何美霞,周籮魚 (長江大學(xué)電子信息學(xué)院,湖北 荊州 434023)
連續(xù)攪拌反應(yīng)釜(Continuous Stirring Tank Reactor,CSTR)是工業(yè)過程中廣泛使用的一類反應(yīng)器[1]。反應(yīng)器溫度及反應(yīng)物濃度等對產(chǎn)品質(zhì)量及生產(chǎn)安全有重大影響,因此對這些指標(biāo)的控制是工業(yè)過程控制領(lǐng)域的研究熱點(diǎn)。然而,由于CSTR具有強(qiáng)非線性的動態(tài)特性,傳統(tǒng)的控制方法(如PID控制、比值控制)效果不盡人意,因此許多學(xué)者開始尋求更優(yōu)的控制方法。李述清等[2]針對CSTR系統(tǒng)控制問題,設(shè)計(jì)了一種基于閉環(huán)增益成型算法的PID控制器,提高了PID控制器設(shè)計(jì)的簡潔性和魯棒性。劉士榮和俞金壽[3]采用神經(jīng)模糊逆??刂婆cPID反饋控制相結(jié)合的復(fù)合控制策略,應(yīng)用于CSTR的反應(yīng)物濃度控制中。通過仿真證明了這類控制策略的有效性和實(shí)用性。劉松等[4]針對CSTR模型設(shè)計(jì)了具有高增益觀測器的非線性魯棒控制器(ONRC),提出一種簡單的控制器的參數(shù)整定方法。仿真結(jié)果表明 ,該控制器對系統(tǒng)不確定性和干擾具有更好的抑制作用,且在模型參數(shù)攝動時(shí)具有更好的性能魯棒性。李陽和聶宏[5]提出了一種非線性魯棒模型BMI控制方法,通過CSTR的仿真試驗(yàn)說明了該算法的正確性和有效性。王宇紅和楊璞[6]提出了一種基于PWA模型的控制策略,并將該策略應(yīng)用到CSTR中,達(dá)到了期望的控制效果。下面,筆者總結(jié)了DMC算法原理,給出在具體運(yùn)用該算法時(shí)的編程流程圖,針對工業(yè)過程中廣泛使用的CSTR系統(tǒng),建立其非線性狀態(tài)空間模型,并通過仿真試驗(yàn)研究DMC算法對非線性CSTR系統(tǒng)的反應(yīng)釜內(nèi)溫度控制的有效性問題及系統(tǒng)處于理想狀態(tài)、輸出干擾及模型失配時(shí)的目標(biāo)跟蹤問題。
DMC算法通過求取二次型性能指標(biāo)的最優(yōu)來確定未來的最優(yōu)輸入;計(jì)算出一組最優(yōu)輸入序列后僅將序列中的第1個(gè)輸入應(yīng)用于被控對象;到下一采樣時(shí)刻,先檢測被控對象的實(shí)際輸出,并利用這一實(shí)時(shí)輸出信息對預(yù)測值進(jìn)行修正,再進(jìn)行新的滾動優(yōu)化。在具體運(yùn)用DMC算法時(shí)可按照圖1的流程編程實(shí)施,DMC算法原理的詳細(xì)描述見文獻(xiàn)[7],這里不在贅述。
圖1 DMC算法編程流程圖
一般來說,CSTR的主要部件包括釜體、釜蓋、夾套、攪拌器、密封裝置等。釜體頂部加有帶動釜內(nèi)攪拌器旋轉(zhuǎn)的電動馬達(dá)。反應(yīng)釜內(nèi)安裝的溫度傳感器保證在線實(shí)時(shí)測量溫度變化,采用傳熱速率高的鋁制材料構(gòu)造的釜壁,在熱交換過程中可迅速調(diào)節(jié)釜內(nèi)各點(diǎn)溫度相等和穩(wěn)定,即當(dāng)釜內(nèi)溫度偏高時(shí),夾套冷卻液可迅速帶走反應(yīng)產(chǎn)生的熱量;反之,溫度偏低時(shí),夾套熱蒸汽提供反應(yīng)所需的熱量[8]。
由于CSTR具有較強(qiáng)的非線性,筆者采用DMC算法對其進(jìn)行控制,在DMC控制器作用下的CSTR控制系統(tǒng)結(jié)構(gòu)圖如圖2所示。在容積為V的CSTR中,進(jìn)料以一定的濃度、溫度和流量q進(jìn)入反應(yīng)器,在反應(yīng)器中發(fā)生放熱不可逆反應(yīng),CA為反應(yīng)釜內(nèi)反應(yīng)物濃度,T為反應(yīng)釜內(nèi)溫度,TC為冷卻劑溫度。取CSTR系統(tǒng)的控制變量為冷卻劑溫度TC,被控變量為反應(yīng)釜內(nèi)溫度T。為便于對CSTR進(jìn)行DMC控制仿真,需要離線一次性采集CSTR系統(tǒng)歷史的冷卻劑溫度TCh和歷史的反應(yīng)釜內(nèi)溫度Th。在初始時(shí)刻k=0,根據(jù)期望目標(biāo)Tss、Tch、Th,利用DMC控制器能得到時(shí)刻k=1的最優(yōu)的控制輸入Tc(k)。再對系統(tǒng)實(shí)際輸出T(k)進(jìn)行采集,并根據(jù)該數(shù)值與期望目標(biāo)Tss的誤差,滾動實(shí)時(shí)校正,得到下一時(shí)刻的最優(yōu)控制輸入。
為便于獲取仿真所需的CSTR的單輸入單輸出(SISO)數(shù)學(xué)模型,取CSTR的一個(gè)穩(wěn)態(tài)工作點(diǎn)[9]:
CA0=0.5mol/LT0=350KTC0=338K
令系統(tǒng)狀態(tài)為x=[CA-CA0,T-T0]T,系統(tǒng)輸入u=TC-TC0,系統(tǒng)輸出y=T-T0,由反應(yīng)物料平衡算式和能量守恒定律,求得非線性CSTR的狀態(tài)空間模型如下:
(1)
式(1)的詳細(xì)推導(dǎo)及其在Simulink中的實(shí)現(xiàn)見文獻(xiàn)[10]。
圖2 CSTR控制系統(tǒng)結(jié)構(gòu)圖
針對式(1)所描述的非線性CSTR系統(tǒng),在初始時(shí)刻,給系統(tǒng)一個(gè)單位階躍輸入,可得到如圖3所示的階躍響應(yīng)曲線。
從圖3可以看出,系統(tǒng)在3.2s時(shí)已達(dá)到穩(wěn)態(tài)。取模型截?cái)鄷r(shí)間為3.5s,采樣時(shí)間為0.035s,則模型時(shí)域N=100。此時(shí)采集CSTR系統(tǒng)的輸出得到的模型向量s的具體數(shù)值見表1。
dT= [0.2041,0.2887,0.2993,0.2738,0.2422,0.2115,0.1820,0.1536,0.1262,0.1000,0.0728,
0.0509,0.0281,0.0064,-0.0142,-0.0337,-0.0522,-0.0697,-0.0861,-0.1015]
表1 CSTR系統(tǒng)的模型向量
為研究DMC算法的有效性,當(dāng)系統(tǒng)處于平衡狀態(tài)時(shí),加入DMC控制器;第8s開始,給系統(tǒng)加入輸出干擾;第16s開始,又使系統(tǒng)處于模型失配,仿真觀察系統(tǒng)是否能再次恢復(fù)平衡及恢復(fù)平衡所需要的時(shí)間,仿真結(jié)果如圖4所示。從圖4輸出曲線可以看出,由于DMC控制器的引入,系統(tǒng)輸出有較小的波動,1.1s后恢復(fù)了平衡;第8s開始,由于系統(tǒng)存在輸出干擾,此時(shí)系統(tǒng)的輸出波動增大,但在1.5s后恢復(fù)平衡;第16s開始系統(tǒng)遭遇模型失配,此時(shí)系統(tǒng)輸出波動進(jìn)一步增大,不過在2s時(shí)再次回到平衡。因此,當(dāng)系統(tǒng)處于平衡態(tài)時(shí),無論是遭遇輸出干擾,還是模型失配的情況,DMC控制器都能有效地控制非線性CSTR系統(tǒng),使之恢復(fù)平衡。
圖3 CSTR系統(tǒng)的階躍響應(yīng)曲線 圖4 平衡狀態(tài)下的仿真圖
在上述基礎(chǔ)上進(jìn)一步研究DMC算法的目標(biāo)跟蹤能力。將仿真時(shí)間分為3個(gè)時(shí)段,每個(gè)時(shí)段設(shè)定不同的期望目標(biāo),具體為:①第1個(gè)時(shí)段k1,0~8s,yss=347K;②第2個(gè)時(shí)段k2,8~16s,yss=353K;③第3個(gè)時(shí)段k3,16~24s,yss=350K??紤]系統(tǒng)處于理想狀態(tài)、輸出干擾、模型失配3種情況下,仿真研究DMC算法的目標(biāo)跟蹤能力。
3.2.1理想狀態(tài)
當(dāng)系統(tǒng)處于理想狀態(tài)時(shí),仿真情況如圖5所示。從圖5可看出,每個(gè)時(shí)段的輸入變化較平穩(wěn),實(shí)際輸出的超調(diào)量均較小,調(diào)節(jié)時(shí)間短,能快速準(zhǔn)確跟蹤期望目標(biāo)。
3.2.2輸出干擾
在系統(tǒng)輸出端引入 的干擾,仿真可得到如圖6所示的曲線。
圖5 理想狀態(tài)下的輸入輸出曲線 圖6 輸出干擾下的輸入輸出曲線
圖7 模型失配下的輸入輸出曲線
從圖6可以看出,3個(gè)時(shí)段開始時(shí)輸入、輸出均有較大波動,實(shí)際輸出最終能準(zhǔn)確跟蹤期望目標(biāo)。
3.2.3模型失配
改變CSTR系統(tǒng)中進(jìn)料流量的數(shù)值,令q=90L/min,使系統(tǒng)處于模型失配的狀態(tài),仿真結(jié)果如圖7所示。
從圖7可以看出,3個(gè)時(shí)段的輸入、輸出超調(diào)增大,實(shí)際輸出能較快地跟蹤期望目標(biāo)。
對比圖5與圖6可知,由于受到輸出端1K的干擾影響,系統(tǒng)在k1、k3時(shí)段較理想情況的波動明顯增大,且調(diào)節(jié)時(shí)間明顯變長; 時(shí)段的波動較理想情況變緩,但起始時(shí)間超前了設(shè)定的時(shí)間(8s)。對比圖5與圖7可知,由于系統(tǒng)模型失配的影響,系統(tǒng)在k1、k2、k3的開始均有較大幅度的波動,其中k3時(shí)段的波段最大。表2為系統(tǒng)處于這3種情況時(shí)各項(xiàng)性能指標(biāo)的具體數(shù)據(jù)。
表2 3種情況下的仿真數(shù)據(jù)
非線性CSTR的反應(yīng)器溫度對產(chǎn)品質(zhì)量及生產(chǎn)安全有著重大影響,但由于其強(qiáng)非線性的動態(tài)特性,傳統(tǒng)的控制方法效果不盡人意。因此,筆者采用DMC算法對其進(jìn)行控制。仿真結(jié)果表明,DMC算法不僅能對非線性CSTR系統(tǒng)的溫度進(jìn)行有效的控制,控制的穩(wěn)態(tài)誤差為零,而且在系統(tǒng)處于理想狀態(tài)、輸出干擾、模型失配情況下均能快速準(zhǔn)確跟蹤期望目標(biāo),具有較強(qiáng)的抗干擾能力和魯棒性。該算法在非線性系統(tǒng)領(lǐng)域具有一定的應(yīng)用前景。
[1]張健中.CSTR的Hammerstein模型辨識及預(yù)測控制[D].哈爾濱: 哈爾濱工業(yè)大學(xué), 2010.
[2]李述清, 張勝修, 張煜東,等.連續(xù)攪拌反應(yīng)釜過程的閉環(huán)增益成形PID控制器設(shè)計(jì)[J].計(jì)算機(jī)應(yīng)用, 2011, 31(2): 483~484.
[3]劉士榮, 俞金壽.神經(jīng)模糊逆模/PID復(fù)合控制在CSTR 中的應(yīng)用[J].控制理論與應(yīng)用, 2001, 18(5): 769~773.
[4]劉松, 李東海, 薛亞麗.連續(xù)攪拌反應(yīng)釜系統(tǒng)的非線性魯棒控制[J].化工學(xué)報(bào), 2008, 59(2): 398~404.
[5]李陽, 聶宏.連續(xù)攪拌釜反應(yīng)系統(tǒng)穩(wěn)定性的BMI控制算法[J].計(jì)算機(jī)工程與應(yīng)用, 2015, 51(23): 246~250.
[6]王宇紅, 楊璞.一種基于PWA模型的控制策略在連續(xù)攪拌反應(yīng)釜中的應(yīng)用[J].化工學(xué)報(bào), 2016, 67(3): 865~870.
[7]何美霞, 周籮魚, 楊友平.DMC算法在電加熱爐時(shí)滯系統(tǒng)中的仿真研究[J].長江大學(xué)學(xué)報(bào)(自科版), 2016, 13(22): 23~28.
[8]滿紅.CSTR過程的模型辨識及其非線性預(yù)測控制方法研究[D].大連:大連理工大學(xué),2014.
[9]Ding B.Constrained robust model predictive control via parameter-dependent dynamic output feedback[J].Automatica, 2010, 46 (9): 1517~1523.
[10]何美霞, 楊友平.基于Simulink的連續(xù)攪拌反應(yīng)釜的建模與仿真[J].長江大學(xué)學(xué)報(bào)(自科版), 2015, 12 (28): 21~25.