预测函数控制优化的油气水三相分离器油水液面控制方法

摘要

本发明公开了一种预测函数控制优化的油气水三相分离器油水液面控制方法。本发明方法首先基于油气水卧式三相分离器内的油水界面液位对象的阶跃响应数据建立油水界面液位对象的模型，挖掘出基本的对象特性；然后依据预测函数控制的特性去整定相应PI-PD控制器的参数；最后对油水界面液位对象实施PI-PD控制。本发明将预测函数控制的性能赋给了PI-PD控制，有效地提高了传统控制方法的性能。

主权项

1.预测函数控制优化的油气水三相分离器油水液面控制方法，其特征在于该方法的具体步骤是：步骤(1).通过过程对象的实时阶跃响应数据建立被控对象的模型，具体方法是：1-a将过程对象的比例积分-比例微分控制器停留在手动操作状态，操作拨盘使其输出有一个阶跃变化，在记录仪表上得到实际过程的输出值，将实际过程输出值y_p(k)的响应曲线转换成无量纲形式y_p^*(k)，具体是：y_p^*(k)＝y_p(k)/y_p(∞)其中，y_p(∞)是比例积分-比例微分控制器的输出有阶跃变化时的实际过程输出y_p(k)的稳态值；1-b.选取满足y_p^*(k₁)＝0.39和y_p^*(k₂)＝0.63的两个计算点k₁和k₂，依据下式计算过程对象的模型参数K_m、T和τ：K_m＝y_p(∞)/qT＝2(k₁-k₂)τ＝2k₁-k₂最后得到的过程对象的传递函数为：$G\left(s\right)=\frac{K_m}{\mathrm{Ts}+1}{e}^{-\mathrm{\tau S}}$其中，G(s)为过程对象的传递函数，s为拉普拉斯变换算子，q为过程的比例积分微分控制器输出的阶跃变化幅度，K_m为模型的增益系数，T为模型的时间常数，τ为模型的滞后时间参数；步骤(2).设计过程对象的PI-PD控制器，具体方法是：2-a.将步骤1-b中的传递函数进行离散化，采样时间为T_s，得到离散模型为y_m(k)＝a_my_m(k-1)+K_m(1-a_m)u(k-1-L)其中，y_m(k)为过程对象模型在k时刻的预测输出，y_m(k-1)为过程对象在k-1时刻的实际输出值，u(k-1-L)为k-1-L时刻过程对象的控制输入，L为离散传递函数模型的时滞，L＝τ/T_s；2-b.先考虑无滞后情况，计算过程对象在预测函数控制下第P步的预测输出值y_mav(k+P)y_mav(k)＝a_my_mav(k-1)+K_m(1-a_m)u(k-1)取控制时域M=1，经过预测函数控制,可得y_mav(k+P)＝a_m^Py_mav(k)+K_m(1-a_m^P)u(k)其中，P为预测步长，y_mav(k)为去掉纯滞后过程模型在k时刻的输出值，y_mav(k+P)为去掉纯滞后过程对象在预测函数控制下k时刻的第P步预测输出；2-c.考虑滞后，修正当前时刻的实际输出值，得到包含未来预测信息的新的过程际输出值，形式如下：y_Pav(k)＝y_P(k)+y_mav(k)-y_mav(k-L)其中，y_Pav(k)为校正得到的k时刻包含未来预测信息的过程对象的新的输出值，y_P(k)为k时刻过程对象的实际输出值；2-d.选取预测函数控制方法的参考轨迹ref(k+P)以及目标函数J，形式如下：ref(k+P)＝β^Py_p(k)+(1-β^P)c(k)ess(k)＝y_pav(k)-y_mav(k)minJ＝(ref(k+P)-y_mav(k+P)-ess(k))²其中，β为参考轨迹柔化系数，其值为T_r为参考轨迹的时间常数；c(k)为过程对象在k时刻的设定值；ess(k)为过程对象在k时刻校正的误差值；2-e.将过程对象的控制量u(k)进行变换：u(k)＝u(k-1)+K_p(k)(e(k)-e(k-1))+K_i(k)e(k)-K_f(k)(y(k)-y(k-1)-K_d(y(k)-2y(k-1)+y(k-2))＝u(k-1)+K_p(k)(e(k)-e(k-1))+K_i(k)e(k)-K_f(k)(y(k)-y(k-1)-Kd(y(k)-y(k-1))+K_d(y(k-1)-y(k-2))e(k)＝βy_p(k-1)+(1-β)c(k-1)-y_p(k)进一步化简为：u(k)＝u(k-1)+w(k)E(k)其中，w(:,k)＝[K_p(k)+K_i(k),-K_p(k),-K_f(k)-K_d(k),K_d(k)]E(k)＝(e(k),e(k-1),y(k)-y(k-1),y(k-1)-y(k-2))^ΤK_p(k)、K_i(k)、K_f(k)、K_d(k)分别为k时刻PI-PD控制器外环的比例、外环的积分、内环的比例、内环的微分参数，e(k)为k时刻参考轨迹值与实际输出值之间的误差，Τ为矩阵的转置符号，w(:,k)为四行k列矩阵；2-f.将u(k)代入到步骤d中的目标函数求解PI-PD控制器中的参数,可得$w(:,k)=\frac{(\mathrm{ref}(k+P)-{a_m}^P{y}_{\mathrm{mav}}\left(k\right)-K_m(1-{a_m}^P)u(k-1))E}{K_m(1-{a_m}^P)E^{T}E}$进一步可以得到：K_p(k)＝w(1,k)+w(2,k)K_i(k)＝-w(2,k)K_f(k)＝-w(3,k)-w(4,k)K_d(k)＝w(4,k)2-g.得到PI-PD控制器的参数K_p(k)、K_i(k)、K_f(k)、K_d(k)以后构成控制量u(k)，并作用于被控对象u(k)＝u(k-1)+K_p(k)(e(k)-e(k-1))+K_i(k)e(k)-K_f(k)(y(k)-y(k-1)-Kd(y(k)-2y(k-1)+y(k-2))2-h.在下一时刻，依照步骤2-b到2-g继续求解PI-PD控制器新的参数K_p(k+1)、K_i(k+1)、K_f(k+1)、K_d(k+1)，并作用于被控对象，依次循环。