先进控制策略在SUPCON DCS中应用研究

2021-09-24陈卫红杨明辉邓晓刚

自动化与仪表 2021年9期

陈卫红，杨明辉，邓晓刚，刘宝

（中国石油大学控制科学与工程学院，青岛266580）

集成4C 技术的DCS 控制系统广泛用于现代工业生产中。DCS 系统的先进结构满足了现代产业生产管理的要求，大大提高了企业的自动化和管理水平。由于巨大的经济和社会利益，它已经成为控制产业过程的重要部分。但是，目前DCS 在应用过程中，先进控制算法采用较少，大多使用DCS 系统自带的传统控制模块。但是，在实际的工业生产过程中，有很多不确定的因素，有时传统的控制难以达到其效果，也会影响产品质量。先进控制是遵循对象过程动态性能的控制技术，它的控制策略可以根据过程环境的实时变化而制定，体现出“动态性”特点。因此，将先进控制与稳定可靠的DCS 系统相结合，将先进控制优良动态特征应用到DCS 系统中，可大大提高控制质量[1-3]。本文以A3000 过程装置双容水箱为控制对象，基于SUPCON JX-300XP DCS系统，开展了部分先进控制的探索研究。

SUPCON JX-300XP DCS 的硬件由“四站一线”结构组成，即：工程师站、控制站、操作站、通讯网络。软件由AdvanTrol-Pro 实现各组态与系统运行监控[4]。

1 基于JX-300XP DCS 先进控制方案

双容水箱对象是一个二阶时滞、开环渐近稳定的非最小相位系统。根据被控对象特点，针对JX-300XP DCS 开展DMC 先进控制研究，采用DMCPID 串级控制结构[5-6]，即内环用DCS 自带的高采率PID 常规控制，可以抑制大部分的主要干扰，外环采用DMC 控制，具有良好动态跟踪性、鲁棒性。

DMC-PID 串级结构设计，在实际应用中有现实意义。当DMC 算法跑飞或失控时，利用DCS 系统本身稳定的PID 控制同样可以对过程或对象起到很好的调节作用，使得系统的运行的安全保障大为增强。这种结构较好地结合、发挥了DMC 和PID 控制各自优点，增强了鲁棒性和抗干扰性，同时又使控制过程保持良好的跟踪性能。DMC-PID 串级控制结构如图1所示。

图1 DMC-PID 控制原理图Fig.1 DMC-PID control principle diagram

2 JX-300XP DCS 先进控制的实现

在DMC-PID 串级控制的实现过程中[7]，采用DCS完成PID 内环控制。在Matlab 环境中实现DMC 外环控制，充分利用Matlab 强大的运算功能和控制工具函数，给DMC 的实现带来极大的便利性、快速性。OPC 通信技术用于构建PID 和DMC 之间的实时数据传输桥梁，这一开放性结构框架也便于在JX-300XP DCS 系统中展开更多其它先进控制算法的研究和实现。方案实现基本流程如图2所示。

图2 先进控制实现方案基本流程Fig.2 Basic flow chart of advanced control realization scheme

2.1 DCS-PID 控制实现

根据控制需求制定对象结构流程，在JX-300XP DCS 上完成各相关组态。首先进行控制站组态，完成主机设置、I/O 设置，设置常规控制方案等；然后进行操作站相关组态，主要完成操作小组的设置，总貌、趋势、分组等画面等组态，一览图和流程图的组态，基本组态完成后可方便对系统进行实时监控。带控制点的流程图如图3所示。

图3 流程图（带控制点）画面Fig.3 Flow chart screen（with control points）

全部组态完成后，对整个系统进行联校、测试，确认无误后进行内环PID 控制测试，整定好P、I、D参数，为先进控制研究做好充分的准备。

2.2 建立OPC 通信实现数据交换

OPC 是新一代为方便硬件设备、软件等信息交互的技术接口。在该方案中，JX-300XP OPC 服务器用于提供经由OPC 接口发送到Matlab 应用程序OPC 客户端相关数据收集[8]。在Matlab 程序中进行DMC 算法数据处理，然后将控制量通过OPC 写入DCS-PID 环节，实现Matlab 与DCS 的动态数据交换，完成DMC-PID 串级控制。Matlab 访问JX-300XP OPC 服务器具体过程如图4所示。基本步骤如下：

图4 Matlab 访问JX-300XP OPC 服务器基本流程图Fig.4 Basic flow chart of Matlab accessing JX-300XP OPC server

（1）检查JX-300XP DCS 中OPC 服务器软件安装情况，如果没有，安装并测试。

（2）开启OPC 服务器，用SUPCON OPC Server软件选择前面已经完成的PID 组态。

（3）打开FactorySoft OPC Client 软件，连接DCSOPC 服务器，注意Server Name 选择SUPCON.JX Server.1。

（4）创建OPC 存、取数据组对象，增加相关数据项即Add Item，选择LI6003（水箱液位测量值）和LIC6003.SV（内环PID 控制的给定值）。

（5）Matlab 应用程序对各数据项运算、处理、优化等。

（6）Matlab 处理结果写入LIC6003.SV，发送到DCS 系统中。

（7）关闭服务器、清除各数据项。

2.3 DMC 在Matlab 中实现

2.3.1 DMC 预测控制简介

DMC 预测控制就是利用模型预测系统在特定控制作用下的未来动态行为，根据要求滚动求解最优控制，再滚动每一步检测实时信息，修正对未来动态行为的预测。模型预测、滚动优化和反馈校正是其三大基本原理[9]。

预测模型是预先描述系统动态特性，通过该系统历史数据和未来输入，预测未来时限区间的输出值。反馈校正是每个采样时间先检测对象实际输出状态，在优化控制效果之前，使用反馈信息校正来使下一预测和优化接近实际，以此修正模型预测不准确性。滚动优化是预测控制的核心，其保持了优化控制的原理，但它不是全局优化，而是随时间分段优化，在每个时间点，提出基于与预测时间区域相关的局部优化指标，并重复在线优化，采用滚动优化目标函数，选择未来控制时域内控制增量，尽量使未来优化时域内预测输出与期望输出靠近。DMC 结构原理如图5所示。

图5 DMC 结构示意图Fig.5 Schematic diagram of DMC structure

2.3.2 DMC 预测控制算法设计

在实现DMC 控制算法过程中，首先，计算模型参数、控制参数和校正参数。模型向量｛ai｝可以由手动给过程对象加单位响应采样赋值得到。在计算模型参数a 时，由于测量是在水箱液位稳态下进行的，在处理时要减去稳态初值，就得到一组从0 开始变化的模型参数a 即Δa。另外要特别注意，采集｛ai｝时应对数据中噪声、干扰等滤波处理，以免影响控制质量。控制系数｛di｝根据上面的模型参数｛ai｝和优化策略P、M、Q、R 等由公式计算得出。校正系数｛hi｝根据实际情况确定[10-11]。

DMC 运行计算通过初始化和实际控制两部分完成。初始化部分先采集对象当前输出y（k），并设置其为预测初始值y～0（k+i∣k），i＝1……N。实时控制模块在线计算未来输出的期望预测值。其计算流程如图6所示。