專利名稱：一種存在執(zhí)行閥粘滯特性的化工過程的控制性能評估方法
技術(shù)領(lǐng)域：
本發(fā)明涉及石油化工等工業(yè)控制系統(tǒng)的控制性能評估領(lǐng)域，具體涉及一種存在執(zhí)行閥粘滯特性的化工過程的控制性能評估方法。
背景技術(shù)：
工業(yè)現(xiàn)場通常包含眾多控制回路，對這些控制回路進行檢查及維護是生產(chǎn)過程運行中一項棘手而繁重的工作。據(jù)調(diào)查，目前60%以上工業(yè)控制器中都存在性能退化問題。如何利用日常運行數(shù)據(jù)對控制回路性能進行度量，從而對其進行優(yōu)化設(shè)置以獲取更多的經(jīng)濟效益，已成為眾多學(xué)者探尋的熱點。近年來，控制回路性能監(jiān)控與評估研究成為工業(yè)控制領(lǐng)域廣為關(guān)注的命題?？刂菩阅茉u估(Control performance assessment, CPA)是診斷和提高工況控制效率的重要方法。確定控制性能評估的基準(zhǔn)是控制性能評估的核心問題，直接關(guān)系到能否真實可靠地反映當(dāng)前控制回路性能與基準(zhǔn)之間的偏差，從而準(zhǔn)確給出當(dāng)前控制回路的可改進程度。1989年，Harris基于過程操作數(shù)據(jù)，利用時間序列分析技術(shù)來估計控制回路的反饋不變量，提出了最小方差性能評估基準(zhǔn)(Harris T J.Assessmentof closed loop performance (1989).The Canadian Journal of ChemicalEngineering, 67 (5):856-861.);隨后，Huang 等(Huang B, Shah S L.Practical issues inmultivariable feedback control performance assessment(1998).Journal of ProcessControl, 8 (5 - 6):421-30.)將這一思想擴展到了多變量的情況，但目前眾多研究大都局限于線性系統(tǒng)，即所針對的系統(tǒng)輸出均為高斯線性序列。然而，在實際生產(chǎn)中，大多數(shù)工業(yè)過程本質(zhì)上都是非線性的，非線性可能來自工業(yè)過程本身、外部擾動、執(zhí)行器 、傳感器等，其中，執(zhí)行閥作為整個控制回路中唯一可動的控制部件，是工業(yè)過程控制系統(tǒng)中必不可少的基本裝備之一。執(zhí)行閥安裝在生產(chǎn)現(xiàn)場，常年工作在高溫、高壓、強腐蝕、易堵或易漏等惡劣情況下，不可避免會出現(xiàn)各種故障和異常。同時，隨著使用時間的延長，執(zhí)行閥還會出現(xiàn)有回滯、死區(qū)、粘滯等非線性特性，這些非線性特性將不同程度地影響生產(chǎn)系統(tǒng)的控制性能。執(zhí)行閥粘滯特性是最為常見的非線性起因，在引起控制回路振蕩的三個原因中執(zhí)行閥粘滯特性占20% - 30%,因此執(zhí)行閥粘滯特性的研究作為生產(chǎn)過程監(jiān)控系統(tǒng)的一個重要組成部分，對工業(yè)過程的安全、穩(wěn)定、高效的運行有著非常重要的意義，若忽略執(zhí)行閥粘滯特性，繼續(xù)使用線性方法進行控制性能評估，所得結(jié)果可能出現(xiàn)偏差和誤導(dǎo)?，F(xiàn)有技術(shù)中，針對非線性生產(chǎn)過程的性能評估問題，Harris和Yu提出了一種多項式動態(tài)模型逼近的方法(Harris T J, Yu ff.Controller assessment for a class ofnonlinear systems (2007).Journal of Process Control, 17 (7): 607-619.),將最小方差性能基準(zhǔn)擴展到一類由非線性動態(tài)模型與加性擾動組成的非線性系統(tǒng)，該方法的局限性在于僅適用于非線性函數(shù)可微，存在最小方差反饋不變量的控制過程。
當(dāng)控制回路存在的執(zhí)行閥粘滯特性被描述為不可微非線性函數(shù)的特性時，為獲得控制回路的可靠性能評估指標(biāo)，主要思路有兩種:一種是利用樣條平滑函數(shù)(smoothing-spline)擬合去除過程輸出的非線性,再對擬合的差值進行線性時間序列建模，進一步估計得到最小方差性能基準(zhǔn)；另一種是探尋執(zhí)行閥平衡狀態(tài)階段，一旦系統(tǒng)出現(xiàn)執(zhí)行閥卡滯(stuck-valve)，該階段則可認(rèn)為是線性平衡狀態(tài)，最小方差性能基準(zhǔn)即可直接通過對輸入輸出數(shù)據(jù)進行ARMA建模求解?；谏鲜鰞煞N思路建立的性能評估方法在應(yīng)用中存在局限性:其一，基于樣條平滑函數(shù)的方法由于插值函數(shù)無法完全去除過程輸出的非線性，導(dǎo)致性能評估結(jié)果均大于真實值，且隨著執(zhí)行閥粘滯特性的誤差增大進一步增加；其二，探尋執(zhí)行閥平衡狀態(tài)的方法更適合用于出現(xiàn)執(zhí)行閥卡滯階段足夠長的控制回路，而這種控制回路在實際工業(yè)應(yīng)用中是很難保證的。

發(fā)明內(nèi)容
本發(fā)明提供了一種存在執(zhí)行閥粘滯特性的化工過程的控制性能評估方法，適用于存在執(zhí)行閥粘滯特性的工業(yè)生產(chǎn)的控制回路中，無需復(fù)雜的計算和對工業(yè)控制過程操作條件的嚴(yán)格限制，能夠提供精確評估化工過程的控制性能基準(zhǔn)，實現(xiàn)對控制系統(tǒng)的優(yōu)化配置，提聞經(jīng)濟效益。一種存在執(zhí)行閥粘滯特性的化工過程的控制性能評估方法，包括以下步驟:(I)在待評估性能的控制回路中，采集t_l時刻至t-p時刻的輸出觀測值為(yt~i, yt-2.…，yt-P)，得到序列y(t)，采集t時刻的輸出觀測值yt。本發(fā)明中同一時刻對應(yīng)的觀測值應(yīng)該理解為該時刻采集的一組過程數(shù)據(jù)；過程數(shù)據(jù)可以是溫度，壓力或者流量等工藝過程數(shù)據(jù)。P的取值范圍可以依 據(jù)需要進行設(shè)定，至少需要在t時刻之前選擇連續(xù)的兩個時刻的輸出觀測值，用于預(yù)測估計t時刻的過程數(shù)據(jù)，并與t時刻采集的輸出觀測值yt做比較，用以評估化工過程的控制性能，通?？梢赃x擇P的取值范圍為2 100，優(yōu)選P的取值范圍為5 50。(2)對y(t)采用徑向基神經(jīng)網(wǎng)絡(luò)進行非線性時間序列建模，得到初始預(yù)測值_>.
已知(yH, yt_2,…，yt_p)，求取初始預(yù)測值的計算公式如下:(Yt^1, yt_2,...，yt_p)夕, = /0, 1.,只I);式中，f(yt-”...，yt-p)為待估非線性函數(shù)，用RBF神經(jīng)網(wǎng)絡(luò)計算。在利用徑向基神經(jīng)網(wǎng)絡(luò)(RBF網(wǎng)絡(luò))建模時，可以采用現(xiàn)有的建模技術(shù)，例如依據(jù)文獻(Holmes C，Mallick B K.Bayesian radial basis function of variabledimension (1998).Neural Computation, 10(5): 1217-1233)提供的方法進行網(wǎng)絡(luò)參數(shù)初始化、徑向基函數(shù)和學(xué)習(xí)算法的選擇。采用徑向基神經(jīng)網(wǎng)絡(luò)進行建模時，設(shè)定徑向基神經(jīng)網(wǎng)絡(luò)中散步常數(shù)Spread的初始值為I，在初始值為I時，得到初始預(yù)測值JV’。(3)構(gòu)建序列{y, - yt"}，并對序列{jr-j>,"}進行高斯/線性檢驗，得到虛警概率PFA，以及分位數(shù)的理論值和估計值的偏差絕對值R ;計算網(wǎng)絡(luò)評價指標(biāo)Eht= (PFA-1) 2+(R-2.4)2 ；若網(wǎng)絡(luò)評價指標(biāo)Eht未達到設(shè)定值，則調(diào)整徑向基神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，直至Eht達到設(shè)定值，此時通過徑向基神經(jīng)網(wǎng)絡(luò)得到輸出預(yù)測值I少/所包含的數(shù)據(jù)可分為兩部分，由加性擾動引起的線性部分和由執(zhí)行閥粘滯引
起的非線性部分。本發(fā)明利用徑向基神經(jīng)網(wǎng)絡(luò)(RBF網(wǎng)絡(luò))進行非線性時間序列的建模，并對徑向基神經(jīng)網(wǎng)絡(luò)進行優(yōu)化，去除生產(chǎn)過程輸出的非線性部分，并通過網(wǎng)絡(luò)評價指標(biāo)Eht優(yōu)
化神經(jīng)網(wǎng)絡(luò)，以輸出觀測值yt與網(wǎng)絡(luò)擬合得到的I/差值為高斯線性序列。RBF網(wǎng)絡(luò)的優(yōu)化通常將極小化均方差數(shù)(即神經(jīng)網(wǎng)絡(luò)預(yù)測值與真實值的偏差的平方的均值)，作為衡量RBF網(wǎng)絡(luò)擬合動態(tài)性能的評價指標(biāo)，依據(jù)該評價指標(biāo)調(diào)整RBF網(wǎng)絡(luò)的權(quán)值和閾值，使評價指標(biāo)逐步減小。本發(fā)明采用網(wǎng)絡(luò)評價指標(biāo)Eht，為了達到Eht的最小化，不斷調(diào)整RBF網(wǎng)絡(luò)的權(quán)值和閾值，用以此優(yōu)化所得的RBF網(wǎng)絡(luò)來保證差值序列{Λ -少,"}為高斯和線性的，從而去除過程輸出的非線性部分。對序列{_免''}進行高斯/線性檢驗的檢驗算法可采用現(xiàn)有技術(shù)，依據(jù)文獻(Melvin J.Hinich.Testing for Gaussianity and linearity of a stationary timeseries (1982).Journal of Time Series Analysis, 3 (13): 169-176)所提供的方法進行檢
驗，將檢驗結(jié)果作為平穩(wěn)時間內(nèi)序列伙-A"}高斯性和線性的判據(jù)。虛警概率(PFA)表示序列{I —j>/}為非高斯分布所承擔(dān)的風(fēng)險概率，若PFA ^ 0.96，即認(rèn)為序列是高斯的；分位數(shù)的理論值和估計值的偏差絕對值R的大小判斷序列{Λ - JV'}的線性，若R ( 2.4，即判斷序列為線性。利用式Eht= (PFA-1)2+(R-2.4)2計算網(wǎng)絡(luò)評價指標(biāo)時，若PFA彡0.96，則IPFA-1I I =0 ;若 R ≤2.4，貝IJ | | R-2.4 | | =0。作為優(yōu)選，所述網(wǎng)絡(luò)評價指標(biāo)Eht的設(shè)定值為O 10_6。Eht的值為O時，則序列{V, -1> "}為高斯線性，實際操作過程中，通常將Eht的設(shè)定值設(shè)為10_6。每調(diào)整一次RBF網(wǎng)絡(luò)的權(quán)值和閾值可視為進行了一次網(wǎng)絡(luò)優(yōu)化，一般序列長度即為最大訓(xùn)練次數(shù)。(4)循環(huán)操作步驟(2) (3)，且每次循環(huán)時徑向基神經(jīng)網(wǎng)絡(luò)中散步常數(shù)Spread值增加預(yù)定的步長，直至Eht完成最大訓(xùn)練次數(shù)后仍無法得到設(shè)定值，此時前一次循環(huán)操作所對應(yīng)的Spread值即為最優(yōu)值，該最優(yōu)值所對應(yīng)的輸出預(yù)測值j>/即為最優(yōu)的輸出預(yù)測值 散步常數(shù)Spread的步長可以依據(jù)需要進行設(shè)定，步長長則效率高，但同時可能會跳過最優(yōu)值，通常情況下，散步常數(shù)Spread的步長為I 5。(5)構(gòu)建序列{只_兌}，并對序列認(rèn)-免}建立模型，求解模型得到待評估的控制回路的最小方差性能下限Jt,，利用該最小方差性能下限平估控制回路的性能。該步驟中的模型為ARMA模型。在RBF網(wǎng)絡(luò)建模以實現(xiàn)任意精度逼近非線性時間序列的過程中，散步常數(shù)Spread值的選取非常重要，(Spread范圍一般為I 1000)散步常數(shù)Spread值越大，則函數(shù)的擬合就越平滑，若散步常數(shù)Spread值過大，則RBF在函數(shù)逼近時所需的神經(jīng)元數(shù)目會減少，所建立的RBF網(wǎng)絡(luò)不能去除所有的非線性，從而所求得的最小方差性能下限就會比真實值偏大；相反地，若散步常數(shù)Spread值過小，RBF網(wǎng)絡(luò)所需神經(jīng)元數(shù)目會增加，則所創(chuàng)建RBF網(wǎng)
絡(luò)不僅去除了輸出的非線性，同時也去除了線性部分，從而所求得的將比真實值偏小。對于高斯線性序列，可直接運用時間序列分析技術(shù)進行ARMA建模，ARMA模型為自回歸滑動平均模型(Autoregressive moving average model,簡稱ARMA模型)，是時間序列分析的重要技術(shù)，該技術(shù)可依據(jù)文獻(Harris T J.Assessment of closed loopperformance (1989).The Canadian Journal of Chemical Engineering, 67(5):856-861.)
提供的方法，從而求解得到控制回路的最小方差性能下限?？刂苹芈返淖钚》讲钚阅芟孪?Jwi視作控制系統(tǒng)理論意義上可能達到的最小方
差，作為控制回路的最小方差性能下限，可以理解成為控制對象設(shè)計一個最小方差控制器，該最小方差控制器可以使控制回路的輸出方差達到最小，將最小方差作為評價控制回路性能的基準(zhǔn)。本發(fā)明一種存在執(zhí)行閥粘滯特性的化工過程的控制性能評估方法具有以下優(yōu)
占-
^ \\\.
I)、直接采用化工過程的可測變量，無需外部激勵，對工況無附加擾動。2)、完全采用數(shù)據(jù)驅(qū)動方法，無需嚴(yán)格限制的過程操作條件及先驗知識，能夠廣泛適用于存在執(zhí)行閥粘滯非線性特性的工業(yè)過程。3)、能夠精確評估執(zhí)行閥粘滯過程的控制性能，準(zhǔn)確反映當(dāng)前控制回路性能與最優(yōu)控制回路之間的偏差，從而對當(dāng)前控制回路進行優(yōu)化設(shè)置，提高經(jīng)濟效益。4)、易于在當(dāng)前廣泛使用的DCS或工業(yè)控制系統(tǒng)上位機上實現(xiàn)，易于計算，便于實施。


圖1為本發(fā)明方法的流程示意圖；圖2為具體實施方式
中加熱爐溫度控制的流程示意圖；圖3為具體實施方式
中加熱爐溫度控制回路的輸出觀測值。
具體實施例方式下面針對國內(nèi)某大型石化企業(yè)延遲焦化生產(chǎn)過程中主加熱爐的性能評估為例，對本發(fā)明存在執(zhí)行閥粘滯特性的化工過程的控制性能評估方法做詳細(xì)描述。

如圖2所示，石化過程加熱爐是生產(chǎn)流程中的重要環(huán)節(jié)和主要能耗單元之一，爐出口溫度的平穩(wěn)控制對于提高產(chǎn)品品質(zhì)和降低能耗有著重要意義。
加熱爐通過瓦斯氣供應(yīng)取熱，瓦斯量根據(jù)上游油性變化而波動，需要控制空氣進風(fēng)量使瓦斯氣充分燃燒以獲取最大熱量，同時應(yīng)保證一定的空氣余量，但過多的低溫空氣會帶走爐內(nèi)熱量，造成燃料浪費，損失經(jīng)濟效益，因此，以加熱爐出口溫度作為被控變量，燃料瓦斯氣開度作為操作變量進行回路控制，同時過程存在隨機擾動。瓦斯氣開度調(diào)節(jié)閥屬于該控制回路的執(zhí)行機構(gòu)，運行一段時間后出現(xiàn)一定的粘滯特性。正常工況運行時，由于執(zhí)行閥的粘滯特性，使回路被控變量數(shù)據(jù)產(chǎn)生振蕩，經(jīng)過平穩(wěn)化的加熱爐出口溫度數(shù)據(jù)如圖3所示，圖3中橫坐標(biāo)為采樣點序數(shù)，單位為Samples (I個Sample對應(yīng)一個數(shù)據(jù)采樣間隔)；縱坐標(biāo)為正常工況下加熱爐出口溫度(注:出口溫度以零均值(zero-mean centered)為中心進行預(yù)處理)。

利用本發(fā)明提供的控制性能評估方法進行該化工生產(chǎn)過程的控制性能評估，如圖1所示，包括以下步驟:(I)在待評估性能的控制回路中，采集t_l時刻至t-p時刻的輸出觀測值為(yt-1, yt-2.…，yt-P)，得到序列ι⑴，采集t時刻的輸出觀測值yt ；p值取5 ；(2)對y(t)采用徑向基神經(jīng)網(wǎng)絡(luò)進行非線性時間序列建模，得到初始預(yù)測值建模時，設(shè)定徑向基神經(jīng)網(wǎng)絡(luò)的散步常數(shù)Spread的初始值為I ;(3)構(gòu)建序列丨、-兌"丨，并對序列{j, - j>,"}進行高斯/線性檢驗，得到
虛警概率PFA，以及分位數(shù)的理論值和估計值的偏差絕對值R ;計算網(wǎng)絡(luò)評價指標(biāo)Eht= (PFA-1) 2+(R-2.4)2 ；若網(wǎng)絡(luò)評價指標(biāo)Eht未達到設(shè)定值，則調(diào)整徑向基神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，直至Eht達到設(shè)定值，此時通過徑向基神經(jīng)網(wǎng)絡(luò)得到輸出預(yù)測值 '(4)循環(huán)操作步驟(2) (3)，且每次循環(huán)時徑向基神經(jīng)網(wǎng)絡(luò)中散步常數(shù)Spread值增加預(yù)定的步長，直至Eht完成最大訓(xùn)練次數(shù)后仍無法得到設(shè)定值，此時前一次循環(huán)操作所對應(yīng)的Spread值即為最優(yōu)值，該最優(yōu)值所對應(yīng)的輸出預(yù)測值兌'即為最優(yōu)的輸出預(yù)測值j>,；Eht的最大訓(xùn)練次數(shù)設(shè)定為500，得到Spread的最優(yōu)值為85。(5 )構(gòu)建序列{只-Vt}，并對序列{J,, -yt)建立ARMA模型，求解ARMA模型得到待
評估的控制回路的最小方差性能下限= 0.0096，利用該最小方差性能下限^.評估控制回路的性能。運用本發(fā)明的方法，可以較為精確評估得到存在執(zhí)行閥粘滯特性的化工過程的控制性能基準(zhǔn)，從而為控制系統(tǒng)優(yōu)化配置提供準(zhǔn)確依據(jù)，進一步提高經(jīng)濟效益。
權(quán)利要求
1.一種存在執(zhí)行閥粘滯特性的化工過程的控制性能評估方法，其特征在于，包括以下步驟: (O在待評估性能的控制回路中，采集t-ι時刻至t-p時刻的輸出觀測值為(yt-1, yt-2.…，yt-P)，得到序列ι⑴，采集t時刻的輸出觀測值yt ； (2)對y(t)采用徑向基神經(jīng)網(wǎng)絡(luò)進行非線性時間序列建模，得到初始預(yù)測值JV'.(3)構(gòu)建序列{)v-JV’}，并對序列{V廠JV'}進行高斯/線性檢驗，得到虛警概率PFA，以及分位數(shù)的理論值和估計值的偏差絕對值R ;計算網(wǎng)絡(luò)評價指標(biāo)Eht= (PFA-1) 2+(R-2.4)2 ； 若網(wǎng)絡(luò)評價指標(biāo)Eht未達到設(shè)定值，則調(diào)整徑向基神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，直至Eht達到設(shè)定值，此時通過徑向基神經(jīng)網(wǎng)絡(luò)得到輸出預(yù)測值JV ; (4)循環(huán)操作步驟(2) (3)，且每次循環(huán)時徑向基神經(jīng)網(wǎng)絡(luò)中散步常數(shù)Spread值增加預(yù)定的步長，直至Eht完成最大訓(xùn)練次數(shù)后仍無法得到設(shè)定值，此時前一次循環(huán)操作所對應(yīng)的Spread值即為最優(yōu)值，該最優(yōu)值所對應(yīng)的輸出預(yù)測值}即為最優(yōu)的輸出預(yù)測值}^ (5)構(gòu)建序列-免)，并對序列丨建立模型,求解模型得到待評估的控制回路的最小方差性能下限，利用該最小方差性能下限評估控制回路的性能。
2.如權(quán)利要求1所述的存在執(zhí)行閥粘滯特性的化工過程的控制性能評估方法，其特征在于，所述步驟(5)中的模型為ARMA模型。
3.如權(quán)利要求1所述的存在執(zhí)行閥粘滯特性的化工過程的控制性能評估方法，其特征在于，所述步驟(I)中P的取值范圍為2 100。
4.如權(quán)利要求1所述的存在執(zhí)行閥粘滯特性的化工過程的控制性能評估方法，其特征在于，所述步驟(I)中P的取值范圍為5 50。
5.如權(quán)利要求1所述的存在執(zhí)行閥粘滯特性的化工過程的控制性能評估方法，其特征在于，所述網(wǎng)絡(luò)評價指標(biāo)Eht的設(shè)定值為O 10_6。
6.如權(quán)利要求1 所述的存在執(zhí)行閥粘滯特性的化工過程的控制性能評估方法，其特征在于，散步常數(shù)Spread的步長為I 5。
全文摘要
本發(fā)明公開了一種存在執(zhí)行閥粘滯特性的化工過程的控制性能評估方法，包括以下步驟(1)在待評估性能的控制回路中，采集t-1時刻至t-p時刻的輸出觀測值，得到序列y(t)，采集t時刻的yt；(2)對y(t)采用徑向基神經(jīng)網(wǎng)絡(luò)進行非線性時間序列建模，得到初始預(yù)測值(3)構(gòu)建序列并進行高斯/線性檢驗，計算網(wǎng)絡(luò)評價指標(biāo)EHT；直至EHT達到設(shè)定值，輸出預(yù)測值(4)循環(huán)操作步驟(2)～(3)，輸出Spread的最優(yōu)值以及最優(yōu)的輸出預(yù)測值(5)構(gòu)建序列并建模求解得到待評估的控制回路的最小方差性能下限，利用該最小方差性能下限評估控制回路的性能。本發(fā)明適用于存在執(zhí)行閥粘滯特性的控制回路中，能夠精確評估化工過程的控制性能基準(zhǔn)。
文檔編號G05B13/04GK103246279SQ20131013538
公開日2013年8月14日 申請日期2013年4月18日 優(yōu)先權(quán)日2013年4月18日
發(fā)明者謝磊, 師明華, 蘇宏業(yè), 古勇 申請人:浙江大學(xué)