改進的動態(tài)矩陣控制算法研究.pdf

1、模型預測控制(Model Predictive Control(MPC))是直接從工業(yè)過程控制中產(chǎn)生的一類基于模型預測、滾動優(yōu)化并結(jié)合反饋校正的先進計算機優(yōu)化控制算法。由于模型在工業(yè)現(xiàn)場易于獲得，不需要復雜的系統(tǒng)辨識與建模，采用反饋校正基礎上的在線滾動優(yōu)化取代傳統(tǒng)的最優(yōu)控制，所以它對模型的要求低，對模型失配、非最小相位系統(tǒng)、不確定干擾的影響具有較強的魯棒性，而且在線計算相對比較簡單，適用于數(shù)字計算機控制。其基本思想是將傳統(tǒng)自校正技術(shù)的單

2、步預測擴展為多步預測，從而有效地抑制了算法對于模型參數(shù)變化的靈敏性。它的典型算法有三大類：模型算法控制(Model Algorithmic Control(MAC))、動態(tài)矩陣控制(Dynamic Matrix Control(DMC))、廣義預測控制(GeneralizedPredictive Control(GPC))。它們都基于模型預測、滾動優(yōu)化、反饋校正三大環(huán)節(jié)。 動態(tài)矩陣控制作為預測控制中一種重要的典型算法，也是將傳統(tǒng)

3、自校正技術(shù)的單步預測擴展為多步預測，在實際反饋信息基礎上反復優(yōu)化，從而有效地抑制了算法對于模型參數(shù)變化的靈敏性，對建模誤差和環(huán)境干擾等不確定性具有很強的適應能力。但動態(tài)矩陣控制設計通常基于一個較低階的線性近似模型，而復雜的工業(yè)過程，在模型階次、非線性、環(huán)境擾動、時延等方面存在較大不確定性，因而研究動態(tài)矩陣控制的改進，探討參數(shù)設計對其魯棒性的影響具有重要的理論意義與實際應用價值。本文主要研究了兩種動態(tài)矩陣控制算法的改進。 一方面?zhèn)?/p>

4、統(tǒng)的由反饋系統(tǒng)的偏差的比例(P)、積分(I)、和微分(D)的線性組合構(gòu)成的反饋控制律-PID控制，由于原理簡單，直觀易懂，易于工程實現(xiàn)，魯棒性強，適用面廣等一系列優(yōu)點，仍然是工業(yè)過程控制中應用最廣泛的一類基本控制律。然而，實際的生產(chǎn)過程也往往具有非線性、時變不確定性，應用常規(guī)PID控制不能達到理想的控制效果。因此，本文在分析PID算法和動態(tài)矩陣控制算法的基礎上，推導了PID動態(tài)矩陣控制算法(PID Dynamic Matrix Cont

5、rol(PIDDMC))。結(jié)合兩種算法的優(yōu)點，這種算法既具有PID算法的優(yōu)點，結(jié)構(gòu)簡單，參數(shù)調(diào)節(jié)方便，又具有預測功能。在時域內(nèi)分析了PIDDMC控制器的參數(shù)選擇對控制性能的影響，給出參數(shù)選取范圍。通過仿真說明了PIDMC算法比基本DMC算法具有更好的控制性能。 另一方面大多數(shù)工業(yè)過程被控對象都有延遲特性，由網(wǎng)絡引入的通信延遲能導致系統(tǒng)性能退化甚至不穩(wěn)定，針對這種網(wǎng)絡控制系統(tǒng)中的延遲，引入時間標記的動態(tài)矩陣控制算法(Time-st