的配置點(diǎn)個(gè)數(shù)為K； 2.3)設(shè)n維狀態(tài)向量x(t)的配置系數(shù)為xij，m維控制向量u(t)的配置系數(shù)為uij，其中，i＝1，2，...，NE；j＝1，2，...，K，并設(shè)狀態(tài)向量系數(shù)的初始值為xij0，控制向量系數(shù)的初始值為uij0； 2.5)設(shè)動(dòng)態(tài)優(yōu)化的收斂精度為ζ(一般可取為10-6)，當(dāng)優(yōu)化目標(biāo)值迭代誤差小于收斂精度時(shí)，停止迭代； 3)將時(shí)間分段t∈[ti-1，ti]，i＝1，2，...，NE上的狀態(tài)向量和控制向量分別轉(zhuǎn)換為 其中λ(τ)是狀態(tài)向量的插值基函數(shù)，即式(3)；θ(τ)是控制向量的插值基函數(shù)，即式(4)，t經(jīng)由中間變量τ(∈
)轉(zhuǎn)換為t＝ti-1+hiτ 式(3)(4)中τ0＝0，τj為K階勒讓德多項(xiàng)式的根，j＝1，2，...，K； 4)增強(qiáng)對(duì)控制向量u(t)和時(shí)間分段長(zhǎng)度hi的約束，采取以下步驟來實(shí)現(xiàn) 4.1)在每個(gè)時(shí)間分段t∈[ti-1，ti](i＝1，2，...，NE)上，對(duì)控制向量配置系數(shù)的邊界值實(shí)行約束 ulb≤uij≤uub，i＝1，2，...，NE，j＝1，2，...，K(5) 同時(shí)，通過外推控制多項(xiàng)式，即式(2)到時(shí)間分段t∈[ti-1，ti]兩端來約束控制向量 其中上標(biāo)ub、lb分別表示上下邊界，uub、ulb分別表示設(shè)定的控制向量上下邊界值； 4.2)設(shè)定每個(gè)時(shí)間分段長(zhǎng)度的上下邊界值分別為hlb和hub(hlb、hub∈(0，tf])，對(duì)分段長(zhǎng)度hi實(shí)行約束 hlb≤hi≤hub，i＝1，2，...，NE(8) 5)將動(dòng)態(tài)優(yōu)化模型離散化后增加狀態(tài)向量連續(xù)性條件，并結(jié)合約束增強(qiáng)模塊的約束條件，將無限維的動(dòng)態(tài)優(yōu)化問題轉(zhuǎn)化為有限維的非線性規(guī)劃(NLP)問題，按照以下步驟來實(shí)現(xiàn) 5.1)動(dòng)態(tài)優(yōu)化問題的優(yōu)化目標(biāo)轉(zhuǎn)化為式(10)，ψ表示在終點(diǎn)條件下目標(biāo)函數(shù)的組成部分，xf表示終端時(shí)刻tf的狀態(tài)向量值 min J＝ψ(xf)，其中 5.2)動(dòng)態(tài)優(yōu)化模型的狀態(tài)方程轉(zhuǎn)化為殘差方程，即式(11)，F(xiàn)表示函數(shù)向量，δ表示時(shí)不變參數(shù)向量 且狀態(tài)向量滿足以下初始條件，x(t0)為給定的狀態(tài)向量初值 x1，0＝x(t0)(12) 5.3)將動(dòng)態(tài)優(yōu)化模型的狀態(tài)向量路徑約束離散化，G、H均是函數(shù)向量 5.4)增加狀態(tài)向量連續(xù)性條件 5.5)獲取約束增強(qiáng)模塊的約束條件(5)～(9)，并結(jié)合式(10)～(14)構(gòu)成有限維的非線性規(guī)劃(NLP)問題； 6)求解模型變換模塊得到的有限維的非線性規(guī)劃(NLP)問題將狀態(tài)向量配置系數(shù)xij、控制向量配置系數(shù)uij和時(shí)間分段長(zhǎng)度為h作為優(yōu)化變量，并以xij0、uij0和h0為初始解，利用簡(jiǎn)約空間序貫二次規(guī)劃法(Reduced-space Sequential Quadratic Programming，RSQP)求解，得出最優(yōu)的狀態(tài)向量配置系數(shù)xij*、控制向量配置系數(shù)uij*、最優(yōu)時(shí)間分段h*，并由式(10)計(jì)算出最優(yōu)目標(biāo)值J*，然后將這些優(yōu)化結(jié)果傳給結(jié)果輸出模塊。
作為優(yōu)選的一種方案，所述的動(dòng)態(tài)優(yōu)化方法還包括將現(xiàn)場(chǎng)智能儀表所采集的工業(yè)過程對(duì)象的數(shù)據(jù)傳送到DCS系統(tǒng)的實(shí)時(shí)數(shù)據(jù)庫(kù)中，在每個(gè)采樣周期從DCS系統(tǒng)的數(shù)據(jù)庫(kù)得到的最新數(shù)據(jù)輸出到上位機(jī)，并在上位機(jī)的初始化模塊進(jìn)行初始化處理。
進(jìn)一步，所述的動(dòng)態(tài)優(yōu)化方法還包括在所述有限維的非線性規(guī)劃(NLP)求解模塊中得到的最優(yōu)控制向量配置系數(shù)uij*，將通過結(jié)果輸出模塊轉(zhuǎn)換為最優(yōu)控制曲線u*(t)，并在上位機(jī)的人機(jī)界面上顯示u*(t)和最優(yōu)目標(biāo)值J*；同時(shí)，最優(yōu)控制曲線u*(t)將通過數(shù)據(jù)接口傳給DCS系統(tǒng)，并在DCS系統(tǒng)中顯示所得到的優(yōu)化結(jié)果信息。
本發(fā)明的技術(shù)構(gòu)思為工業(yè)過程動(dòng)態(tài)優(yōu)化，往往需要在求解大規(guī)模復(fù)雜非線性微分方程系統(tǒng)的基礎(chǔ)上尋求目標(biāo)泛函的最優(yōu)值。通常使用的迭代動(dòng)態(tài)規(guī)劃法、遺傳算法、粒子群算法、隨機(jī)優(yōu)化法、模擬退火法等，已經(jīng)能夠找到工業(yè)過程動(dòng)態(tài)優(yōu)化問題的最優(yōu)解，但是往往出現(xiàn)計(jì)算不準(zhǔn)確或收斂緩慢的問題。本發(fā)明的動(dòng)態(tài)優(yōu)化方法，對(duì)動(dòng)態(tài)優(yōu)化問題中的狀態(tài)變量和控制變量同時(shí)進(jìn)行離散配置，將無限維的問題轉(zhuǎn)化為有限維的非線性規(guī)劃問題，簡(jiǎn)化了路徑約束和點(diǎn)約束的處理，而且通過增強(qiáng)對(duì)控制變量和優(yōu)化時(shí)域分段的約束，提高了算法收斂的穩(wěn)定性，同時(shí)也使動(dòng)態(tài)優(yōu)化問題的求解準(zhǔn)確性和計(jì)算效率大大改善。
本發(fā)明的有益效果主要表現(xiàn)在1、能夠準(zhǔn)確、穩(wěn)定地尋找到工業(yè)過程非線性系統(tǒng)動(dòng)態(tài)優(yōu)化的最優(yōu)解；2、具有很高的求解效率，適用性好。因此，在工業(yè)過程動(dòng)態(tài)優(yōu)化的各個(gè)領(lǐng)域都具有廣泛的應(yīng)用前景。



圖1是本發(fā)明所提供的工業(yè)過程動(dòng)態(tài)優(yōu)化系統(tǒng)的硬件結(jié)構(gòu)圖； 圖2是本發(fā)明上位機(jī)實(shí)現(xiàn)動(dòng)態(tài)優(yōu)化方法的功能結(jié)構(gòu)圖。

具體實(shí)施例方式 下面根據(jù)附圖具體說明本發(fā)明。
實(shí)施例1 參照?qǐng)D1、圖2，一種高效的工業(yè)過程動(dòng)態(tài)優(yōu)化系統(tǒng)，包括與工業(yè)過程對(duì)象1連接的現(xiàn)場(chǎng)智能儀表2、DCS系統(tǒng)以及上位機(jī)6，所述的DCS系統(tǒng)由數(shù)據(jù)接口3、操作站4、數(shù)據(jù)庫(kù)5構(gòu)成；現(xiàn)場(chǎng)智能儀表2與數(shù)據(jù)通訊網(wǎng)絡(luò)連接，所述數(shù)據(jù)通訊網(wǎng)絡(luò)與數(shù)據(jù)接口3連接，所述數(shù)據(jù)接口3與現(xiàn)場(chǎng)總線連接，所述現(xiàn)場(chǎng)總線與操作站4、數(shù)據(jù)庫(kù)5和上位機(jī)6連接，所述的上位機(jī)6包括 初始化模塊8，用于初始參數(shù)的設(shè)置、狀態(tài)向量x(t)和控制向量u(t)的離散化與初始賦值，具體步驟如下 2.1)將時(shí)域t∈[t0，tf]分割成NE段[t0，t1]，[t1，t2]，...，[tNE-1，tNE]，其中tNE＝tf，設(shè)每個(gè)時(shí)間分段長(zhǎng)度為hi，i＝1，2，...，NE，用h表示NE維時(shí)間分段向量，設(shè)其初始值為h0； 2.2)設(shè)時(shí)間分段t∈[ti，ti+1]上的配置點(diǎn)個(gè)數(shù)為K； 2.3)設(shè)n維狀態(tài)向量x(t)的配置系數(shù)為xij，m維控制向量u(t)的配置系數(shù)為uij，其中，i＝1，2，...，NE；j＝1，2，...，K，并設(shè)狀態(tài)向量系數(shù)的初始值為xij0，控制向量系數(shù)的初始值為uij0； 2.4)設(shè)動(dòng)態(tài)優(yōu)化的收斂精度為ζ，當(dāng)優(yōu)化目標(biāo)值迭代誤差小于收斂精度時(shí)，停止迭代； 變量配置模塊9，用于對(duì)狀態(tài)變量和控制變量進(jìn)行拉格朗日插值轉(zhuǎn)換，并將配置點(diǎn)取為勒讓德多項(xiàng)式的根；即在時(shí)間分段t∈[ti-1，ti]內(nèi)，其中，i＝1，2，...，NE，狀態(tài)向量和控制向量分別表達(dá)為多項(xiàng)式(1)(2) 其中t＝ti-1+hiτ，τ∈
，λ(τ)是狀態(tài)向量的插值基函數(shù)，為K次多項(xiàng)式，參照式(3)；θ(τ)是控制向量的插值基函數(shù)，為K-1次多項(xiàng)式，參照式(4) 其中τ0＝0，τj為K階勒讓德多項(xiàng)式的根，其中，j＝1，2，...，K； 約束增強(qiáng)模塊10，用于增強(qiáng)對(duì)控制向量u(t)和時(shí)間分段長(zhǎng)度hi的約束，采取以下步驟來實(shí)現(xiàn) 4.1)在每個(gè)時(shí)間分段t∈[ti-1，ti]上，i＝1，2，...，NE，對(duì)控制向量配置系數(shù)的邊界值進(jìn)行約束 ulb≤uij≤uub，i＝1，2，...，NE，j＝1，2，...，K(5) 同時(shí)，通過外推控制多項(xiàng)式，即式(2)到時(shí)間分段t∈[ti-1，ti]兩端以增強(qiáng)控制向量邊界約束 其中上標(biāo)ub、lb分別表示上下邊界，uub、ulb分別表示設(shè)定的控制向量上下邊界值； 4.2)設(shè)定每個(gè)時(shí)間分段長(zhǎng)度的上下邊界值分別為hlb和hub(hlb、hub∈(0，tf])，對(duì)分段長(zhǎng)度hi實(shí)行約束 hlb≤hi≤hub，i＝1，2，，...，NE(8) 模型變換模塊11，用于將動(dòng)態(tài)優(yōu)化模型離散化，并增加狀態(tài)向量連續(xù)性條件和約束增強(qiáng)模塊的約束條件，將無限維的動(dòng)態(tài)優(yōu)化問題轉(zhuǎn)化為有限維的非線性規(guī)劃(Nonlinear Programming，NLP)問題，按照以下步驟來實(shí)現(xiàn) 5.1)動(dòng)態(tài)優(yōu)化模型的優(yōu)化目標(biāo)轉(zhuǎn)化為式(10)，ψ表示在終點(diǎn)條件下目標(biāo)函數(shù)的組成部分，xf表示終端時(shí)刻tf的狀態(tài)向量值 min J＝ψ(xf)，其中 5.2)動(dòng)態(tài)優(yōu)化模型的狀態(tài)方程轉(zhuǎn)化為殘差方程，即式(11)，F(xiàn)表示函數(shù)向量，δ表示時(shí)不變參數(shù)向量 且狀態(tài)向量滿足以下初始條件，x(t0)為給定的狀態(tài)向量初值 x1，0＝x(t0)(12) 5.3)將動(dòng)態(tài)優(yōu)化模型的狀態(tài)向量路徑約束離散化，G、H均是函數(shù)向量 5.4)增加狀態(tài)向量連續(xù)性條件 5.5)獲取約束增強(qiáng)模塊的約束條件(5)～(9)，并結(jié)合式(10)～(14)構(gòu)成有限維的非線性規(guī)劃(NLP)問題； NLP求解模塊12，用于求解模型變換模塊得到的有限維的非線性規(guī)劃(NLP)問題將狀態(tài)向量配置系數(shù)xij、控制向量配置系數(shù)uij和時(shí)間分段長(zhǎng)度為h作為優(yōu)化變量，并以xij0、uij0和h0為初始解，利用簡(jiǎn)約空間序貫二次規(guī)劃法(Reduced-space Sequential QuadraticProgramming，RSQP)求解，得出最優(yōu)的狀態(tài)向量配置系數(shù)xij*、控制向量配置系數(shù)uij*、最優(yōu)時(shí)間分段h*，并由式(10)計(jì)算出最優(yōu)目標(biāo)值J*，然后將這些優(yōu)化結(jié)果傳給結(jié)果輸出模塊13。
所述的上位機(jī)6還包括信號(hào)采集模塊7，用于設(shè)定采樣時(shí)間，采集現(xiàn)場(chǎng)智能儀表2的信號(hào)。
所述的上位機(jī)6還包括結(jié)果輸出模塊13，用于將有限維的非線性規(guī)劃(NLP)求解模塊計(jì)算出的最優(yōu)控制向量配置系數(shù)uij*通過式(2)(4)轉(zhuǎn)化為最優(yōu)控制軌線u*(t)，然后將u*(t)和最優(yōu)目標(biāo)值J*傳輸給DCS系統(tǒng)，并在DCS系統(tǒng)中顯示所得到的優(yōu)化結(jié)果信息。
實(shí)施例2 參照?qǐng)D1和圖2，一種高效的工業(yè)過程動(dòng)態(tài)優(yōu)化方法，所述的動(dòng)態(tài)優(yōu)化方法按照以下步驟實(shí)施 1)在DCS系統(tǒng)中指定動(dòng)態(tài)優(yōu)化的狀態(tài)變量和控制變量，根據(jù)實(shí)際生產(chǎn)環(huán)境的條件和操作限制的條件設(shè)定控制向量的上下邊界uub、ulb和DCS的采樣周期，并將DCS數(shù)據(jù)庫(kù)5中相應(yīng)各變量的歷史數(shù)據(jù)，控制變量上下邊界值uub、ulb傳送給上位機(jī)； 2)在初始化模塊8中，對(duì)初始參數(shù)進(jìn)行設(shè)置，并對(duì)DCS系統(tǒng)輸入的數(shù)據(jù)進(jìn)行初始化處理，按照以下步驟完成 2.1)將時(shí)域t∈[t0，tf]分割成NE段[t0，t1]，[t1，t2]，...，[tNE-1，tNE]，其中，tNE＝tf，設(shè)每個(gè)時(shí)間分段長(zhǎng)度為hi，i＝1，2，...，NE，用h表示NE維時(shí)間分段向量，并設(shè)置其初始值h0，一般可取h0為tf/NE； 2.2)設(shè)時(shí)間分段t∈[ti，ti+1]上的配置點(diǎn)個(gè)數(shù)為K； 2.3)設(shè)n維狀態(tài)向量x(t)的配置系數(shù)為xij，m維控制向量u(t)的配置系數(shù)為uij，其中，i＝1，2，...，NE；j＝1，2，...，K，并設(shè)狀態(tài)向量系數(shù)的初始值為xij0，控制向量系數(shù)的初始值為uij0； 2.4)設(shè)動(dòng)態(tài)優(yōu)化的收斂精度為ζ(一般可取為10-6)，當(dāng)優(yōu)化目標(biāo)值迭代誤差小于收斂精度時(shí)，停止迭代； 3)在變量配置模塊9中，將時(shí)間分段t∈[ti-1，ti]，i＝1，2，...，NE上的狀態(tài)向量和控制向量分別轉(zhuǎn)換為 其中λ(τ)是狀態(tài)向量的插值基函數(shù)，即式(3)；θ(τ)是控制向量的插值基函數(shù)，即式(4)，t經(jīng)由中間變量τ(∈
)轉(zhuǎn)換為t＝ti-1+hiτ 式(3)(4)中τ0＝0，τj為K階勒讓德多項(xiàng)式的根，j＝1，2，...，K； 4)在約束增強(qiáng)模塊10中，增強(qiáng)對(duì)控制向量u(t)和時(shí)間分段長(zhǎng)度hi的約束，采取以下步驟來實(shí)現(xiàn) 4.1)在每個(gè)時(shí)間分段t∈[ti-1，ti](i＝1，2，...，NE)上，對(duì)控制向量配置系數(shù)的邊界值實(shí)行約束 ulb≤uij≤uub，i＝1，2，...，NE，j＝1，2，...，K(5) 同時(shí)，通過外推控制多項(xiàng)式，即式(2)到時(shí)間分段t∈[ti-1，ti]兩端來約束控制向量 其中上標(biāo)ub、lb分別表示上下邊界，uub、ulb分別表示設(shè)定的控制向量上下邊界值； 4.2)設(shè)定每個(gè)時(shí)間分段長(zhǎng)度的上下邊界值分別為hlb和hub(hlb、hub∈(0，tf])，對(duì)分段長(zhǎng)度hi實(shí)行約束 hlb≤hi≤hub，i＝1，2，...，NE(8) 5)在模型變化模塊11，中將動(dòng)態(tài)優(yōu)化模型離散化后增加狀態(tài)向量連續(xù)性條件，并結(jié)合約束增強(qiáng)模塊的約束條件，將無限維的動(dòng)態(tài)優(yōu)化問題轉(zhuǎn)化為有限維的非線性規(guī)劃(NLP)問題，按照以下步驟來實(shí)現(xiàn) 5.1)動(dòng)態(tài)優(yōu)化問題的優(yōu)化目標(biāo)轉(zhuǎn)化為式(10)，ψ表示在終點(diǎn)條件 下目標(biāo)函數(shù)的組成部分，xf表示終端時(shí)刻tf的狀態(tài)向量值 min J＝ψ(xf)，其中 5.2)動(dòng)態(tài)優(yōu)化模型的狀態(tài)方程轉(zhuǎn)化為殘差方程，即式(11)，F(xiàn)表示函數(shù)向量，δ表示時(shí)不變參數(shù)向量 且狀態(tài)向量滿足以下初始條件，x(t0)為給定的狀態(tài)向量初值 x1，0＝x(t0)(12) 5.3)將動(dòng)態(tài)優(yōu)化模型的狀態(tài)向量路徑約束離散化，G、H均是函數(shù)向量 5.4)增加狀態(tài)向量連續(xù)性條件 5.5)獲取約束增強(qiáng)模塊的約束條件(5)～(9)，并結(jié)合式(10)～(14)構(gòu)成有限維的非線性規(guī)劃(NLP)問題； 6)在NPL求解模塊12中，求解模型變換模塊得到的有限維的非線性規(guī)劃(NLP)問題將狀態(tài)向量配置系數(shù)xij、控制向量配置系數(shù)uij和時(shí)間分段長(zhǎng)度為h作為優(yōu)化變量，并以xij0、uij0和h0為初始解，利用簡(jiǎn)約空間序貫二次規(guī)劃法(Reduced-space Sequential QuadraticProgramming，RSQP)求解，得出最優(yōu)的狀態(tài)向量配置系數(shù)xij*、控制向量配置系數(shù)uij*、最優(yōu)時(shí)間分段h*，并由式(10)計(jì)算出最優(yōu)目標(biāo)值J*，然后將這些優(yōu)化結(jié)果傳給結(jié)果輸出模塊13。
所述的動(dòng)態(tài)優(yōu)化方法還包括在信號(hào)采集模塊7中，將現(xiàn)場(chǎng)智能儀表所采集的工業(yè)過程對(duì)象的數(shù)據(jù)傳送到DCS系統(tǒng)的實(shí)時(shí)數(shù)據(jù)庫(kù)中，在每個(gè)采樣周期從DCS系統(tǒng)的數(shù)據(jù)庫(kù)得到的最新數(shù)據(jù)輸出到上位機(jī)，并在上位機(jī)的初始化模塊進(jìn)行初始化處理。
所述的動(dòng)態(tài)優(yōu)化方法還包括在所述有限維的非線性規(guī)劃(NLP)求解模塊中得到的最優(yōu)控制向量配置系數(shù)uij*，將通過結(jié)果輸出模塊轉(zhuǎn)換為最優(yōu)控制曲線u*(t)，并在上位機(jī)的人機(jī)界面上顯示u*(t)和最優(yōu)目標(biāo)值J*；同時(shí)，最優(yōu)控制曲線u*(t)將通過數(shù)據(jù)接口傳給DCS系統(tǒng)，并在DCS系統(tǒng)中顯示所得到的優(yōu)化結(jié)果信息。
上述實(shí)施例用來解釋說明本發(fā)明，而不是對(duì)本發(fā)明進(jìn)行限制，在本發(fā)明的精神和權(quán)利要求的保護(hù)范圍內(nèi)，對(duì)本發(fā)明作出的任何修改和改變，都落入本發(fā)明的保護(hù)范圍。
權(quán)利要求
1.一種高效的工業(yè)過程動(dòng)態(tài)優(yōu)化系統(tǒng)，包括與工業(yè)過程對(duì)象連接的現(xiàn)場(chǎng)智能儀表、DCS系統(tǒng)和上位機(jī)，所述的DCS系統(tǒng)包括數(shù)據(jù)庫(kù)和操作站，所述現(xiàn)場(chǎng)智能儀表與DCS系統(tǒng)連接，所述DCS系統(tǒng)與上位機(jī)連接，其特征在于所述的上位機(jī)包括
初始化模塊，用于初始參數(shù)的設(shè)置、狀態(tài)向量x(t)和控制向量u(t)的離散化與初始賦值，具體步驟如下
2.1)將時(shí)域t∈[t0，tf]分割成NE段[t0，t1]，[t1，t2]，...，[tNE-1，tNE]，其中tNE＝tf設(shè)每個(gè)時(shí)間分段長(zhǎng)度為hi，i＝1，2，...，NE，用h表示NE維時(shí)間分段向量，設(shè)其初始值為h0；
2.2)設(shè)時(shí)間分段t∈[ti，ti+1]上的配置點(diǎn)個(gè)數(shù)為K；
2.3)設(shè)n維狀態(tài)向量x(t)的配置系數(shù)為xij，m維控制向量u(t)的配置系數(shù)為uij，其中，i＝1，2，...，NE；j＝1，2，...，K，并設(shè)狀態(tài)向量系數(shù)的初始值為xij0，控制向量系數(shù)的初始值為uij0
2.4)設(shè)動(dòng)態(tài)優(yōu)化的收斂精度為ζ，當(dāng)優(yōu)化目標(biāo)值迭代誤差小于收斂精度時(shí)，停止迭代；
變量配置模塊，用于對(duì)狀態(tài)變量和控制變量進(jìn)行拉格朗日插值轉(zhuǎn)換，并將配置點(diǎn)取為勒讓德多項(xiàng)式的根；即在時(shí)間分段t∈[ti-1，ti]內(nèi)，其中，i＝1，2，...，NE，狀態(tài)向量和控制向量分別表達(dá)為多項(xiàng)式(1)(2)
其中t＝ti-1+hiτ，τ∈
，λ(τ)是狀態(tài)向量的插值基函數(shù)，為K次多項(xiàng)式，參照式(3)；θ(τ)是控制向量的插值基函數(shù)，為K-1次多項(xiàng)式，參照式(4)
其中τ0＝0，τi為K階勒讓德多項(xiàng)式的根，其中，j＝1，2，...，K；
約束增強(qiáng)模塊，用于增強(qiáng)對(duì)控制向量u(t)和時(shí)間分段長(zhǎng)度hi的約束，采取以下步驟來實(shí)現(xiàn)
4.1)在每個(gè)時(shí)間分段t∈[ti-1，ti]上，i＝1，2，...，NE，對(duì)控制向量配置系數(shù)的邊界值進(jìn)行約束
ulb≤uij≤uub，i＝1，2，...，NE，j＝1，2，...，K(5)
同時(shí)，通過外推控制多項(xiàng)式，即式(2)到時(shí)間分段t∈[ti-1，ti]兩端以增強(qiáng)控制向量邊界約束
其中上標(biāo)ub、lb分別表示上下邊界，uub、ulb分別表示設(shè)定的控制向量上下邊界值；
4.2)設(shè)定每個(gè)時(shí)間分段長(zhǎng)度的上下邊界值分別為hlb和hub(hlb、hub(0，tf])，對(duì)分段長(zhǎng)度hi實(shí)行約束
hlb≤hi≤hub，i＝1，2，...，NE(8)
模型變換模塊，用于將動(dòng)態(tài)優(yōu)化模型離散化，并增加狀態(tài)向量連續(xù)性條件和約束增強(qiáng)模塊的約束條件，將無限維的動(dòng)態(tài)優(yōu)化問題轉(zhuǎn)化為有限維的非線性規(guī)劃問題，按照以下步驟來實(shí)現(xiàn)
5.1)動(dòng)態(tài)優(yōu)化模型的優(yōu)化目標(biāo)轉(zhuǎn)化為式(10)，ψ表示在終點(diǎn)條件下
目標(biāo)函數(shù)的組成部分，xf表示終端時(shí)刻tf的狀態(tài)向量值
其中
5.2)動(dòng)態(tài)優(yōu)化模型的狀態(tài)方程轉(zhuǎn)化為殘差方程，即式(11)，F(xiàn)表示函數(shù)向量，δ表示時(shí)不變參數(shù)向量
且狀態(tài)向量滿足以下初始條件，x(t0)為給定的狀態(tài)向量初值
x1，0＝x(t0)(12)
5.3)將動(dòng)態(tài)優(yōu)化模型的狀態(tài)向量路徑約束離散化，G、H均是函數(shù)向量
5.4)增加狀態(tài)向量連續(xù)性條件
5.5)獲取約束增強(qiáng)模塊的約束條件(5)～(9)，并結(jié)合式(10)～(14)構(gòu)成有限維的非線性規(guī)劃問題；
NLP求解模塊，用于求解模型變換模塊得到的有限維的非線性規(guī)劃問題將狀態(tài)向量配置系數(shù)xij、控制向量配置系數(shù)uij和時(shí)間分段長(zhǎng)度為h作為優(yōu)化變量，并以xij0、uij0和h0為初始解，利用簡(jiǎn)約空間序貫二次規(guī)劃法求解，得出最優(yōu)的狀態(tài)向量配置系數(shù)xij*、控制向量配置系數(shù)uij*、最優(yōu)時(shí)間分段h*，并由式(10)計(jì)算出最優(yōu)目標(biāo)值J*，然后將這些優(yōu)化結(jié)果傳給結(jié)果輸出模塊。
2.如權(quán)利要求1所述的一種高效的工業(yè)過程動(dòng)態(tài)優(yōu)化系統(tǒng)，其特征在于所述的上位機(jī)還包括信號(hào)采集模塊，用于設(shè)定采樣時(shí)間，采集現(xiàn)場(chǎng)智能儀表的信號(hào)。
3.如權(quán)利要求1或2所述的一種高效的工業(yè)過程動(dòng)態(tài)優(yōu)化系統(tǒng)，其特征在于所述的上位機(jī)還包括結(jié)果輸出模塊，用于將有限維的非線性規(guī)劃求解模塊計(jì)算出的最優(yōu)控制向量配置系數(shù)uij*通過式(2)(4)轉(zhuǎn)化為最優(yōu)控制軌線u*(t)，然后將u*(t)和最優(yōu)目標(biāo)值J*傳輸給DCS系統(tǒng)，并在DCS系統(tǒng)中顯示所得到的優(yōu)化結(jié)果信息。
4.一種用如權(quán)利要求1所述的高效的工業(yè)過程動(dòng)態(tài)優(yōu)化系統(tǒng)實(shí)現(xiàn)的動(dòng)態(tài)優(yōu)化方法，其特征在于所述的動(dòng)態(tài)優(yōu)化方法包括以下步驟
1)在DCS系統(tǒng)中指定動(dòng)態(tài)優(yōu)化的狀態(tài)變量和控制變量，根據(jù)實(shí)際生產(chǎn)環(huán)境的條件和操作限制的條件設(shè)定控制向量的上下邊界uub、ulb和DCS的采樣周期，并將DCS數(shù)據(jù)庫(kù)中相應(yīng)各變量的歷史數(shù)據(jù)，控制變量上下邊界值uub、ulb傳送給上位機(jī)；
2)對(duì)初始參數(shù)進(jìn)行設(shè)置，并對(duì)DCS系統(tǒng)輸入的數(shù)據(jù)進(jìn)行初始化處理，按照以下步驟完成
2.1)將時(shí)域t∈[t0，tf]分割成NE段[t0，t1]，[t1，t2]，...，[tNE-1，tNE]，其中，tNE＝tf，設(shè)每個(gè)時(shí)間分段長(zhǎng)度為hi，i＝1，2，...，NE，用h表示NE維時(shí)間分段向量，并設(shè)置其初始值h0，一般可取h0為tf/NE；
2.2)設(shè)時(shí)間分段t∈[ti，ti+1]上的配置點(diǎn)個(gè)數(shù)為K；
2.3)設(shè)n維狀態(tài)向量x(t)的配置系數(shù)為xij，m維控制向量u(t)的配置系數(shù)為uij，其中，i＝1，2 ，...，NE；i＝1，2，...，K，并設(shè)狀態(tài)向量系數(shù)的初始值為xij0，控制向量系數(shù)的初始值為uij0；
2.5)設(shè)動(dòng)態(tài)優(yōu)化的收斂精度為ζ，當(dāng)優(yōu)化目標(biāo)值迭代誤差小于收斂精度時(shí)，停止迭代；
3)將時(shí)間分段t∈[ti-1，ti]，i＝1，2，...，NE上的狀態(tài)向量和控制向量分別轉(zhuǎn)換為
其中λ(τ)是狀態(tài)向量的插值基函數(shù)，即式(3)；θ(τ)是控制向量的插值基函數(shù)，即式(4)，t經(jīng)由中間變量τ∈
)轉(zhuǎn)換為t＝ti-1+hiτ
式(3)(4)中τ0＝0，τi為K階勒讓德多項(xiàng)式的根，j＝1，2，...，K；
4)增強(qiáng)對(duì)控制向量u(t)和時(shí)間分段長(zhǎng)度hi的約束，采取以下步驟來實(shí)現(xiàn)
4.1)在每個(gè)時(shí)間分段t∈[ti-1，ti](i＝1，2，...，NE)上，對(duì)控制向量配置系數(shù)的邊界值實(shí)行約束
ulb≤uij≤uub，i＝1，2，...，NE，j＝1，2，...，K(5)
同時(shí)，通過外推控制多項(xiàng)式，即式(2)到時(shí)間分段t∈[ti-1，ti]兩端來約束控制向量
其中上標(biāo)ub、lb分別表示上下邊界，uub、ulb分別表示設(shè)定的控制向量上下邊界值；
4.2)設(shè)定每個(gè)時(shí)間分段長(zhǎng)度的上下邊界值分別為hlb和hub(hlb、hub(0，tf])，對(duì)分段長(zhǎng)度hi實(shí)行約束
hlb≤hi≤hub，i＝1， 2，...，NE(8)
5)將動(dòng)態(tài)優(yōu)化模型離散化后增加狀態(tài)向量連續(xù)性條件，并結(jié)合約束增強(qiáng)模塊的約束條件，將無限維的動(dòng)態(tài)優(yōu)化問題轉(zhuǎn)化為有限維的非線性規(guī)劃問題，按照以下步驟來實(shí)現(xiàn)
5.1)動(dòng)態(tài)優(yōu)化問題的優(yōu)化目標(biāo)轉(zhuǎn)化為式(10)，ψ表示在終點(diǎn)條件下目標(biāo)函數(shù)的組成部分，xf表示終端時(shí)刻tf的狀態(tài)向量值
其中
5.2)動(dòng)態(tài)優(yōu)化模型的狀態(tài)方程轉(zhuǎn)化為殘差方程，即式(11)，F(xiàn)表示函數(shù)向量，δ表示時(shí)不變參數(shù)向量
且狀態(tài)向量滿足以下初始條件，x(t0)為給定的狀態(tài)向量初值
x1，0＝x(t0)(12)
5.3)將動(dòng)態(tài)優(yōu)化模型的狀態(tài)向量路徑約束離散化，G、H均是函數(shù)向量
5.4)增加狀態(tài)向量連續(xù)性條件
5.5)獲取約束增強(qiáng)模塊的約束條件(5)～(9)，并結(jié)合式(10)～(14)構(gòu)成有限維的非線性規(guī)劃問題；
6)求解模型變換模塊得到的有限維的非線性規(guī)劃問題將狀態(tài)向量配置系數(shù)xij、控制向量配置系數(shù)uij和時(shí)間分段長(zhǎng)度為h作為優(yōu)化變量，并以xij0、uij0、和h0為初始解，利用簡(jiǎn)約空間序貫二次規(guī)劃法求解，得出最優(yōu)的狀態(tài)向量配置系數(shù)xij*、控制向量配置系數(shù)uij*、最優(yōu)時(shí)間分段h*，并由式(10)計(jì)算出最優(yōu)目標(biāo)值J*，然后將這些優(yōu)化結(jié)果傳給結(jié)果輸出模塊。
5.如權(quán)利要求4所述的動(dòng)態(tài)優(yōu)化方法，其特征在于所述的動(dòng)態(tài)優(yōu)化方法還包括將現(xiàn)場(chǎng)智能儀表所采集的工業(yè)過程對(duì)象的數(shù)據(jù)傳送到DCS系統(tǒng)的實(shí)時(shí)數(shù)據(jù)庫(kù)中，在每個(gè)采樣周期從DCS系統(tǒng)的數(shù)據(jù)庫(kù)得到的最新數(shù)據(jù)輸出到上位機(jī)，并在上位機(jī)的初始化模塊進(jìn)行初始化處理。
6.如權(quán)利要求4所述的動(dòng)態(tài)優(yōu)化方法，其特征在于所述的動(dòng)態(tài)優(yōu)化方法還包括在所述有限維的非線性規(guī)劃求解模塊中得到的最優(yōu)控制向量配置系數(shù)uij*，將通過結(jié)果輸出模塊轉(zhuǎn)換為最優(yōu)控制曲線u*(t)，并在上位機(jī)的人機(jī)界面上顯示u*(t)和最優(yōu)目標(biāo)值J*；同時(shí)，最優(yōu)控制曲線u*(t)將通過數(shù)據(jù)接口傳給DCS系統(tǒng)，并在DCS系統(tǒng)中顯示所得到的優(yōu)化結(jié)果信息。
全文摘要
一種高效的工業(yè)過程動(dòng)態(tài)優(yōu)化系統(tǒng)，包括與工業(yè)過程對(duì)象連接的現(xiàn)場(chǎng)智能儀表、DCS系統(tǒng)和上位機(jī)，上位機(jī)包括初始化模塊，用于初始參數(shù)的設(shè)置；變量配置模塊，用于對(duì)變量進(jìn)行拉格朗日插值轉(zhuǎn)換，并將配置點(diǎn)取為勒讓德多項(xiàng)式的根；約束增強(qiáng)模塊，用于增強(qiáng)對(duì)控制向量u(t)和時(shí)間分段長(zhǎng)度hi的約束；模型變換模塊，用于將動(dòng)態(tài)優(yōu)化模型離散化，并增加狀態(tài)向量連續(xù)性條件和約束增強(qiáng)模塊的約束條件，將無限維的動(dòng)態(tài)優(yōu)化問題轉(zhuǎn)化為有限維的非線性規(guī)劃問題；NLP求解模塊，用于求解模型變換模塊得到的有限維的非線性規(guī)劃問題。以及提供一種高效的工業(yè)過程動(dòng)態(tài)優(yōu)化方法。本發(fā)明能夠準(zhǔn)確找到復(fù)雜非線性動(dòng)態(tài)優(yōu)化問題的最優(yōu)解且收斂速度很高、適用性廣。
文檔編號(hào)G05B19/418GK101763086SQ20091015569
公開日2010年6月30日 申請(qǐng)日期2009年12月29日 優(yōu)先權(quán)日2009年12月29日
發(fā)明者劉興高, 陳瓏 申請(qǐng)人:浙江大學(xué)