基于免疫算法结构分解的分布式预测控制算法

doi:10.3969/j.issn.1672-6952.2022.05.014

辽宁石油化工大学学报 ›› 2022, Vol. 42 ›› Issue (5): 90-96.DOI: 10.3969/j.issn.1672-6952.2022.05.014

• 信息与控制工程 • 上一篇

基于免疫算法结构分解的分布式预测控制算法

刘臻博(), 金鑫(), 李平

辽宁石油化工大学信息与控制工程学院，辽宁抚顺 113001

收稿日期:2021-03-16 修回日期:2021-06-11 出版日期:2022-10-25 发布日期:2022-11-18
通讯作者: 金鑫
作者简介:刘臻博（1993⁃），男，硕士研究生，从事控制理论与控制工程方向研究：E⁃mail：liuzhenbo1993@163.com。
基金资助:
国家自然科学基金项目(61673199)

Distributed Predictive Control Algorithm Based on IA Processing Structure Decomposition

Zhenbo Liu(), Xin Jin(), Ping Li

School of Information and Control Engineering，Liaoning Petrochemical University，Fushun Liaoning 113001，China

Received:2021-03-16 Revised:2021-06-11 Published:2022-10-25 Online:2022-11-18
Contact: Xin Jin

摘要/Abstract

摘要：

针对分解的分布式模型预测控制（DMPC）系统中子系统间的耦合影响所导致的通信负担重的问题，提出了一种新的基于免疫算法（IA）系统结构分解的DMPC算法。首先，采用IA算法对DMPC系统结构分解中遇到的输入分组（ICD）和输入输出配对（IOPD）问题进行求解，最大程度地减小了系统间输入输出耦合影响；然后，采用DMPC算法对分解后的系统进行分布式控制，有效地减小了子系统间的耦合，并降低了系统的通信负载问题；最后，用重油分馏化工过程进行了仿真实验，并通过与集中式模型预测控制（CMPC）的仿真结果作对比来验证了算法的有效性。

关键词: 分布式模型预测控制, 结构分解, 免疫算法

Abstract:

A novel distributed model predictive control (DMPC) approach based on immune algorithm (IA) to find out the optimal system decomposition structure is proposed. The IA is used to solve decomposition problems for input clustering decomposition (ICD) and input?output pairing decomposition (IOPD), which can minimize the impact of input?output coupling between systems, and then DMPC algorithm is used to control the decomposed system. This approach effectively reduces the coupling between subsystems, and reduces the communication load of the system. Finally, a heavy oil fractionation chemical process is simulated and compared with the centralized MPC simulation results to verify the effectiveness of the algorithm.

Key words: Distributed model predictive control, System decomposition, Immune algorithm

中图分类号:

TE968

刘臻博, 金鑫, 李平. 基于免疫算法结构分解的分布式预测控制算法[J]. 辽宁石油化工大学学报, 2022, 42(5): 90-96.

Zhenbo Liu, Xin Jin, Ping Li. Distributed Predictive Control Algorithm Based on IA Processing Structure Decomposition[J]. Journal of Liaoning Petrochemical University, 2022, 42(5): 90-96.

图/表 10

图1 重油分馏塔模型

图2 ICD分解每代最优目标函数曲线

图3 ICD分解每代的最优亲和度的分组情况

图4 IOPD分解每代最优目标函数曲线

图5 IOPD分解每代的最优亲和度的分组情况

图6 IGA?DPMC算法子系统的输出曲线

图7 IGA?DPMC算法子系统的输入曲线

图8 集中式MPC算法子系统的输出曲线

图9 集中式MPC算法子系统的输入曲线

表1 CMPC和IGA?DMPC控制性能

算法	最大超调量/%	上升时间/s	平均迭代时间/s
CMPC	$9.943 × 10 - 1$	$1.123 × 10 - 1$	$3.321 × 10 - 2$
IGA⁃DMPC	$9.975 × 10 - 1$	$1.184 × 10 - 1$	$1.538 × 10 - 2$

表1 CMPC和IGA?DMPC控制性能

算法	最大超调量/%	上升时间/s	平均迭代时间/s
CMPC	$9.943 × 10 - 1$	$1.123 × 10 - 1$	$3.321 × 10 - 2$
IGA⁃DMPC	$9.975 × 10 - 1$	$1.184 × 10 - 1$	$1.538 × 10 - 2$

参考文献 15

1	Richalet J，Rault A，Testud J L，et al.Model predictive heuristic control［J］. Automatica （Journal of IFAC）， 1978， 14（5）： 413⁃428.
2	Qin S J， Badgwell T A. A survey of industrial model predictive control technology［J］. Control Engineering Practice， 2003， 11（7）： 733⁃764.
3	Scattolini R. Architectures for distributed and hierarchical model predictive control⁃A review［J］. Journal of Process Control， 2009， 19（5）： 723⁃731.
4	Richards A， How J. A decentralized algorithm for robust constrained model predictive control［C］//Proceedings of the 2004 American control conference.Boston: IEEE， 2004， 5： 4261⁃4266.
5	Raimondo D M， Magni L， Scattolini R. Decentralized MPC of nonlinear systems： An input‐to‐state stability approach［J］. International Journal of Robust and Nonlinear Control， 2007， 17（17）： 1651⁃1667.
6	Zheng Y， Li S， Li N. Distributed model predictive control over network information exchange for large⁃scale systems［J］. Control Engineering Practice， 2011， 19（7）： 757⁃769.
7	Cai X， Xie L， Sun P. Decentralized model predictive control of nonlinear continuous systems with contractive constraints［C］// 25th Chinese Control and Decision Conference.Guiyang：IEEE，2013： 1187⁃1192.
8	Conley A，Salgado M E.Gramian based interaction measure［C］//Proceedings of the 39th IEEE Conference on Decision and Control.Sydney：IEEE，2000：5020⁃5022.
9	Stewart B T，Rawlings J B，Wright S J.Hierarchical cooperative distributed model predictive control［C］//American Control Conference. Baltimore： IEEE， 2010.
10	刘袁龙. 协作式分布式模型预测控制算法通信策略研究［D］.杭州：浙江大学， 2017.
11	Motee N， Sayyar⁃Rodsari B. Optimal partitioning in distributed model predictive control［C］//American Control Conference. Denver：IEEE， 2003.
12	蔡星. 分布式模型预测控制算法相关研究［D］.杭州：浙江大学， 2015.
13	Lei X， Xing C， Chen J， et al. GA based decomposition of large scale distributed model predictive control systems［J］. Control Engineering Practice， 2016， 57：111⁃125.
14	Chun J S， Jung H K， Hahn S Y. A study on comparison of optimization performances between immune algorithm and other heuristic algorithms［J］. Magnetics IEEE Transactions on Magnetics，1998， 34（5）： 2972⁃2975.
15	Prett D M，García C E， Ramaker B L. Fundamental process control［J］. The Canadian Journal of Chemical Engineering， 1989，67（6）：1036⁃1037. .

[1]	周学均, 陈小强, 谢磊, 江成龙. 基于EMD的短期风速预测混合模型[J]. 辽宁石油化工大学学报, 2021, 41(6): 79-86.
[2]	周学均, 陈小强, 谢磊. 基于改进收敛交叉映射的厂级振荡源诊断[J]. 辽宁石油化工大学学报, 2021, 41(5): 85-90.

基于免疫算法结构分解的分布式预测控制算法

Distributed Predictive Control Algorithm Based on IA Processing Structure Decomposition

HTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 15

相关文章 2

编辑推荐

Metrics