工业生产过程分布式有限时域状态估计

Distributed control systems (DCS) with distributed measure or control and centralized data management, play an important role in modern industrial processes. For production flow, the state estimation, monitoring and optimization benefited from centralized database. However, with dynamic big data, centralized state estimation has been implemented for problems involving high order state space systems. The presented distributed state estimations, which are mainly based on infinite impulse response (IIR) structure and often ignore the plant dynamics, are not adapt to deal with realistic industrial applications. Aim at industrial processes, this project explores the new field of distributed state estimation based on finite horizon. By introducing finite impulse response (FIR) structure, the research topics cover iterative computation instead of batch computation, relevant states and synchronization among distributed filters, and optimization of horizon. By extending moving horizon estimation (MHE) to multi-model process, the stability analysis and arrival cost approximation are focused for switched models. From the view of implement, the estimation network topology and unit partition are imbedded into physical operation units. Ways and means between off-line unit conformation and on-line estimation computation are investigated with feedback and improvement, and engineering techniques are the proposed. The presented project not only has strong practical backgrounds, but also contains deep matter of theory.

现代工业过程的分布控制系统(DCS)实现了测量控制功能的分散和数据管理功能的集中，数据集中为生产全流程的状态估计、监测和优化带来便利，然而大量动态数据构成高阶状态空间，使得集中式状态估计在工业应用中遇到诸多困难。随后兴起的分布式状态估计主要采用无限脉冲响应(IIR)的滤波器结构，且较少考虑过程动力学特点，在工业过程中的应用受限。本项目面向工业过程，开拓分布式有限时域状态估计理论新领域，引入有限脉冲响应(FIR)滤波结构，将批次计算转化为迭代计算，寻求分布式状态的关联性及同步化方法，寻找最佳时域长度；扩展滚动时域估计(MHE)至多模型过程，着重解决多模型切换下的稳定性分析与到达代价的计算问题。在应用实施方面，将信息逻辑层面的估计网络拓扑及单元配置，与物理层面的生产操作单元相融合，探索离线单元配置与在线估计算法间的反馈改进机制，形成工程化的设计方法。项目具有明确应用背景，包含深刻的理论内涵。

本项目综合工业生产分布式工艺单元、传感器配置、信息传输等要素，提出分布式状态估计、滤波及监测等新思路。针对工业非高斯噪声，基于厚尾特性的t分布描述，提出了一种分布式t滤波算法；进而利用时变倾斜t分布处理非对称测量噪声，通过变分贝叶斯方法，同时估计过程状态、噪声尺度矩阵及自由度参数。为实施工厂规模过程监测，采用主元分析按不同主元方向将过程数据分块，各子块中的变量由角度决定，提出融合各子块的监测结果的分布式过程监测方法。考虑过程状态与观测噪声不相关，提出了一种最优性能的分布式状态融合估计，以UFIR迭代形式为基础设计局部滤波器，计算任意两个局部子系统间的误差互协方差，以最优权重融合局部估计值得到整体输出。对于高斯噪声的多模态过程状态估计，将有限滚动时域与最大似然估计结合，提出模态检测MHE，其中模态检测用来求得滚动窗口内的模态序列的最大似然意义上的最优估计值，再将其嵌入到滚动时域状态估计算法。考虑传感器故障容错和系统重构，给出基于参数化网络拓扑的分布式预测控制架构，提出一种新型分布式状态估计器，补偿相互连接变量的估计误差；再通过构造故障模式切换模型来描述多种间歇故障，避免控制系统的重新配置。将分布式过程控制中网络通信丢包、延迟，以及过程系统故障等用随机马尔可夫跳变动态来描述，以此抽象模型为基础，研究了各子模型参数分布、噪声分布特性和模态转移概率的估计问题。基于李雅普诺夫稳定理论，设计H∞、H2-H∞、l2-l∞等形式的滤波器；采用网络化控制系统中事件触发机制，给出了H∞及无源混合控制设计方法。项目工作应用背景明确，理论内涵丰富，在工业生产的状态估计与监测、容错与控制领域具有广泛前景，同时尚有更深入的理论问题有待探索。

内容获取失败，请点击重试