《基于遗传算法的延迟焦化过程双线性建模及其鲁棒控制.pdf》由会员分享，可在线阅读，更多相关《基于遗传算法的延迟焦化过程双线性建模及其鲁棒控制.pdf（4页珍藏版）》请在三一文库上搜索。
1、B I L D 幔A RM o D E L D i Go FD E L A Y E DC O o K D I GB YU S D i G G E N E T l CA L G o I U T H MA N DR o B U S TC o N T R o L L I NJ i aJ 叫。L i u R l l iM i 雌，L E H “F e n g ，柚d Y UJ i l lS h 叫 ( R e s e a f c hI I l s h n l t eo f A 呻加鲥锄E C U S T ，S h a n g I l a l 2 0 0 2 3 7 ) b t n c 屯I I I 蛳
2、sp a 氍8 n 哪m d h o d i s p f o p o d t or 蕾l i z e ab i l 沁盯m o d e l i n g o f d c l 时e dc b n gp r o c e 豁w i m o A1 h e b i l m c 盯m o d d 叭t I Iu n c e n a 垴坤伯m 酌科si 5 朗l l i v l J 锄tl om cd c “f 如l I so fd e I a y e dc 蜘gp 巾c c 鼹B a 辨d a c c t 呲抽曲n z a n o nm e 州o fm c b t l m e 盯s y 蛐na n e w
3、m c 臼口l 蚰a 证霉y 话p m v i d 。d t ok 。印n I c 掣s 咖I 嘲b i 壮哼 K e ”r o r d s ：d c l a y e d o 垃I g tb i l 证脚r m o d d ，g 锄幽c “驴d 血m ，b u s t c 虹d 基于遗传算法的延迟焦化过程双线性建模及其鲁棒控制1 林家骏刘瑞民乐慧丰俞金寿 ( 上海华东理工大学自动化所上海2 1 ) 0 2 3 7 摘要：本文中提出利用遗传算法建立延迟焦化的双线性模型的新方法并用具有不确定参数的双线性模型等价描述了延迟焦化 过程中的设备故障。文中提出了基于精确线性化原理的双线性鲁棒控制方案用以解
4、决上述问题 关键字：延递焦化取线性模型，遗传算法，鲁捧控制 前言： 髓着世界对石油的需求量增大及其油品质的提 高对延迟焦化处理的能力与质量的要求也不断提 高。近年来对延迟焦化过程的计算机控制系统的预 测与优化模型的研究层出不穷。由于延迟焦化是一 个复杂的非线性动力学过程。按其机理模型可分 解为十一个动力学子系统。所用的方程繁复，参数 众多。其中间产品有：饱和烃、轻芳烃、重芳烃、 软胶质、硬胶质、沥青质、汽油等，以及焦炭。但 一股认为机理模型与现场操作时的实际环境有较大 的差距且为了便于控制实篪常采用简化模型。 线性简化模型精度较差【l 】中报道了使用神经 网络对延迟焦化过程进行建模并加以控制的
5、工程 窀践 由于神经网络是一种无参数模型，且其权参 数的z 、可解释性，不能进一步结合已有的先进控制 F 段与方法。建立一种动力学特征明确精确度高 的参数型动力学模型对优化延迟焦化过程与适当 的控制策略的运用部是至关重要的。第2 节中提出 ，用遗传算法建立延迟焦化双线性模型的新方法与 相关结论。第3 节讨论了具有延迟焦化结构故障等 价的双线性不确定系统的鲁棒控制的新方法并 存文中给出了相应的控制实例。 二 基于遗传算法的延迟焦化双线性模型 双线性模型是一种结构简单但非线性动力学 特性表达能力较强的参数型模型已在大量工业系 统的建模中得到运用。至今未见到该模型在延迟焦 化建模中应用的报道。 雷宋
6、自然抖节薹盒查助J 贽日e 6 姐7 柚 o - 7 3 ，斡5 x j n w l m 歌口I ) 0i E E E j 6 1 如图l 所示若在焦化装置中的主要产物有气 体、汽油、柴油、蜡油和焦炭一般确定轻油收率 ( 汽油收率+ 柴油收率) 为控制目标。根据机理与现 场操作实践在一段时间内影响控制目标的主要为 加热炉辐射段的出口温度T ，而焦化塔塔顶压力P 及 循环比R 为常量。机理模型产生的数据与现场数据 校合，可得到两组延迟焦化过程的动态数据：炉温 一汽油收率炉温一柴油收率。 圈l 延迟焦化过程输入一输出框图 2l 基于遗传算法的双线性模型 根据已知的两组动态输入输出数据可确定双 线性
7、模型的基本结构 爿= 凡Y + 在+ M y = f 了 ( 1 ) 其中： E R 2 yE 尺EJ R 2 ，占E R 2 ” “E 月I f E R l 。2 为汽油收率，如为柴油收率y 为控制指 标轻油收率，“为沪膛温度。 遗传算法n ，1 ：是一种具有稳定并行计算能力，鲁 棒寻优算法，利用遗传算法的并行计算能力，来确 定式( 1 ) 中的l o 个参数。 设实际测定值序列为歹用于建模的双线性模型输 出值序列为y ， 建立优化问题 I n i n 眵，一一) 2 I I = l 遗传基因为复合基因选择实数编码规则，如图2 所示。， 1 1 4 1 2 4 2 l 以2 2 l B l
8、B 2I _ v 1 1 1 2 ，2 I 2 2 图2 复合基因串 使用遗传算法用于选择使式( 2 ) 最小的复合基因 串。 在遗传算法中使用有界杂交，即爿、B 、v 之 间不存在杂交运算。杂交手段有多种，并有适当机 率的变异操作。 参数初始值的选择： 由于方程式( I ) 是动力学系统，故y 取值应由式 ( 1 ) 决定，而不是一般的代数系统。可记为 y b 茸，j “) ，其中_ 是已知的输入一是中 问变量一，B ，是系统的优化变量。为确保遗产算 法的寻优成功应遵循以下原则： ( a )选择高精度微分数值解方法 ( b )选择保证系统稳定的初始值 ( c )，的非平凡约束 ( a ) 是
9、容易满足的：( b ) 可选择双线性系统中线性部 分参数A 使其为一芷定阵，取较小值即可； ( c ) 的约束是必要的，若M 为O ，则( I ) 蜕化为 线性系统。与假设的确模型不符。 22 遗传建模实例 使用机理模型产生的数据，经现场数据棱台 后，作为建模原始数据。每组数据长度为5 0 0 ，复合 基因种群数为2 0 0 。演化代的最大上限为2 0 0 0 。 按上节所述选择适当的初始条件。微分方程 数值解法与非平凡约束，可得如下双线性模型 卜卜3 5 0 0 n 3 9 3 2 l Y ，m 3 晋二o 3 8 0 引 ， ( 3 ) + 卜7 4 7 5 n 2 0 6 5 枷D 1
10、3 3 b L o2 0 9 9 JL o 1 8 3 00 0 8 1 6 j 6 1 2 图3 画出了不同演化代的总体误差。从该图瞢知 由建立的双线性模型产生的动：惫输出数据与用于建 模的原始数据之间的方差为O 0 2 4 。是一个精度较高 的双线性模型。 图3 不同演化代的误差曲线 三= - 延迟焦化过程故障的鲁棒控制 在延迟焦化过程中，设备不可避免的出现敏 障在故障条件下采用适当的控制策略可保证生产 过程正常运作，并具有性能控制指标。 汁算具有双线性描述的延迟焦化过程，其设备 故障可由下述结构扰动方程加以描述。 j = ( 月+ z ( f 4 ) r + 肋+ ( 4 ) Y = f
11、 x 其中五( ，皿4 用于描述系统的故障，2 ( ，) 在 【_ l ，l 】之间随肌变化，其余变量意义同式( 1 ) 。 为便于进行精确线性化，令 。即出：翻 此时方程( 4 ) 变为： j = 刖+ 8 “ + 1 肋+ ( ，) 鲥+ v ：肌( 5 ) 令“= a ( r ) + 口( ) v 对方程( ，) 进行变换，除去最后两项 “ O ) 纠r 十：地”，对( 5 ) 的剩余部分 r = 正r + 肪+ ，。妇( j a ) 进行状态反馈精确线性化可得到一同胚变换： ，：_ + z 。此同胚变换的表达式及其J 洒i 矩阵 5 巳后式。 经此问胚变换后方程【5 ) 的部分，即方程
12、 ( 5 a ) 变为B r u n o v s k y 标准能控线性系统： 2 ：f oo z + 1 1 ， 6 ) L Io JL O J ，j。酒-_d潮翘酒溯酒一 算 对方程进行同胚变换的过程中需要进行三步运 ( 1 ) 将所有的等号右边的z 以x ( z ) 代替。 ( 2 ) 将所有的“ ”以 “a ( x ( z ) ) + 卢( x ( z ) ) v ”代替。( 为表达方 便，以下三式中暂时以“”( z ) ”代替。) ( 3 ) 对等号右边的表达式各项全部乘 上此同胚变换的J a o b i 矩阵。 m 方程( 5 ) 的整体进行此同胚变换( 包括去 除的最后两项) 则方
13、程( 5 ) 变为： 2 ：剿：| v 哟矾翰瑚M 翰晒( 7 ) 与方程( 6 ) 相比，主要的区别在于加上了进 行过此同胚变换的最后两项。可将最后两项看作线 性系统( 6 ) 的扰动项，即可看成如下形式： 2 = 嘲堋一， 对系统 2 = ： z + 习V 进行极点配置将 j = o 的极点配置为【- o5 5 ，- o8 8 】，则： ，= 卜1 4 3 一o4 5 】。即令v = 庀。 此F 的选取要让爿满足两个条件： ( 1 ) 稳定。 ( 2 ) 有抵抗扰动项D ( z ) 而保持系统( 5 ) 稳定的能 力， 即使得j D ( z ) 】jc 纠 硎c z 。( 9 ) 肛Ic
14、其中p 为 ，y 印2 M 、，方程 j 7 P + 厨= 一Q 的唯一对称正定解J D 为一任意对称正定阵。 将V = 霹代入方程( 4 ) 中可以得到： 2 = j z + m f ) - J ( Z ) 鲋- x ( 动+ J ( Z ) 2 川Z ) “( Z ) ( 8 ) 注意到： ：髻藩占茳嗽掰2 = a t x 昭b + p t x 培F z 、。 将式( 9 ) 进行反同胚变换，即令z = _ 厂。) 就可得到实际的控制律。 6 1 3 其中，同胚变换z _ x 的表达式为 I4 5 Z ，+ O 7 5l 一熹筹蓑牿懂私。， 肌Z ) 2 五艺南高+ k lJ u0 ) J
15、 忙) 为同乒受换。4 爿的J 4 “o b l 矩阵：、 ，( z ) = 卜0 0 6 馏：2 一0 2 昭2 一ol 配1 一o 【6 J ( z ) ( z ) ( 1 I ) 其中 删= P 簪? 弘弘1m 8 掣7 3 l 坪叱。嚣瑚：，囊。， “= r ( z ) ) + 卢( ( z b V = 彳( z ) 啤一，( z ) 】 ( 1 2 ) ( z ) 与( = ) 的表达式如下： h ( Z ) = O2 2 12 + c ) 8 2 2 2 + O4 7 Z l + 0 4 7 ，( z ) = - ( 1 1 8 z ：3 一O7 3 2 2 2 一l2 7 Z l
16、 z ! 一O4 3 z ：一I7 3 z 在同样的故障条件下。传统P I D 控制方案与本 方法的效果比较如下图示： ：f 玉必。丛 。” 一一旦蚶一 。y 一一 图4 两种控制方案结果比较 光滑曲线：代表基于精确线性化的鲁棒控制敏累 抖动曲线：代表传统P ) 控制效果 四结论 运用文中提出的基于遗传算法的建模新方法， 建立了延迟焦化过程的双线性模型精度较高。该 方法还可以运用于其它复杂化工动态过程的建模工 作中。运用该模型结合鲁棒控制的新方法成功的解 决了延迟焦化过程中设备故障所产生的控制指标失 控问题。 参考文献 1 张克进掷延迟焦化装置液体产品收事模型的开发自动化 理论技术与应用论文集
17、。西苑出版栈1 9 9 9 ：3 0 3 3 0 6 2H O I 】柚dJ H G 锄嘶c 咖0 I i m 盥柚d 血o p t i I D 矗l 蛆l o c a t i 哪s o l t 1 1 丑l & S I A Mo f C 哪p 州n g ，1 9 7 3 ，2 ：8 8 一1 0 5 3 G 0 b e 瑁D EG 棚鲥cA l g 画曲地血姗h o p 血A 蹦呱 锄d M 嵋h i n e L 朗I i n gR 曲曲呜，M A ：A d d i 8 咂- W k y ，1 9 s 9 4 程代展非线性系统的几何理论科学出版社，1 9 8 8 北京 5 刘瑞民等一类存在结构扰动的敏线性系统的鲁榜控制第 十届中国过程控制年会1 9 9 9 ，s ，承德 6 1 4 酒凋q淘l蠲司jI