通過可觀測的信息,建立系統(tǒng)的模型是對系統(tǒng)進一步認(rèn)知與研究的有效途徑。尤其是在工業(yè)、航天等領(lǐng)域,有了系統(tǒng)的模型,便可以對系統(tǒng)設(shè)計合適的控制算法、對系統(tǒng)的輸出進行預(yù)測、對系統(tǒng)的目標(biāo)進行優(yōu)化等。系統(tǒng)辨識是獲取系統(tǒng)動態(tài)模型的重要手段,因此研究系統(tǒng)辨識具有十分重要的理論和實用價值。首先,本文以工業(yè)控制系統(tǒng)中常見的兩種控制回路——比例、積分、微分(PID)控制以及模型預(yù)測控制(MPC)回路為研究對象,從降低辨識實驗成本的角度提出了一種無外部激勵閉環(huán)辨識的方法,并對模型在閉環(huán)無外部激勵情況下的可辨識條件進行了理論上的分析;本文的另一貢獻是拓展了系統(tǒng)辨識在軟測量建模領(lǐng)域的應(yīng)用。本工作主要的研究內(nèi)容與結(jié)果如下:1.以單變量PID閉環(huán)系統(tǒng)為研究對象,提出了基于無外部激勵辨識的PID整定策略。首先,引入了數(shù)據(jù)的豐富性與模型的可辨識性這兩個閉環(huán)辨識中的重要概念,通過這兩個概念探討了不添加外部激勵的情況下,能否通過噪聲激勵的數(shù)據(jù)估計出系統(tǒng)模型的問題。研究結(jié)論表明,當(dāng)控制器階次高于模型階次時,可以在不添加外部激勵的情況下辨識得到系統(tǒng)的模型。對于PID控制的閉環(huán)控制系統(tǒng),在不添加外部激勵的情況下,僅利用線性控制系統(tǒng)...

【文章頁數(shù)】：160 頁

【學(xué)位級別】：博士

【文章目錄】：
致謝
摘要
Abstract
縮寫、符號清單、術(shù)語表
1 緒論
    1.1 系統(tǒng)辨識簡介
    1.2 系統(tǒng)辨識的研究方向
    1.3 本文研究內(nèi)容
        1.3.1 模型在無外部激勵閉環(huán)系統(tǒng)中的可辨識條件
        1.3.2 無外部激勵閉環(huán)辨識方法
        1.3.3 軟測量模型的辨識
    1.4 本文結(jié)構(gòu)安排
2 基于無外部激勵辨識的PID整定方法
    2.1 引言
    2.2 閉環(huán)辨識背景介紹
        2.2.1 預(yù)測誤差辨識方法
        2.2.2 可辨識性與數(shù)據(jù)豐富性
    2.3 無外部激勵的辨識方法
    2.4 基于無外部激勵辨識的PID整定
        2.4.1 PID控制器
        2.4.2 PID切換控制規(guī)則
        2.4.3 預(yù)測試
        2.4.4 模型驗證
        2.4.5 基于IMC的PID參數(shù)整定
    2.5 仿真研究
    2.6 本章小結(jié)
3 多變量模型在閉環(huán)系統(tǒng)中的可辨識條件
    3.1 引言
    3.2 多變量閉環(huán)辨識
    3.3 多變量模型在線性控制器下的可辨識條件
        3.3.1 研究準(zhǔn)備
        3.3.2 常見MISO模型的可辨識條件
        3.3.3 MIMO模型的可辨識條件
    3.4 多變量模型在切換控制閉環(huán)系統(tǒng)中的可辨識條件
    3.5 仿真研究
    3.6 本章小結(jié)
4 面向MPC的無外部激勵辨識方法
    4.1 引言
    4.2 模型預(yù)測控制算法
        4.2.1 預(yù)測模型
        4.2.2 滾動優(yōu)化
        4.2.3 反饋校正
    4.3 模型在MPC回路中的可辨識條件
        4.3.1 DMC的最小實現(xiàn)形式
        4.3.2 模型在DMC閉環(huán)系統(tǒng)中的可辨識條件
    4.4 基于切換控制的辨識方法
        4.4.1 DMC權(quán)重系數(shù)與控制性能之間的關(guān)系
        4.4.2 切換規(guī)則
        4.4.3 預(yù)測試
        4.4.4 模型驗證
    4.5 仿真研究
    4.6 本章小結(jié)
5 軟測量模型的辨識
    5.1 引言
    5.2 輸出慢采樣系統(tǒng)的LPV模型描述
    5.3 LPV模型的辨識
        5.3.1 局部線性模型辨識
        5.3.2 權(quán)重函數(shù)辨識
        5.3.3 優(yōu)化全局模型
        5.3.4 模型結(jié)構(gòu)選擇
    5.4 算例仿真
    5.5 工業(yè)實例
    5.6 本章小結(jié)
6 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 研究展望
附錄A
附錄B
參考文獻
作者簡歷
作者攻讀博士學(xué)位期間科研成果



本文編號：3832026