（控制理论与控制工程专业论文）时滞系统控制技术研究与应用.pdf

捅矍 时滞是工业生产中广泛存在的一种现象。由于时滞的存在，使得被控 量不能及时地反映系统所承受的扰动，从而产生明显的超调，使得控制系 统的稳定性变差，调节时间延长，对系统的设计和控制增加了很大的困难。 因此，研究时滞系统的控制方法具有重要的意义。 研究了国内外时滞系统控制技术如s m i t h 预估器、广义预测控制、以 及智能控制进展情况。 常规s m i t h 预估器在对象模型匹配的情况下可以取得较好的控制效 果。但是当模型失配或对象为不稳定对象以及积分对象时，常规s m i t h 预 估器控制效果难以令人满意。本文提出了一种改进的s m i t h 预估器，在常 规s m i t h 预估器的基础上增加了两个控制器，内环控制器用来稳定积分和 不稳定过程，反馈控制器对干扰进行抑制。在此基础上，又把主控制器设 为设定值加权p i d 控制器，使改进的s m i t h 预估器调节更加灵活。 广义预测控制方法是一种长时域的控制方法。提出了将s m i t h 预估器 和g p c 结合在一起的基于s m i t h 预估器的g p c ，控制律的系数用g p c 的 增量模型计算，用s m i t h 预估器来使对象输出提前反馈到控制器，并用 g p c 计算一系列的未来控制信号，以使对输出误差和控制增量加权的一 个二次型性能指标达到最小值。并且在此基础上研究了基于改进s m i t h 预 估器的g p c ，将s p g p c 中的s m i t h 预估器变为改进的s m i t h 预估器。 研究了模糊控制和模式识别技术的基本原理。提出一种基于模式的模 糊预测控制方法，通过被控变量和控制变量的时序可提取反映对象动态特 征的四个特征模式，并利用模糊逻辑预测对象的未来输出。这种控制方法 不要求对象有精确的模型，适用于模型难以建立以及含有滞后对象的控 镥l | 。 关键词：时滞改进s m i t h 预估器广义预测控制模糊控制 r e s e a r c ho fc o n t r o lt e c h n i q u e sf o rp r o c e s sw i t ht i m ed e l a y a b s t r a c t t i m ed e l a y so c c u r r i n gi nm a n yi n d u s t r i a lc o n t r o lp r o c e s s e so f t e n d e t e r i o r a t et h ep e r f c r m a n c eo fc o n t r o ls y s t e m s i ti sw e l lk n o w nt h a tt h e e x i s t e n c eo ft i m ed e l a y si sas o u r c eo fu n s a t i s f a c t o r yp e r f c l r m a n c e t h e d i s s e r t a t i o nf o c u s e so nc o n t r o lp r o b l e m so f t i m ed e l a ys y s t e m s r e s e a r c hh i s t o r ya n da c t u a l i t yo ft i m ed e l a ys y s t e mi si n t r o d u c e d d i f f e r e n tk i n d so fc o n t r o la l g o r i t h ma n dm e t h o d ss u c ha ss m i t hp r e d i c t o r , p r e d i c t i v ec o n t r o la n di n t e l l i g e n tc o n t r o la p p e a r e di nr e c e n ty e a r sa r ea n a l y z e d t h em o s tp o p u l a rs c h e m ef o rd e a dt i m ec o m p e n s a t i o ni sp o s s i b l yt h e s m i t hp r e d i c t o r h o w e v e r , t h er e s p o n s e sm a yb eu n a c c e p t a b l ei ft h e r ee x i s t s u n s t a b l eo ri n t e g r a t i n gp a r ti nt h ep l a n t t h ep a p e rp r e s e n t sam o d i f i e ds m i t h p r e d i c t o ra d d i n gt w oc o n t r o l l e r st ot h en o m i n a ls m i t hp r e d i c t o rw h i c hc an g i v eb e t t e rc l o s e dl o o pr e s p o n s e sw i t ht i m ed e l a ys y s t e m s af u r t h e r i m p r o v e m e n tt h e na p p l i e dt ot h em o d i f i e ds m i t hp r e d i c t o r g e n e r a l i z e dp r e d i c t i v ec o n t r o l l e rb e l o n g st ot h eg r o u po f “l o n g - r a n g e p r e d i c t i v ec o n t r o l l e r s ”t h ep a p e rp r e s e n tas m i t h p r e d i c t o r - b a s e dg e n e r a l i z e d p r e d i c t i v ec o n t r o l l e r t h es c h e m eu s e ss m i t hp r e d i c t o rt op r e d i c tv a l u e so f o u t p u to ft h ep l a n t t h et o e m c i e n t so ft h ec o n t r o l i a wa r ec o m p u t e du s i n ga n i n c r e m e n t a lm o d e la si ng e n e r a l i z e dp r e d i c t i v ec o n t r o l l e r af u r t h e rr e s e a r c h s h o wt h a tu s i n gm o d i f i e ds m i t hp r e d i c t o rt or e p l a c es m i t hp r e d i c t o ri nt h e s c h e m ew i l lg e tm o r ea c c e p t a b l ec l o s e dl o o pr e s p o n s e t h em a i np r i n c i p l e so ff u z z yl o g i ca n dp a t t e mr e c o g n i t i o na r ei n t r o d u c e d an e wc o n t r 0 1s c h e m en a m e dp a t t e r n b a s e df u z z yp r e d i c t i v ec o n t r o li s p r o p o s e d f o u rf e a t u r ep a t t e m sr e f l e c t i n gt h ed y n a m i cc h a r a c t e r i s t i c so ft h e p r o c e s sa r ed e t e r m i n e da n de x t r a c t e df r o mt h er e c e n th i s t o r yo ft h et i m es e r i e s o ft h ec o n t r o l l e da n dm a n i p u l a t e dp r o c e s sv a r i a b l e s t h ep r e d i c t i v ef u n c t i o ni s r e a l i z e dt h r o u g has e to f f u z z yl o g i cr u l e s k e y w o r d s ：t i m ed e l a y , m o d i f i e ds m i t hp r e d i c t o r , g e n e r a l i z e dp r e d i c t i v e c o n t r o l ，f u z z yc o n t r o l 独创性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及 取得的研究成果。尽我所知，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 石油大学或其它教育机构的学位或证书而使用过的材料。与我一同工 作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并 表示了谢意。 签名 p 弓年圹月；。日 关于论文使用授权的说明 本人完全了解石油大学有关保留、使用学位论文的规定，即：学 校有权保留送交论文的复印件及电子版，允许论文被查阅和借阅；学 校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制 手段保存论文。 学生签名 导师签名 盔箜生码年f 月；。日 ，： 年月日 一 ， 。 石油大学( 华东) 硕士论文 绪论 第一章绪论 时滞( t i m ed e l a y ) 是指信号传输的延迟。实际生产过程中的时滞或 者是由物料及能量传输过程引起的，或者是由多容积引起的。由于时滞 的存在，使得被控量不能及时地反映系统所承受的扰动，从而产生明显 的超调，使得控制系统的稳定性变差，调节时间延长，对系统的设计和 控制增加了很大的困难。时滞系统( t i m ed e l a ys y s t e m ，t d s ) 是指内部 含有时滞环节的系统。 对于不含时滞的系统，在阶跃输入的作用下，输出在t 0 时就立即 有所响应，所以构成的调节系统中调节器的作用是及时的。当系统含有 时滞时，调节器的校正作用要滞后一个纯滞后时间，这样会引起调节品 质下降，系统稳定性变差，从而使得控制问题变得复杂化。因此，时滞 系统是很难控制的，而且随着滞后时间f 与对象时间常数之比f r 的增 大，控制难度会随之增加。通常，当r t 大于0 5 时，这种系统被称为 大时滞系统。 在化工、炼油、冶金、玻璃等一些复杂的工业过程当中，广泛地存 在着时滞现象。时滞系统控制问题一直是困扰着自动控制和计算机应用 领域的一大难题，对滞后不确定工业过程方法和机理的研究一直受到国 内外相关专业学者的普遍重视。但迄今为止，还没有哪种方法能很好的 解决时滞系统控制问题，因而对此类问题的研究具有重要的理论和实际 意义。 通过对时滞系统控制的研究，国内外学者提出了许多控制方法。这 些方法中典型的算法有p i d 控制算法、预估补偿方法、预测控制方法等。 此外，人们还将自适应控制、模糊控制、人工神经网络引入到时滞系统 的控制中来，它们从不同的角度以不同的方法研究了时滞系统的控制问 题。 通过研究发现，大部分时滞控制方法都有一个共同点，那就是对对 象的输出进行预测，其目的是为了当对象的设定发生变化或有干扰产生 时，预测输出值，并反馈到控制器，以消除时滞环节的影响。 本文分别研究了三种不同的时滞系统控制方案，各章节内容安排如 下： 绪论石油大学( 华东) 硕士论文 第一章绪论 第二章对时滞系统的国内外研究进展情况进行了综述。 第三章研究了一种改进的s m i t h 预估器，并给出了参数整定方法， 在此基础上，提出了一种基于设定值加权p i d 控制器的改进s m i t h 预估 器。结合被控对象进行了仿真研究。 第四章讨论了广义预测控制在时滞系统控制上的应用，并提出了 一种基于改进s m i t h 预估器的广义预测控制方法，针对各种被控对象进 行了仿真研究。 第五章 研究了模糊控制和模式识别技术，并将这两种方法结合起 来形成了基于模式的模糊预测控制方法。 第六章结论 石油大学( 华东) 硕士论文国内外时滞系统控制研究进展 第二章国内外时滞系统控制研究进展 自从1 9 5 7 年s m i t h 首次提出针对时滞系统的预估控制方法以来，许 多学者在这一领域进行了广泛而深入的研究，相继提出了许多行之有效 的控制方法，比如预测控制、智能控制等。本章对这些方法进行了总结 介绍，分析了各种控制方法的优点及其所存在的局限性，并探讨了该领 域今后的发展方向。 2 1s m i t h 预估补偿方法 2 1 1 基本原理 s m i t h 预估补偿方法是得到广泛应用的时滞系统的控制方法之一。该 方法的基本思路是：预先估计出系统在基本扰动下的动态特性，然后由 预估器对时滞进行补偿，力图使被延迟了的被调量超前反映到调节器， 使调节器提前动作，从而抵消掉时滞特性所造成的影响：减小超调量， 提高系统的稳定性，加速调节过程，提高系统的快速性。原理图如图2 1 所示。 图2 1s m i t h - 偿方法方框图 其中，g 。( 5 ) 为对象除去纯延迟环节后的传递函数，g i n ( s ) 为其估计 值；乃为对象的延迟时间，r 。为其估计值。g ，( s ) ( 1 一e - t i n s ) 即为s m i t h 预 估补偿器。设定值r ( s ) 对输出值r ( s ) 的传递函数为 国内外时滞系统控制研究进展石油大学( 华东) 硕士论文 g f ( s ) g 。( s ) e 1 5 j ，( s )1 + g 。( s ) g 。( j ) ( 1 一p 一。) 烈。，+蔷豁(2-1-1)1 ge - r , s + 。( s ) g 。( s ) ( 1 一 ) q ( s ) g 。( s ) p 1 5 1 + g c ( j ) 【g 。( j ) ( 1 一e 一。) + g 。( s ) p 一。】 当s m i t h 预估器模型与对象严格匹配，即g ，( s ) = g 。( s ) ，乃= l 时 式( 2 - 1 1 ) 可简化为： 型：堡堂! 竺：= = 垦竺盟。一( 2 - i - 2 ) 一 ” r ( s ) 1 + g 。( 5 ) g 。( j )1 + g 。( j ) g 。( s ) 所以，当模型精确时，在系统的特征方程中已不包含e - r d 5 项，说明 系统已经消除了纯滞后对系统控制品质的影响。式( 2 1 2 ) 分子中的p 一。5 只是说明被调量y ( f ) 的响应比设定值延迟乃时间。 2 1 2 改进算法 从理论上分析，s m i t h 预估器可以完全消除时滞的影响，从而成为一 种对线性、时不变和单输入单输出时滞系统的理想控制方案。但是，从 s m i t h 预估补偿原理来看，s m i t h 预估器需要确知被控对象的精确数学模 型，它的作用是建立在对过程模型的较完全掌握之上的，而且它只能用 于定常系统。这一条件事实上比较严格，因为在实际中可以精确获得模 型的对象几乎是不存在的，当预估器模型与对象模型不匹配时，s m i t h b 偿方案的控制效果将恶化。因此，这种方案在实际应用中效果并不尽人 意。如何改善s m i t h 预估器的性能至今仍是国内外学者研究的课题之一。 针对s m i t h 预估器对模型误差十分敏感的特点，1 9 7 7 年贾而斯和巴特 利( g i l e srf 和b a r t l ytm ) 提出了增益自适应补偿方法【2 】。该方法在 s m i t h 预估器之外增加了一个除法器、一个导前微分环节和一个乘法器。 这三个环节的作用是根据模型和过程输出信号之间的比值来提供一个自 动校f 预估增益的信号。增益自适应方案明显优于s m i t h 方案，具有较小 的超调量和较短的调节时间。 4 石油大学( 华东) 硕士论文国内外时滞系统控制研究进展 h a n g 等提出的改进型s m i t h 预估器【3 】比原方案多了一个调节器，且其 主反馈回路传递函数不是1 而是一个一阶惯性环节。该方案与原s m i t h 预 估器相比，对模型精度的要求明显降低，稳定性要好得多，改善了系统 的控制性能。 文献 4 】中提出了一种鲁棒二自由度s m i t h 预估控制方法。在常规 s m i t h 预估控制系统中引入基于内模控制原理的鲁棒控制器，构成一种二 自由度控制结构，能有效地抑制被控过程参数变化和干扰对系统的影响 ，使系统同时获得良好的控制性能和鲁棒性，克服了常规s m i t h 预估控制 的不足，而且控制算法简单，便于实际系统应用。 另外，有人还将s m i t h 预估控制和其他算法结合起来。文献 5 】中提出 了一种单神经元s m i t h 预估控制方法。这种方法将单神经元控制器和 s m i t h 控制器结合起来，充分利用了神经网络的非线性逼近特性及单神经 元自学习、自组织的能力，不需要对被控对象进行精确的辨识，能够实 现对时滞系统的自适应控制。 此外，人们还s m i t h 预估方法推广到多变量系统【6 】；将模糊控制和 s m i t h 预估控制结合起来形成基于模糊控制的s m i t h 模糊s m i t h 预估控制 7 i 8 ：以及自适应s m i t h 预估器 9 】【1 0 】等。 2 2 预测控制 7 0 年代以来，人们试图结合过程控制的特点寻求各种对模型要求低 ，控制品质好、易于在线实现的计算机控制算法，预测控制就是在这种 背景下产生的。 2 2 1 基本原理 预测控制之所以能在工业应用中得到成功应用，主要得益于它的三 个基本原理：预测模型、滚动优化和反馈校正。 1 预测模型 预测模型是一种基于模型的控制算法，这个模型表示被控对象的动 态特性，具有开放型和多样性，它只强调模型的预测功能，只要是具有 预测功能的模型，不论其表现形式如何，都可以作为预测模型。 预测控制可以根据对象历史信息和未来输入预测其未来的输出，并 根据被控变量与给定值之间的误差确定当前时刻的控制作用，使之适应 国内外时滞系统控制研究进展石油大学( 华东) 硕士论文 动态系统所具有的存储性和因果性的特点，得到比常规控制更好的控制 效果，对于时滞系统有很好的控制效果。 2 滚动优化 预测控制是一种优化控制算法，它通过某一性能指标的最优来确定 未来的控制，这一性能指标涉及到系统未来的行为。以下常见的二次型 指标： n ，。 即) = e 。( h _ ，) 鲫( ，+ _ ，) + a u ( t + j ) r a u ( t + j ) ( 2 2 1 ) 其中，e ( t + i ) 是未来第_ ，个采样时刻的预测误差，即预测输出与输 出期望值之差：a u ( t + ) = u ( t + ，) 一“( f + j 一1 ) 是未来第- ，个采样时刻的 控制作用的变化量，；q 和r 为加权阵；n 。和：分别为优化时域的初始 值与终值；u 为控制时域。 除性能指标是用模型预测值外，计算出的控制作用 a u ( t ) ，a u ( t + 1 ) ，a u ( t + n 。) 在实际进行时，只有当前值a u ( t ) 是实际执行 的。在每个采样时刻都要根据当前的预测误差重新计算a u ( t + ，) ，故称 为滚动优化。 3 反馈校正 预测控制是一种闭环控制方法，通过滚动优化，确定一系列未来输 入后，预测控制只把本时刻的控制输入作用于对象，而不是逐一实施各 个输入序列。到下一时刻，检测对象实际输出，并根据这一实时信息直 接或间接地对原预测模型进行修正，然后进行新的优化，输入控制序列 不像传统的最优控制一次算出，而是反复在线计算。通过反馈校正，在 很大程度上克服了生产过程中非线性、不确定等因素的影响，提高了对 模型失配和环境干扰的鲁棒性。 2 2 2 代表算法及应用 预测控制从1 9 7 8 年r i c h a l e t 等人提出模型预测启发式控制算法( m p h c ) 以来，己经取得了很大发展，人们经过多年的研究，先后提出 石油大学( 华东) 硕士论文国内外时滞系统控制研究进展 了多种不同形式的预测控制。其中具有代表性的包括基于非参数模型的 m p h c 、模型预测控匍j ( m p c ) 、动态矩阵控制( d m c ) ，基于参数模型的 广义预测控制( g p c ) 和广义预测极点配置控制( g p p ) ，内模控制( i m c ) 等。 由于预测控制采用了多步预测、滚动优化和反馈校正等控制策略， 扩大了反映过程未来变化趋势的信息量，因而能克服各种不确定和复杂 变化的影响，使预测控制能在不易建立精确数学模型且比较复杂的工业 生产过程中取得较好的控制效果，并有较强的鲁棒性。对于时滞系统的 控制，预测控制有较好的效果，人们对此也进行了广泛研究。 文献 1 7 定量分析了一类典型工业过程预测控制系统的闭环性能。基 于广义动态矩阵控制系统的内模控制结构和控制器的最小化形式，导出 了一阶惯性加时滞的典型对象预测控制的闭环传递函数，在此基础上， 给出了预测控制中主要设计参数与闭环动态响应和扰动抑制时间的解析 关系以及关于闭环系统鲁棒性的三个定理，提出了对增益或时滞失配允 许范围的搜索算法，从而为分析和设计预测控制系统提供了理论依据。 模型预测控制在实际的生产过程中也有广泛的应用，文献 1 8 】针对一 些生产过程数学模型含有纯滞后这一实际问题，结合过程的状态空间模 型能够反映系统内部规律的特点，对状态反馈预测控制理论进行了研究 。给出了一种适合于纯滞后系统的状态反馈模型预测控制算法。这种算 法比状态扩展法计算速度提高很多。 文献 2 0 】基于内模预测控制结构讨论了一类大时滞过程内模控制系 统的设计方法与步骤。通过对两种常用过程模型的实例设计与仿真，研 究了各参数不匹配时系统的动态特性，给出了如何合理调整可实现因子 参数的方法，使模型失配时系统具有满意的动态特性。这种方法具有一 定的鲁棒性，且结构简单、易于设计与调试，从而有一定的应用价值。 此外，文献 2 1 对广义预测控制进行了推广，有效地利用了过程中间 可测量信息，并能考虑对中间变量变化率加以限制，因而及时地抑制了 扰动和模型失配的影响，大大提高了控制系统的抗干扰性和鲁棒性。它 的物理意义明确，设计简单，且能用于具有纯滞后、开环不稳定的非最 小相位系统。 自从预测控制算法出现以来，就紧密的与工业应用相结合。以石油 国内外时滞系统控制研究进展石油大学( 华东) 硕士论文 加工过程为例，1 9 7 8 年就有了用于分馏塔的报道，到现在为止，在催化 裂化、加氢裂化、重整、润滑油加氢及常减压装置中均有应用的报道。 现在应用领域更加广泛，化工、电力、航空航天等方面均有成功应用， 目前，它不仅是工业过程控制领域中最具代表性的先进控制策略，而且 相应的理论研究也是控制理论界的热点。 2 3 智能控制 智能控制的研究始于6 0 年代中期，1 9 8 7 年1 月召开的第一届i e e e 智能 国际会议标志着智能控制成为一门独立的学科。但迄今为止智能控制还 没有统一的定义，已经提出了智能控制的二元结构、三元结构和四元结 构，其中四元结构认为智能控制是以人工智能、控制论、运筹学和系统 论的交叉。智能控制有以下一些特点： 1 智能控制适用于不确定的或难定义的过程控制、复杂的非线性被 控对象控制、随时间变化的过程控制等。作为复杂模型的描述可以有定 量的( 由数字或参数描述) 或定性( 由因果关系描述) 的描述。 2 智能控制采用了自适应、自组织、自学习等技术来提高系统的自 动化和智能化控制。 3 智能控制能综合交叉各种技术使得智能控制系统和智能控制器设 计形式日益多样化，智能控制技术应用范围曰益广泛。单纯的技术难以 实现智能模拟，而多项技术的结合有利于智能模拟：单纯的控制方式使 系统缺少智能，而综合自适应、自组织、( 自) 学习及其他技术的控制可 以提高系统的智能控制。 4 智能控制可以同传统控制理论分析系统的动态性一样，描述系统 的稳定性、系统的能控和能观性、系统的最优控制、系统的复杂性等。 智能控制不同于常规控制，这体现在两个方面： 1 学习的功能。智能控制可从外界获取知识并存储起来且能不断 积累经验，吸收好的控制策略，增强对环境的适应能力。 2 决策的功能。智能控制能够根据已经学习过的样本以及外界环境 的变化，随时调整控制策略，使得控制过程朝着改善系统动态品质的方 向发展。 目前实现智能控制应用最多的技术有模糊控制、神经网络等，这些 石油大学( 华东) 硕士论文 国内外时滞系统控制研究进展 算法都不依赖于对象模型。 2 3 1 模糊控制 模糊控制是从行为上模拟人的模糊推理和决策过程的一种控制方法 。这种方法不需要被控对象的精确数学模型，而且控制形式简单，易于 实现，具有很强的鲁棒性。其控制效果取决于是否正确、全面和有效地 将操作人员的控制经验总结为一系列的控制规则。模糊控制将人们实施 控制工程中的经验、启发式知识通过模糊运算转化实际的定量的精确控 制作用，实现了定性知识和定量控制的统一，很好的模拟了人从模糊、 不确定、不完全的信息中导出精确控制作用的思维过程。模糊控制已经 广泛的应用于工业的各个领域，尤其是家用电器的自动化方面。 模糊控制一般由三个方面组成：首先将信息模糊化；然后经模糊推 理规则，给出模糊输出：最后将模糊指令量化，控制操作变量。 模糊控制要有好的控制效果，必须有完善的控制规则，对于某些复 杂的工业过程有时要总结出较完善的经验是比较困难的，而且当对象动 态特性发生变化，或者受到随机干扰的影响时都会影响模糊控制的控制 效果。因此，模糊控制实现的是粗略控制，但鲁棒性较好：缺点是实时 性较差，对滞后不能有效克服，这是因为模糊控制器以偏差和偏差变化 作为输入变量，而且不能实现精细控制。 2 3 2 神经网络 神经网络利用大量的神经元按一定的拓扑结构和学习调整方法。它 在智能控制的参数、结构或环境的自适应、自组织、自学习等控制方面 具有独特的能力。神经网络具有以下特性： 1 神经网络是本质的非线性系统，可以充分逼近任意复杂的非线性 关系。 2 所有定量或定性的信息都等势分布贮存于网络内的各神经元，有 很强的鲁棒性和容错性。 3 学习和自适应性。神经网络可以处理那些难以用模型或规则描述 的过程或系统，能够学习和适应不确定系统的动态特性。 4 神经网络采用并行分布处理方法，使得快速进行大量运算成为可 能。 作为动态系统辨识、建模和控制的一种新的和令人感兴趣的工具， 9 国内外时滞系统控制研究进展石油大学( 华东) 硕士论文 人工神经网络在过去的十年中得到大力研究并取得重要进展。控制中按 网络的动力学特性分为静态网络和动态网络，静态网络主要是多层b p 网 及基函数网络，动态网络主要是h o p f i e l d 网络及在其基础上的一些变形。 神经网络的缺点是结构和类型难以确定，算法容易陷入局部最优等 ，因此主要用它来辨识对象。 2 3 3 智能控制在时滞系统控制上的应用 从总体上来说，智能控制方法可用于控制非线性和不确定对象，这 是现代控制方法和经典控制方法所不能比拟的，因为大多数对象都或多 或少的存在非线性和不确定性。现在智能控制在时滞系统上的应用多是 和其他方法的结合。例如： 文献 2 2 忡提到一种基于模糊规则的变参数p i d 控制方法，采用t _ s 模型，在传统p i d 控制器设计的基础上，通过将一些p i d 参数调节经验知 识转化为s 规则，从而将模糊控制同p i d 控制紧密地结合起来。由于在 t - s 规则的前件采用模糊推理，后件采用p i d 控制输出，这种控制器兼备 模糊控n * o p i d 控制的优点，而且在结构设计方面比一般模糊控制器更为 系统化，同时在参数调节方面比传统p i d 控制器更简单。 文献 2 5 研究了神经元直接自适应控制。这种方法利用对象的输入输 出数据，采用一种动态d r n n 网建立神经网络模型，并设计了自适应控 制器，使系统输出尽可能的接近预先的设定值，效果要优于常规p i d 。 模糊预测控制 1 3 1 结合了模糊控制和预测控制的优点，所给出的模糊 预测控制器基于被控对象一般形式的时间离散模型，由多步预测器、性 能测量和控制决策三部分构成，既适用于线性对象，又适用于非线性对 象。 文献 t 4 1 提出了一种基于模糊神经网络的大时滞系统的预测控制。模 糊神经网络既揉和了模糊逻辑的推理能力，又有神经网络的很强的学习 能力和非线性表述能力，而且模糊神经网络的物理意义清晰明了。利用 模糊神经网络，结合模糊预测提出了新的控制器设计方法。针对大时滞 的特点，模拟手动操作过程，根据控制过程中输入输出状态的变化对大 时滞的影响进行模糊预测，再将预测的状态反馈到模糊神经网络，并以 此训练模糊神经网络，以达到有效的控制。 智能控制作为一门新兴的学科，在理论上还不很成熟。一方面人们 1 0 石油大学( 华东) 硕士论文国内外时滞系统控制研究进展 在探索用各种技术实现智能控制的各种设计方法，一方面人们需要研究 实现智能控制过程中所存在这样或那样的问题并需要不断地解决和完善 。目前，复杂的智能控制系统或大规模的智能控制系统很大程度还受到 人工智能技术和计算机技术的制约。另外，由于各种技术的结合及综合 交叉结合使得智能控制系统和智能控制器的设计形式呈现丰富多彩的局 面，发展有关理论来评价智能控制系统或智能控制器是非常必要的。例 如，计算复杂度、精度分析、收敛性和稳定性、优化分析、最佳控制方 案选择等。要使智能控制从理论到实际有很大的进展就必须发展相关技 术，以适应智能控制的需求。 小结：本章主要对时滞系统控制发展和研究现状进行了研究。经典 的s m i t h 预估器结构简单，但是对模型精度要求较高，在此基础上，国内 外学者提出了很多改进方案。预测控制是7 0 年代在工业实践过程中发展 起来的一种新型计算机控制方法，采用多步预测、滚动优化和反馈校正 控制策略，在工业上取得了广泛应用。本章还回顾了智能控制的发展过 程，讨论了现有的智能控制系统方法在时滞系统上的应用，并分析了它 们的特点及不足。 一种改进的s m i t h 预估控制方法石油大学( 华东) 硕士论文 第三章一种改进f l 勺s m i t h 预估控制方法 人们经过长期的研究发现，s m i t h 预估控制对设定值的改变响应比较 快，跟踪效果好，但是其克服扰动的能力比较差。另外，由于描述对象 的数学模型与实际特性之间往往存在较大差异，使得补偿器参数与实际 对象参数不能完全匹配。因而，s m i t h 预估器的稳定性与抗干扰能力都比 较差。 许多学者在s m i t h 预估器的基础上，提出了扩展型或改进型的方案， 这些方案包括：改进的s m i t h 预估器1 5 3 】f 5 5 】，多变量s m i t h 预估控制【6 1 ，非 线性系统的s m i t h 预估器。 本文提出了一种改进的s m i t h 预估控制方案，这种方法在常规s m i t h 预估器的基础上增加两个控制器，其中内环控制器用来稳定积分或不稳 定对象，反馈控制器用来克服干扰输入。 3 1 改进f l j s m i t h 预估器 在实际的生产过程中，许多对象为积分或不稳定对象，如果使用常 规s m i t h 预估器，即使在模型匹配的情况下，控制的效果也不太理想。下 面这种改进的s m i t h 预估器则较好地解决了这一问题。 3 1 1 方法简介 这种改进的s m i t h 预估控制方案有三个控制器，结构如图3 1 所示。 图3 1改进的s m i t h 预估控制方案 相对于常规s m i t h 预估器，这种方案主要做了两点变化。第一，内环 中增加控制器g 用来稳定积分或不稳定过程，或改变稳定对象的极点 石油大学( 华东) 硕士论文 一种改进的s m i t h 预估控制方法 位置。当预估器参数与被控对象参数不匹配时，调节g 。的参数可使系统 稳定，不至于发生振荡。第二，反馈回路中增加控制器g 。：，用来抑制系 统的输入扰动。当g 。= 0 和e 2 = 0 时，这种方案就变成了常规s m i t h 预 估器。主控制器g 。则主要用于控制设定值响应。 在三个控制器中，主控制器g ，通常选为传统的p i 控制器，而反馈控 制器g 。l 和g 。2 根据被控对象的小l 司司以选掸p i d 的不i 司形式。 对于给定值和输入扰动，系统的输出为： y ( s ) = y ，( s ) r ( s ) + y d ( s ) d ( s ) ( 3 1 1 ) 其中， 蹦加而而焉鑫豢篙赢 ( 3 1 2 ) y 一( s ) = 面可瓦g 丽e - 。赢( 1 + 雨g m 再 q + g 而e l - 丽g c e 矛- 。 s ) i = 巧 ( 3 1 3 ) g e 4 和g 。e 一分别是对象和对象模型的传递函数。 假定模型与对象完全匹配，即g 。= g 和眈= 0 ，方程( 3 1 2 ) 和( 3 1 3 ) 可简化为： 蹦加羔叫e 哦5 ( 3 - 1 - 4 ) 。( s ) = 了；高! 兰! ! 旦! ；j 差i 铲= y ：c s ，e 一靠5 ( 3 1 5 ) 方程( 3 - 1 - 4 ) 和( 3 1 5 ) 分别是设定值和干扰响应的传递函数。由 一种改进的s m i t h 预估控制方法石油大学( 华东) 硕士论文 以上两式可以看出，这种改进的s m i t h 预估器的稳定性由以下特征方程： ( 1 + g 。 g 。+ g 。1 】) ( 1 + g 。2 g 。p 一屯5 ) = 0 ( 3 - 1 - 6 ) 决定。 由方程( 3 i 6 ) 可知，如果能正确的整定三个控制器的参数，尤其 是g 。和g 。：的参数，就能保证系统有较好的稳定性和抗干扰性。 3 1 2 控制器参数选择 在这种改进的s m i t h 预估器中，我们将主控制器g c 选择为一个p i 控制 器，即： g 。毯( ，+ 爿( 3 - 1 - 7 ) 对于不同的对象控制器g 。和g 。：则取不同的形式。从式( 3 1 5 ) 中 可以看出，如果对象不稳定时，如果g 。：= 0 ，则系统的干扰响应将不稳 定。而对于稳定对象，可以不必像积分或不稳定对象那样过分关注干扰 响应，可以令g 。= 0 。g 。具体参数可以根据式( 3 - 1 4 ) 和理想闭环响 应传函来推导，或参考文献 5 3 】中提到的直接分析方法，本文使用的是前 一种方法。g 。参数的选取则根据d ep a o r 等人的最优相位裕度方法。 下面分别就几种常见的对象模型进行讨论。 例1 稳定f o d p t 对象 对象传函： g 如) = 篙( 3 1 8 ) 不带滞后的对象模型： = 去( 3 - l - 9 ) 假定理想的闭环设定值响应为： 石油大学( 华东) 硕士论文一种改进的s m i t h 预估控制方法 ( y 儿。= 熹( 3 - 1 - 1 0 )船+ l 即： g 。g 。p 一郎 e - 1 + g 。【g 。+ g c l 】知+ 1 ( 3 1 1 1 ) 其中见是一个闭环设计参数，用来调节系统响应速度。 由于对象是稳定过程，可以省略反馈控制器，另外由于对象简单， 也可以不需要内环控制器，所以有：= 0 ，g 。= 0 。 对于q 参数的整定，令z = 正，然后将g 。和g c 的表达式代入方程 ( 3 - l 一1 1 ) 可求得： k c2 西1 1 ( 3 一i _ 1 2 ) 选择k = l ，正= 1 0 ，0 = 5 ，在f = i 0 0 时 j h k d = 一o 5 的干扰，闭环 阶跃响应曲线如下： 图3 2 阶跃响应曲线 例2 稳定s o d p t 对象 对象传函： = 蒜( 3 - i - 1 3 ) 二翌垦垄塑! 竺坠堡笪丝型互堕至垄查兰! 兰奎! 堡主堡墨 不带滞后的对象模型： g 矿而丽k ( 3 - 1 - 1 4 ) 对于控制器的选择，由于对象是稳定的，因此不需要反馈控制器g 。： ，所以令g 。= 0 。对内环控制器g 我们将其设定为p d 形式，即 g 。= k ，( 0 j + 1 ) 。在设计控制器参数时，我们使z = 互，巧= 瓦，因此 只需要求出k 。、k ，的值即可。 假定理想的闭环设定值响应为： t y k “= 丽e - 可o m s ( 3 - 1 - 1 5 ) 即： g 。g e e 一m 3 e - o s 1 + 6 _ g 。+ g 。t 0 s + 1 ) 2 ( 3 1 1 6 ) 将g m 、g 。和g 。的表达式代入上式中可求得： k 。= t m t t 2 ( 3 - 1 一1 7 ) k ，：堡兰( 3 - 1 - 1 8 ) 、 。 舰 仿真时，选择七= i ，正= 1 0 ，毛= 2 ，0 = 5 ，在，= 1 0 0 时加入d = 一0 5 的干扰，闭环阶跃响应曲线如下： 6 石油大学( 华东) 硕士论文 一种改进的s m i t h 预估控制方法 图3 3 阶跃响应曲线 以下是模型失配时的一些仿真结果： 1 、增益失配 s a g l p l e s 图3 4 a 失配2 0 图3 5 一a 失配5 0 s a m p l e s 7 s a m p l e s s a m p l e s 图3 4 一b 失配2 0 s a m p l e s 图3 5 b 失配5 0 一种改进的s m i t h 预估控制方法 石油大学( 华东) 硕士论文 2 、t l 失配 s a m p l e s 图3 6 一a 失配2 0 s a m p l e s 图3 7 a 失配5 0 3 、时滞失配 s a 咀e s 图3 8 a 失配2 0 8 s a m p l e s 图3 6 一b 失配一2 0 sa ：q r p l e s 图3 7 b 失配5 0 s a 珂p l e s 图3 8 b 失配2 0 石油大学( 华东) 硕士论文一种改进的s m i t h 预估控制方法 图3 9 一a 失配5 0 图3 9 b 失配一5 0 例3 不稳定f o p d t 对象 对象传函： g 3 ( s ) = 丽k e - * ( 3 - 1 - 1 9 ) 个帝衙后的对象模型： g 小) = 志( 3 - 1 - 2 0 ) 为了稳定不稳定过程，将内环控制器匠，选择为p d 控制器， 瓯。= k ，( 弓j + 1 ) ，勋j 3 n k g “后由g 。7 n g 。组成的内环模型变为： 吒2 蒜麓2 雨酉去雨了( 3 - 1 - 2 1 )吒2 而2 百磊巧万雨 4 - k x ，= 2 ，上式变成： g 萨去= 志( 3 - 1 - 2 2 ) 经过设计，上式为稳定的一阶对象形式。 对于g 。的设计，使z = 互+ 2 丁，假定理想的闭环设定值响应为： 一种改进的s m i t h 预估控制方法 石油大学( 华东) 硕士论文 k 。= 畿= 丽e - o s ( 3 - 1 - 2 3 ) 将g 、g 。、g 扩k k ，= 2 以及正= 7 1 , + 2 0 代入上式有 蹦班南2 丽1 ( 3 - 1 - 2 4 ) 由上式，可取z = 丑，k k 。= 1 ，所以q 和g 。的控制器参数如下 k ，：一1 。 k r = 五 2 ( 3 1 2 5 ) k ，= = k 丁，：尘玉 这里五是闭环设计参数。不同于稳定对象的情形，常规s m i t h 预估器 方法一般只适用于时滞小于时间常数的情况。g 。的加入对于不稳定对象 的控制效果有很大的改善。 另外，选择控制器g c ：为比例控制器，g 。= k 。，它的主要作用是抑 制干扰响应，k 。由以下输入干扰响应特征方程决定： t 崛船咆5 小筹 d ep a o r 提出一种比例控制器k d ，基于最优相位裕度准则用来稳定 不稳定i 拘f o p d t 过程： 耻 再( 3 - 1 - 2 7 ) 上式限定条件为e z , 1 。 在对象模型严格匹配和没有干扰的情况下，适当选择控制器参数， 石油大学( 华东) 硕士论文一种改进的s m i t h 预估控制方法 s m i t h 预估器也能获得较好的控制效果。当对象为不稳定过程，即使有很 小的干扰加入时，s m i t h 预估器的控制效果也会急剧恶化。 仿真时，选取对象参数为k = 1 ，z = 1 0 ，0 = 5 。在t = 2 0 0 分别加 入d = 一o 0 0 1 ，d = 一0 2 的干扰，闭环阶跃响应曲线如下： 图3 1 0 a 干扰为0 0 0 1 时曲线图3 1 0 b 干扰为0 2 时曲线 从以上仿真结果可以看出，对于不稳定对象，常规的s m i t h 预估器对 于干扰的输入非常敏感，即使有非常微小的干扰加入时也会造成对过程 的失控。此外，对于这种对象，常规s m i t h 预估器在模型存在失配时控制 效果也很不理想。实际的生产过程中对象模型严格匹配以及没有干扰的 对象是不存在的，因此常规的s m i t h 预估控制方案对这种对象几乎是无能 为力的。 相比之下，这种改