数据驱动的过程分解与分布式预测控制系统开发文献综述
2020-07-01 20:48:31
文 献 综 述 1课题的研究背景和应用价值 随着我国综合国力的不断发展,化工工业水平不断提高,很大程度上改善了人民的生活水平,农业、工业、服务业、汽车、医药等行业也依赖于化工水平的发展,在我国或者是其他国家,化工工业的产出在国家的经济收入中都占据着很大的比重。
我国的化工工业起步于上个世纪50年代,虽相较于发达国家,我国随起步晚,且途中经历很多波折,但是由于我国不断汲取新技术且教育也大跨步发展,使得我国逐渐跟上发达国家的步伐,现在化工水平也是不断地高速发展。
在具有代表性的石油化工行业,我国已经成为了世界的石油炼制大国,根据国民经济及相关行业的发展预测,预计近几年的汽煤柴润石(指汽油、煤油、柴油、润滑油、石脑油)需求年增长率为3.4%,但是有一个提出问题是需要重视的,那就是我国在炼油行业内的先进产能不足。
在国家重视节能环保、绿色工业的大环境下,先进的工业制造技术、自主创新研制能力以及高水平的技术装备都是我们需要的。
在国家实行的工业新战略中,能源化工等化工工业都属于国家未来重点扶持的方向 在科学技术的不断发展的情况下,现代的化工过程逐渐变得结构复杂、规模庞大、各个子系统间物料、能量耦合严重,但随着控制学科的不断进步,分布式模型预测控制(DMPC)这一种解决大规模系统控制问题的先进控制策略在上个世纪70年代被提出。
DMPC的主要控制思想是将大规模的复杂系统分解成各个局部子系统,再针对局部子系统进行模型预测控制,但每个子系统之间并不独立,它们是相互耦合的,通过解决局部子系统的局部最优化问题来逐渐逼近全局优化。
DMPC相较于普通控制策略,其具有以下优势:(1)减小每个局部系统的计算负担;(2)提高系统的可扩展性;(3)增强了系统的容错能力等。
分布式模型预测控制问题设计到了系统分解和模型预测控制两方面问题,也是我要解决的问题。
2 国内外研究状况及分析 对于大型的复杂系统,DMPC是有效的控制手段,所以DMPC也是当今控制学科的研究热门。
DMPC的一个关键是如何将大型系统分解成几个关联的小系统,且获得子系统的模型。