田仕军[1]2012年在《广义预测控制性能改进的研究》文中指出广义预测控制是一种具有强鲁棒性的模型预测控制算法，适用于具有纯延时，参数时变的非最小相位系统。但是，一方面该算法需要被控对象的参数模型，而有些对象无法获得精确的参数模型。另一方面，该算法过于复杂，计算量较大。再次，实际的工业控制中对超调的产生较为敏感，过大的超调会导致控制难以实施，甚至导致生产事故。以上几个方面限制了该算法在工业控制中的应用。因此，研究可以有效抑制超调的产生，不需要精确地参数模型，计算量较小的广义预测控制算法将具有重要的现实意义。本文主要从以下几个方面展开了研究：首先，针对广义预测控制的超调抑制问题，本文提出了一种基于单步预测输出差值抑制超调的改进预测控制算法。对于单变量系统，通过在性能指标函数中引入单步预测输出差值项，有效抑制了超调的产生。进而，将单步预测输出差值项引入到多变量广义预测控制的性能指标函数中。仿真实验证明，改进广义预测控制算法对单变量和多变量系统同样有效。其次，针对广义预测控制需要参数模型和求解丢番图方程过程复杂的问题，本文提出了一种改进的自适应预测控制算法。将多步预测模型看成一个整体，该整体可分为两个部分。一部分为柔化后的系统实际输出，这部分将作为预测模型的起点；另一部分为将来的输入对系统的作用效果评估，评估矩阵可由递推最小二乘法辨识得出。这种建立多步预测模型的方法，不需要事先知道系统的参数模型，不必关心系统的阶次，不需要求解丢番图方程，所需辨识的参数较少，易于在线实施。再次，针对多变量系统的控制问题，提出了一种改进的多变量自适应预测控制算法。多变量系统的多步预测模型同样分为两部分。一部分为柔化后的系统实际输出，这部分将作为预测模型的起点。另一部分为将来的输入对系统的作用效果评估，评估矩阵可由递推最小二乘法辨识得出。仿真研究证明，本文提出的自适应预测控制算法不仅适用于单变量系统，也适用于多变量系统。不仅对于线性系统有效，对于一部分非线性系统同样有效。最后，在上述研究的基础上，结合现有的预测PID控制理论，提出了一种自适应预测PID控制算法。该算法不需要系统的参数模型，系统输入具有传统PID控制的结构形式，PID参数通过滚动优化在线调整。该算法同时也有效抑制了超调的产生。仿真研究表明，该算法在应用于发酵罐温度控制中后，取得了良好的控制效果。
任立国[2]2008年在《水下机器人广义预测控制与能耗问题研究》文中指出随着人类社会对海洋开发利用意识的不断增强,作为复杂海洋环境下工作的载体,水下机器人的研究受到人们的广泛关注,而智能控制是水下机器人自主完成任务的重要基础和关键技术。同时,对于无人无缆自治式水下机器人(AUV)来说,一次下潜所携带的能源是有限的,如何有效利用能源是无人无缆水下机器人研究的重要问题之一。智能控制与能耗问题的研究对提高水下机器人的智能化水平具有重要的理论研究意义和实际应用价值。本文在分析广义预测控制算法的基础上,通过对非线性动态系统的模型及其时变线性转化条件进行分析,将具有参数辨识功能的间接自适应广义预测控制算法和直接自适应广义预测控制算法应用于水下机器人的运动控制中,并进行了仿真研究。研究了考虑能耗的AUV多目标优化与控制问题,为有效地减小系统的输出波动和超调,在传统评价函数的基础上,将输出量变化加入传统评价函数中作为系统优化目标之一,提出了抑制波动的广义预测控制算法。同样为了抑制输出波动过大,提出了对控制量及其控制增量进行约束的广义预测控制算法。通过调整控制加权系数来限制控制增量剧烈变化,分析了控制加权系数对控制量变化的影响,并进行仿真研究。作为一种尝试,将多变量广义预测控制方法应用到水下机器人运动控制中。由于水下机器人的各个自由度之间一般具有一定耦合关系,针对水下机器人的多自由度解耦控制及能耗问题,提出了抑制输出波动的多变量广义预测集中控制算法和解耦控制算法。以哈尔滨工程大学水下运载器智能控制实验室自主开发的“海狸”水下机器人为试验载体,应用减少能量消耗的单变量广义预测控制算法和多变量度广义预测集中控制及解耦控制算法进行水下机器人的纵向速度和艏向速度控制实验研究,并与PID算法的控制效果进行比较分析,验证了本文提出的减少AUV能耗的广义预测控制算法的有效性。
吴斌[3]2008年在《多变量系统的辨识及其PID整定》文中研究表明传统的系统辨识及其PID控制器的设计方法,虽然在很大程度上能满足工业系统的控制要求,但对一些具有MIMO、强藕合性、不确定性、非线性、信息不完全性和大纯滞后性等特征的工业控制系统,这些经典方法无法得到满意的效果,迫切需要对多变量系统的辨识及其PID参数整定进行研究,以求整定出合理的、最优的PID参数,以获得比传统的PID参数整定法更好的控制效果,更能适应复杂多变的工业生产过程的需要。论文主要分成两部分来展开论述:多变量系统的辨识部分和PID整定方法部分,其中对多变量系统的辨识方法未涉及太深,只是做了初步研究,重点在多变量系统的PID整定方法上,做了大量工作,取得了一定的成果。在进行多变量PID参数整定方法的研究之前,首先介绍了两种多变量系统的辨识方法:最小二乘法和递阶随机梯度法。在论述了算法基本原理和实现步骤的基础上,通过仿真实验证明了算法的有效性。在多变量PID参数整定部分,首先对PID控制的基本原理与特点进行了概述,然后说明了PID参数整定的分类和传统方法,针对多变量系统的特点,概述了多变量PID的设计方法。而后对这些方法进行了具体研究,主要有预测PID参数整定、内模PID参数整定和鲁棒PID参数整定,分别在文中的第四章、第五章和第六章展开论述:第四章在研究预测控制算法基本原理的基础上,将预测控制算法与PID参数整定相结合,形成预测PID整定算法,考虑到对预测PID参数的优化,提出了改进型预测PID整定算法,并将单变量预测PID控制推广,设计出符合多变量特点的预测PID控制器。比起传统的PID参数整定法(如Z-N整定法),预测PID整定法对模型失配、大滞后等传统整定法难以控制好的情况均有满意的控制效果。第五章介绍了内模控制器的基本原理,在此基本上,将内模控制算法与PID参数整定相结合,形成IMC-PID整定算法,并将单变量IMC-PID控制推广,设计出符合多变量特点的IMC-PID控制器,主IMC-PID控制器用于保证输出的动态响应,副IMC-PID控制器用于及时克服回路间的耦合干扰,实现控制器解耦。并通过仿真实例证明了IMC-PID参数整定算法的有效性和鲁棒性。第六章基于鲁棒控制的相关理论,介绍了两种多变量鲁棒PID控制器参数整定的方法,一种为多指标相容下多变量PID参数整定,该算法保证了闭环系统的稳定性,并具有一定衰减度,且符合鲁棒性能指标H_∞约束;另一种为基于结构Lyapunov矩阵的多变量PID参数整定,保证了闭环系统的稳定性,且符合鲁棒性能指标H_2/H_∞约束。最后对化工生产中的实际模型,进行了仿真,以证明算法的有效性。在论文的最后,对所做的工作做了总结与前景展望。
杨荻[4]2012年在《基于广义预测控制的超临界参数单元机组负荷控制与优化研究》文中研究表明单元机组是现代火电企业的主力机组,特别是高参数、大容量机组由于其较高的机组效率,在火电企业中所占的比例越来越高。电力行业的节能减排要以火电厂的节能减排为核心,以降低生产煤耗,提高企业竞争力。超临界参数机组负荷生产过程是一个非线性、参数时变、多变量耦合的被控对象,在保证锅炉和汽轮机稳定运行的同时,还要考虑它们之间动态特性差异,实现锅炉、汽轮机协调控制。因此,本文从以上问题出发,对机组的负荷控制与优化问题进行了研究,主要内容如下：1.简要分析了单元机组的工艺原理、特点,以及超临界参数机组的自动控制系统。综述了国内外先进控制与优化算法在机组运行中的研究与应用。2.分析了超临界参数单元机组的动态特性及各环节机理特性,概括了机组的建模研究现状。介绍了超临界参数机组负荷生产过程的主要输入输出变量及控制目标,推导了多变量广义预测控制与优化算法的基本形式及其约束处理。3.针对超临界参数机组负荷生产过程的动态特性与控制目标,提出了以负荷生产过程煤耗最小化为局部稳态经济指标的广义预测控制策略,并分别采取目标规划(Goal Programming,简记为GP)和线性规划(Linear Programming,简记为LP)实现局部稳态目标计算。通过仿真研究表明,在不需要目标协调时,GP+GPC与LP+GPC-具有相同的性能曲线,与常规广义预测控制相比,能够在保证基本控制目标实现的前提下,有效地降低燃料煤消耗,并且能够克服参数时变带来的模型失配影响,具有一定的鲁棒性；而在需要目标协调时,GP+GPC能协调好控制目标与经济优化目标之间的关系,比LP+GPC更好的完成控制任务。4.为了实现面向锅炉热效率的稳态优化与控制,对锅炉热效率指标飞灰含碳量、炉渣残碳量建立了最小二乘支持向量机软测量模型,并提出基于自然选择的粒子群算法优化建模参数。工业现场数据仿真表明,所建模型具有较好的精度,为设计面向锅炉热效率的优化控制系统奠定了基础。5.对全文进行了总结与展望
刘文龙[5]2010年在《广义预测控制快速算法及收敛性研究》文中研究表明广义预测控制(GPC)是随着自适应控制研究而发展起来的一种新型预测控制算法。它具有自适应控制和预测控制的双重优点,比自适应控制具有更强的鲁棒性和实用性,故其研究一直是控制理论界和工业控制界的热点。但由于其在线计算量大,难以适用于实时性要求高的应用场合,且其参数在闭环特征多项式中存在复杂的非线性关系,系统稳定性分析非常困难。因此本文在广义预测控制的实时性和收敛性方面进行了如下研究:第一,基于Toeplitz变换提出一种单变量广义预测控制快速算法。在预测时域和控制时域相等与不相等两种情况下,将控制律求逆部分变换成Toeplitz形式,采用Trench-Zohar求逆算法和下叁角矩阵求逆算法快速求取变换后的逆矩阵。分析表明,该算法求逆部分的计算量比常规求逆计算低一阶,并且步骤简便,容易编程实现。第二,通过在常规广义预测控制性能指标函数中引入前馈增益矩阵与输入柔化矩阵,提出一种具有收敛跟踪性能的单变量广义预测控制快速算法。该算法将MP神经元网络与BP算法相结合在线调整柔化因子,避免了矩阵求逆计算,实现系统对参考信号的快速收敛跟踪。第叁,将单变量广义预测控制收敛跟踪快速算法直接推广到多变量系统,该算法降低了求逆矩阵的维数,实现多变量系统的快速收敛跟踪。分析与仿真表明,上述算法均减少了在线计算量,提高了控制系统的实时性,对广义预测控制算法应用于实时性要求较高的系统具有一定实践意义。理论证明引入前馈增益矩阵能够实现系统跟踪的收敛性,对广义预测控制算法稳定性分析具有一定理论意义。
董雪雅[6]2008年在《基于T-S模糊模型的约束预测控制研究》文中研究表明基于线性模型的预测控制研究已经相当成熟并得到了广泛的工业应用,然而在实际控制系统中,被控对象往往具有非线性、时变性和不确定性,针对高度非线性系统则很难取得令人满意的控制效果。而T-S模糊模型可以以任意精度逼近非线性系统,并且由于其结构的特殊性,可以通过局部动态线性化,把非线性系统表示成为线性形式,使得对其设计GPC控制器成为可能。本文首先简要介绍了广义预测控制的基本原理、基本算法步骤和模糊系统模型的基本原理,然后针对非线性系统提出了几种基于T-S模糊模型的有约束广义预测控制算法,并通过matlab仿真试验验证了这些算法的有效性。全文主要创新点有:1.针对单变量非线性系统,在利用T-S模糊模型充分逼近的基础上,基于一步近似计算的思想,通过对输入变量的适当处理,提出了一种带约束输入的快速广义预测控制算法,该方法充分考虑了控制输入及其增量受约束的情况,并且计算量不大。2.针对多变量非线性系统,基于T-S模糊模型建模,提出了一种带约束输入的快速广义预测控制算法,该方法充分考虑了控制输入及其增量受约束的情况,并避免了非线性搜索方法求解受约束的优化问题和求Diophantine方程,并且计算量不大。在本文的最后,总结全文,并提出在该方向上需进一步做的工作。
席原[7]2012年在《超超临界单元机组协调控制系统研究》文中进行了进一步梳理为实现社会经济可持续发展的目标,能源发电领域必须适应新形势的要求。因此,提高发电技术的安全性、稳定性、经济性以及节能降耗水平是十分必要的。超超临界发电技术是目前发电技术领域的先进技术,具有可靠、高效、环保的特点。超超临界机组相关的基本理论、技术策略的研究与应用,对电力工业的未来发展具有重要意义。本文首先分析了超超临界单元机组的新特点,介绍了超超临界单元机组协调控制系统中包括模型建立、控制系统设计方面的研究现状。然后根据模糊建模理论,利用现场采集的超超临界单元机组运行数据,建立了单元机组的T-S模糊模型,辨识结果表明T-S模糊模型能有效地表达超超临界单元机组的输入输出特性。为了能够实现对所建立的协调控制系统的模型进行控制,提出了改进的广义预测控制策略,充分利用了预测信息并简化了多变量矩阵的求解过程,并在某1000MW机组的协调控制系统中进行了仿真研究,结果表明该控制算法比传统的广义预测算法具有更好的控制品质。最后,将控制算法与之前建立的超超临界单元机组的T-S模糊模型进行结合,研究了基于T-S模型的广义预测控制算法,仿真结果表明所设计的控制系统可以实现对各个输出量设定值的有效跟踪,且在出现干扰的情况下具有良好的抗扰性。
谢生钢[8]2008年在《基于活性污泥模型的污水处理过程预测控制方法研究》文中研究表明活性污泥法是污水处理过程的一种有效的方法,得到广泛的研究和应用。随着立法对污水排放标准的严格规定,需要对污水处理过程采用先进的建模和控制技术,以提高出水水质,降低处理能耗。但污水处理过程具有外界干扰剧烈、强非线性等特点,对其建模和控制难度较大。预测控制是工业过程中广泛应用的一种先进控制算法,所以对污水处理过程的预测控制方法研究具有重要意义。本文对基于活性污泥1号模型(ASM1)的污水处理过程Benchmark进行建模方法研究,并且采用广义预测控制策略进行优化控制。本文首先采用聚类多模型建模策略,建立了污水处理过程的多线性模型表达;然后采用多变量广义预测控制策略,分别对干扰恒定时的设定值追踪控制以及干扰波动时的定值控制进行模拟仿真;考虑到污水处理过程不确定性,采用自适应策略进行多模型同时在线校正和特定的单个模型在线校正,以此改善模型的预测精度;由于聚类多模型建模是一种无监督的方式,本文在聚类多模型建模的基础上提出了有监督的多模型建模方法,提高了多模型的建模精度。根据污水处理过程的实际要求,为了满足氮浓度的排放标准区间要求,研究了污水处理过程的区间广义预测控制策略,把预测控制的常规二次目标转化为带软约束问题的线性优化问题;同时考虑到污水处理的能耗,在出水水质目标之上建立了能耗最小目标,得到了污水处理的多目标预测控制,最后采用分层多目标优化算法进行在线优化求解,得到污水处理过程的多目标预测控制。考虑到污水处理过程中关键组分测量速度过慢的实际情况,本文结合多速率辨识技术,研究了多速率系统的快速单速率模型参数辨识和采样间输出的估计策略,并且应用所提的策略辨识污泥回流输入-硝态氮浓度输出的快速单速率模型;以此快速单速率模型作为预测模型,分别研究了在输出采样无噪声和有噪声的情况下污水处理过程的广义预测控制。
汤进举[9]2002年在《注塑机微机控制系统研究》文中研究指明现代注塑机向高速，大吨位发展，对其控制系统的要求也越来越高，不但要求它具备较高的自动化程度及良好的控制性能，还要求有友善的人机界面。 本论文针对注塑机的特点及其控制要求，以80C196KC十六位单片机为核心，采用主从式双CPU结构，完成了注塑机微机控制器硬件及软件设计。接着着重讨论了注塑机的控制难点——注塑机料筒的温度控制，以几种不同的控制策略对其控制并对它们的控制性能及在单片机上实现的难易度进行了比较。 全文共分六章： 第一章：简明地介绍了注塑机的发展历程、技术现状及其发展趋势，并讨论了注塑机的电气控制系统和料筒的温度控制系统的现状，最后介绍了本论文研究的内容和方法。 第二章：注塑机单片机控制器的设计。包括其主从式双CPU的硬件构成，主、从CPU的软件结构及注塑机的工艺流程，最后讨论了本控制器在硬件、软件上所采取的抗干扰措施。 第叁章：注塑机料筒温度的PID控制及模糊控制。首先对料筒特性进行了测试研究，介绍了继电器PWM控制的实现方法，然后分别进行了积分分离PID及模糊变系数PID控制策略的研究。 第四章：注塑机料筒温度的动态矩阵控制。首先介绍了预测控制的发展及现状，接着讨论了动态矩阵控制的原理，最后应用多变量动态矩阵控制策略实现了对料筒温度的解耦控制。 第五章：注塑机料筒温度的广义预测控制。首先简要介绍了广义预测控制的原理，然后对其在注塑机料筒温度控制上的应用进行了初步研究，采用单变量广义预测控制方法对单段料筒温度进行了有效的控制。 第六章：对论文工作进行了总结，并对进一步的工作提出了自己的想法。
刘磊[10]2007年在《火力单元机组基于模型误差校正的有约束广义预测控制的研究》文中指出火电单元机组是一个多变量、强耦合、大时滞复杂的非线性系统，难以建立精确的数学模型，其控制系统设计面临着严峻的挑战。广义预测控制现已成为一种重要的先进控制策略，并被广泛应用于复杂工业过程中。自1987年提出，其理论不断得到完善和发展，并在复杂的工业过程中已显示出其良好的控制性能。然而在实际工程应用中，广义预测控制也存在着一些缺陷。目前的广义预测控制算法，一股其预测输出的预测模型都是建立在数学模型基础上的，没有考虑到建模误差的影响。虽然一股的广义预测控制算法对建模误差有一定的抑制作用，但目前的算法对建模误差的抑制能力是有限的。本文在参阅大量文献的基础上，提出了一种基于模型误差校正的有约束多变量广义预测控制策略，它以误差预测来补充基于模型的预测，以二次规划作为滚动优化策略，针对有输入、输出幅值限制以及输入速率约束的广义预测控制问题展开讨论。最后用于对300MW单元机组协调控制系统进行了仿真实验，结果表明即使在机组工况发生大的变化或受到较大干扰时，被控系统仍具有快速的负荷适应性、良好抗扰动能力和很强的鲁棒性；与传统的PID定值控制相比，该方法改善了负荷控制性能，是一种具有实用价值的火电机组负荷控制方法。
参考文献：
[1]. 广义预测控制性能改进的研究[D]. 田仕军. 浙江理工大学. 2012
[2]. 水下机器人广义预测控制与能耗问题研究[D]. 任立国. 哈尔滨工程大学. 2008
[3]. 多变量系统的辨识及其PID整定[D]. 吴斌. 北京化工大学. 2008
[4]. 基于广义预测控制的超临界参数单元机组负荷控制与优化研究[D]. 杨荻. 浙江大学. 2012
[5]. 广义预测控制快速算法及收敛性研究[D]. 刘文龙. 燕山大学. 2010
[6]. 基于T-S模糊模型的约束预测控制研究[D]. 董雪雅. 天津工业大学. 2008
[7]. 超超临界单元机组协调控制系统研究[D]. 席原. 华北电力大学. 2012
[8]. 基于活性污泥模型的污水处理过程预测控制方法研究[D]. 谢生钢. 浙江大学. 2008
[9]. 注塑机微机控制系统研究[D]. 汤进举. 浙江大学. 2002
[10]. 火力单元机组基于模型误差校正的有约束广义预测控制的研究[D]. 刘磊. 内蒙古工业大学. 2007
标签：自动化技术论文; 预测控制论文; 预测模型论文; 控制变量论文; 过程控制论文; 系统辨识论文; 仿真软件论文; 建模软件论文; 优化策略论文; 注塑机论文; 变量论文; pid控制器论文; 算法论文;