（控制理论与控制工程专业论文）大时滞强干扰系统控制方法的研究.pdf

中文摘要 中文摘要 时滞过程是石油、化工、冶金、制药、酿造等工业生产中广泛存在的一类复 杂过程。由于时滞环节的存在，当前施加的控制作用需要经过一段时间才会在输 出中反映出来，这种校正的滞后、扰动与校正的不合拍影响了控制的质量。而且 时滞的存在严重影响了系统的稳定性，导致系统超调量变大，调节时间加长，甚 至出现振荡、发散。另一个对工业生产有着重要影响的因素就是干扰。当系统伴 有强干扰时，在控制过程中系统的测量值就会远离设定值，长时间不能返回到原 来的状态。从应用的观点来看，这种现象是不允许发生的。因此大时滞强干扰系 统的控制一直受到人们的关注，成为重要的研究课题之一。 本文首先对目前研究较为成熟的大时滞强干扰系统控制进行了归纳，并分析 了各控制器的性能。通过对串级控制的分析，总结出串级控制方法可应用的充分 条件和必要条件。另外，本文给出了串级形式下的系统时滞分解设想，该设想的 给出为在时滞系统的控制设计中克服控制器时滞负担奠定了理论基础，并且为系 统应用串级控制提供了新的理论依据。此外，本文归纳了目前较为成熟的串级形 式的控帝方法，可以看出，系统采用串级控制结构后，不但发挥了主、副控制器 ( 可以是p d 控制、智能控制、预测控制等) 控制方法各自的性能优势，更综合 了串级控制的控制作用及时、工作频率高，抗干扰性能强等的优点，从而使得系 统能够更加有效的实现控制作用，提高系统的品质。 关键词：大时滞；强干扰；串级控制；无模型控制 黑龙江大学硕士学位论文 a b s t r a c t t 缸坞l a gp i d c 姻si sac o m p l i c a t e dp r o c e s s ，w 1 1 i c he x i s t si l li i l d u s 缸ym 锄u | 砸= t t l r c a _ 嘶响d 锄c h 鹳p 酏lp l a n t ，c h 锄i c a lp l a i 吒m e t a l l u f g y ，皿哪m a c y ，b r 删吼g e 锄d o m b e c a u o ft l l ee x i s t 即c eo f 也et i m el a g ，t l l ec o n 臼d la c t i w h i c hi sg i v 吼c l r e n t l y w 叩t b e r e f l e c t c d i i ln l eo l l i l ，m 瑚l i l “9 0 嚣a p e r i o do f t i l n e ，b 0 廿l t h e 血m l a go f e m e n 捌姐d c o o r d i n a t i 蛐b e t 、e e nd is i = i 】r 1 ) m c ea l l l de m e n d a t i o n 、i ua 丘毫c t 也e q l 】a i 毋o f c o n 呐1 ha d d i t i o l l ，t h ee 】i s t e l l c eo f m et h n el a g 疵c t st l l es t a _ b i l i t yo fm e s y s 咖lb a d l y 觚di tm a yc a u s ct h ee x t c n to f t l l es y s t e i i lg e 砸n gb i g g c r 锄dt h e 咒g i l l a t i v e t i m eg e t t i ：n gl g e 、，e ni t 谢u 晰n gas u 喀eo fd i s p c r s i o n d i s t i l r b 锄c ei st l 陀甜研 i m p c 叮鼬ta c t o f 缸奄c t i n gi i l 血l 鼬r ym a n u 蠡c t i l 】融w h i kt h es y g t e mh 瑟a 蜘g e r d i 蚰叮k 【l l c e ，t h em e a s u v a l u eo fs y s t 咖w i l lk e 印a w a y 丘d ml h ei n i t i a l i 动l i mt h e c 伽1 舡d lp m c e 豁，锄di tw o n t 托咖t l l e 嘶百r l a ls t a _ t c s e e n 董mt l l ea p p l i c dv i 时v p o i i 嵋 t h cp h e n 鲫e 啪i s 珈靴盯雒衄b l e s ot l l e 鼬lo f t l l es y s t c r n 谢t l ll a 曙e ft i m el a ga l l d s h o n g e rd i s t l l r b a i l c eh 鹤b 咖p a i d m o r c 删0 na l l 也e 砌l e ，a i l d i tb e c o m 鹊o n co f t h cm o s tc n l c i a ld i s q u i s 硒o np b l 锄s a tf i r s t ，t l l ea r t i c l eh 鹊c o n c l l l d e ds 呲m e t h o d so fc o n 们1w l l i c h 龇p 删l e 觚dm o 托m a t l l 托m e m o d m1 h e 科g t 锄w i n l1 a 玛盯t i m el a g 锄ds t r o n 掣xd i 鼬a n c e f i e l dc 哪m l 协锄di th 髂觚a i y z e dc a p a b i l i t i 岱o f 谢。璐c o n 仃o l l e r sw 1 1 i c hl l a v e 胁l 陀f e i t e di l lt h i sa r t i c l e 1 1 啪u g l l 锄i a l y z i n gm es 甜a lc 伽n d l ，t h i st e ) 【th 私b r o u g h t f o r 娴mt h ea p p l i c a b l ea b u n d a ma n dn e c e s 鲫哼c o n d i l i o no fs e f i a l 舳im 龇 t h ，t l l e 硎c l eh 鹊b r o u g h tf | o 刑a r d 曲et i l l l cl a gd e c o m p o s i t i o n 够s 哪e ，w l l i c hc 吼 e 鼬a b l i s ht h ef o m l d a t i o ni n 血r yf o ro v 盯c o m i n gt l l et h n el a gb u r d e l li n 曲ec o n 订o l d e s i g n o f l l l e 劬e l a gs y s t c | n ，a n d w h i c hc 柚鲫p p l y a n e w b 硒i s i l l t l l e o r y f b rs y s t 锄t 0 u 辩t h e f i a lc d m r 0 1 n 圳h 既m o r e ，t h e 枷c l e1 l a sa l s oc o n c l l l d e d m ep r e f h a b l ea i l d m o r em a t i l 坞m e t h o d so fs c r i a lc o m r o la m e | 1 n y a 矗盯a d o p t i n gt h es e r i a lc o l l n o i f 舢e o f kw ec a ns t l l a lt h ec o n 自m lm 如0 d so ft h em a i l lc o n 打0 1 k f 盟dt 1 1 e s u b s i d i a r yc o n 仃o l l e r sh 孙，en o to i l l ye x c r t e d c hc a p a b i l i t y 缸l da d l t a g e ，b i i ta l i i l t e g 咖c d t l l ev n o fs 商a lc o 曲o l ，锄c h 船t i m e l yc 叫的ia c t i ，l g l lw o 血 能q u e n c ya n ds 晰i g 雒t i - j 删n gc a p a c 咄“m a k et l l es y s 咖a d ：i l a i i z em ec o n 昀i n - a b s t r a d a c t i o nm o f ee 岱埘i v e l y 孤di i i i p i u v em eq u a l i t yo f t l l es y s t 锄 k e ) 啊o r d s ：l a r g et h n e1 a g ；s t r gd i s t i 曲柚c e ；s e r i a lc o n 胁l ；n o n _ m o d e ic o n 的l 黑龙江大学硕士学位论文 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研 究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他 人已经发表或撰写过的研究成果，也不包含为获得墨垄江太堂或其他教育机构的 学位或证书而使用过的材料。 学位论文作者签名：给奄，瓤 签字日期呷年j 月，口日 学位论文版权使用授权书 本人完全了解墨蕉堑太堂有关保留、使用学位论文的规定，同意学校保留并 向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本 人授权墨蕴堑太堂可以将学位论文的全部或部分内容编入有关数据库进行检索， 可以采用影印、缩印或其他复制手段保存、汇编本学位论文。 学位论文作者签名：徐琵施 签字r 期：刁年r 月f 日 学位论文作者毕业后去向 工作单位： 通讯地址： 导攀多印 签字日期：，一7 年r 月，日 电话：，；争心7 弓? ；二 邮编； 第1 章绪论 第1 章绪论 1 1 大时滞强干扰系统的实际背景 时滞系统是一类常见的工业过程，在化工、炼油、冶金等复杂的工业过程中 广泛地存在着大时滞现象。所谓时滞是时间上的延迟，延迟的时间是从引起动态 要素变化的时刻到输出开始变化的时刻这一段时间。对于具有大滞后的实际工业 过程，由于大的纯滞后的存在，使得被调量不能及时反映系统所承受的扰动，控 制作用不能及时作用到对象上，所以应用一般反馈控制无法得到满意的闭环响应， 系统的纯滞后时间会使系统的稳定性降低，造成闭环系统动态品质下降，纯滞后 愈大则系统动态品质就愈差。特别是衡量纯滞后的响应特征参数大于o 6 时，采用 常规的p i d 或某些其他方法的控制运算会引起大的超调和长时间的振荡，控制效 果不佳。另外，当系统伴有强干扰时，这就使得在控制过程中系统的测量值会远 离设定值，长时间不能返回到原来的状态。从应用的观点来看，这种现象是不允 许发生的。因此大时滞强干扰系统的控制一直受到人们的关注，成为重要的研究 课题之一。 1 2 大时滞强干扰系统的控制方法 随着科技的发展，工业生产对优化技术经济指标、提高经济效益、节约能源 的要求日益提高。一方面加强了人们对生产过程的建模、系统辨识、自适应控制、 鲁棒控制等的研究，另一方面促进了人们开始面向工业生产过程的特点，寻找各 种对模型要求低、在线计算方便、控制综合效果好的控制方法和算法【1 捌。因此， 预测控制、模糊控制、神经网络控制、无模型控制等控制策略应运而生，并成功 的应用在各种工业控制系统中，这些都为大时滞强干扰系统的控制提供了方法和 借鉴。 1 2 1s m i t h 预估控制及其改进 在早期的工业生产过程中，解决纯时滞问题的最具有代表性的控制方法就是 黑龙江大学硕士学位论文 纯滞后补偿法s m i n l 预估控制法和d a l l l i n 算法。 s m 汕( 史密斯) 控制算法又称s m i t l l 预估器【3 】是o j m s m i t l l 在1 9 5 7 年提出 的预估补偿控制方案，并得到了广泛的应用，并取得较好的效果，结构图见图1 1 。 价 图1 1s m - m 预测控制器结构框图 f i g 1 - 11 1 1 ef h m e 埏o f s m 油p 传d j 硎c 打0 l i e r a ) s m j t h 预测控制器b ) s m 曲预测控制器等效框图 a ) s m j mp t 酣i c t i o nc 珊们i l e rb ) 1 1 l e 。q u i 训唧l t 魄o f s m i n lp 刚i c 曲nc o n 的l l 盯 图1 1 中。t 、_ ， ，为给定输入和经输入滤波器柔化后的参考轨迹，y 、为被 控对象的输入量和输出量，d 为系统总延时，g ，0 。) 为参考输入滤波器，c ( z - 1 ) 为 常规控制器，g 0 - 1 ) 为被控对象，0 0 。) 为内模控制器。从图1 1 a ) 中可以看出， 这种方法的特点是利用过程数学模型以内反馈方式包围常规控制器，构成s m i 吐l 预测控制器，再与过程串联构成s m i m 预测控制系统。将图卜1 a ) 改画成图卜1 b ) 的形式即可看出，当模型与系统完全匹配时，即z 。g 0 - 1 ) = z g 0 - 1 ) 时，反馈信 号中已不含有时延因子，弘( t ) = z - 1 0 0 - 1 弦( 七) + v ( 七) ，即反馈回去的信号中，系统 的时延已经被补偿，克服了原来参与调节的反馈信号具有大时延的缺点，系统的 品质与无滞后过程完全相同。 第1 章绪论 从上述讨论中可以看出，s m 池预测控制器克服系统时延完全依赖于内模控制 器的选取，亦即选择精确匹配的数学模型，而实际生产过程中这是很难实现的。 因此s l l l i t l l 预估器的应用受到限制。所以对于如何改善s m i m 预估器的性能至今仍 是研究的课题之一。 w 稚啪b c 【4 】提出的改进型s m i m 预估控制系统，采用了抑制扰动影响的动态补 偿器，通过配置补偿器的极点，能获得较满意的扰动响应，并使对扰动稳态误差 为零。蒋爱平，俞金寿二人【5 】针对s i l l i t l l 预估器对干扰信号适应能力较差的弱点， 对它从结构上加以改进，从而使调节效果取得了明显地改善。王可崇1 6 i 提出了一种 基于干扰预测的s m i t h 预估器的改进结构形式，该结构可提高用于纯迟延过程的 s m i m 预估器的抗干扰能力。何杰等人叼也提出了一种改进型s i i l i t l l 预估器，它能 在线地跟踪时滞不确定对象的时滞时间常数的变化引起的系统输出的变化，调节 模型输出使得闭环系统稳定；而且，模型中不含有时滞环节，控制器只有一个调节 参数，易于实现。胡中功等人嗍也对s i n i t h 预估器的结构进行了改进。鲁照权，韩 江洪【9 l 在s i i l i t h 预估器的基础上加入增益白适应，构成了一种新型增益自适s i i l i t h 预估器，并针对一阶惯性加纯时滞过程，给出了增益自适应算法，对一阶惯法和二 阶惯性加纯时滞过程进行了仿真，结果表明，新型增益自适应预估器对模型结构与 参数的精度均无过高的要求，从而有很高的应用价值。文献【1 0 】针对参数缓慢变化的 大时滞被控对象，提出了一种基于s m i t i l 预估器的自适应广义预测控制方案，在广 义预测控制的等价结构中用s m i t h 预估器替换原最优预估器，并通过参数在线辨 识，不断修正s m 油预估器模型和广义预测控制器参数。孙峻，徐德刚】针对大 时滞时变对象，把s m i 也补偿控制原理和p i d 参数的自适应调整方法结合起来，提 出了基于b p 神经网络整定s i i l i t l l p i d 控制算法，即在s l i l i t l l 预估补偿控制系统中， 利用b p 神经网络在线自学习整定p i d 参数，使p i d 参数实现最佳的非线性组合， 以适应对象特性的变化，从而克服了常规p i d 算法不适应大时滞系统控制和常规 s m i 也算法过于依赖模型精度的缺陷。 另一种常用的用于大时滞控制系统的控制方法是大林算法【1 2 l ，它是由美国 i b m 公司的大林( d a l l l i n ) 于1 9 6 8 年提出一种不同于常规p i d 控制规律的算法。 黑龙江大学硕士学位论文 其设计思想是：设计一个合适的数字控制器，使系统的闭环传递函数为具有纯滞 后的一阶惯性环节，并要求纯时延等于被控对象的纯时延。采用大林算法设计纯 滞后环节的系统时，可能会出现振铃现象。振铃现象就是指控制输出以采样频率 的1 2 上下摆动。振铃现象会使得系统的执行机构磨损，甚至损坏。特别是，在 多变量耦合系统种，振铃现象还可能影响到整个控制系统的稳定性。 1 2 2 自适应控制 自适应控制1 3 1 指的是能适应被控过程参数( 或环境条件) 的变化，自动修正控制 器参数( 控制算法) 以补偿被控过程特性变化的一种控制。 对大多实际控制过程而言，被控对象的参数在整个被控过程中不可能保持定 常，对于这一类系统，如果采用常规的控制方法，不仅控制性能会变差，而且还 会造成系统发散，然而利用自适应技术却可以获得比较满意的控制效果。 自适应控制的基本思路是：依据自适应控制的“确定性等价原理”和“分离设计 原则”，时变系统的控制器设计可以分为两步进行，首先假定被控对象的参数已知且 定常，按给定的性能指标设计出相应的控制器，然后利用参数辨识在线估计出被控对 象的参数值，并以参数估计值代替控制器中所用的真值对系统进行控制。 自适应控制由于具有对时变参数的良好的自适应能力，因而在时变时滞系统 中得到了广泛的应用【1 4 1 。现已提出的控制方法包括：模型参考自适应预估控制、 自适应预估最优控制、极点配置最优预报自校正p i d 控制器、大时滞系统的自抗 扰控制、时滞并联自适应控制、零极点配置的自校正内模控制、动态矩阵控制等 等。自适应控制虽然对时变系统具有良好的控制效果，但是它也存在一定的缺陷， 即它要求将对象描述为某些特定的数学模型类1 5 1 ，自适应控制器的设计取决于这 个数学模型，而实际上许多过程控制系统的数学模型难以获得，这将导致自适应 控制无法应用。 1 2 3 预测控制 预测控制1 6 ，1 刀是在工业实践过程中独立发展起来的，它是由美国和法国几家 公司在7 0 年代后期提出的，而且一经问世，就在石油、电力、化工等工业生产过 第1 章绪论 程中获得了十分成功的应用，受到了国内外控制届的广泛注意和重视。随后相继 又出现了诸如模型预测启发控制( m p h c ) 、模型算法控制( m a c ) 、动态矩阵控制 ( d m c ) 、广义预测控制( g p c ) 、内模控制( i m c ) 、推理控制( i c ) 等几十种， 并且在实际复杂工业过程控制中得到了成功应用。 预测控制在工业实际应用中之所以受到欢迎并得到成功应用，主要是由于它 具有如下的基本特征： ( 1 ) 建立预测模型方便。用来描述过程动态行为的预测模型是直接从生产现场 检测到的过程响应( 即脉冲响应或阶跃响应) ，所以不需要深入了解过程的内部机 理，也不需要通过复杂的系统辨识这类建模过程的运算，即可获得预测模型。此 外，由于采用了非最小化形式描述的离散卷积和模型，信息冗余量大，有利于提 高系统的鲁棒性。 ( 2 ) 采用滚动优化策略。预测控制算法与通常的离散最优控制算法不同，离散 最优控制采用一个不变的全局优化目标，而预测控制中的优化是一种有限时域内 的滚动优化策略。这意味着优化过程不是一次离线进行的，而是在线反复进行优 化计算、滚动实旌，即在某一采样时刻，优化性能指标涉及到从该时刻起的未来 的有限时间内的信息，而到下一采样时刻，优化性能指标涉及从新的采样时刻起 的未来的有限时间内的信息，这样一来，模型失配、时变、干扰等引起的不确定 性能及时得到弥补，提高了系统的控制效果。 ( 3 ) 采用模型误差反馈校正。预测控制是一种闭环校正控制算法。由于实际系 统中存在非线性、时变、干扰等因素的影响，预测控制算法中的预测模型会出现 失配问题，即预测模型的预测输出与对象实际输出之间存在着一定的偏差，该偏 差称为预测误差。为克服这一缺陷，采用检测预测误差进行反馈校正的办法。这 种利用实际信息对模型预测的修正，是克服系统中所存在的不确定性的有效手段。 ( 4 ) 采用了多步预测的方式，扩大了反映过程未来变化趋势的信息量，综合利 用历史信息和模型信息，对目标函数不断进行滚动优化，并根据实际测得的对象 输出修正或补偿预测模型。因而能克服各种不确定性和复杂变化的影响，使预测 控制能在各种复杂生产过程控制中获得好的应用效果，并具有较高的鲁棒性，这 黑龙江大学硕士学位论文 些是预测控制能够适用于复杂的工业过程并得到成功应用的根本原因。 1 2 4 智能控制 随着智能控制理论和技术的飞速发展，许多学者将模糊控制、神经网络控制 和专家控制技术应用于大时滞控制系统当中。模糊控制的优点是不需要被控对象 的精确数学模型，而且具有很强的鲁棒性，因而非常适合于时变、非线性、时延 系统的控制。神经网络控制则具有自学习和自适应以及很强的非线性表述能力， 对于不确定的非线性时变系统非常适用。专家系统为解决复杂的不确定性对象的 控制提供了另外一条有效途径，它以控制专家的经验和知识弥补了对象数学模型 的缺陷。 智能控制方法虽然克服了s m i m 预估器和自适应控制的缺陷，但它们本身也并 不是完美的【1s ，埘。模糊控制的显著缺点是控制精度不高、自适应能力有限、存在 稳态误差、可能引起振荡。神经网络控制的缺点是学习和训练比较费时、对训练 集的要求也很高。专家控制则过度依赖专家的经验，缺乏自学习能力，控制精度 不高，而且同样存在稳态误差。鉴于上述原因，智能控制方法经常相互融合，或 者和s m i m 预估器以及自适应控制相结合，这也正是时变大时滞系统控制方法目前 的研究方向2 n 川。现已提出的方法包括：神经元自适应p i d 控制、自调谐模糊控制 器、专家控制与p d 控制结合的递阶智能控制器、基于模糊神经网络的预测控制、 变结构模糊控制器、基于模糊预测的p i d 控制器【笠1 、基于模糊逻辑的s m i l l l 预估 器、基于神经网络的非线性s i l l i t l l 预估器、专家s l i l i t l l 预估控制、非自衡系统的智 能控制、遗传算法与最小二乘结合的时变时滞系统的在线辨识等等。 上述控制方法各具特色，也都具有相当不错的控制性能，但是它们并不一定 是最优的，而且各自具有不同的复杂程度，对于大时滞时变系统，有些算法可能 会导致不稳定，另外，目前对时变大时滞工业过程的控制仍然以传统的s r n i t l l 预估 器和p i d 控制为主，许多新型的自适应控制方法和智能控制方法仍然处于理论研 究和仿真研究阶段，用于实际过程控制的不多。因此，时交大时滞系统的智能控 制方法仍然处于发展阶段。 第l 章绪论 1 2 5p 1 d 控制及其改进 1 2 5 1 常规p i d 控制常规p i d 控制作为一种传统的控制方法，综合了系统过去、 现在和未来三方面信息，以其计算量小、实时性好、易于实现等特点广泛应用于 工业过程控制中。 典型的p i d 的公式为： = 耳+ 警+ 寺沙】 式中：p ( r ) = ”( f ) 一y ( f ) 为系统的误差( 即参考输入j ，( f ) 与系统输出j ，( f ) 的差值) ， j 0 为比例增益，为微分时问常数，乃为积分时间常数，k 。= 巧为微分增益， 足，= x ，巧为积分增益。比例作用j 0 使得控制器的输入输出成比例关系，一一对 应，一有偏差立即会产生控制作用，当偏差为o 时控制作用也就为o 。因此，比例 控制是基于偏差进行调节的，是有差调节，为了尽量减小偏差同时也为了加快响 应速度，缩短调节时间，就需要增大k ，但是置，又受到系统稳定性的限制，不 能任意增大；积分作用k ，就是为了消除静差而引入的，然而，置，的引入使得响应 的快速性下降，稳定性变差，尤其在大偏差阶段的积分往往使得系统响应出现过 大的超调，调节时间变长；微分作用k 。的引入使之能够根据偏差变化的趋势作出 反应，加快了对偏差变化的反应速度，能够有效地减小超调，缩小最大动态偏差， 但同时又使系统容易受到高频干扰的影响。因此，只有合理地整定这三个参数， 才能获得比较满意的控制性能。 实际运行经验和理论分析均表明，将这种控制规律用于大多数工业对象能够 得到比较满意的结果。但是，由于许多控制对象存在着大惯性、非线性、大纯滞后、 强干扰等特性，用一组事先整定的参数j ，、乃实施控制难以达到很好的控制 效果，尤其当对象参数变化超过一定的范围时，系统性能会明显变差，甚至超出许 可范围。所以必须考虑采用与其他方法相结合的方法进一步提高p i d 控制的性能， 为此，许多学者进行了广泛的研究。 1 2 5 2 变参数p l d 控制a s 咖m 在1 9 8 8 年美国控制会议( a c c ) 上作的面向智能 黑龙江大学硕士学位论文 控制【2 3 1 的大会报告概述了结合新一代工业控制器中的两种控制思想自整定 和自适应，为变参数p i d 控制的发展奠定了基础。 ( 1 ) 智能p i d 控制近年来，智能控制在理论和技术应用上均得到了一定的 发展，随之而来涌现出许多将智能控制和常规p i d 控制融合在起的新方法，形成 了许多智能p i d 控制器。这些控制器保留了常规p l d 控制器结构简单、鲁棒性强、 可靠性高、为现场工程设计人员所熟悉等特点，还具备了智能控制自学习、自适 应、自组织的能力。 基于模糊推理的p m 控制模糊控制是以模糊集合论、模糊语言变量及模糊 逻辑推理为基础的计算机智能控制。一般的基于模糊推理的自整定p i d 控制器是由 一个标准p i d 控制器和一个模糊自调整机构组成。基于模糊推理的p i d 控制的实质 就是利用模糊集合理论，将操作人员或专家的控制策略总结成模糊规则，进而形 成能为计算机能够接受的算法语言所描述的控制算法，在p i d 控制算法原参数足，、 、l 基础上，增加采样时刻的偏差e 和偏差变化率西，并根据系统对其响应特 征进行在线识别和判断，判断被控量的现状和变化趋势，采用产生式表达方式i f ( 系统的状态a ) t l l ( 参数的整定模式b ) 对p i d 参数的最佳调整，即利用对应的规则 集将控制指标模糊化，然后将它与知识库中的模糊规则进行匹配，如有规则被匹 配，则执行该规则的结果部分，就可得到相应的参数修正值。模糊推理p i d 原理图 见图l - 2 。 朱建公，张俊俊脚】提出了一种变参数p i d 控制器，它是由一个传统的p i d 控 制外环和一个模糊控制参数调节内环组成的一种双环分级式结构，能依据系统工 况变化实时调节p i d 参数，克服系统非线性影响，使系统在每一工况点均处于相 对最优。仿真结果表明它与传统的p i d 系统相比具有更好的动态品质和系统的稳 定性。 第1 章绪论 图l - 2 模糊推理p 1 d 控制原理图 f i 舀l - 2 1 k c o i l n d l t l l e 0 巧f i g o f f i l z 巧c m l s c q 嘲p l d 0 基于神经网络的p i d 控制神经网络是由大量简单的基本神经元相互连接 而构成的自适应非线性动态系统，以生物神经网络为模拟基础，试图通过模拟人 的形象思维来学习和获取知识。基于神经网络的p 控制，其结构方式有两类： 一类是单神经元控制，即神经元输入权值一一对应p i d 参数，神经元输入值为经 过比例、积分、微分处理的偏差值，其主要局限性在于单神经元结构无任意函数 逼近能力；另一类是在常规p d 控制器的基础上增加了一个神经网络模块，按照 b p 学习算法( 如前向算法和反传算法) 进行离线学习，实时调整出p i d 参数，同时， 还要继续学习不断地调整神经网络中各神经元之间权系数，以适应被控对象的变 化，因此，能够充分任意地逼近任何复杂的非线性系统，具有很强的适应性。 图1 3 神经网络p 1 d 控制原理图 f i 昏l _ 3t h ec o n dt l i e o r yf i go f n 州n 咖0 f k p i d 神经网络p i d 控制原理图1 3 中，神经网络的输出状态对应于p i d 控制器的 三个可调参数e 、髟和墨，通过神经网络的自身学习、加权系数调整，从而使 黑龙江大学硕士学位论文 其稳定状态对应于某种最优控制律下的p i d 控制器参数。 任子武【2 5 】提出了一种融合遗传算法的神经网络p i d 控制方法。该方法用遗传 算法( g a ) 学习优化神经网络的初始权系数，得到一组接近最佳的b p 网络初始 权系数的参数组合；在此基础上，采用r b f 辨识网络求取对象的灵敏度信息，同 时通过b p 算法修正b p 网络自身权系数，实现p i d 参数的在线调整。该算法既保 留了遗传算法的强全局随机搜索能力，又具有神经网络的鲁棒性和自学习能力。 仿真结果显示了遗传算法快速学习神经网络权系数的能力，并且有效地提高了多 层前向神经网络权系数的学习效率与收敛精度，确保了快速达到全局收敛，克服 了多层前向神经网络传统的误差反向传播算法中精度低、收敛速度慢、容易陷入 局部极小的缺陷，表明了该方法的可行性与有效性。 另外，近年来，还出现了基于神经网络的模糊p i d 控制，它将模糊控制具有 的较强逻辑推理功能、神经网络的自适应、自学习功能以及传统p i d 优点融为一 体，使得p i d 控制得到更完美的发挥。 o 基于专家智能n d 控爿专家控制的实质是基于受控对象和控制规律的各 种知识，以智能的方式利用这些知识来设计控制器。专家系统包括专家知识库、 数据库和逻辑推理机三部分。专家智能p i d 控制中，专家知识库中已经把熟练操 作工或专家的经验和知识构成p i d 参数选择手册，这部手册记载了各种工况下被 控对象特性所对应的p i d 参数，数据库根据被控对象的输入和输出信号及给定信 号提供给知识库和推理机，推理机能进行启发式推理，决定控制策略，专家智能 p i d 控制原理图见图1 4 。然而不同的专家具有不同的整定参数经验，另外，由于 缺少特定过程的先验知识，投运初期，会有一个比较长的自整定过程，需经过几 个回合的振荡调整后才能达到目标值。 束学斌，李新华【2 6 】提出了一种基于专家的智能p l d 控制，通过对系统阶跃响 应过程的分析，将对系统的控制分成若干种情况：系统经过启动由静态到动态 向稳态发展，系统误差随着动态过程的变化而减少，即误差p o ，误差变化率 缸 o ，专家的控制策略为：启动时施加最大激励，使系统尽快由静止转为动态， 在系统上升至接近稳态时，减弱比例控制的作用，让系统借助于惯性上升；系 第l 章绪论 统超调，偏离稳态，系统误差逐渐增大至负向最大值，此时，p o ，血 o ，缸 o ，专家的控制策略为：增加积分正向控 制，减小回调。根据情况不同采用1 2 条推理规则中的某一条，而各参数有知识库 给出。 r 图卜4 专家智能p i d 控制原理图 f 培1 - 41 1 l ec 仃o lt l i e o r yf i go f e x p e ni l i t e l l i g e n c ep i d 基于返传算法的p l d 控制遗传算法是由美国的j h o l l a n d 教授于1 9 7 5 年首 先提出的一种建立在自然选择和自然遗传学机理基础上的迭代自适应概率性搜索 算法。它借鉴了自然界的进化规律，优胜劣汰，适者生存，对解空间进行随机搜 索，以求出最优解。其主要特点是直接对结构对象进行操作，对优化目标的先验 知识要求很少；另外，它采用概率化的寻优方法，能自动获取和指导优化的搜索 空间，自适应地调整搜索方向，不需要确定的规则。遗传算法是“遗传+ 检测+ 淘 汰”的迭代过程的搜索算法，它包括三个基本操作：复制、交叉和变异，基本思 想就是将待求解的问题转换成由个体组成的演化群体和对该群体进行操作的一组 遗传算子。设计p i d 控制器的流程图见图1 5 ，将控制器参数按二进制或其它形式 编码，按k ，k ，置。拼接成一个染色体个体，然后随机生成一组个体，称为群体， 黑龙江大学硕士学位论文 它以个体的适应度判断个体的优劣，适应度函数一般基于系统动态响应的性能指 标，常为各种积分型指标的某种函数。依据个体的适应度按概率从当前群体中选 择个体进行交叉、变异产生下一代群体。个体的适应度越高，其被选择的概率越 大，然后再对下一代群体进行评价，优胜劣汰。遗传算法操作的是解空间的一组 个体，而非单个解，因而可以有效地减小局部收敛的危险。此外，遗传算法采用 纯数值计算方法和随机进行策略，使得问题的处理更具灵活性、适应性、全局性 和鲁棒性。从理论上看，对于控制系统的设计与优化，它不仅能提高控制系统的 品质，而且能降低设计的难度。 尽管遗传算法在优化问题上表现出巨大的优越性，但由于其本身还存在着一 些问题，如理论上还不完善，收敛性问题、未成熟收敛( 早熟) 、局部搜索能力差等， 遗传算法的应用受到了一定的限制。因此，目前使用较多的是各种改进的遗传算 法，如在线自寻优p i d 控制器采用了最佳个体保留的做法，这一机制保证了进行 过程中某一代的最优秀个体不会被交叉和变异所破坏，确保标准遗传算法能全局 收敛于最优解。 王东风，韩璞i 硎将给出的增益函数进行如下3 点改进：k ，k ，k 。的 宽度不是人为设定，而是取为可调参数口，、口，、口。，通过对其调整以提高系统 的控制品质；对所有待定系数进行优化，优化方法为具有全局优化能力的免疫 遗传算法； 各增益函数中的偏差项取相对值而非绝对值，这一点是适应对任意 设定值跟踪和调节的关键。改进后的各函数关系为 足p = k m ( 1 + 足；0 一e x p ( 一( 胄) 2 口；) ) ) x ，= j ( 1 + 髟e x p ( ( r ) 。口；) ) j = k d o ( 1 + k ：e x p ( 一( 月) 2 口；) ) 通过对具有严重参数不确定性、多扰动以及大迟延的电厂主蒸汽温度被控对 象进行的仿真研究结果表明，基于免疫反馈和遗传机制的免疫遗传算法具有全局 优化的能力，对变参数p i d 控制的参数优化设计是成功和有效的，使得具有多模 型特性的汽温控制系统在不同的负荷下均获得很好的调节品质。同时也表明，免 疫遗传算法和变参数p i d 控制均具有较好的发展前景，可用于某些多模型系统的 第1 章绪论 同时整定设计。 图卜5 遗传算法整定p i d 参数流程图 f i 辱1 51 1 1 ep a 舢e t e rn o w c h a r to f p l dw 曲g e l l c 6 c 撕t l 珊c t i c ( 2 ) 自适应p i d 控制在控制过程中，参数整定的优劣不但会影响到控制 质量，而且还会影响到控制系统的稳定性和鲁棒性。由于现代工业过程的复杂性、 多样性、多变性与不确定性，都将可能造成模型参数变化和模型结构的改变，致 使系统不能在原所整定的工况下工作，偏离控制性能指标。自然地，人们考虑将 自适应控制原理与常规p i d 控制技术结合在一起，就形成了自适应p i d 控制。在 这个控制器中，它能够自动辨识被控过程参数、自动整定控制器参数、自动适应 被控过程参数的变化，并兼有两者的优点，成为过程控制中一种较理想的自动化 装置。自适应p i d 控制器由于采用不同的控制算法而有不同的形式。 黑龙江大学硕士学位论文 极点配置自适应p i d 控制器w e i l 咖a d 等人于1 9 7 9 年首次提出极点配置 自适应控制算法，后由a g 咖m 等人在w e l l s t e a d 的基础上进行了改进和完善，其 主要是通过对闭环系统的极点按过程控制的要求进行配置。控制器设计的步骤是： 1 ) 确定期望系统闭环极点位置； 2 ) 在线估计、辨识系统参数； 3 ) 计算控制器参数足d ，x f ，x 。； 4 ) 求解出控制律。 这种方法用于二阶或二阶以下的非最小相系统，因为这类系统需在线辨识的 参数较少，容易获得期望的动态特性。极点配置自适应p d 控制器的不足之处是 由于这种控制器的动态性能的优劣主要取决于极点配置。 零极点对消自适应p m 控制器基于零极点对消原理的参数自适应控制算 法最先由w o 牡e n m a r k 和a s 的m 提出，其基本原理是，利用控制器传递函数中的 零极点去对消被控制对象传递函数中的某些零极点，从而使闭环处于期望的工作 状态。但采用这种控制器的被控系统必须是二阶加纯滞后系统，且其传递函数的 分子项中有非零常数项。这种控制器的算法具有原理简单、计算量小、容易实现 的特点，然而，由于对被控系统过程模型有较多要求和限制，故此也限制了其应 用范围，显然不适用于复杂情况的控制和高性能要求的系统。 基于二次型性能指标的自适应p i d 控制器采用二次型性能指标函数方法 设计参数自适应p i d 控制器由a h o l m e 于1 9 8 4 年提出，这种方法有着较强的实 时性，但这种控制器不适合应用于非最小相位系统。将p i d 与其他方法结合，也 可以继续发挥p i d 控制的优点。 ( 3 ) 其他变参数p i d 控制 非线性函数整定p l d 参数控制钟庆昌嘲等人在分析p i d 控制基本原理的 基础上，提出了一种改进的变参数p i d 控制器，该控制器根据控制偏差的大小通 过g a l l s s 函数在线改变p i d 三个控制参数的大小，比例系数芷，在偏差p 的绝对 值较小( 稳态值附近) 时取较小值，相反时取较大值，这样有利于加快响应速度。 同时保证有很好的稳定性；积分系数足，在偏差e 的绝对值较小( 稳态值附近) 时取 第1 章绪论 较大值，在偏差p 的绝对值较大时取较小值( 或者0 ) 。这样既有利于保证稳态无静 差，又不会引起积分饱和而使超调增大、调节时间延长；微分系数 o 在偏差p 的 绝对值较小( 稳态值附近) 时取较大值，在偏差e 的绝对值较大时取较小值，这 样有利于加快对小偏差的反应速度，提高控制器对干扰的灵敏度，出现干扰时及 时调节。具体的增益函数为 j 0 = j | i ：，d ( 1 + 群( 1 一懿p ( 一l o 2 ”) 巧= k ( + 霹e x p ( 一l o 2 ) ) k d = x ( 1 + 足；c ) 【p ( 2 5 p 2 ) ) 但由于p i d 控制器的各增益均为偏差绝对值的函数，这样整定的控制器参数 只对特定的设定值变化具有较好的调节效果，该论文仿真结果均较好，原因恰恰 在于其结果均为单位阶跃响应仿真曲线，而对其它定值跟踪则效果会恶化。 o 基于预测的变参数p i d 控制算法丁曙光阴提出了一种基于预测的变参数 p i d 控制算法。该控制算法根据采样时刻，及在此之前几步系统输出的历史数据， 预测下一步的系统输出、下一步系统的偏差及下一步的系统偏差变化率，而后计 算出系统控制器的4 、巧、j 和设计出变参数p i d 控制器。并把该算法应用在 精校机的滑块位置系统中，与常规的p i d 控制算法进行了对比实验。实验结果表 明基于预测的变参数p i d 控制算法相对于常规p i d 算法有较高的控制精度和较 快的响应速度。 o 多模控制罗泽文【3 0 1 等人提出了一种新的控制方式，即：在系统不稳定的 时候，采用一种开关控制与预测f u z 巧控制相结合的双模控制方式，在系统稳定或 接近稳定的时采用p d 控制方式。这种结构的多模控制系统如图1 - 6 所示。 它是由预测部分、开关控制和f u z 巧控制以及p i d 控制、广义对象组成的直 接数字反馈控制系统。当偏差p = s y 较大，即i 叫l e o i 时( 其中点0 为双模控制变 换时p 的边界值) ，系统对偏差或上升速度都不敏感，所以实现开关控制。随着h 的 逐渐减少，当问 i e ，i 时，系统进行程序切换，实行预测f u z 巧控制。一般情况下， f u z 巧控制经过2 个波峰后就能使系统稳定，因此当系统经历2 个波峰后并且 黑龙江大学硕士学位论文 h l 既i 时( 其中邑为模糊控制与p i d 控制变换时p 的边界值) 就切换成p i d 控制。 这样，既能快速过渡，又可以保证无超调，同时又能很好地保持稳定，取得较好的上 升特性。该算法被应用于某工厂高频炉的温控系统，经两年多的运行情况来看，效 果较好。 广 义 】 对 重 图1 6 多模控制系统 f i g 1 6 1 1 1 em i i l i i _ m o d e lc 佃的ls y s t e m 1 2 6 无模型控制 无模型控制技术3 1 1 是一类兼有现代控制理论与经典p d 的优点，不依赖被控 对象的数学模型，保证系统闭环稳定性，控制效果良好，算法简单的新型控制算 法和控制器，是当前自动控制理论研究的一个新课题。 无模型控制技术的研究始于上世纪8 0 年代末，经过十多年的探索和应用实践， 现在已达到了实用阶段。根据这一理论设计制造出了无模型控制器及其软件包 它们在炼油、化工、轻工、焦碳、化肥、造纸、电力、玻璃等行业的应用，收到 了满意的效果。无模型控制律又称为非建模自适应控制律( n m a c ) ，它有可能成为 使各种难控环节实现闭环控制的有利工具。 无模型控制律具有如下特点： ( 1 ) 无模型控制律是一种结构自适应控制律；无模型控制方法由两部分组成， 即基本的无模型控制方法和功能组合控制方法。 基本的无模型控制方法设计所依赖的是“泛模型” y ( 七+ 1 ) 一y ( 七) = 吒七) 7 【( 七) 一甜( 七一1 ) 】 ( 1 一1 ) 第l 章绪论 在这个模型中能够变化而实现