分享到:

间歇过程时频域建模及其模型预测控制研究

随着人们对产品种类的日益需求的增加,精细化工和生物化工得到了蓬勃的发展,化学工业中不连续、小批量的弹性生产方式越来越得到重视。但是与连续过程相比,间歇过程的研究尤其是建模方面还很不充分。非线性建模本身就是目前建模研究的难点和焦点之一。众所周知,间歇过程是具有连续特征和非连续特征的混杂对象,非线性特性非常明显。而模型的建立无论是对在线优化还是实时控制都具有极为重要的作用。本文就如何获得间歇过程的控制模型这一关键问题进行了一些探索。混合建模策略是吸取了内部机理的先验知识和现场数据校正的优点,能够为非线性特别是间歇过程建模提供一种快捷,准确和方便的手段,从而得到研究者的重视。由于动态系统在纯时域或纯频域不能同时兼顾对方的信息,因此考虑将系统映射到时频域上进行更全面的信息处理成了一种更好的选择。小波变换正好具有这类性质。朝着这一方向,本文的研究工作可以总结为以下几点:1.为了更好地应用小波变换特别是正交小波(包)变换,我们将这种以递归形  (本文共150页) 本文目录 | 阅读全文>>

《机电技术》2015年05期
机电技术

基于MatlabGUI的模型预测控制及应用仿真

并联机构因其刚度强、误差小、运动特性好等优点而受到广泛重视,并且在一些领域已投入实际运用。但其结构复杂,往往无法得到精确的数学模型,而且其模型参数在运行过程中也会发生变化。自适应控制和系统辨识为解决这类问题提供了良好的思路。预测控制是自适应控制中的一种,其产生于工业控制,并在实际工业应用过程中不断完善[1]。Matlab模型预测控制工具箱中集成了基于模型预测控制工具箱的图形用户界面(GUI),使用者可根据菜单提示要求进行设计,避免了代码的编写过程。在进行预测控制之前,首先要知道系统的数学模型。利用Madab系统辨识工具箱可以方便得对系统进行模型参数辨识。1系统辨识和预测控制的基本理论1.1系统辨识基本理论简单介绍经典参数辨识方法中常用的最小二乘法、辅助变量法。对于单输入单输出离散随机系统来说,其描述方程为:z(k)+a1z(k-1)+?+anaz(k-na)=b1u(k-1)+b2u(k-2)+?+bnbu(k-nb)+e(k)...  (本文共4页) 阅读全文>>

《现代工业经济和信息化》2018年03期
现代工业经济和信息化

间歇过程的灰色迭代学习控制

引言在间歇过程中,安全性、稳定性和高质量的产品是对生产所提出的最基本的目标。由于存在着模型不确定性、时变、非线性、反应机理复杂等特点,要求控制器不仅能有效克服纯滞后而且具有抗强干扰的能力还要对时变特性的适应能力和对非线性现象的控制能力,只有这样才能保证间歇过程控制系统的动态稳定性和稳态精度。文献【1】指出,对于间歇过程,迭代学习控制是一种有效的先进控制方法。文献[2]提出一种反馈—前馈迭代学习算法,该方法在开环迭代学习控制系统中引入反馈环,利用迭代偏差当前时刻的历史数据更新对象当前前馈输入。然而,实际的间歇过程控制系统或多或少的存在滞后和干扰,只采用迭代偏差的历史数据更新对象当前前馈输入的算法,导致迭代偏差较大,会破坏控制的鲁棒性,使得被控参数波动较大,有时甚至会使系统失去稳定性。为了解决迭代学习算法收敛性的问题,本文提出一种新的基于灰色预测的迭代学习算法,在原有的反馈—前馈迭代学习算法的基础上,引入灰色预测的思想,用预测迭代偏...  (本文共4页) 阅读全文>>

《自动化与仪表》1970年30期
自动化与仪表

简化模型预测控制及仿真研究

简化模型预测控制及仿真研究StudyofSimplifiedModelPredictiveControlandSimulation●陈克贵沈平ChenKeguiShenPing1引言生产过程中大多数控制回路都能用PID控制器构成SISO回路来满足控制要求。然而,有一些重要过程,例如原油蒸馏塔、流化催化裂化等过程实质上是多变量的,用单回路PID调节,控制水平不高,产品质量难以得到保证。70年代后期,法国和美国先后完成了动态矩阵控制(DMC)和模型算法控制(MAC)在工业上的应用。这类算法建立在易于从工业现场直接获得的阶跃响应或脉冲响应基础之上,不要求对模型的结构有先验知识,所以不必通过复杂的系统辨识过程来获得系统模型。另外,这些算法汲取了现代控制理论中的优化思想,采用滚动优化取代传统的最优控制。这些特点使得它们很适合于工业过程控制的实际要求,因而在工业中得到广泛应用。随后,Garcia和Morari于1978年开发了内部模型控制算...  (本文共5页) 阅读全文>>

《内江科技》2006年09期
内江科技

具有非线性状态空间模型的模型预测控制

1模型预测控制理论模型预测控制是一种在近十五年的时间里得到广泛应用的控制理论,尤其是在过程控制领域。而在电气驱动方面则鲜有应用。模型预测控制器的关键是过程模型。任何能基于初始值和未来输入预测系统未来输出信号的过程模型都是可用的。在一个预测时域这些预测的输出信号被用来将一个开环的性能标准最小化(例如在一个预测时域内控制误差的平方和),还可以在一个控制时域N内来计u算输入信号u(k)。在控制时域之外,输入信号u(k)还是不变的。计算的输入信号将被回馈到设备中,直到有新的测量方法。这种叫做退步时域控制的过程将在一个新的预测和控制时域内重复。这种退步时域策略使得从原先的开环中得来的闭环控制规则成为了最小化。最小化步骤很容易将约束量包含其中,像输入、输出,或状态约束量在控制器设计阶段就可以予以考虑。图1描绘的即是模型预测控制(MPC)的原理。最有名、最具代表性的模型预测控制是广义预测控制(GPC)。它是建立在在线性离散传递函数模型基础上的...  (本文共2页) 阅读全文>>

浙江工业大学
浙江工业大学

基于迭代预测控制的机械臂轨迹跟踪的研究

机械臂系统是一个高度耦合、多输入多输出的复杂非线性系统,而且在实际操作运行中还存在许多不确定性因素,如外界环境干扰、建模误差等,因此无法得到完整、精确的机械臂系统模型。随着现代工业的快速发展,需要更高品质的机械臂为我们服务,对机械臂轨迹跟踪的速度和精度要求也越来越高,因而更进一步地探讨有关机械臂的高精度轨迹跟踪问题具有十分重要的理论意义和实用价值。本文以迭代学习控制、模型预测控制等理论为基础,对机械臂系统的轨迹跟踪进行控制器的设计和分析。论文的主要工作如下:1.针对机械臂轨迹跟踪控制过程具有重复运动和非线性的特性,本文给出了一种迭代学习模型预测复合控制新算法。2.为了解决机械臂轨迹跟踪控制的建模误差和扰动所引起的不稳定问题,又引入了T-S模糊模型,设计了一种基于T-S模糊模型的非线性迭代预测控制器。3.用基于T-S模糊模型的非线性迭代预测控制算法对二自由度机械臂系统进行给定轨迹跟踪实验,实验结果表明该方法对机械臂轨迹跟踪具有很好...  (本文共61页) 本文目录 | 阅读全文>>