买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉大连理工大学申请的专利一种基于递阶预测控制模型的螺杆式压缩机组运行优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116047885B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211356195.4，技术领域涉及：G05B11/42；该发明授权一种基于递阶预测控制模型的螺杆式压缩机组运行优化方法是由赵珺;刘洋;仲璐璐;王伟设计研发完成，并于2022-11-01向国家知识产权局提交的专利申请。

本一种基于递阶预测控制模型的螺杆式压缩机组运行优化方法在说明书摘要公布了：本发明属于信息技术领域，公开了一种基于递阶预测控制模型的螺杆式压缩机组运行优化方法，在上层，利用最小二乘支持向量机预测压缩机组负荷量，然后结合系统当前输出，应用滚动优化方法优化压缩机组经济性能指标，并产生下层控制回路的设定值；在下层，针对不同体量的螺杆式压缩机，应用分散式模型预测控制器和比例积分微分控制器串联控制的方式对上层下发的设定值进行跟踪，使压缩机组能够在经济优化状态下运行，实现压缩机组的闭环优化。本发明能够在控制层准确、快速的跟踪优化设定值，实现不同体量的压缩机组联合控制，为螺杆式压缩机组的经济化运行提供一种有效的解决方案。

本发明授权一种基于递阶预测控制模型的螺杆式压缩机组运行优化方法在权利要求书中公布了：1.一种基于双层递阶模型预测控制的螺杆式压缩机组优化控制方法，其特征在于，具体步骤如下： 步骤1：构建压缩机动态模型 根据工业实时数据库获取空压站中每台压缩机的历史运行数据，包括压缩机排气量、排气温度、排气压力、转速以及电流数据，然后运用系统辨识方法得到每台压缩机的传递函数，传递函数以转速为输入、以排气量和能耗为输出； 步骤2：构建压缩空气负荷预测模型 以工业实时数据库中获取的空压站历史负荷数据为最小二乘支持向量机的训练集，然后训练得到基于最小二乘支持向量机的压缩空气负荷预测模型，将工业实时数据库中负荷数据的最新数据样本添加至训练集最后一项中，运用压缩空气负荷预测模型预测未来Np1个时间步的负荷yk+1:k+Np1|k，其中k+1:k+Np1|k表示在k时刻对k+1到k+Np1时刻的预测； 步骤3：滚动优化每台压缩机运行工况 分为两个阶段 3.1根据步骤2预测负荷以及每台压缩机的类型和规格，列举满足该预测负荷的所有开启方案，运用网格搜索法计算出在Np1个时间步内所有开启方案排列组合的启停次数，选择启停次数最少排列组合为最优运行策略，即 其中，m是压缩机的台数；为第i台压缩机在第k+1时刻的启停状态； 3.2运用滚动优化思想，对最优运行策略的第k+1时刻的开启机组进行负荷分配优化，具体步骤如下： a目标函数 其中，speedi表示第i台压缩机的转速；GPower,i表示第i台压缩机转速与能耗之间的传递函数；J表示空压站的运行能耗； b约束条件 Fimin＜Fi≤Fimaxi＝1,2,32 其中Fi＝GFlow,ispeedi，GFlow,i表示第i台压缩机转速与排气量之间的传递函数；Fimin和Fimax分别表示第i台压缩机排气量的上限与下限； Fimin＝GFlow,iGFCfimin3 Fimax＝GFlow,iGFCfimax4 其中，fimin和fimax分别表示第i台压缩机的变频器由于物理限时所能达到的频率下限和上限；GFC为变频器频率和转速之间的传递函数； c优化求解 利用粒子群智能优化方法对上述目标函数进行迭代求解，当相邻两代之间的偏差在一个指定范围内则停止迭代，得到m台压缩机的最优负荷分配Firefi＝1,…,m，作为分散式控制器模型的设定值； 步骤4：分散式控制器模型 分散式控制器模型采用模型预测控制和比例积分微分控制串级控制结构，跟踪步骤3的设定值达到经济优化状态；采用比例积分微分控制器用于分散式控制器模型的底层副回路，模型预测控制器用于分散式控制器模型的主回路； 在1s的采样间隔内执行分散式控制，第i台压缩机主回路的模型预测控制器的参考输入最优负荷分配Firefi＝1,…,m，控制对象为副回路和压缩机组组成的广义控制对象，第i台压缩机的控制方案按如下步骤实现； 4.1构建变频器模型 根据变频器的工作原理，建立输入频率、输出电机转速的变频器模型，传递函数如下： 其中，yspeeds变频器输出转速的拉普拉斯变换；uFs是变频器输入频率的拉普拉斯变换； 4.2构建广义控制对象模型 比例积分微分控制变频器作用于压缩机，获得压缩机的转速输入和流量输出数据，对获得的数据进行辨识获得副回路和压缩机组组成的广义控制对象的传递函数； 其中，yflows是压缩机输出流量的拉普拉斯变换；uspeeds是压缩机输入转速的拉普拉斯变换； 4.3模型预测控制器的预测模型 模型预测控制器建模时域为N2，预测时域为Np2，控制时域为Nc2；根据线性时不变系统的比例叠加性质，广义控制对象的输出为 式中，表示由过去控制作用决定的已知量；ΔUt＝[Δut|t…Δut+Nc2-1|t]表示未来Nc2个需求解的控制增量；表示未来Np2步的预测模型输出量；是由广义控制对象的阶跃响应系数构成的动态矩阵； 4.4模型预测控制器的滚动优化 第i个压缩机的滚动优化目标函数为 约束条件为 其中，ut+q表示从第t时刻起到第q个时刻的实际控制量；Δut+q是从第t时刻起到第q个时刻的控制增量；ut+q＝ut-1+q+Δut+q，ut-1+q是从第t-1时刻起到第q个时刻的实际控制量；uimin和uimax分别是压缩机电机最小和最大转速；Δuimin和Δuimax分别是压缩机电机可调整的最小和最大步长；是第t时刻起到第q个时刻的负荷预测；yimin和yimax分别是压缩机排气量的下限和上限；qip和riq是权重矩阵；Fireft+p是从第t时刻起的第p个给定期望值；表示在第t时刻对第t+p时刻的预测流量；Jit表示第i台压缩机在t时刻对未来Np2个时刻的预测输出与给定期望值之间的偏差； 4.5模型预测控制器的反馈校正 模型预测控制器的预测模型的输出和广义控制对象的输出存在偏差； 其中，et+1为t+1时刻的输出误差；为广义控制对象在t+1时刻的排气量输出；为模型预测控制器的预测模型在t+1时刻的输出； 获得的输出误差用于对未来输出预测进行修正 其中，为第t+1时刻到第t+Np2时刻的负荷预测的校正值；为第t时刻对第t+1时刻到第t+Np2时刻的负荷预测；h为误差校正矩阵； 4.6求解最优控制量 迭代求解第i台压缩机在当前时刻的最优控制量Δu，并将控制量ut＝ut-1+Δu作用于广义控制对象； 步骤5：储气罐模型 根据由理想气体状态方程改进过来的范德瓦尔斯方程 式中，p是储气罐压力，R是气体常数；T是气体绝对温度；a、b为范德瓦尔常数；V是气体摩尔体积； 通过推导，储气罐内的压力变化量与压缩空气的发生量和消耗量之间的关系可以写为 式中，Δp是压力变化量；m是压缩空气的发生量；m是压缩空气的消耗量；V是储气罐有效容积；M是气体的摩尔质量；是储气罐内的气体质量流量； 步骤6：滚动优化 压缩机组执行完一次优化控制动作后，将当前时刻的负荷量yrealk+1以及储气罐压力ptankk+1分别反馈到步骤2的预测模型和步骤3的优化层中，结合预测输出调整下一时刻的生产计划，实现压缩机组的实时优化以及设定值的跟踪控制。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。