發(fā)布時(shí)間：2017-08-28 14:29

  本文關(guān)鍵詞：間歇過(guò)程2D-PID自適應(yīng)迭代學(xué)習(xí)控制研究

  更多相關(guān)文章： 間歇過(guò)程 發(fā)酵過(guò)程 攪拌反應(yīng)釜 PID控制 迭代學(xué)習(xí)控制 粒子群優(yōu)化算法

【摘要】：研究簡(jiǎn)單高效的過(guò)程設(shè)備控制技術(shù),具有重要的應(yīng)用價(jià)值。然而,目前過(guò)程設(shè)備和單元廣泛采用的比例-積分-微分(Proportional Integral Derivative,PID)控制器存在參數(shù)固定且不能在線自適應(yīng)調(diào)節(jié)的缺點(diǎn)。為了適應(yīng)多品種、小批量的生產(chǎn)要求,操作性更強(qiáng)和靈活度更高的間歇操作越發(fā)重要。相比較于連續(xù)過(guò)程,間歇過(guò)程的動(dòng)態(tài)性、非線性、時(shí)變性都更加顯著,這也對(duì)其控制器提出了更高的要求。針對(duì)發(fā)酵和攪拌反應(yīng)釜兩類典型的間歇過(guò)程,從批次內(nèi)和批次間兩方面對(duì)PID控制器進(jìn)行改進(jìn)研究。首先綜述了間歇過(guò)程控制方法的研究現(xiàn)狀,提出將粒子群算法(Particle Swarm Optimization,PSO)和自調(diào)整神經(jīng)元PID(Auto-tuning Neuron PID)控制相結(jié)合應(yīng)用于間歇過(guò)程中。進(jìn)一步,結(jié)合間歇過(guò)程存在的重復(fù)特性,提出基于二維PID(2D-PID)迭代學(xué)習(xí)框架的自適應(yīng)控制方法。本文的創(chuàng)新研究方面主要包括:(1)為了滿足實(shí)際過(guò)程的應(yīng)用要求,提出將可快速獲取高質(zhì)量PID參數(shù)的PSO算法與結(jié)構(gòu)簡(jiǎn)單的ANPID方法相結(jié)合應(yīng)用于間歇過(guò)程中,更好地克服過(guò)程的非線性、時(shí)變不確定等特性。以發(fā)酵過(guò)程和攪拌反應(yīng)釜為仿真例子,表明了PSO-ANPID具有良好的跟蹤控制性能,適用于非線性時(shí)變間歇過(guò)程的批次內(nèi)實(shí)時(shí)控制。(2)結(jié)合間歇過(guò)程的重復(fù)性,提出2D-PID自適應(yīng)控制方法。首先,結(jié)合PID控制和迭代學(xué)習(xí)控制,設(shè)計(jì)基于粒子群算法的2D-PID控制框架,研究過(guò)程定期望值批次間控制的可能性。進(jìn)一步,在批次內(nèi)采用ANPID控制器對(duì)其進(jìn)行在線自適應(yīng)調(diào)節(jié)。在批次間,考慮其重復(fù)特性,通過(guò)PID型迭代學(xué)習(xí)控制,利用歷史批次信息來(lái)修正當(dāng)前批次的調(diào)節(jié)變量,最終提高控制性能。以發(fā)酵過(guò)程和攪拌反應(yīng)釜兩類典型的間歇過(guò)程為例,驗(yàn)證了所提出方法的有效性。
【關(guān)鍵詞】：間歇過(guò)程 發(fā)酵過(guò)程 攪拌反應(yīng)釜 PID控制 迭代學(xué)習(xí)控制 粒子群優(yōu)化算法
【學(xué)位授予單位】：浙江工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP273
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 縮略語(yǔ)列表10-12
• 符號(hào)說(shuō)明12-15
• 第1章 緒論15-25
• 1.1 背景意義15-16
• 1.2 過(guò)程設(shè)備與間歇操作16-17
• 1.3 過(guò)程設(shè)備控制研究現(xiàn)狀17-23
• 1.3.1 過(guò)程設(shè)備單元控制17-19
• 1.3.2 多批次過(guò)程的設(shè)備單元控制19-21
• 1.3.3 過(guò)程設(shè)備智能控制21-23
• 1.4 內(nèi)容概要23-25
• 第2章 間歇過(guò)程PID控制器參數(shù)優(yōu)化25-39
• 2.1 引言25
• 2.2 粒子群優(yōu)化算法25-30
• 2.2.1 標(biāo)準(zhǔn)粒子群算法（PSO）25-26
• 2.2.2 被動(dòng)聚集粒子群算法（PSOPC）26-27
• 2.2.3 平滑粒子群算法（UPSO）27-28
• 2.2.4 遺傳粒子群算法（HGAPSO）28-29
• 2.2.5 綜合學(xué)習(xí)粒子群算法（CLPSO）29-30
• 2.3 間歇過(guò)程批次內(nèi)PID控制30-37
• 2.3.1 間歇發(fā)酵過(guò)程30-31
• 2.3.2 參數(shù)優(yōu)化31-32
• 2.3.3 仿真與討論32-37
• 2.4 本章小結(jié)37-39
• 第3章 間歇過(guò)程批次內(nèi)PSO-ANPID控制39-55
• 3.1 引言39
• 3.2 PSO-ANPID控制39-42
• 3.2.1 ANPID方法39-41
• 3.2.2 方案設(shè)計(jì)41-42
• 3.3 調(diào)節(jié)參數(shù)分析42-44
• 3.4 仿真與討論44-53
• 3.4.1 間歇發(fā)酵過(guò)程44-48
• 3.4.2 間歇反應(yīng)釜48-53
• 3.5 本章小結(jié)53-55
• 第4章 間歇過(guò)程二維PID控制方法55-73
• 4.1 引言55
• 4.2 基于粒子群算法的 2D-PID控制55-61
• 4.2.1 控制結(jié)構(gòu)設(shè)計(jì)55-56
• 4.2.2 參數(shù)優(yōu)化56-57
• 4.2.3 仿真與討論57-61
• 4.3 間歇過(guò)程 2D-PID自適應(yīng)控制61-71
• 4.3.1 控制方案設(shè)計(jì)61-64
• 4.3.2 方案分析64
• 4.3.3 仿真與討論64-71
• 4.4 本章小結(jié)71-73
• 第5章 結(jié)論與展望73-75
• 5.1 結(jié)論73
• 5.2 創(chuàng)新點(diǎn)73
• 5.3 展望73-75
• 附錄A75-76
• 附錄B76-77
• 附錄C77-79
• 參考文獻(xiàn)79-85
• 致謝85-87
• 攻讀學(xué)位期間參加的科研項(xiàng)目和成果87

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前8條

1 陳宸;熊智華;鐘宜生;;間歇過(guò)程綜合預(yù)測(cè)迭代學(xué)習(xí)控制方法基于二維理論的分析(英文)[J];Chinese Journal of Chemical Engineering;2014年07期

2 陳宸;熊智華;;一種間歇過(guò)程的綜合預(yù)測(cè)迭代學(xué)習(xí)控制方法(英文)[J];控制理論與應(yīng)用;2012年08期

3 劉毅;林傳東;高增梁;;基于粒子群優(yōu)化的連續(xù)發(fā)酵過(guò)程PID控制[J];石油化工自動(dòng)化;2012年01期

4 王建林;薛堯予;于濤;趙利強(qiáng);;應(yīng)用群能量恒定粒子群優(yōu)化算法的批次流加發(fā)酵過(guò)程批次間優(yōu)化(英文)[J];Chinese Journal of Chemical Engineering;2010年05期

5 王建林;趙利強(qiáng);于濤;;利用狀態(tài)空間模型和不敏卡爾曼濾波的分批補(bǔ)料發(fā)酵過(guò)程在線估計(jì)(英文)[J];Chinese Journal of Chemical Engineering;2010年02期

6 王樹(shù)青;張學(xué)鵬;陳良;;半導(dǎo)體生產(chǎn)過(guò)程的Run-to-Run控制技術(shù)綜述[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2008年08期

7 熊智華;董進(jìn);;基于線性時(shí)變擾動(dòng)模型的間歇過(guò)程最優(yōu)迭代學(xué)習(xí)控制(英文)[J];Chinese Journal of Chemical Engineering;2008年02期

8 陳治綱,許超,邵惠鶴;間歇過(guò)程優(yōu)化與先進(jìn)控制綜述[J];化工自動(dòng)化及儀表;2003年03期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 劉毅;間歇過(guò)程的核學(xué)習(xí)自適應(yīng)建模與控制研究及工業(yè)應(yīng)用[D];浙江大學(xué);2009年

，

本文編號(hào)：748098