【摘要】：隨著現(xiàn)代工業(yè)的飛速發(fā)展,生產過程變得越來越復雜,常常包含著非自衡對象,變結構對象,而過程對象中又常常存在不確定性、時滯性、多變量耦合、輸入輸出受約束等復雜特征。對于這些復雜的被控工業(yè)過程,采用常規(guī)的內�？刂品椒y以達到理想的控制效果。為了更好的發(fā)揮內�？刂频膬�(yōu)勢,針對復雜系統(tǒng)中的各種特殊被控對象研究出簡單、有效、實用的新型內模控制方法已成為當前研究領域及現(xiàn)代工業(yè)的迫切需求之一。本文正是基于這個立足點,以內�？刂茷榛究刂品椒�,從內模控制結構的改進、內模結構的穩(wěn)定性與魯棒性分析、濾波器的改進等方向對復雜系統(tǒng)中一些難題提出了一些解決方案和改進措施,主要研究內容和已取得的研究成果如下： (1)闡述了系統(tǒng)辨識的原理和幾種常見的辨識方法。重點研究了粒子群算法(PSO)和無約束多維尋優(yōu)法(Powell),通過分析這兩種算法的優(yōu)缺點,提出了一種基于Powell的PSO辨識算法,通過對化工過程中某對象模型進行辨識,仿真實驗證明了所提出算法的有效性和魯棒性。研究了工業(yè)現(xiàn)場中常見的幾種響應不規(guī)范情況,該方法能有效地解決在初值非穩(wěn)態(tài)、終值非穩(wěn)態(tài)、輸出發(fā)散等響應不規(guī)范情形下的模型辨識問題。 (2)介紹了內�？刂频慕Y構、原理和設計方法等,研究了內模控制和經(jīng)典反饋控制的關系,以及濾波器的設計方法。研究了時滯環(huán)節(jié)的各種近似處理方法,對一階Taylor近似、一階Pade近似、二階對稱Pade近似、二階非對稱Pade近似以及全極點近似法進行了比較�；谝陨衔宸N近似方法針對一階時滯系統(tǒng)和二階時滯系統(tǒng)設計了內�？刂破�,并推導了IMC-PID控制器的參數(shù)整定公式。 (3)研究了基于內�？刂品椒ǖ亩嘧兞繒r滯系統(tǒng)的解耦控制問題,采用了兩種內�？刂品桨福旱谝环N是基于V規(guī)范型的多變量解耦內�？刂�,即讓多變量內模控制器具有V規(guī)范型結構,使其同時具有解耦補償器和內�？刂破鞯淖饔�,推導了控制器的設計方法,得到了控制器設計的一般通式；第二種方案是為了解決多變量時滯系統(tǒng)的傳遞函數(shù)矩陣難以進行因式分解的問題,通過求取過程傳遞函數(shù)矩陣的逆和最優(yōu)對角分解矩陣,來實現(xiàn)閉環(huán)系統(tǒng)解耦以及控制器響應時滯最小的內模控制方法。最后,通過仿真和效果對比說明了這兩種方法的有效性。 (4)分析了傳統(tǒng)內模控制方法在非自衡對象中應用的不足,提出了兩種改進的內�？刂平Y構。第一種方法,是在傳統(tǒng)的內模控制結構中添加了一個比例控制器和一個比例微分控制器,分別用于鎮(zhèn)定不穩(wěn)定對象和控制系統(tǒng)的抗干擾特性及魯棒特性,并采用全極點近似法對被控對象的純滯后項進行近似處理；第二種方法,是為了克服外部干擾的影響,把反饋信號加在控制變量上,即在傳統(tǒng)的一自由度內�？刂平Y構的基礎上添加了一個擾動估計器用于抑制干擾信號,實現(xiàn)了系統(tǒng)跟蹤性能和抗擾性能的解耦控制,并有較好的動態(tài)特性。最后通過仿真實驗結果證明了這兩種方法的有效性。 (5)針對化工過程中常見的非方系統(tǒng),提出了兩種非方系統(tǒng)的內�？刂品椒�。第一種方法,是采用非方有效相對增益法對非方系統(tǒng)進行穩(wěn)定性分析,選出輸入輸出關聯(lián)性最強的最優(yōu)子系統(tǒng),再對最優(yōu)子系統(tǒng)進行回路分析和配對,根據(jù)分析結果分別設計了兩種內模控制器和一個強魯棒性分散PID控制器；第二種方法,是針對含有時滯和非最小相位零點的非方耦合系統(tǒng),提出了一種基于奇異值分解的解耦內�？刂品椒�,該方法通過添加補償項來實現(xiàn)對非方系統(tǒng)的解耦并消除不可實現(xiàn)因素。并根據(jù)奇異值分解法設計了一種非對角矩陣濾波器,使控制系統(tǒng)具有較好的高維解耦能力和強魯棒性。最后通過仿真結果證明了這兩種方法的有效性和可行性。 通過對上述各種工業(yè)對象的研究,進一步發(fā)揮了內�？刂品椒ǖ膬�(yōu)勢,在理論上使內�？刂聘鼮橥晟�,在實際應用中也使其應用面更為廣泛。
【圖文】：

噪聲是影響系統(tǒng)辨識結果的一個關鍵因素，實際控制系統(tǒng)中不可避免地存在著各種噪聲，下面我們將在有白噪聲的情況下采用PSO·Powell算法，在階躍響應的作用下對對象的模型參數(shù)進行辨識，辨識出的曲線如圖2一7所示，，得到的參數(shù)辨識精度與迭代次數(shù)如表2一1所示:實際輸出便謬金當一云一500一而石石。一污6石2而一Zeeo一5面65面。萬石石云4弓6石面加采樣序數(shù)圖2一7閉環(huán)對象辨識模型階躍響應Fig.2一 7St即i即 utobjectofidentifieationresultsbasedonClosed一loop表2一l參數(shù)辨識精度與迭代次數(shù)TableZ一 1ParameteridentificationaeeuracyandIterations參數(shù)真值初始值辨識結果迭代次數(shù)IsE數(shù)據(jù)長度100 a15 b4914.9999999999876220.1643249.00000000000258Cl d3.5內隨機選擇 0.99999999999676 3.521000000000002

2.43參數(shù)初始值對辨識結果的影響為了驗證PSO一Powell算法的模型參數(shù)初始值的魯棒性能，我們依然在有白噪聲的情況下將它與NLJ算法在不同的初始值下進行比較，辨識結果如圖2一8和圖2一9所示，辨識得到的參數(shù)值如表2一2和表2一3所示:—實際輸出-一PSO一powel}刃辛識結果~二N曰辨識結果或氣:，衡、~、喻_~洽瀏斗‘益_戚、從只八渭謬備霞一0402一實際輸出~一尸S介POwe“辨識結果一二二“一NLJ辨識結果;—階躍輸入000﨏

本文編號：2672774