模型預測控制算法中PID動態(tài)的補償方法研究.pdf

1、在模型預測控制方案中引入PID串級控制結構，通過在底層采用常規(guī)PID控制，抑制進入系統(tǒng)的干擾，上層采用MPC，獲得優(yōu)良的跟蹤性和魯棒性。這種控制策略綜合利用了預測控制的性能優(yōu)點和串級控制的結構優(yōu)點，在化工過程控制中得到廣泛的應用。在實際應用中會出現(xiàn)僅僅由于PID控制器參數(shù)改變而引起的廣義對象的變化，而被控對象并沒有發(fā)生變化的模型失配情況。為避免耗時繁瑣的階躍測試和模型辨識過程而得到比較準確的廣義對象模型，以便減少模型失配引起的控制效果降

2、低的現(xiàn)象，成為MPC算法在工業(yè)應用中面臨的一個實際問題。同時，由于底層PID控制回路的模型不易取得，無法更好地通過調(diào)節(jié)底層PID參數(shù)來改善上層MPC控制性能，階躍測試的耗時繁瑣程度限制了對底層PID參數(shù)調(diào)節(jié)的進一步考察。本文從模型預測控制的模型構造和動態(tài)矩陣運算出發(fā)，通過MPC—PID串級控制過程控制仿真研究，針對這一工業(yè)現(xiàn)實問題進行了研究。 本文的主要內(nèi)容和創(chuàng)新點如下： 1．針對模型預測控制中出現(xiàn)的由于PID控制器參數(shù)

3、改變而引起的廣義對象模型失配的現(xiàn)象，提出一種PID動態(tài)的補償方法。通過對已知的模型預測控制算法下的動態(tài)矩陣運算，得到PID參數(shù)改變后的廣義對象模型，從而避免了對整個系統(tǒng)的重新辨識。仿真結果表明該方法能夠得到PID參數(shù)改變后的較為精確的廣義對象模型。 2．利用IMC原理和DS法分別設計了設定值跟蹤和擾動抑制兩種不同設計目標下的PID控制器。針對MPC—PID串級控制的結構特點，重點分析了擾動抑制PID的作用，最后提出在MPC—PI