智能預(yù)測控制算法及其應(yīng)用研究.pdf

1、隨著現(xiàn)代流程工業(yè)生產(chǎn)過程控制系統(tǒng)日趨大型化和復(fù)雜化,對生產(chǎn)過程的控制要求越來越嚴(yán)格.常規(guī)的PID控制難以甚至無法解決這些具有多變量,強(qiáng)非線性的控制問題.近年來發(fā)展起來的自適應(yīng)、自校正控制技術(shù),雖然能在一定程度上解決不確定性問題,但其本質(zhì)仍然要求在線辨識對象模型,所有算法復(fù)雜,計(jì)算量大.模型預(yù)測控制(Model Predictive Control簡稱MPC)是近三十年來飛速發(fā)展、取得了廣泛應(yīng)用的一種控制方法.預(yù)測控制正是克服了傳統(tǒng)控制思

2、想的束縛通過對象的輸入輸出特性建立對象的數(shù)學(xué)模型,而不必通過復(fù)雜的系統(tǒng)辨識來建立過程的模型.本文以預(yù)測控制算法為基礎(chǔ),研究開發(fā)基于OPC和DDE的預(yù)測控制軟件的開發(fā).論文在前兩章系統(tǒng)地回顧了模型預(yù)測控制的發(fā)展概況、研究現(xiàn)狀及研究動向,對傳統(tǒng)的模型預(yù)測控制的三個特點(diǎn)(預(yù)測模型、滾動優(yōu)化、反饋校正)進(jìn)行了分析,提出了模型預(yù)測控制的本質(zhì)特點(diǎn)及其獨(dú)有的實(shí)施方式.對具有代表性的幾種預(yù)測控制算法進(jìn)行了簡單的介紹和分析,針對二階對象、二階加純滯后對象

3、以及倒立擺模型分別對它們進(jìn)行了仿真研究,并仿真驗(yàn)證了算法的抗干擾能力.針對某煉油廠油品車間柴油調(diào)和過程這個多輸入多輸出復(fù)雜對象進(jìn)行了神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂频姆抡嫜芯?其中在線優(yōu)化算法采用線性規(guī)劃的方法.并對仿真結(jié)果進(jìn)行了比較,結(jié)果表明神經(jīng)網(wǎng)絡(luò)預(yù)測控制算法對復(fù)雜對象具有較好的控制作用.在第四章和第五章結(jié)合OPC和DDE技術(shù),講述了對現(xiàn)場實(shí)時(shí)數(shù)據(jù)的采集以及歷史數(shù)據(jù)的接收方法.通過OPC和DDE采集上來的數(shù)據(jù),可用于預(yù)測控制算法的仿真和優(yōu)化.并根據(jù)