基于模型識別方法的流程工業廠級控制回路振蕩源定位方法
【技術領域】
[0001]本發明屬于控制或調節系統領域，尤其是一種基于模型識別方法的流程工業廠級控制回路振蕩源定位方法。
【背景技術】
[0002]由于現代過程工業日益復雜及控制器日常維護不足等方面的原因，電力、石油、化工、鋼鐵、造紙、水泥等工業過程普遍存在控制回路性能差的現象，國外有研宄表明，工業過程中有1/3的控制回路處于振蕩狀態中。回路振蕩是一種明顯的控制性能退化的表現形式，有多種可能的原因會引起控制回路振蕩:控制閥的非線性故障，如摩擦、死區、反沖及粘滯等現象；控制參數調整不適當，使得系統趨于不穩而引起振蕩；來自外部振蕩干擾和回路自身的反饋機制，這種情況通常在控制回路間有較強耦合關聯的系統中見到，一個振蕩源會通過耦合路徑傳遞到其它回路中去；高度的非線性過程；在用的MPC控制器與對象模型不匹配。控制回路中振蕩的存在將導致產品質量下降、能耗增加、設備磨損加快等一系列問題。尤其在現代企業規模日益擴大的情況下，控制回路數目成千上萬，一旦由于某種異常因素(例如閥門出現了粘滯或外部擾動等)導致了在這樣大的控制系統中的某一位置上發生了振蕩，由于過程系統中的各個處理裝置間存在著復雜的耦合，則這種出現在局部位置上的振蕩將被快速傳遞擴散開來，產生所謂的“廠級控制回路振蕩”現象。一旦“廠級控制回路振蕩”出現，不但振蕩的各種危害將被成倍的放大，而且還造成了原始的那個振蕩源所在的控制回路被淹沒在許許多多具有非常相似振蕩特征的控制回路當中。也就是說，一旦“廠級控制回路振蕩”出現，如果沒有一種行之有效的定位廠級控制回路振蕩源的方法，將導致“廠級控制回路振蕩”現象將在一個相當長的時間內存在。顯然，要消除“廠級控制回路振蕩”所引起的這種嚴重危害，首先要找到其來源，然后對其定性，最后根據不同的原因采取相應的措施，加以解決。值得一提的是，發電機組等大型過程裝置的運行過程常常伴隨十分苛刻的生產條件或環境，如高溫、高壓，因而運行的安全性十分重要。
[0003]由此可見，定位廠級控制回路振蕩源方法的研宄對于電力、石油、化工、鋼鐵、造紙、水泥等工業過程的安全、穩定、高效地生產有十分重要的意義。因此，對于能夠應用于實際過程對象的定位廠級控制回路振蕩源的有效方法，其所具有的巨大的社會和經濟效益將是不目而喻的。
[0004]目前，國內外有關廠級控制系統振蕩源定位的方法主要有這樣幾種:SPCA方法、SICA方法、NMF方法、聚類方法(或稱為:功率譜互相關分析法)、譜包絡方法、基于轉移熵的方法、基于互相關函數的方法、基于時域格蘭杰因果性判斷的方法等。我們通過仿真研宄發現，上面這些方法都有一個共同的問題，就是對不同的仿真對象，它們的正確率都不太尚O
【發明內容】
[0005]發明目的:提供一種基于模型識別方法的流程工業廠級控制回路振蕩源定位方法，以解決現有技術存在的上述問題。
[0006]技術方案:一種基于模型識別方法的流程工業廠級控制回路振蕩源定位方法，包括如下步驟:
[0007]步驟1、針對多回路控制系統，構建一包含多個回路信號振蕩的原始回路變量數據集;
[0008]步驟2、采用基于頻域非負矩陣分解或頻域獨立成分分析方法處理所述原始回路變量數據集，提取出包含相同頻譜基的一個或多個待檢回路集；每個待檢回路變量數據集中包含若干控制回路的變量，每個變量對應一個控制回路，所述變量包括回路的偏差、被控量和控制器輸出量；
[0009]步驟3、利用控制器輸出量和被控量分別對待檢回路集中的每一個回路進行包含氣動調節閥粘滯模型參數在內的廣義被控對象模型辨識，獲得對應每一個待檢回路集中所有回路最優廣義被控對象模型辨識結果所對應的最小擬合誤差；
[0010]將每一個待檢回路集中所計算出的各個回路最小擬合誤差按從小到大的次序進行排序，則每一個回路集的回路最小擬合誤差排序列表中，排在第一位的最小擬合誤差所對應的回路，就是該回路集所包含的各個回路變量中所存在振蕩的源。
[0011]在進一步的實施例中，在步驟3中，對每個回路進行包含氣動調節閥粘滯模型參數在內的廣義被控對象模型辨識的過程進一步為:采用線性部分和非線性部分分別辨識，將粘滯特性作為Ha_erstein的非線性部分。所述線性部分的辨識采用增廣最小二乘法或其改進算法。粘滯模型參數的搜索方法為全局尋優算法、多起點自適應隨機搜索算法或網格法，所述全局尋優算法包括遺傳算法、粒子群算法、免疫粒子群算法或DIRECT算法。所述線性部分采用擴展ARMAX模型，將穩態的外部擾動項加入模型中；或將動態外部擾動項用EARMAX模型考慮進來，即加入外部擾動項序列。
[0012]有益效果:相比現有的各種廠級控制回路振蕩源定位方法，本發明進行廠級控制回路振蕩源定位的準確性有了很大程度的提高。因此，利用本發明對廠級控制回路振蕩源進行有效的定位，為消除“廠級控制回路振蕩”所引起的嚴重危害，提供了極大的便利。
【附圖說明】
[0013]圖1a至圖1f是本發明實施例1的仿真結果示意圖；圖1a至圖1f分別為控制回路的PV信號時域圖、PV信號的頻域圖、總功率譜、兩個振蕩頻率成分的強度因子分布圖、0.0023Hz振蕩頻率成分的強度因子排序圖、0.1Hz振蕩頻率成分的強度因子排序圖；在實施例I中，控制回路2中的一階慣性加延時對象中的開環放大系數K = 0.51、T = 50s。
[0014]圖2a至圖2f是本發明實施例2的仿真結果示意圖；圖2a至圖2f分別為控制回路的PV信號時域圖、PV信號的頻域圖、總功率譜、兩個振蕩頻率成分的強度因子分布圖、0.0023Hz振蕩頻率成分的強度因子排序圖、0.1Hz振蕩頻率成分的強度因子排序圖；在實施例2中，控制回路2中的一階慣性加延時對象中的開環放大系數K = 1.01、T = 50s。
[0015]圖3a至圖3f是本發明實施例3的仿真結果示意圖；圖3a至圖3f分別為控制回路的PV信號時域圖、PV信號的頻域圖、總功率譜、兩個振蕩頻率成分的強度因子分布圖、0.0023Hz振蕩頻率成分的強度因子排序圖、0.1Hz振蕩頻率成分的強度因子排序圖；在實施例3中，控制回路2中的一階慣性加延時對象中的開環放大系數K = UT = 20s。
【具體實施方式】
[0016]結合附圖描述本發明的具體實施例。本方法進行流程工業廠級控制回路振蕩源定位的基本原理如下:
[0017]首先，假設一個具有N個回路的多回路控制系統中，發生了多回路的振蕩。也就是說，存在M個發生了回路信號振蕩情況的回路。顯然，M SN。構建起一個僅僅包括了上述M個回路信號振蕩的原始回路變量數據集A。數據集A中有M個由長度為S的采樣數據序列所組成的元素。如果用矩陣Amxs來表示數據集A的話，則Amxs矩陣的維數為:MXS，即Amxs=[a1； a2,…，aM]T，其中Si (i = I, 2，…，Μ)表示第i個回路的采樣數據序列。
[0018]其次，對數據集A，結合基于頻域非負矩陣分解(NMF)或頻域獨立成分分析(SICA)等方法進行數據處理，提取出包含相同頻譜基的一個或多個待檢回路集:P(1)、
P(2)、......、P(i)、......、P(T)(這里，T:待檢回路集的個數，其中T彡1，
T < Μ) ο
[0019]每一個待檢回路集中包含有若干個控制回路的變量。進行頻域非負矩陣分解(NMF)或頻域獨立成分分析(SICA)等方法進行數據處理的回路變量可以是回路偏差(E =SP-PV)或被控量(PV)，也可以是控制器的輸出量(OP)。不管是那一種回路變量，每一個變量都對應一個控制回路。
[0020]設第i個待檢回路集P(i)中回路的個數為Qi (這里，i的取值范圍:1?T，Qi>l，Qi^ Μ)。
[0021]最后，再利用OP和PV分別對待檢回路集中的每一個回路進行包含氣動調節閥粘滯模型參數在內的廣義被控對象模型辨識(辨識可以這樣進行:采用線性部分和非線性部分分別辨識的兩階段辨識思想及將粘滯特性作為Hammerstein非線性部分的模型辨識方法。
[0022]線性部分辨識可以采用增廣最小二乘法及改進算法。既可以用擴展ARMAX模型，將穩態的外部擾動項加入模型中；也可以將動態外部擾動項用EARMAX模型考慮進來，SP加入外部擾動項序列。
[0023]粘滯模型中的參數的搜索可以選擇各種不同的全局尋優算法或網格法。全局尋優算法可以考慮這樣幾種方法:遺傳算法GA、粒子群算法P0S、免疫粒子群算法IPOS或DIRECT算法等。
[0024]為了加快搜索的速度，也可以考慮采用多起點自適應隨機搜索算法等各種高效的算法)O
[0025]通過辨識，獲得對應每一個待檢回路集中所有回路最優廣義被控對象模型辨識結果所對應的最小擬合誤差。將每一個待檢回路集中所計算出的各個回路最小擬合誤差按從小到大的次序進行排序。則每一個回路集的回路最小擬合誤差排序列表中，排在第一位的最小擬合誤差所對應的回路，就是該回路集所包含的各個回路變量中所存在振蕩的源。
[0026]經過上面三個步驟，就實現了廠級控制回路振蕩源的定位。
[0027]下面用一個包含15個控制回路的仿真模型的仿真計算結果