（检测技术与自动化装置专业论文）基于labview的液位预测控制系统的设计.pdf

基于l a b v i e w 的液位预测控制系统的设计 摘要 在自动控制领域当中，设计控制器前期人们通常使用m a t l a b 软件对控制算 法进行仿真。但是，纯软件仿真与实际情况相比有一定的偏差。硬件在环仿真 技术( h i l ) 尽可能的在仿真系统中接入实物取代相应的数学模型，可以保证 试验结果和真实情况最大限度的吻合，更接近于实际情况，得到更确切的信息。 l a b v i e w 软件使用流程图编程，具有开放性，模块化，可重复性、互换性等 特点，并且与外部硬件连接方便，可以实现实时控制，进行硬件在环仿真实验。 l a b v i e w 代码可以生成可执行文件，脱离l a b v i e w 环境运行。使用l a b v i e w 可 以方便的进行控制理论研究和控制系统的软件设计，提高工作效率。 以状态空间法为基础的现代控制理论必须基于对象精确的数学模型。然而， 由于工业对象的结构，参数和环境都具有很大的不确定性，可能导致控制品质 的严重下降。动态矩阵控制算法是采用工程上易于测取的对象阶跃响应作为模 型的一种预测控制算法。其具有算法简单、计算量较小、鲁棒性较强的特点， 适用于长管道传输或者高阶液位系统这类具有时延的开环稳定系统。 本文将虚拟仪器( l a b v i e w ) 和动态矩阵控制理论相结合，应用于高阶液位控 制系统中，完成了以下工作： 1 建立基于l a b v i e w 的硬件在环实验平台。解决了数据输入、输出卡与 l a b v i e w 软件的通信接口问题；设计了系统的实时数据存储模块、显示 模块和控制界面，该界面直观，操作方便。充分的体现出l a b v i e w 强大 的数据处理能力，软件开发周期短，维护方便，可以减少设计者的劳动 量。 2 针对该液位控制系统的被控对象特点，选择动态矩阵控制策略。研究了 动态矩阵控制原理，设计基于l a b v i e w 动态矩阵控制器。 3 进行硬件在环仿真实验。将基于l a b v i e w 的动态矩阵控制器应用于 t h j 一2 型远程数据采集控制实验装置进行实际的液位控制。结果表明， 动态矩阵控制具有很好的鲁棒性和动态特性，适用于控制具有延迟的被 控对象。 关键词：虚拟仪器；l a b v i e w ；硬件在环；时滞；预测控制；动态矩阵 t h ed e s i g no fp r e d i c t i v ew a t e rl e v e rc o n t r o ls y s t e m b a s e do nl a b v i e w a bs t r a c t i na u t o m a t i cc o n t r o lf i e l d p e o p l eo f t e nm a k es i m u l a t i o no fc o n t r o la r i t h m e t i c u s i n gm a t l a bb e f o r ed e s i g n i n gt h ec o n t r o l l e r b u ts i n g l es o f t w a r es i m u l a t i o ni s d i f f e r e n tf r o ma c t u a lc o n d i t i o n s t h es i m u l a t i o nt e c h n o l o g yo fh a r dw a r ei nl o o p w h i c hm a k e st h ea c t u a lo b je c t si n s t e a do fm a t h e m a t i cm o d e l sc a ne n s u r et h e e x p e r i m e n t a lr e s u l ti st h es a m ea sa c t u a lc o n d i t i o n s t h ep r o g r a mi sm a d eb yf l o wc h a r ti nl a b v i e w i ti so p e n i n g ，b l o c k i n ga n dc a n b ec h a n g e df r o me a c ho t h e r l a b v i e wc a nb el i n k e de a s i l yt oe x t e r n a lh a r d w a r ea n d m a k er e a lt i m ec o n t r 0 1 t h ep r o g r a mc a nb eb u i l tt oe x e c u t a b l ef i l ea n da u t or u nn o t i nl a b v i e we n v i r o n m e n t i tc a nm a k er e s e a r c hf o rc o n t r o lt h e o r ya n ds o f t w a r e d e s i g n i n gc o n v e n i e n t l y , s oi tc a ni m p r o v et h ew o r ke f f i c i e n c y m o r d e n tc o n t r o lt h e o r yb a s e do ns t a t es p a c em u s tb er e a l i z e db ya c c u r a t e m a t h e m a t i cm o d e l s i nf a c t ，b e c a u s eo ft h es t r u c t u r e ，p a r a m e t e ra n de x p e r i m e n to f i n d u s t r i a lo b je c ti sn o tf i x e d n e s s ，t h a tc a nr e s u l ti nt h ec o n t r o lq u a l i t yd r o ps e v e r i t y d m ci sb a s e do ns t e p sr e s p o n s eo fc o n t r o l l e do b je c tw h i c hi sm e a s u r e de a s i l y d m ci ss i m p l ea n di th a ss t r o n gr o b u s tp e r f o r m a n c e ，s oi ts u i t sf o rc o n t r o lt h e o b je c t sw h i c hh a v et i m el a gc h a r a c t e r i s t i c s i nt h i sp a p e r ，l a b v i e wa n dd m ci sc o m b i n e da n du s e do nw a t e rl e v e rc o n t r o l s y s t e m t h ew o r kh a sb e e nd o n ea sf o l l o w e d ： 1 e s t a b l i s h i n gt h eh a r dw a r ee x p e r i m e n tf l a t s o l v i n gt h ep r o b l e mo ft h e c o m m u n i c a t i o n sb e t w e e nl a b v i e wa n dd a q ；d e s i g n i n gd a t es t o r a g eb l o c k ，d i s p l a y b l o c ka n dc o n t r o li n t e r f a c ew h i c hi si n t u i t i o n i s ta n dc o n v e n i e n c e f r o mt h a tw ec a n s e el a b v i e wh a ss t r o n ga b i l i t yo fd a t ep r o c e s s i n g ，a n dt h ep r o g r a mc a nb e m a i n t e n a n c ee a s i l y i tc a nd e c r e a s et h ew o r ki n t e n s i o n 2 c h o o s i n gd m ct oc o n t r o lt h ew a t e rl e v e rs y s t e mb e c a u s eo fi t s t i m el a g c h a r a c t e r i s t i c ；d e s i g n i n gd m cb a s e do nl a b v i e w 3 m a k i n gt h eh i ls i m u l a t i o ne x p e r i m e n t p u t t i n gt h ed m cc o n t r o l l e ro nt h e t h j - 2t e l e d a t aa c q u i r ec o n t r o le x p e r i m e n t a le q u i p m e n tt oc o n t r o la c t u a lw a t e rl e v e r t h er e s u l ts h o wt h a td m cc o n t r o l l e rh a sg o o dr o b u s ta n dd y n a m i cp e r f o r m a n c e ，i t i sg o o df o ru s e df o rt h ec o n t r o l l e do b j e c tw h i c hh a st i m el a gp e r f o r m a n c e k e yw o r d s ： v i r t u a li n s t r u m e n t ；l a bv i e w ；h i l ；t i m el a g ；d m c ； p r e d i c t i v ec o n t r o l 插图清单 图2 1 预测控制原理8 图2 2 预测模型9 图2 3 滚动优化9 图2 4 反馈校正1 0 图2 5 阶跃响应曲线1 1 图2 6 输入控制量预测输出1 3 图3 1 液位控制系统的组成2 1 图3 2 阶跃响应曲线2 2 图3 3 计算机液位控制系统框图2 3 图3 4 计算机液位控制系统电路2 4 图3 57 0 7 1 a d 模块图2 5 图3 67 0 2 4 d a 模块图2 6 图3 7 虚拟仪器的用途2 8 图3 8 工具模板3 0 图3 9 控制模板3 0 图3 1 0 功能模板3 0 图3 1 1 前面板3 1 图3 1 2 流程图3 2 图3 1 3 系统结构框图3 3 图3 1 4c l f v i 3 5 图3 1 5 驱动结构3 6 图3 1 6 第一帧3 7 图3 1 7 模块驱动软件主要部分程序3 8 图3 1 8 数据存储模块3 9 图3 1 9 数据显示模块4 0 图3 2 0 属性节点4 0 图3 2 1 控制显示界面4 0 图3 2 2p i d 程序4 1 图3 2 3 实验结果曲线4 2 图4 1 存储模块4 4 图4 2 系统单位阶跃响应4 4 图4 3d m c v i 4 5 图4 4d m c 流程图4 6 图4 5d m c 控制阶跃响应4 7 图4 6d m c 控制阶跃响应4 8 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i 一：作及取得的研究成 果。据我所知，除了文中特别加以标志和致谢的地方外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得金月曼王些太堂 或其他教育机构的学位或证书 而使用过的材料。与我一同- 丁= 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 的说明并表示谢意。 学位论文作者签字：随。摈签字日期：二嘴年3 月日 学位论文版权使用授权书 本学位论文作者完全了解金目曼业态堂 有关保留、使用学位论文的规定，有权 保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被奄阅或借阅。本人 授权金8 巴些厶堂 可以将学位论文的全部或部分论文内容编入有关数据库进行检 索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者毕业后去向： ：。r 作单位： 通讯地址： 翩繇卉铋 签- 7 - - 日期：2 国g 年3 月f 矿1 9 电话： 邮编： 超 舯 毒曲 月 融 日 孙 暗 戳 胁 者 ： 文 期 融 日 l 址r t c 一 学 签 致谢 本文是在导师方敏教授的悉心指导下完成的，导师广博深厚的专业理论知 识，严谨求实的治学态度使学生受益匪浅，而导师宽厚待人的博大胸怀也给学 生留下了深刻的印象，我发自内心的感谢方老师在学业知道及个方面给予我的 关心以及从言传身教中学到的为人品质和到的情操，并十分庆幸自己在人生的 重要阶段遇到我的导师，在此向导师表示深深的谢意及崇高的敬意! 此外实验室的各位同学在我的研究生学习期间也给予了大力的帮助并提供 了许多宝贵的意见。他们是孙斌、张俊、秦明辉、李寅、陈琼、杨扬、张兰芳、 刘罡、李健、戴祥亭、李嘉良，在这里我也一并向他们表示真诚的感谢! 能够在研究生学习期间遇见这么多的良师益友，我感到自己是非常幸运的。 这段美好的生活敬礼将伴随我一生并成为我生命中的最宝贵财富! 最后，在向所有曾经关心、帮助过我的老师、同学、同事和朋友再次表示 衷心的感谢! 作者：陈志超 2 0 0 8 年2 月 1 1 引言 第一章绪论 在大规模、自动化、智能化电子测控系统需求与曰俱增的形式下，计算机 技术，仪器技术和通讯技术的结合产生了具有重大意义的虚拟仪器技术。 所谓的虚拟仪器就是在计算机的显示屏上虚拟了传统仪器面板的计算机 化仪器，它尽可能多的将原来由硬件电路完成的信号调理和信号处理的功能， 代替为计算机的程序来完成，提供对数据的分析和处理功能。虚拟仪器的关键 是软件，软件即仪器。与传统仪器相比，虚拟仪器的软硬件具有更大的开放性， 模块化，可重复性、互换性等特点【2 1 。需要提高仪器性能或构造新的仪器功能时， 可由用户自己改变软件来实现，而不必重新购买新的仪器，并且可与网络及其 它周边设备互联p j 。 在控制领域当中，控制专家在设计复杂的控制器的时候往往需要进行前期 的m a t l a b 软件仿真，而m a t l a b 程序是不能脱离其环境而单独运行的，且与外 部硬件设备直接互连非常困难，成本昂贵。设计者往往仅用m a t l a b 进行纯软件 仿真，脱离实际比较严重，而且程序不能复用，在实际系统中要重新编写，浪 费了大量资源。硬件在环仿真技术 4 】( h i l ) 是目前比较流行的一种仿真技术， 广泛的应用于机械、测控行业。该技术是在试验的过程中，在条件允许的情况 下，尽可能的在仿真系统中接入实物取代相应的数学模型，这样更接近于实际 情况，得到更确切的信息，可以保证试验结果和真实情况最大限度的吻合。硬 件在环仿真技术是一种可以有效节约开发时间和开发成本的高效实用的试验技 术。而l a b v i e w 是一种可以方便的实现硬件在环仿真实验的虚拟仪器软件【5 儿州。 l a b v i e w 73 ( l a b o r a t o r yv i r t u a le n g i n e e r i n gw o r k b e n c h ) 是美国国家仪 器公司( n i ) 的创新软件产品，其全称是实验室虚拟仪器工程平台，图形化的 程序语言，使用流程图编程，具有虚拟仪器的全部优点，并且与外部硬件连接 方便，能够实时控制，进行硬件在环实验。l a b v i e w 程序最终可以生成可执行 文件，脱离l a b v i e w 环境运行，可以为控制工程师节省了大量的时间和精力。 l a b v i e w 是个面向最终用户的工具，使用它可以方便的进行控制器的设计和 验证，提高工作效率h j 。 二十世纪6 0 年代初形成的现代控制理论，在航天、航空等领域都取得了辉 煌的成果。利用状态空间法分析和设计系统，提高了人们对被控对象的洞察能 力，提供了在更高层次上设计控制系统的手段。随着计算机技术被广泛地应用 到实际工程当中，控制规律和控制算法的种类也不断增多，为计算机控制开辟 了新的途径例。如解耦控制、鲁棒控制、变结构控制、自适应控制，特别是， 立足于最优性能指标阳3 的设计理论和方法已趋成熟，这对于在工业过程中追求 更高控制质量和经济效益的控制工程师来说，无疑具有极大的吸引力。然而， 人们发现，在完美的理论与控制实践之间还存在着巨大的鸿沟，在工业过程领 域内，不能充分地呈现其优越性，这主要是由于： ( 1 ) 这类控制必须基于对象精确的数学模型，即反映对象的动态过程的状 态方程或传递函数。为了得到这一类参数模型，必须耗费很大的力量进行系统 辨识，这对通常是高维多变量的工业过程来说，代价甚大，即使得到了这样一 个参数模型，往往也只是实际过程的近似描述，而且从使用考虑，要进行模型 简化。因此，现代控制设计方法所需的精确的数学模型常常是难以保证的。 ( 2 ) 工业对象的结构，参数和环境都具有很大的不确定性。由于这些不确定 性的存在，按照理想模型得到的最优控制在实际上往往不能保持最优的，有时 甚至会引起控制品质的严重下降。在工业环境中，人们更关注的是控制系统在 不确定性影响下保持性能的能力，即所谓鲁棒性，而不能只是追求理想的最优 性。 ( 3 ) 工业控制中必须考虑到控制手段的经济性，对工业控制计算机的要求不 能太高。因此，控制算法必须简易，以满足实时性的要求。而现代控制理论的 许多算法往往过于复杂，难以用低性能的计算机实现。 这些来自实际的原因，阻碍了现代控制理论在复杂工业过程中的有效应用， 也向控制理论提出了新的挑战。 1 2 时滞系统控制的难点 时滞现象在实际工业中十分常见，比如氧气站到炼钢厂的氧气输送系统、 连续轧钢机的钢带厚度控制系统、化工和炼油生产中的物料传输与反应器的化 学合成、锅炉加热系统等，纯滞后的特性都非常明显，由于时滞的引入导致在 输入作用下不能立刻观察它对输出的影响，因此控制问题变得复杂了，通常会 带来系统不稳定、超调过大等不良后果，直接影响着产品质量的稳定。一般认 为滞后时间与过程的时间常数之比大于o 3 ，则说该过程是有大延迟的工艺过 程【10 1 ，具有大延迟的系统被公认为是较难控制的过程。 对于大延时的过程来说，因为当前施加的控制u ( k ) 输入到对象后，需要经 过一段时间，才会在对象输出中反映出来。对于仅仅依靠当前输出量进行反馈 控制的简单控制器( 如p i d ) 来说，必然会产生较明显的超调量和较长的调节时 间。当t 增大时，过程中相位滞后增加，使上述现象更为严重，甚至会产生严 重的超调而导致系统不稳定的情况。所以具有纯迟延的工业过程被公认为较难 控制的过程，对于它的控制问题，至今仍然是控制理论界的一个难题。因为时 滞过程的主要控制困难是不能及时得到控制作用的反馈信息，等到控制效果能 通过输出测量体现时，此时的控制作用强度往往己过头了。因此严重影响了控 制系统的性能。要有效改进时滞过程的控制质量，惟有通过把未来的输出测量 值事先“预估”出来再实施下步控制的办法。而预测控制刚好可以实现以上 功能，被认为是适合于时滞过程的控制，可以说预测控制具有与生俱来的克服 滞后的优点。 1 3 时滞系统控制方法的研究现状 传统控制】方法是指针对时滞系统控制问题提出并应用得最早的一些控制 策略，主要包括自整定p i d 控制、s m i t h 预估控制、达林算法这几种方法。先 进控制方法是指随着现代工业技术的发展出现的一些智能控制策略【l2 | ，主要包 括模糊控制、神经网络控制、自适应控制等。 1 传统p i d 控制l l 3 1 p i d 控制是比例、积分、微分控制的总称，在自动控制的发展历程中，是 历史最悠久、控制性能最强的基本控制方式。p i d 控制原理简单、易于整定， 使用方便且调节性能指标对于受控对象的稍许变化不很敏感。由于其算法简单、 鲁棒性好和可靠性高的特点，在实际控制系统设计中得到了广泛的运用。对于 时滞系统，采用积分分离、变速积分、不完全微分、微分先行等p i d 控制算法 可以改善时滞系统的控制性能，其控制难点在于如何对控制参数进行整定，以 求得到最佳控制效果。较早用来整定p i d 控制器参数的方法 有：z i e g l e r n i c h o l s 动态特性法、c o h e n - c o o n 响应曲线法、基于积分平方准则 i s e 的整定法等。但是这些方法只能在对象模型精确已知的情况下，实现p i d 参数的离线整定，当被控对象特性发生变化时，就必须重新对系统进行模型辨 识。为了能在对象特性发生变化时，自动对控制器参数进行在线调整，p i i ) 参 数的自整定技术就应运而生了。目前用于自整定的方法比较多，如继电型自整 定技术、基于过程特征参数的自整定技术、基于给定相位裕度和幅值裕度s p a m 法自整定技术、基于递推参数估计的自整定技术以及智能自整定技术等等。总 体来看这类自整定p i d 控制器对于：f t = o 1 5 0 6( t 为系统的惯性时间常 数，f 纯滞后时间常数) 的纯滞后 1 4 1 对象控制是有效的，但对于大纯滞后对象， 当：f t i 时，按照上述方法整定的p i d 控制器则难以稳定【l 5 j 2 s m i t h 预估控制 0 j m s m i t h 最早在1 9 5 8 年提出了预估控制器 1 6 】【l7 1 ，其基本思路是：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。在理想情况下，其调节性能与无时滞时相同，只是在时间坐标上延 迟了。它的最大的优点是将时滞环节移到了闭环之外，使控制品质大大提高， 这样就可以用常规的控制方法( 如p i d 或p i 控制) 对时滞系统进行控制。内模 控制方法是g a r c ia 和m o r a r i 提出的，由于它的设计原理简单，参数整定直观 明了，鲁棒性强，控制性能良好，近年来己在过程控制系统中得到应用。s m i t h 预估器控制和内模控制有机结合，提出一种二自由度控制方法，把系统的目标 值跟踪特性和干扰抑制特性分离，通过控制器的设计，使系统同时获得良好的 目标值跟踪特性、干扰抑制特性和鲁棒性，克服了常规s m i t h 预估器控制的不 足，而且控制算法比较简单，参数调整方便。h a n gcc 等针对常规预估控制方 案中要求受控对象的模型精确这一局限，在常规方案基础上，外加调节器组成 副回路对系统进行动态修正，该方法的稳定性和鲁棒性比原来的s m i t h 预估系 统要好，它对对象的模型精度要求明显地降低了。w a t a n a b e 提出的改进结构的 s m it h 预估器采用了一个抑制扰动的动态补偿器m ( s ) ，通过配置m ( s ) 的极点， 能够获得较满意的扰动响应及对扰动稳态误差为零。对于s m i t h 预估器的参数 整定问题，提出了种解析设计方法，并证明该控制器可以通过常规的p i d 控 制器来实现，从而能根据给定的性能要求( 超调或调节时间) 来设计控制器参数。 s m it h 预估控制方法虽然从理论上解决了时滞系统的控制问题，但在实际应用 中却还存在很大缺陷。s m i t h 预估器存在这样两点不足：1 、时滞补偿需要准 确的数学模型，控制性能对模型误差敏感，当参数变化较大时，闭环系统也会 变得不稳定，甚至完全失效：2 、预估长度限于时滞长度。另外s m i t h 预估器还 存在参数整定上的困难，过程增益的变化对系统的稳定性有很大的影响，所以， 一般的s m i t h 预估控制系统难以在实际中得到真正的应用。 3 达林算法 达林算法是由美国i b m 公司提出的。a h li n 于1 9 6 8 年针对工业过程控制中 的纯滞后特性而提出的一种控制算法。这类方法的优点是控制器的设计过程非 常简单，控制系统具有很好的鲁棒性。其思路是将期望的闭环响应设计成一阶 惯性加纯延迟，然后翻过来得到能满足这种闭环响应的控制器，即设计一个合 适的数字调节器d ( z ) ，使整个系统的闭环传递函数相当于一个带有纯滞后的一 阶惯性环节，而且要求闭环系统的纯滞后时间等于被控对象的纯滞后时间。大 林算法方法比较简单，只要能设计出合适的且可以物理实现的数字调节器d ( z ) ，就能够有效地克服纯滞后的不利影响，因而在工业生产中得到了广泛应用。 但它的缺点是设计中存在振铃现象，且也需要一个准确的过程数学模型，当模 型误差较大时，控制质量将大大恶化，甚至系统会变得不稳定实际上己有文献 证明，只要在s m i t h 预估器中按给定公式设计调节器d ( z ) ，则s m i t h 预估器 与d a h l i n 算法是等价的，d a h l i n 算法可以看作是s m i t h 预估器的一种特殊情 况。 4 模糊控制 模糊控制【l8 】是美国的自动控制专家l a z a d e h 教授于1 9 6 5 年首先提出的， 是模拟人的思维和语言中对模糊信息的表达和处理方式，擅长利用人的经验性 知识。模糊控制是一种基于专家规则的控制方法，属于智能控制的范畴。模糊 4 算法用在时滞系统中其实是非常适用的，因为时滞系统的难以定量化和不确 定性决定了它需要用不确定处理手段。在时滞系统中，模糊控制般是针对误 差和误差变化率而进行的，将输入变量的精确值模糊化，根据输入变量和模糊 控制规则，按照模糊推理合成规则计算控制量，再将它反模糊化，得到精确输 出去控制过程。文献 1 9 提出了时滞系统的模糊控制规则和策略，改善了大时 滞系统的控制效果。但是，如果用普通的模糊控制器来控制大时滞、大惯性系 统，当稳态误差较小时很容易出现振荡。因此如果能结合其它算法来提高它的 控制精度，那么将是非常有效的。针对加热炉等大时滞被控对象，分析了采用 常规模糊控制的大时滞系统控制性能不佳的原因，在分析改进型s m i t h 预估补 偿控制方案的基础上，提出了模糊s m i t h 控制器，由s m i t h 预估器解决对象的 时滞问题，模糊控制器控制对象的大惯性环节，其结构和一般的s m i t h 预估控 制一样，只是用模糊控制器代替了p i d 控制器。模糊自整定方法是对模型的某 些参数进行模糊整定，以改善控制品质，比较有名的是针对c c h a n g 提出的改 进s m i t h 预估器模型，对主反馈通道传递函数中的滤波时间常数进行模糊整定， 当过程参数发生变化时，这种方法具有较强的鲁棒性和较好的控制性能，但由 于每一次微小的变化都会引起大量计算，所以该方法的计算效率不是很高，而 且关于如何确定有效的模糊控制规则还有待进一步研究。 5 其它控制方法【2 u j 对于时滞过程的控制，除了以上所述的方法外，还有许多其它的方法。这 些方法有自适应控制、鲁棒控制、变结构控制和灰色预测控制等。它们往往是 和其它方法加以结合来克服时滞的影响。在控制领域中，鲁棒控制在滞后系统 中的研究近年来非常活跃，主要是在理论上取得了一些进展，而在应用上由于 其计算的复杂性还有待于进一步发展。鲁棒控制还可以和其它智能控制方法结 合起来，构成一些新的控制方法，如鲁棒自适应控制，基于神经网络的鲁棒控 制等。还有人提出灰色预测控制方法来克服时滞的不利影响，主要是基于g m ( 1 ， 1 ) 模型的灰色预测控制算法，它不需要掌握关于被控对象模型的先验信息，而 且计算简单，具有自适应能力。实际应用的结果说明了一些针对时滞过程的控 制方法的有效性和实用性，但目前状况表明在实际中应用的方法还是比较单一 的，应用的范围也不够广，良好的控制品质尚需技术人员不断地维护。很多在 理论上效果颇为有效的方法还不能真正实际应用在工业过程中，还需要学者与 工程技术人员的不懈努力。 1 4 预测控制的可行性 预测控制是2 0 世纪7 0 年代后期直接由工程技术人员提出来的基于工业过 程的先进控制方法，它采用基于试验的预测模型，是一种模型精度要求较低且 易于获得、综合控制质量好、在线计算方便的新型计算机优化控制方法。由于 预测控制算法用来描述过程动态行为的信息，是直接从生产现场检测到的，既 不需要事先知道过程模型的结构和参数的有关先验知识，也不必通过复杂的系 统辨识来建立过程的数学模型。它的基本思想是：在不失传统反馈校正的前提 下，利用工业过程中容易测得的过程阶跃或脉冲响应曲线，将它们采样时刻的 一系列数值所构成的开环模型进行长程预测，并采用滚动优化的方法求取优化 解。这是一种基于模型又不依赖模型的控制策略。预测控制不论其算法形式如 何都是建立在预测模型、滚动优化和反馈校正三项基本原理基础上。预测控制 的优化控制原理，实际上反映了人们在处理带有不确定性问题时的一种通用思 想方法。例如，人们在穿越马路的时候，不必去看左右很远处有无车辆，而只 需近看几十米处，但还需边走边看，以防近处开出的新的车辆或远处车速加快 且原来估计不足而发生意外，这里就包含了建立在反馈信息基础上的反复决策 过程，从预测控制的基本原理看，这类控制方法具有下列明显的优点【2 l j ： ( 1 ) 预测模型的多样性 从原理上讲，只要是具有预测功能的受控对象模型，无论采用什么描述形 式，都可以作为预测模型。在预测控制中，注重的是模型功能，而不是结构形 式，因此，预测控制算法改变了现代控制理论对模型结构较严格的要求，更着 眼于根据功能要求，按最方便途径建立多样性的模型。 ( 2 ) 滚动优化的时变性 预测控制采用的不是常规最优控制中固定的全局优化目标，而是在有限时 域内的滚动优化策略。即在每一时刻对兼顾未来充分长时间内的理想优化和包 含系统存在的时变不确定性局域优化目标函数，进行不断更新，而下一时刻是 根据系统当前控制输入后的响应，这比在理想条件下实现复杂对象的最优控制 要现实得多。因此，滚动优化不是一次性离线运算，而是反复在线进行的，这 种时变性，虽然在每一时刻只能得到全局的次优解，然而，它却能及时补偿由 模型失配时变与干扰等引起的不确定性，始终将新优化目标函数与系统现实状 态相吻合，保证优化的实际效果。 ( 3 ) 在线校正的鲁棒性 在预测控制中，把系统输出的动态预估问题分为预测模型的输出预测和基 于偏差的预测校正两部分。由于预测模型只是对对象动态特性的粗略描述，而 实际系统中通常存在非线性时变性、模型失配与随机干扰等因素，因此，预测 模型不可能与实际对象完全相符，预测模型输出与实际系统输出间必然存在偏 差。采用偏差进行在线校正，使系统构成具有负反馈调节的系统，从而提高了 预测控制系统的鲁棒性。 ( 4 ) 便于实现 可将这类算法推广到有约束条件、大迟延、非最小相位及非线性等过程， 并取得了较好的控制效果，便于工业实现。 6 上述四个个特征，体现了预测控制更符合复杂系统控制的不确定性与时变 性的实际情况。这是预测控制在复杂控制系统领域中得到重视和实用的根本原 因。 预测控制问世以来一直受到控制界的广泛关注，到现在已经有几十种预测 控制算法相继产生，比较典型的有所非参数模型的、模型算法控制( m a c ) 、动态 矩阵控制( d m c ) 和广义预测控制( g p c ) 等。 1 5 本文研究的主要内容 本文主要针对t h j 2 型液位控制系统装置，建立一个基于l a b v i e w 的硬件 在环实验平台。设计普通的数据采集卡与l a b v i e w 的数据通讯接i ；3 模块，数据 存储显示模块，控制策略模块，方便的对各种控制理论进行研究和硬件在环实 验。 设计基于l a b v i e w 的动态矩阵控制器，将其应用于t h j 2 型远程数据采集 过程控制装置，进行硬件在环实验，克服该系统的时滞现象，实现液位控制。 2 1 预测控制的基本原理 第二章预测控制 预测控制 2 2 】是一类控制算法的总称。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，已经得到了很大的发展，先后提出了 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 ) 、广义预测极点 配置控制( g p p ) 、内模控制( i m c ) 和推理控制( i c ) 等几十种 22 1 。预测控制采用信 息建模的思想，用来描述过程动态的信息，是直接从生产现场检测到的过程响 应，可根据需要方便地建立系统的非参数阶跃响应模型。这类基于非参数模型 的预测控制算法采用动态预测、滚动优化的策略，具有易于建模、鲁棒性强的 显著优点。预测控制算法中有反馈校正和对模型预测的校正，从而克服系统非 线性和时变性等不确定性的能力大为提高。它的基本原理可归纳为预测模型、 滚动优化和反馈校正。 图2 1 预测控制的原理 1 预测模型 在预测控制中，需要一个描述系统动态行为的基础模型，根据被控对象的 历史信息 u ( k 一力，y ( k 一力i 1 ) 和未来输入 u ( k + 一1 ) f = 1 ， 劫，预测对象未来输出 y ( k + 力l = 1 ，p ) ，所以称为预测模型。 预测模型形式可以是非参数模型： ， 脉冲响应( 要求系统开环稳定) ： y ( 七) = h j u ( k - j ) j = l n - 1 阶跃响应( 要求系统开环稳定) ： y ( 尼) = 口，a u ( k 一) + 口u ( k - n ) j = l a u ( k ) = “( 尼) 一u ( k 一1 ) 当前 k j kk + m k + p 图2 2 预测模型 也可以是状态方程：x ( k + 1 ) = a x ( k ) + b u ( k ) y ( k ) = c x ( k ) 差分方程： 2 滚动优化 y ( k ) 5 善口以七一) + 蔷哆“( 七一力 等参数模型。 预测控制是一种优化控制算法，但采用的是“滚动优化”性能指标，即通 过使某一性能指标，极小化，以确定未来的控制作用u ( k + j k ) 。指标，希望 模型预测输出尽可能趋近于参考轨迹。滚动优化是在线反复进行，优化目标只 关心预测时域内系统的动态性能，而且只将u ( k ) 施加于被控过程，即某一时刻 的控制量是根据当时时刻以后一段有限时间以内的局部优化确定的，并且优化 时域时间不断的向前推移。与最优控制中的全局优化相比，虽然只能得到全局 的次优解，但能有效克服模型不精确、时变、非线性等不确定性的影响，获得 实际上的最优。 当前 3 反馈校正 k k + m 聃p 图2 3 滚动优化 9 由于预测模型的不精确性以及实际系统中存在的非线性、时变、干扰等因 素，基于模型的预测不可避免地存在误差，将影响控制特性。预测控制采用反 馈校正的方法，用预测值和实际测量值之差，不断修正模型预测的不准确性， 从而构成闭环控制。即，每到一个新的采样时刻，都要通过实际测到的输出信 息对基于模型的预测输出进行修正，然后再进行新的优化。不断根据系统的实 际输出对预测输出值作出修正，使滚动优化不但基于模型，而且利用了反馈信 息，构成闭 岫夕 y m ( k + j lk ) ， o k 。 k k + p 图2 4 反馈校正 预测控制采用预测模型预测系统的未来输出，实现滚动优化控制，并不断 根据系统的实际输出修正预测的准确性。预测模型的形式多样，模型精度要求 不高，这正符合了工业过程控制的特点。尤其是预测控制改进了最优控制，用 滚动的有限时段优化取代了一成不变的全局优化，这样不仅实现了优化控制， 而且克服了系统中不确定性的影响，具有更强的鲁棒性。 d m c 是一种基于对象阶跃响应的控制算法，其控制的基本思想是：根据对象 的输入输出数据预测未来时刻过程的响应趋势，然后由最优性能指标求出控制 序列，使得对象输出尽可能好地跟踪期望值，具有预测模型、滚动优化和反馈 校正三个基本特征。整个算法的思路直观，概念清晰，形式简洁。m a c 是另一 种基于被控对象非参数模型脉冲响应的控制算法，其多步优化的m a c 算法与d m c 算法的推导十分相似，包括预测模型、参考轨迹、闭环预测、滚动优化几个部 分，但也有一些不同之处：( 1 ) 二者使用的非参数模型不同。d m c 采用的是对象 的阶跃响应模型系数，而m a c 采用的是对象的脉冲响应系数( 2 ) m a c 针对定值 系统，引入了参考轨迹，其作用是平滑控制响应，使系统的输出能平滑的达到 设定值。( 3 ) d m c 以控制量的增量u ( k ) 为控制输入，在控制时域后，a c ( k ) = o ， 不再考虑其阶跃响。 2 2 动态矩阵控制的基本原理 动态矩阵控制( d y n a m i cm a t r i xc o n t r o l d m c ) 算法是预测控制算法重要的 l o 一种，由c u lt e r 在1 9 8 3 年提出的来的。与模型( m a c ) 算法的不同之处是，它 是采用工程上易于测取的对象阶跃响应做模型的一种预测控制算法，具有算法 比较简单、计算量较小、鲁棒性较强及适用于长管道传输或者高阶液位系统这 类具有时延、开环渐进稳定的非最小相位系统，近年来已经在冶金、石油、化 工等部门的过程控制中得到成功的应用。其控制结构也主要由预测模型、滚动 优化和反馈校正三部分组成： 2 2 1d m c 预测模型的建立 当在系统的输入端加上一个控制增量后，在各个采样时间t = t 、2 t 、3 t n t 分别可在系统的输出端测得一序列采样值，它们可用动态系数a 。、a ：、a 。来 表示。这种用动态系数和输入量来描述各个时刻的系统输出和输入的关系的过 程特性，就是被控对象的非参数数学模型。这里用动态系数a ；上面加有“ 来表示实测值或者参数估计值。因为干扰和噪声的影响，它与系统真实动态系 数有差别。n 是阶跃响应的阶段点，称为模型的时域长度，n 的选择应该使过程 响应值已经接近其稳态值；即a z a 。 设受控对象的单位阶跃响应特性如下图所示，若系统为线性系统且渐进稳 定，在n 个采样周期后，系统输出趋于稳定。因此，可以用受控对象单位阶跃 响应的前n 个有限项采样值 a 1a 2 a n ) 来描述系统的动态特性，来建立其非 参数模型。 0 123 模型截断 n 1n t t 图2 5 阶跃响应曲线 根据线性系统的比例和叠加性质，利用这一模型，可以由给定的输入控制增 量，预测未来时刻的输出。如在k 时刻加一控制增量u ( k ) ，在未来n 个时 刻的模型输出也测值为： 虼( 尼+ p k ) = ( 尼+ p k ) + f i p a u ( k ) + g t 尸一l “( 尼+ 1 ) + + a p m + l a u ( k + m 一1 ) 此( 尼+ 2 k ) = y o ( k + 2 k ) + h 2 a u ( k ) y 。( 尼+ n k ) = y o ( k + n k ) + a a u ( k ) ( 2 1 ) 写成矢量形式为 匕( 忌+ 1 ) = t o ( k + 1 ) + f a u ( k ) 式中：匕 + 1 ) 一k 时刻预测有a u ( k ) 作用时，未来n 个