生产实习材料文献综述

1、北京化工大学毕业设计（文献综述）PAGE PAGE 6文献综述模型控制的理论、仿真、与工业实践班级：信实0901 学号：200941074 姓名：余涛 指导老师：王建林（教授） 摘要：近代工业中，有近90%的控制采用PID控制算法。由于其结构简单且不需要模型，对于简单的对象都有很好的控制效果，且在鲁棒性，客服滞后等环节都有不错的表现。但是在实际的系统中的对象往往十分复杂，采用PID控制不能起到很好的控制效果，有些情况即不能控制。由于现代控制理论都是建立在精确模型的基础之上的，对于无法准确建模的系统而言，就显得力不从心。所以，无模型（MFC）控制理论的发展，很好的解决了该类问题。关键词：PID；

2、无模型控制；结构自适应Abstract：In modern industry, nearly 90% of the control using PID control algorithm, for its structure is simple and does not require the model , simple object has good control effect and good robustness, customer service lag other sectors have performance.But in the actual system objects

3、are often very complex, PID control can not play a very good control, and in some cases that can not control.Modern control theory are built on the basis of the exact model, the system can not be accurately modeled, and appeared to be inadequate.Therefore, the model (MFC) to control the development

4、of the theory, good to solve this kind of problem.Key words: PID, MFC, Structure adaptive引言随着DCS的发展以及最近几年FCS（现场总线控制系统）的兴起，老式的盘装控制器也已经被取代。使用这些先进的控制系统，无非是为了实现对装置进行稳定和优化控制，从而取得更高的经济效益。在实际过程中，生产装置往往是复杂的非线性对象，且结构也可能随着设备的运行发生改变。但是现在广泛采用的DCS、FCS控制的基本环节单元均是运用经典的PID控制，应用都某些复杂的控制环节往往很难起到效果。无模型控制方法是以非线性途径设计出来的

5、控制器。对于具有非线性的控制对象，往往能够起到很好的控制效果。同时无模型控制系统往往还兼有传统PID控制的诸多优点，它是由一系列的算法模块组成的智能化控制算法。但是又不同于一般的智能控制算法，它实现了智能推理算法。1 无模型控制理论的研究及进展 从理论上讲，韩志刚教授1于1994年正式提出该理论。最初的研究工作主要集中对无模型控制规律的基本形式2的研究。这个阶段的研究证明无模型自适应控制系统的稳定性，并提供了合理有效的定理及研究泛模型的特征参数的估计方法。与此同时，侯忠生于1993年至1994年在他的博士论文3中提出了无模型控制理论与应用。论文中4提出了基于MFAC的功能相结合方式，所谓的功能

6、组合，不是基于对象数学模型的控制规律，而是着眼于系统的组合优化和功能提升。乔治城5提出了基于神经网络的MFA控制技术，由于他们对研究结果的分析建立在详细的理论概念和方法来上，所以为后续的开发和应用奠定了坚实的理论基础。该理论的方法和技术包括侯忠生教授在博士论文中提到的方法，MFA控制6在构建过程中，引入了一个新的伪梯度向量和伪顺序，并采用了一系列的动态线性时变模型（严格的形式，部分形式，宽幅线性形型）附近的控制系统，以取代离散时间非线性系统。这种模型在估计伪梯度向量的过程中使用了输入输出数据。乔治城提出的另一个想法是通过引入神经网络的自适应控制，这种方法已经在上文中说明和描述7，该算法可以应用

7、到任何单输入或多输入的开环系统，这个开环系统必须是稳定可控的和连续或连续反应体系中不含复杂的手动调整内容的过程或任何特殊要求的控制系统。无模型控制的优势在于其结合了经典与现代控制理论，它突破了这些理论的束缚，开辟了一种全新方式的控制理论。最先进的控制方法总是需要对过程和它的适用环境有一个深刻的理解。一般用差分方程来描述动态特征的过程。但是，在燃气涡轮机和其它复杂的工业过程控制系统中，由于其太复杂或难以描述的内在规律。因此，很难获得系统内部结构的详细信息。 作为现代控制理论的一部分，建立在预选模型基础上的比例 - 积分控制算法，以及一些简单的比例积分控制算法仍然在加速控制中使用8。还有其他一些先

8、进的控制算法，如自适应PID 控制9，预测控制，开环最优控制10，基于模型的专家控制等,在使用范围上均有很大的局限性。无模型控制自其提出至今已经获得了有很多的研究成果：适应性好，功能强大，易于使用，以及不需要模型和低成本的控制器，可以用在工业控制中解决复杂问题。无模型控制具有很多优点，如它没有进程标识符，并确定了无模型控制系统的机制，不需要知道精确的过程参数和调整复杂的控制器的参数;有有闭环系统的稳定性分析和标准，确保了控制系统的稳定。2 无模型空置律的设计及一般形式无模型控制律的设计分为三步完成：2.1 理论推导，得出无模型控制律的基本形式 通过文献1113明确提出了无模型控制律的基本形式，

9、对于一个复杂的控制系统，假设其时滞为1，这可以将对象用动态时变模型（即泛模型）用下面的式子表示为： （1）依据上面的泛模型得出无模型控制律的基本形式为： （2） 2.2 根据控制器设计的直接途径，得出无模型控制器的非线性结果在文献14中具体的给出了无模型控制器对于非线性模型控制器的设计方法。考虑到非线性的控制律的递推形式为： (3)上式中是设定值。对于非线性控制律的设计，在一定条件下，确定满足条件的非线性函数H，由于对PID的概念的新定义14，就是的对于H的确定成为可能。2.3 应用功能模块组合方法，最终完成无模型控制器的设计 控制器设计的组合途径：空置律的导出，不是基于模型的，而是根据被控对

10、象对空置律的要求。被控对象对控制律的一般要求，例如：克服偏差、预先反向调节、收敛加速、保持稳定等等。故而控制器的设计就是把这些功能根据控制律的要求合适的组合起来。实践表明，不同的组合方式往往会有不同的控制效果。所以控制器的设计就是确定合适的组合方式从而达到最优的控制效果。应用上面的方法得到无模型控制律的一般形式如下：(4)式中G（）是一个功能组合模块，它表示功能组合的特殊部分。A，b，c，等参数是无模型控制的组态参数，特别指出在系统稳定时为零，当y(k)变化很大时，为正数，且其大小随着y(k)绝对值的增大而增大，减小而减小。的存在增强了无模型系统的抗干扰能力。3.结论 实践表明，无模型控制器对

11、大时滞、时变、强干扰和强耦合系统，有着独特的控制功能。对非难控点，无模型控制器在应用中除设定值外，几乎不需设定任何其他参数。无模型控制器的一些优点是目前正在应用中的其他控制器所不能比拟的。无模型控制器在工业生产过程中的应用效果十分良好，现已成功地应用到炼油、化工、电力、焦炭和轻工等行业。参考文献韩志刚. 无模型控制器理论与应用的进展J. 自动化技术与应用, 2004, 23(2): 13-16.SPALL J C, CRISTION J A. Model-free control of nonlinear stochastic systems with discrete-time measur

12、ementsJ. Automatic Control, IEEE Transactions on, 1998, 43(9): 1198-1210.SPALL J C, CRISTION J A. Model-free control of general discrete-time systemsC/Decision and Control, 1993., Proceedings of the 32nd IEEE Conference on. IEEE, 1993: 2792-2797. 侯忠生. 非线性系统的参数辨识, 自适应控制和无模型学习自适应控制D. 沈阳: 东北大学博士论文, 199

13、4.程树行, 王强. 工业蒸发器的无模型自适应控制J. 微计算机信息, 1999, 15(3): 40-42.CHENG G S X. Model-free adaptive control for flexible production systems: U.S. Patent 6,360,131P. 2002-3-19. SEIVER D S, MARIN O. Adaptive control for air separation unit: U.S. Patent 6,622,521P. 2003-9-23. CHENG G S X. Model-free adaptive contr

14、ol for industrial processes: U.S. Patent 6,556,980P. 2003-4-29. KARIMI A, LANDAU I D. Robust adaptive control of a flexible transmission system using multiple modelsJ. Control Systems Technology, IEEE Transactions on, 2000, 8(2): 321-331. CHENG G S X. Model-free adaptive control of quality variables: U.S. Patent 6,684,115P. 2004-1-27. 侯忠生, 韩志刚. 非线性系统鲁棒无模型学习自适应控制J. 控制与决策, 1995, 10(2): 137-142. HOU Z, HUANG W. The model-free learning adaptive control of a