【预测控制算法参数设计案例1400字】

预测控制算法参数设计案例综述目录TOC\o"1-3"\h\u23757预测控制算法参数设计案例综述 1303831.1.1采样周期和模型长度 1274801.1.2优化时域和误差权矩阵 1210241.1.3控制时域和控制权矩阵 2277611.2Smith预估补偿算法基本原理 268341.2.1基本原理 373561.2.2性能分析 4预测控制可以让设计者选择优化性能指标，因此参数对被控对象的影响很大，以下即为一般的设计整定步骤。采样周期和模型长度对于采样周期而言，必须满足香农采样定理，在许多文献中，不同的对象有不同的取值方法，常见的有：针对单容对象，即只包含一个存储元件的被控对象，可取，这里是这个被控对象的惯性时间常数；针对振荡对象，即该对象的仿真曲线存在上下的振荡，可取，这里是从响应到稳定的振荡周期；针对滞后对象，即该对象响应前会有一段时间没有变化，可取，这里是对象的纯滞后时间。若想要更好的观察到整体的曲线，后的阶跃响应接近稳态值，和会对程序的计算量造成较大影响，因此，通常情况下类似于流量、液位、温度等情况下，大多在20~50之间。优化时域和误差权矩阵优化时域指的是从时刻起未来多少步的输出逼近期望值，误差权矩阵指的是不同时刻输出逼近期望值的重视程度[17]。在大多数情况下，的取值比较自由，只要能兼顾好稳定性和快速性就好，但是取值在极端情况下，则会出现一些问题，比如太小，则其优化的范围很小，这样对于后面大范围的系统是不进行优化的，这样会造成后面的响应曲线误差较大，不如优化过的那部分，使其鲁棒性变低，模型可能会失配，甚至不稳定；太大，系统的稳定性提高了，但是快速性就会有所降低。所以，在稳定性和快速性之间，需要寻找一个合适的值，不能过大或者过小，而且，当大于时，优化也只包括的范围，更多的范围其实并没有优化效果，一般情况下，，且要包括大部分未稳定前的响应曲线。一般情况下，误差权矩阵系数取0或1，0为时滞或者反向部分，1为其他情况。然后选择合适的值，保证在快速性和稳定性之间兼顾，可根据实际仿真情况对其进行调整。控制时域和控制权矩阵控制时域指的是未来控制量发生变化的数量，因为系统优化是针对未来个时刻的输出误差，所以。因为用个优化变量来实现个点的输出优化，若越小，其达到稳定所需的时间越少，变化比较剧烈，但在实际工业中，系统变化的太过于剧烈并不一定合适，若越大，其达到稳定所需的时间越长，动态响应较好，其越大，所产生的效果也会越来越不明显。因此，一般来说，对单调动态特性的对象，取1~2，对于含振荡的动态对象，取4~8。控制权矩阵是为了防止控制增量变化太过于剧烈，一般情况下，控制权矩阵系数取很小的一个值就能满足要求，开始取0，当系统快稳定时，可适当增大，但是不要增的太大。Smith预估补偿算法基本原理Smith预估补偿算法是1957年史密斯提出的一种以模型为基础的控制算法，它通过引入一个与被控对象并联的预估器，对滞后时间进行补偿，消除或者减弱纯滞后因素的影响，从而提高系统的动态质量。其原理框图如下。图2-3Smith预估补偿原理框图基本原理根据图2-3，为PID控制器，为被控对象的传递函数，为Smith预估器的传递函数。未采用Smith预估器，控制器输出和系统输出之间的传递函数为(2.9)采用Smith预估器，反馈信号与之间的传递函数为(2.10)为使控制器输出信号和反馈信号之间无延迟，即(2.11)可得出(2.12)整个系统的闭环传递函数为(2.13)(2.14)在系统的闭环特征方程中，不在包含滞后环节，因此，Smith预估补偿可以消除滞后环节对控制系统品质的影响[19]。性能分析从理论上来说，Smith预估补偿可以抵消纯滞后环节所带来的影响，但是在实际工业中很难办到，因