本文關(guān)鍵詞：時(shí)滯及非方多變量系統(tǒng)的辨識(shí)與內(nèi)模控制研究，由筆耕文化傳播整理發(fā)布。

【摘要】：在實(shí)際的工業(yè)過程中,多變量系統(tǒng)廣泛存在,這些多變量系統(tǒng)多具有復(fù)雜特征并且難控,這些復(fù)雜難控的對(duì)象通常是生產(chǎn)過程的核心部分,其控制效果會(huì)直接關(guān)系到產(chǎn)品質(zhì)量、產(chǎn)品產(chǎn)率和能耗等,研究復(fù)雜多變量過程的控制問題,既具有重要的理論意義,又具有明確的工程應(yīng)用價(jià)值。內(nèi)�？刂剖且环N實(shí)用性很強(qiáng)的先進(jìn)控制方法,由于其設(shè)計(jì)原理簡單、魯棒性穩(wěn)定性好,目前已成為復(fù)雜工業(yè)過程控制中最有效的方法之一。本文選取典型的具有時(shí)滯、耦合、非方等復(fù)雜特性的多變量過程為對(duì)象,對(duì)復(fù)雜多變量過程的模型辨識(shí)和內(nèi)�？刂破髟O(shè)計(jì)方法進(jìn)行研究。主要工作如下：1、引入一種并行彌漫式智能搜索算法——煙花爆炸優(yōu)化算法(FWA),分析了該算法的特點(diǎn)和目前存在的問題及原因,并提出了改進(jìn)型煙花爆炸優(yōu)化算法(MFA)。經(jīng)過對(duì)比試驗(yàn)證明了改進(jìn)后的優(yōu)化算法(MFA)相對(duì)經(jīng)典優(yōu)化算法以及標(biāo)準(zhǔn)型煙花算法具有更快的收斂速度和更高的尋優(yōu)精度。本文應(yīng)用MFA進(jìn)行多變量系統(tǒng)的模型辨識(shí)以及內(nèi)模控制器設(shè)計(jì)過程中的參數(shù)優(yōu)化與模型降階。2、開展“傳遞函數(shù)下基于智能搜索的任意信號(hào)多變量系統(tǒng)閉環(huán)辨識(shí)”方法的研究。提出了一種基于并行彌漫式智能搜索的多變量頻率響應(yīng)閉環(huán)辨識(shí)方法(MFA-FRE),采用順序階躍測試方法將一個(gè)耦合的多變量系統(tǒng)(MIMO)轉(zhuǎn)換為多個(gè)獨(dú)立無關(guān)聯(lián)的單輸入單輸出(SISO)系統(tǒng),然后利用MFA算法對(duì)每一個(gè)單變量系統(tǒng)進(jìn)行辨識(shí)。針對(duì)頻率響應(yīng)辨識(shí)法中的衰減因子參數(shù)難以確定的問題,該方法利用MFA良好的全局與局部搜索能力和快速收斂特性,快速尋找到能使辨識(shí)效果達(dá)到最優(yōu)的衰減因子參數(shù)值,提高了辨識(shí)的速度和精度。對(duì)于非方多變量系統(tǒng)的辨識(shí),本文進(jìn)一步給出兩種辨識(shí)方案,仿真證明了MFA-FRE辨識(shí)非方系統(tǒng)的可行性。3、以復(fù)雜線性輸出誤差類模型作為辨識(shí)對(duì)象進(jìn)行辨識(shí)方法研究,結(jié)合輔助模型最小二乘法和迭代思想提出迭代最小二乘法；結(jié)合輔助模型隨機(jī)梯度法和迭代思想提出迭代梯度法。仿真實(shí)驗(yàn)證明了兩種迭代辨識(shí)方法針對(duì)帶有自回歸參數(shù)的模型進(jìn)行參數(shù)辨識(shí)時(shí)的有效性。4、開展了“基于V規(guī)范型設(shè)計(jì)時(shí)滯多變量系統(tǒng)的解耦內(nèi)模一體化控制器”的研究,設(shè)計(jì)時(shí)對(duì)象采用P規(guī)范型,解耦內(nèi)�？刂破鞑捎肰規(guī)范型,基于控制器和解耦器一體化的設(shè)計(jì)思想,所設(shè)計(jì)的控制器能夠同時(shí)滿足解耦和控制的要求。在設(shè)計(jì)過程中采用本文所提出的一種新的性能指標(biāo)和MFA優(yōu)化算法進(jìn)行濾波器參數(shù)的尋優(yōu),同時(shí)兼顧抑制超調(diào)和縮小響應(yīng)時(shí)間的要求。5、開展了“基于MEOTF-MFA的非方系統(tǒng)的內(nèi)�？刂品椒ā钡难芯�。首先利用改進(jìn)型有效開環(huán)傳遞函數(shù)(MEOTF)將具有耦合多時(shí)滯特性的非方系統(tǒng)分解為相對(duì)獨(dú)立的多個(gè)單回路系統(tǒng),再針對(duì)每一條單回路進(jìn)行IMC-PID控制器設(shè)計(jì),設(shè)計(jì)過程中采用Taylor-MFA降階方法以獲得更加精確的降階模型。MEOTF-MFA非方控制器設(shè)計(jì)方法可以實(shí)現(xiàn)耦合多時(shí)滯非方系統(tǒng)的有效控制,在模型失配及存在干擾的環(huán)境下亦能表現(xiàn)良好性能。
【關(guān)鍵詞】：多變量系統(tǒng) 內(nèi)�？刂� 系統(tǒng)辨識(shí) 時(shí)滯系統(tǒng) 非方系統(tǒng) 并行彌漫式搜索算法
【學(xué)位授予單位】：北京化工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP13;TP18
【目錄】：

• 學(xué)位論文數(shù)據(jù)集4-5
• 摘要5-7
• ABSTRACT7-18
• 第一章 緒論18-32
• 1.1 本課題的研究背景與意義18-19
• 1.2 本課題相關(guān)領(lǐng)域概述19-24
• 1.2.1 系統(tǒng)辨識(shí)技術(shù)概述19-21
• 1.2.2 內(nèi)�？刂萍夹g(shù)概述21-24
• 1.3 前人的研究成果24-28
• 1.3.1 內(nèi)模控制的理論基礎(chǔ)24-25
• 1.3.2 內(nèi)�？刂频脑O(shè)計(jì)方法25-28
• 1.4 本文的主要工作及內(nèi)容安排28-32
• 第二章 改進(jìn)型并行彌漫式智能搜索新算法32-56
• 2.1 引言32-33
• 2.2 基本型并行彌漫式智能搜索算法33-42
• 2.2.1 基本型并行彌漫式智能搜索算法的基本思想33-34
• 2.2.2 基本型并行彌漫式智能搜索算法的數(shù)學(xué)描述34
• 2.2.3 基本并行彌漫式智能搜索算法的算法組成34-36
• 2.2.4 基本型并行彌漫式智能搜索算法的算法實(shí)現(xiàn)36-38
• 2.2.5 基本型并行彌漫式智能搜索算法的特點(diǎn)分析38-40
• 2.2.6 基本型并行彌漫式智能搜索算法的性能40-42
• 2.3 對(duì)基本型并行彌漫式智能搜索算法的缺陷以及解決方法分析42-46
• 2.3.1 影響算法性能的因素分析42-43
• 2.3.2 算法中存在的缺陷以及解決方法分析43-46
• 2.3.3 小結(jié)46
• 2.4 改進(jìn)型并行彌漫式智能搜索新算法46-55
• 2.4.1 對(duì)基本型煙花算法各組成部分的改進(jìn)策略46-50
• 2.4.2 改進(jìn)型并行彌漫式智能搜索新算法50-51
• 2.4.3 改進(jìn)型并行彌漫式智能搜索算法與基本型并行彌漫式智能搜索算法的比較51-55
• 2.5 小結(jié)55-56
• 第三章 基于MFA-FRE的時(shí)滯非方系統(tǒng)閉環(huán)辨識(shí)方法56-78
• 3.1 引言56-57
• 3.2 基于傳遞函數(shù)的頻率響應(yīng)辨識(shí)法57-61
• 3.2.1 頻率響應(yīng)辨識(shí)法基本原理57-60
• 3.2.2 閉環(huán)辨識(shí)到開環(huán)辨識(shí)的等效轉(zhuǎn)換60-61
• 3.3 基于MFA-FRE算法的工業(yè)過程建模系統(tǒng)與方法61-72
• 3.3.1 基于并行彌漫式智能搜索算法的工業(yè)過程建模系統(tǒng)61-63
• 3.3.2 基于并行彌漫式智能搜索算法的工業(yè)過程建模方法63-68
• 3.3.3 基于MFA-FRE的工業(yè)過程辨識(shí)法在方型多變量系統(tǒng)辨識(shí)中的應(yīng)用68-70
• 3.3.4 基于MFA-FRE的工業(yè)過程辨識(shí)法在時(shí)滯非方系統(tǒng)辨識(shí)中的應(yīng)用70-72
• 3.4 MFA-FRE多變量系統(tǒng)辨識(shí)方法的仿真實(shí)驗(yàn)72-76
• 3.4.1 方型多變量系統(tǒng)辨識(shí)72-74
• 3.4.2 多時(shí)滯大滯后方型多變量系統(tǒng)模型辨識(shí)74
• 3.4.3 多時(shí)滯非方多變量系統(tǒng)模型辨識(shí)74-76
• 3.5 小結(jié)76-78
• 第四章 基于迭代最小二乘法和迭代梯度法的動(dòng)態(tài)線性輸出誤差模型參數(shù)辨識(shí)方法78-98
• 4.1 引言78
• 4.2 動(dòng)態(tài)線性輸出誤差模型78-81
• 4.3 誤差模型的迭代最小二乘辨識(shí)法81-87
• 4.3.1 帶輔助模型的最小二乘辨識(shí)法81-84
• 4.3.2 迭代最小二乘辨識(shí)法84-87
• 4.4 迭代梯度辨識(shí)法87-91
• 4.4.1 帶輔助模型的隨機(jī)梯度法87-89
• 4.4.2 迭代梯度算法89-91
• 4.5 仿真實(shí)驗(yàn)91-97
• 4.6 小結(jié)97-98
• 第五章 基于V規(guī)范的時(shí)滯多變量系統(tǒng)的解耦內(nèi)模一體化控制器98-118
• 5.1 引言98
• 5.2 多變量被控對(duì)象規(guī)范型與解耦方法98-103
• 5.2.1 多變量系統(tǒng)的規(guī)范型99-102
• 5.2.2 多變量系統(tǒng)的解耦102-103
• 5.2.3 多變量系統(tǒng)的解耦方法103
• 5.3 基于V規(guī)范型的解耦內(nèi)模一體化控制器103-115
• 5.3.1 基于V規(guī)范的系統(tǒng)解耦功能設(shè)計(jì)104-106
• 5.3.2 基于V規(guī)范的系統(tǒng)內(nèi)�？刂破髟O(shè)計(jì)106
• 5.3.3 V規(guī)范內(nèi)�？刂破飨騊ID控制器的轉(zhuǎn)化106-108
• 5.3.4 時(shí)滯對(duì)象設(shè)計(jì)控制器時(shí)的處理方法108-111
• 5.3.5 基于改進(jìn)并行優(yōu)化算法的模型降階111-112
• 5.3.6 基于MFA算法和新的性能指標(biāo)的濾波器參數(shù)優(yōu)化112-113
• 5.3.7 基于V規(guī)范的解耦內(nèi)�？刂破髟O(shè)計(jì)仿真實(shí)驗(yàn)113-115
• 5.4 IMC中超前項(xiàng)的解決辦法115-117
• 5.5 小結(jié)117-118
• 第六章 基于MEOTF和MFA的時(shí)滯非方系統(tǒng)內(nèi)�？刂破�118-142
• 6.1 引言118-119
• 6.2 非方系統(tǒng)常用控制器設(shè)計(jì)方法分析119-122
• 6.2.1 非方系統(tǒng)方形化方法119-122
• 6.2.2 非方系統(tǒng)的直接控制法122
• 6.2.3 瘦系統(tǒng)的控制方法122
• 6.3 基于MEOTF和MFA的時(shí)滯非方系統(tǒng)的內(nèi)模控制器122-141
• 6.3.1 有效開環(huán)傳遞函數(shù)EOTF122
• 6.3.2 改進(jìn)型有效開環(huán)傳遞函數(shù)MEOTF122-126
• 6.3.3 系統(tǒng)控制器設(shè)計(jì)中的時(shí)滯處理126
• 6.3.4 基于MFA的非方有效開環(huán)傳遞函數(shù)的降階126-128
• 6.3.5 基于MEOTF的非方IMC-PID控制器128-129
• 6.3.6 基于MFA和新的性能指標(biāo)的非方內(nèi)�？刂破鲄�(shù)129-130
• 6.3.7 基于MEOTF和MFA的非方內(nèi)模控制器設(shè)計(jì)仿真實(shí)驗(yàn)130-141
• 6.4 小結(jié)141-142
• 第七章 總結(jié)與展望142-144
• 參考文獻(xiàn)144-152
• 致謝152-154
• 研究成果及發(fā)表的學(xué)術(shù)論文154-156
• 作者和導(dǎo)師簡介156-158
• 附件1158-159

  本文關(guān)鍵詞：時(shí)滯及非方多變量系統(tǒng)的辨識(shí)與內(nèi)�？刂蒲芯�，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：389913