一种基于IDP的工业过程动态优化系统及方法

摘要

一种基于IDP的工业过程动态优化系统，包括与工业过程对象连接的现场智能仪表、DCS系统以及上位机，所述的DCS系统由数据接口、控制站、数据库构成；现场智能仪表、DCS系统、上位机依次相连，所述的上位机包括：所述的上位机包括初始化处理模块、约束处理模块、信号采集模块、迭代优化模块、判断分析模块、结果显示模块，以及提供了一种工业过程动态优化方法。本发明提供一种能够准确快速找到动态非线性工业过程的最优解、适用性广的基于IDP的工业过程动态优化系统及方法。

主权项

1、一种基于IDP的工业过程动态优化系统，包括与工业过程对象连接的现场智能仪表、DCS系统以及上位机，所述的DCS系统由数据接口、控制站、数据库构成；现场智能仪表、DCS系统、上位机依次相连，其特征在于：所述的上位机包括：初始化处理模块，用于对数据进行初始化处理，对状态变量x和控制变量u进行初始赋值，采用以下步骤来完成：1)将时间区间[0，tf]分成P小段，(0，t1)，(t1，t2)…(tp-2，tp-1)，(tp-1，tp)；每个时间段的长度取为L＝tf/P；2)设定控制变量u的初始可行域r和缩减因子α，取r＝[ulb，uub]，其中上标lb、ub分别表示上、下边界；α取在0～1之间，在控制变量的可行域范围内均匀地选取M个控制变量值，作为控制变量的初值u0；3)将N个控制变量{u0±[H/(N-1)]×r，H＝2，4，…N-1}，在P个时间段上，将状态变量方程积分N次，得到一组N×P维的状态变量值，作为状态变量的初始值；约束处理模块，用于处理优化过程中不满足生产条件的变量，采用如下步骤来实现：1)首先，处理状态变量x的终值约束x(ti)≤xi(tf)，取oi＝|xi(tf)-x(ti)|；2)其次，处理状态变量x的上下界约束，依照式(1)取：$p_{\mathrm{ik}}=\left\{\begin{array}{ccc}[x_i^{\mathrm{lb}}\left(t_k\right)-x_i\left(t_k\right)]& \mathrm{if}& x_i\left(t_k\right){\le x}_i^{\mathrm{lb}}\left(t_k\right)\\ 0& \mathrm{if}& x_i^{\mathrm{lb}}\left(t_k\right)\le x_i\left(t_k\right){\le x}_i^{\mathrm{ub}}\left(t_k\right)\\ [x_i\left(t_k\right)-x_i^{\mathrm{lb}}\left(t_k\right)]& \mathrm{if}& x_i\left(t_k\right)>x_i^{\mathrm{ub}}\left(t_k\right)\end{array}\right.---\left(1\right)$ 其中，上标lb、ub分别表示上、下边界，i＝1，...，ψ，k＝1，...，p；ψ表示状态变量上下界约束的个数；3)处理控制变量约束，依照式(2)、(3)取：$u_i\left(t_k\right)=\left\{\begin{array}{ccc}{u}_i^{\mathrm{lb}}\left(t_k\right)& \mathrm{if}& u_i\left(t_k\right){<u}_i^{\mathrm{lb}}\left(t_k\right)\\ u_i\left(t_k\right)& \mathrm{if}& u_i^{\mathrm{lb}}\left(t_k\right)\le u_i\left(t_k\right)\le u_i^{\mathrm{ub}}\left(t_k\right)\\ u_i^{\mathrm{lb}}\left(t_k\right)& \mathrm{if}& u_i\left(t_k\right)>u_i^{\mathrm{ub}}\left(t_k\right)\end{array}\right.---\left(2\right)$ 其中，上标lb、ub分别表示上、下边界，i＝1，...，δ，k＝2，...，p；是给定值；δ表示控制变量约束的个数；4)构建一个增广的性能指标函数，参见式(4)：$J=I+(\underset{i=1}{\overset{\eta }{\Sigma }}{\omega }_i{o}_i+\underset{i=1}{\overset{\psi }{\Sigma }}\underset{k=1}{\overset{P}{\Sigma }}{\lambda }_i{p}_{\mathrm{ik}}+\underset{i=1}{\overset{\theta }{\Sigma }}\underset{k=2}{\overset{P}{\Sigma }}{\delta }_i{q}_{\mathrm{ik}})---\left(4\right)$ 其中，I为工业过程动态优化目标的性能指标，ωi，λi，δi分别为惩罚函数的权重因子，η，ψ，δ分别为各相应约束的数目；信号采集模块，用于设定每次采集的时间间隔，采集现场智能仪表的信号；迭代优化模块，用于寻找最优的性能指标，采用以下步骤来实现：从第P段开始迭代，即从tf-L到tf时间，在控制变量允许范围内搜索得到使得性能指标J最小的各变量，保存tf-L相应的各变量值；再从第P-1时间段起，即从时间tf-2L到tf-L，对于tf-2L的各状态点的控制变量，将状态方程由tf-2L到tf-L，再从tf-L起用距离前段积分终点最近的状态点的最优控制变量积分tf，由此得到tf-2L段上各状态点到终点的最优决策值；重复上述步骤直到第L时间段，即t0时间，保存使得增广的性能指标函数J最优的各控制变量的值，从而得到最优性能指标值和相应的控制变量值；判断分析模块，用于判断当前步的优化时刻已缩小的可行区域是否小于设定的迭代终止的搜索域，所述的当前步的优化时刻已缩小的可行区域通过式(5)来计算得到：ri+1＝α×ri (5)上式中，r为初始可行域，α为缩减因子，α取在0～1之间，i是优化迭代次数，第一步优化迭代次数取1，第二步取2，依此类推，当前优代迭代步是指第i+1次；如小于，则优化结束；否则，将更新的已缩小的可行区域输入到迭代优化模块，继续进行迭代优化。