模型预测控制在复杂工业过程中的应用研究

模型预测控制是基于预测模型、滚动优化、反馈校正三大基本原理的先进计算机优化控制算法。随着工业过程控制要求的不断提高,传统的PID控制器已经难以满足复杂工业过程的控制要求,模型预测控制由于对模型精度要求低、在线计算方便、控制效果好等特点,在实际复杂工业过程中得到非常成功的应用。本文的研究分为理论和实际应用两方面,理论方面主要研究了状态空间模型预测控制算法和多模型预测控制算法；应用方面主要研究了单晶炉拉晶过程热场温度模型预测控制。 本文研究了状态空间模型预测控制算法和多模型预测控制算法,对模型预测控制器的参数给出了调整策略,并且通过仿真证明了参数调整策略的正确性。 本文讨论了单晶炉控制系统的原理和拉晶基本过程,分析了国产单晶炉控制系统和拉晶过程普遍存在的问题。温度是晶体生长的核心因素,控制单晶炉热场温度是一个研究热点,本文针对拉晶过程等径阶段的热场温度控制,使用子空间辨识算法获得等径阶段的热场温度模型,进而提出了采用状态空间模型预测控制算法控制等径阶段热场温度。对等径阶段的热场温度控制进行仿真,并且将带有约束条件的模型预测控制器与传统PID控制器进行了控制性能对比,仿真结果表明,对于单晶炉等径阶段热场温度被控对象,本文所设计的模型预测控制器控制性能优于传统PID控制器。 单晶炉拉晶过程是一个工况变化的复杂非线性系统,对于拉晶过程全部阶段热场温度进行控制,使用只有单一模型的模型预测控制器无法达到满意的控制效果。多模型预测控制可以很好的控制工况变化的复杂系统,使用子空间辨识算法获得单晶炉拉晶过程每个阶段的模型,针对每个模型分别设计相对应的控制器,整个控制作用是每个控制器输出的加权组合,加权算法使用改进的贝叶斯概率加权算法。因此,本文采用改进的贝叶斯概率加权多模型预测控制策略控制整个拉晶过程的热场温度。仿真结果证明,这种采用改进的贝叶斯概率加权多模型预测控制方法,具有很好的控制品质。