發(fā)布時間：2017-05-24 05:16

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

【摘要】：在實際的工業(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)雜難控的對象通常是生產(chǎn)過程的核心部分,其控制效果會直接關(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)用價值。內(nèi)模控制是一種實用性很強的先進控制方法,由于其設(shè)計原理簡單、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滯、耦合、非方等復(fù)雜特性的多變量過程為對象,對復(fù)雜多變量過程的模型辨識和內(nèi)�？刂破髟O(shè)計方法進行研究。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和目前存在的問題及原因,并提出了改進型煙花爆炸優(yōu)化算法(MFA)。經(jīng)過對比試驗證明了改進后的優(yōu)化算法(MFA)相對經(jīng)典優(yōu)化算法以及標準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進行多變量系統(tǒng)的模型辨識以及內(nèi)模控制器設(shè)計過程中的參數(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多變量系統(tǒng)閉環(huán)辨識”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)辨識方法(MFA-FRE),采用順序階躍測試方法將一個耦合的多變量系統(tǒng)(MIMO)轉(zhuǎn)換為多個獨立無關(guān)聯(lián)的單輸入單輸出(SISO)系統(tǒng),然后利用MFA算法對每一個單變量系統(tǒng)進行辨識。針對頻率響應(yīng)辨識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效果達到最優(yōu)的衰減因子參數(shù)值,提高了辨識的速度和精度。對于非方多變量系統(tǒng)的辨識,本文進一步給出兩種辨識方案,仿真證明了MFA-FRE辨識非方系統(tǒng)的可行性。3、以復(fù)雜線性輸出誤差類模型作為辨識對象進行辨識方法研究,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)合輔助模型隨機梯度法和迭代思想提出迭代梯度法。仿真實驗證明了兩種迭代辨識方法針對帶有自回歸參數(shù)的模型進行參數(shù)辨識時的有效性。4、開展了“基于V規(guī)范型設(shè)計時滯多變量系統(tǒng)的解耦內(nèi)模一體化控制器”的研究,設(shè)計時對象采用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)計思想,所設(shè)計的控制器能夠同時滿足解耦和控制的要求。在設(shè)計過程中采用本文所提出的一種新的性能指標和MFA優(yōu)化算法進行濾波器參數(shù)的尋優(yōu),同時兼顧抑制超調(diào)和縮小響應(yīng)時間的要求。5、開展了“基于MEOTF-MFA的非方系統(tǒng)的內(nèi)�？刂品椒ā钡难芯俊Ｊ紫壤酶倪M型有效開環(huán)傳遞函數(shù)(MEOTF)將具有耦合多時滯特性的非方系統(tǒng)分解為相對獨立的多個單回路系統(tǒng),再針對每一條單回路進行IMC-PID控制器設(shè)計,設(shè)計過程中采用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)計方法可以實現(xiàn)耦合多時滯非方系統(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 時滯系統(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)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：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)�？刂频睦碚摶A(chǔ)24-25
• 1.3.2 內(nèi)模控制的設(shè)計方法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現(xiàn)36-38
• 2.2.5 基本型并行彌漫式智能搜索算法的特點分析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 改進型并行彌漫式智能搜索新算法46-55
• 2.4.1 對基本型煙花算法各組成部分的改進策略46-50
• 2.4.2 改進型并行彌漫式智能搜索新算法50-51
• 2.4.3 改進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的時滯非方系統(tǒng)閉環(huán)辨識方法56-78
• 3.1 引言56-57
• 3.2 基于傳遞函數(shù)的頻率響應(yīng)辨識法57-61
• 3.2.1 頻率響應(yīng)辨識法基本原理57-60
• 3.2.2 閉環(huán)辨識到開環(huán)辨識的等效轉(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)過程辨識法在方型多變量系統(tǒng)辨識中的應(yīng)用68-70
• 3.3.4 基于MFA-FRE的工業(yè)過程辨識法在時滯非方系統(tǒng)辨識中的應(yīng)用70-72
• 3.4 MFA-FRE多變量系統(tǒng)辨識方法的仿真實驗72-76
• 3.4.1 方型多變量系統(tǒng)辨識72-74
• 3.4.2 多時滯大滯后方型多變量系統(tǒng)模型辨識74
• 3.4.3 多時滯非方多變量系統(tǒng)模型辨識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態(tài)線性輸出誤差模型參數(shù)辨識方法78-98
• 4.1 引言78
• 4.2 動態(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法81-87
• 4.3.1 帶輔助模型的最小二乘辨識法81-84
• 4.3.2 迭代最小二乘辨識法84-87
• 4.4 迭代梯度辨識法87-91
• 4.4.1 帶輔助模型的隨機梯度法87-89
• 4.4.2 迭代梯度算法89-91
• 4.5 仿真實驗91-97
• 4.6 小結(jié)97-98
• 第五章 基于V規(guī)范的時滯多變量系統(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104-106
• 5.3.2 基于V規(guī)范的系統(tǒng)內(nèi)�？刂破髟O(shè)計106
• 5.3.3 V規(guī)范內(nèi)模控制器向PID控制器的轉(zhuǎn)化106-108
• 5.3.4 時滯對象設(shè)計控制器時的處理方法108-111
• 5.3.5 基于改進并行優(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)計仿真實驗113-115
• 5.4 IMC中超前項的解決辦法115-117
• 5.5 小結(jié)117-118
• 第六章 基于MEOTF和MFA的時滯非方系統(tǒng)內(nèi)模控制器118-142
• 6.1 引言118-119
• 6.2 非方系統(tǒng)常用控制器設(shè)計方法分析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的時滯非方系統(tǒng)的內(nèi)�？刂破�122-141
• 6.3.1 有效開環(huán)傳遞函數(shù)EOTF122
• 6.3.2 改進型有效開環(huán)傳遞函數(shù)MEOTF122-126
• 6.3.3 系統(tǒng)控制器設(shè)計中的時滯處理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和新的性能指標的非方內(nèi)模控制器參數(shù)129-130
• 6.3.7 基于MEOTF和MFA的非方內(nèi)�？刂破髟O(shè)計仿真實驗130-141
• 6.4 小結(jié)141-142
• 第七章 總結(jié)與展望142-144
• 參考文獻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：時滯及非方多變量系統(tǒng)的辨識與內(nèi)模控制研究，，由筆耕文化傳播整理發(fā)布。

本文編號：389913