多等容過程的模型降階及控制器設(shè)計(jì).pdf

1、隨著現(xiàn)代社會飛速的發(fā)展，工業(yè)過程的不斷復(fù)雜化，在實(shí)際應(yīng)用中出現(xiàn)的被控對象規(guī)模也越來越大，因此導(dǎo)致系統(tǒng)模型和控制器的階數(shù)也越來越高，這也造成了計(jì)算難度的加大以及控制成本的增加。因此模型降階理論和控制器設(shè)計(jì)兩個(gè)方面一直都是熱門研究領(lǐng)域，盡管近些年國內(nèi)外很多研究學(xué)者在這兩方面做了很多貢獻(xiàn)，即通過對實(shí)際過程中存在的難以控制的高階對象進(jìn)行降階處理，以簡單的低階模型來替代實(shí)際高階對象，從而降低設(shè)計(jì)控制器的難度，提高控制效果和精度。但是在已有的成果中

2、還有我們可以去進(jìn)一步探索的領(lǐng)域。
　　本文在總結(jié)前人工作的基礎(chǔ)上，主要就實(shí)際過程中一類多等容慣性過程(Multi-Volume Processes，以下簡稱MVP)的模型降階和控制器設(shè)計(jì)做了進(jìn)一步的研究。研究的內(nèi)容主要包括以下兩個(gè)方面：在模型降階問題上，本文主要是將階次n=2~15的多等容過程分別降階為一階慣性加純遲延(First Order Plus Dead Time，以下簡稱 FOPDT)模型和二階慣性模型，并分別給出了等價(jià)

3、的通用公式。降階方法為標(biāo)準(zhǔn)粒子群優(yōu)化算法(Particle Swarm Optimization，以下簡稱PSO算法)，優(yōu)化目標(biāo)函數(shù)為時(shí)間與絕對誤差乘積積分(the integral of the time weighted absolute error，以下簡稱ITAE)，避免了復(fù)雜的計(jì)算，同時(shí)也保證了系統(tǒng)的穩(wěn)定性。在控制器設(shè)計(jì)方面，則是先通過降階模型獲得較好的控制器參數(shù)，再將控制器參數(shù)用于整定實(shí)際對應(yīng)的高階多等容過程，觀測控制品質(zhì)指