先进控制技术及应用学习报告

1、 随着工业生产过程控制系统日趋复杂化和大型化，以及对生产过程的产品质量、生产效率、安全性等的控制要求越来越严格，常规的PID控制已经很难解决这些具有多变量、强非线性、高耦合性、时变和大时滞等特性的复杂生产过程的控制问题。 自上世纪50年代逐渐发展起来的先进控制技术解决了常规PID控制效果不佳或无法控制的复杂工业过程的控制问题。 它的设计思想是以多变量预估为核心，采用过程模型预测未来时刻的输出，用实际对象输出与模型预测输出的差值来修正过程模型，从而把若干个控制变量控制在期望的工控点上，使系统达到最佳运行状态。 至今为止先进控制技术不但在理论上不断创新，在实际生产中也取得了令人瞩目的成就。下面就软

2、测量技术、内模控制和预测控制做简要阐述。 在生产过程中，为了确保生产装置安全、高效的运行，需要对与系统的稳定及产品质量密切相关的重要过程变量进行实时控制。然而在许多生产过程中，由于技术或经济原因，存在着很多无法通过传感器测量的变量。在实际生产过程中，为了对这类变了进行实施监控，通常运用两种方法：1).质量指标控制方法：对与质量变量相关的其他可测的变量进行控制，以达到间接控制质量的目的，但是控制精度很难保证。2).直接测量法：利用在线分析仪表直接测量所需要的参数并对其进行控制。缺点是在线仪表价格昂贵，维护成本高，测量延迟大，从而使得调节品质不理想。软测量的提出正是为了解决上述矛盾。 软测量技术的

3、理论根源是20世纪70年代Brosilow提出的推断控制，其基本思想是采集过程中比较容易测量的辅助变量(也称二次变量)，通过构造推断器来估计主导变量，并克服扰动和测量噪声对主导变量的影响。因此，推断估计器的设计是设计整个控制系统的关键。软测量器的设计主要包括以下几个方面：1)机理分析和辅助变量的选择。2)数据采集和预处理3)软测量建模4)软测量模型的在线校正软测量器响应迅速，成本低，维护简单，精度高，目前已在过程控制与优化中得到了广泛应用，其理论体系也在不断完善。 内模控制（IMC）是一种基于过程数学模型进行控制器设计的新型控制策略，其基本思想是将对象模型与实际对象相并联，控制器取模型的动态逆

4、，对于单变量系统而言内模控制器取为模型最小相位部分的逆，并通过附加低通滤波器来增强系统的鲁棒性。下面以磁悬浮小球的内模PID控制为例进行具体说明。 通过对磁悬浮球系统的分析可知，磁悬浮小球系统为本质非线性的不稳定系统，常规的PID控制作为一种简单有效的控制策略可以有效的实现对磁悬浮小球系统的控制，也取得了不错的控制效果，再次基础上引入内模控制。对磁悬浮球系统进行分析，可得系统的数学模型为：由于磁悬浮系统为本质不稳定系统，首先引入反馈控制器对不稳定磁悬浮系统进行镇定，C1 和q组成广义被控对象 。s22.55010.0011GspG按照二阶系统进行镇定，控制器选择PD控制器，取阻尼系数为0.7

5、，经计算，广义的被控对象为：再此基础上设计再此基础上设计IMC_PID控制器：控制器：首先取广义被控对象的逆：首先取广义被控对象的逆：p2255070.642550Gss21p70.64s25502550sG通过所学知识可知，为了构造IMC_PID控制器，需要引入一阶滤波器：则内模控制器为： 1 1f ss 2170.6425502550 1+ sIMCPssGGf s然后按照标准反馈控制的控制器进行整理： 在按照PID形式进行整理可得：这就是最终需要的IMC_PID控制器, 控制器中仅有一个参数 ，大大简化了参数整的过程。 1IMCCIMCpGsGsGs Gs i170.6411s25502

6、550cpdGKT ssTss图1 系统仿真结构图图2 系统单位阶跃响应（=0.05）图3 系统单位阶跃响应（=0.1）图4 系统单位阶跃响应（模型失配，=0.05）图5 系统单位阶跃响应（模型失配，=0.1）通过仿真可以可知，越大，系统响应越慢，但是鲁棒性较好；相反，越小，系统响应越快，但是代价是鲁棒性下降。实验结果证明，内模控制作为一种先进的控制策略，结合应用最为广泛的PID控制，可以实现对磁悬浮球系统的控制，并且设计简单、参数整定方便，相对于常规PID拥有更好的控制效果。 模型预测控制是一种基于模型的先进控制策略，在上世纪80年代左右由J.Richalet和Culter首先提出，其基本原

7、理是：预测过程未来行为的动态模型，在线反复进行优化计算并滚动实施的控制作用和模型误差的反馈矫正。由于模型预测控制具有控制效果好、鲁棒性强等优点，并且可以有效的克服过程的不确定性及非线性，可以有效的控制复杂的多变量的工业被控对象，因此他一出现就收到了国内外工控界的广泛重视，已在石油、化工、冶金、航空、汽车、机械等领域得到了广泛应用。预测控制发展迅速，算法种类丰富多样，究其根本结构模式，大致可分为如下三类：1)基于非参数模型的预测控制算法。这类算法利用测试被控对象的脉冲响应或阶跃响应即可得到预测模型，无需考虑模型的结构和阶次，可将过程的时滞环节包含在模型中，因此尤其适合表示动态响应不规则的对象特征

8、，适合处理开环不稳定多变量过程约束问题的控制。2)与经典自适应控制相结合的一类长程预测控制算法。这类算法融合了自校正控制和预测控制的优点，以长时段多不优化取代了经典最小方差控制中的一步预测优化，从而适用于时滞和非最小相位系统，具有良好的鲁棒性。代表的算法有广义预测控制（GPC）、受控自回归积分滑动平均模型预测控制（CARIMA）等。3)基于结构设计不同的另一类预测控制算法。这类算法由LQ或LQG发展而来，代表的有推理控制（IC）、滚动时域控制（RHC）等。近年来，随着对预测控制的深入研究，研究人员在对预测控制深入研究的同时，摒弃了对单一控制算法的研究，开始将预测控制与自适应控制、极点配置、鲁棒控制、解耦控制和非线性控制等算法相结合，诞生了一批先进预测控制策略。与此同时，随着智能控