论文部分内容阅读
实际工业生产过程大多数是多变量系统,由于多变量系统的各个被调量之间存在不同程度的耦合,因而使系统难以控制。为了提高工业过程控制品质,对多变量系统的控制策略进行研究显得尤为重要。对多变量系统的控制主要有两种控制方法,一种是解耦控制方法,另一种是直接控制方法。解耦控制方法复杂度较高,难以实现,所以在实际中广泛使用直接控制方法。预测控制是一种有代表性的直接控制方法,它集优化、约束和补偿为一体,非常适合于多变量系统的控制。因此,本文以预测控制算法为基础,对多变量系统的控制方法进行了研究。本文主要研究内容如下：(1)研究了一种基于单神经元的预测控制算法。为了改善传统预测控制算法对预测信息处理的不足,将单神经元PID控制引入到预测控制算法中,研究了一种单神经元预测控制算法,从而实现对预测误差的补偿。该算法的基本思想是利用动态矩阵控制中的预测模型去预测系统未来几步的输出,进行反馈校正,将校正后的预测值作为反馈信号与设定值进行比较,取所得误差作为单神经元PID控制器的输入状态变量。最后,分别使用单神经元预测控制、单神经元PID控制对某冷热水系统进行控制,仿真结果表明该单神经元预测控制算法具有调节时间短、鲁棒性好等优点。(2)采用正交粒子群优化算法整定动态矩阵控制参数。动态矩阵控制算法参数较多,且参数之间存在关联,不同的参数组合会影响控制效果。为了克服使用试凑法调节动态矩阵控制参数比较繁琐且费时,以及传统粒子群优化算法易陷入局部最优解的问题,采用一种改进正交粒子群优化算法整定动态矩阵控制的参数。最后,以某抄纸过程水分定量系统作为仿真对象,分别采用该算法和标准粒子群优化算法对动态矩阵控制参数进行整定,仿真结果表明使用该算法整定动态矩阵控制参数时,闭环系统具有鲁棒性好的特点。(3)研究了一种基于扩张状态观测器的预测控制算法。为了解决由于被控对象状态信息不可测且存在不确定因素,而导致预测控制算法控制效果变差甚至使系统不稳定的问题,将扩张状态观测器与动态矩阵控制算法相结合,研究了一种基于扩张状态观测器的预测控制算法。该算法的基本思想是使用扩张状态观测器观测被控对象的参数摄动以及外部扰动,根据其等效作用量调整动态矩阵算法得到的系统的控制输入。最后,分别使用该算法和动态矩阵控制算法对某冷热水系统进行控制,仿真结果表明该算法具有鲁棒性强、抗干扰性好的优点。(4)研究了基于扰动观测器的预测控制算法。为了抑制外部扰动和由于模型失配及变量之间的耦合导致的内部扰动,将扰动观测器与动态矩阵控制相结合对系统进行控制,从而提高系统闭环控制精度及抗干扰能力,加快系统响应速度。最后,分别采用该算法、动态矩阵控制算法和常规Smith-PID控制算法对某原油精馏塔系统进行控制,仿真结果表明该算法具有鲁棒性好的特点。针对难以控制的多变量系统,研究了单神经元预测控制算法、模糊PID预测控制算法、基于正交粒子群优化的预测控制算法、基于扩张状态观测器的预测控制算法和基于扰动观测器的预测控制算法这五种算法。仿真结果表明了本文算法对于多变量系统的有效性。