基于特征模型的預測函數(shù)控制及應用研究.pdf

1、在過去的幾十年里，模型預測控制的研究越來越受到眾多專家學者的重視，在大家的共同努力下，許多重要的研究成果不斷出現(xiàn)。模型預測控制以其魯棒性好，具有靈活的約束處理能力，綜合控制質量較高，特別適合于處理具有輸入輸出約束、時滯時變特性、反向特性和變目標函數(shù)的工業(yè)過程等優(yōu)點，受到工業(yè)界的廣泛歡迎，應用成果層出不窮。預測函數(shù)控制作為第三代模型預測控制，在保持模型預測控制優(yōu)點的同時，通過引入基函數(shù)的概念增強了輸入控制量的規(guī)律性，提高了響應的快速性和準

2、確性，可有效地減少算法的計算量。然而，與其它基于預測模型的模型預測控制一樣，預測函數(shù)控制仍然存在一旦預測模型與實際被控過程出現(xiàn)不一致時，會出現(xiàn)控制性能下降的問題。盡管圍繞模型失配問題展開了一系列的研究，如將神經(jīng)網(wǎng)絡模型、模糊模型引入預測函數(shù)控制作為預測模型，但這樣做的結果使預測模型變得復雜，增加了在線計算工作量，預測函數(shù)控制原先所具有的算法簡單、運算速度快的優(yōu)點失去。 針對預測函數(shù)控制的模型失配問題，本文以保證預測函數(shù)控制所具有

3、的算法簡單、運算速度快的優(yōu)點為研究出發(fā)點，同時減小模型失配以保證預測函數(shù)控制的控制性能不下降為前提，提出基于特征模型的預測函數(shù)控制控制方案。特征模型通常的形式是一個二階慢時變的線性模型，它是根據(jù)被控對象動力學特征和控制性能的要求相結合建立起來的模型，特征模型的關鍵特點在于模型的形式簡單、易于工程實現(xiàn)，而且在同樣輸入控制作用下，對象特征模型和實際對象在輸出上是等價的。特征模型這一概念是由吳宏鑫院士結合自己多年的理論研究與工程實踐而提煉出來

4、。在本文中，作者對特征模型理論開展了進一步研究，一是總結出幾種特征模型獲取的方法，尤其是提出了基于測試法的特征模型獲取方法，以及借助于Matlab的仿真分析法。這些方法可以方便地獲取被控對象的特征模型，以及在已有高階模型的基礎上，實現(xiàn)模型降階。二是為了避免特征模型時變參數(shù)計算問題，引入了參數(shù)區(qū)間的概念，將二階慢時變的線性模型等效成一族二階線性模型，從而保證特征模型引入預測函數(shù)控制后，傳統(tǒng)預測函數(shù)控制所具有的算法簡單、運算速度快等優(yōu)點不丟

5、失。仿真結果表明，新的算法明顯地優(yōu)于傳統(tǒng)的預測函數(shù)控制算法。 由于參數(shù)區(qū)間的引入使基于新算法的特征多項式系數(shù)具有不確定性參數(shù)問題，為了便于進行穩(wěn)定性分析，這里利用了多項式穩(wěn)定性分析理論，找到了適合于的穩(wěn)定性分析的方法----多項式穩(wěn)定性分析理論。 借助于DCS平臺構建了與生產(chǎn)控制相吻合的實驗環(huán)境進行了實驗研究，實驗研究進一步表明新算法比傳統(tǒng)預測函數(shù)控制算法具有更好的控制性能。實驗中采用的DOS為浙江中控JX-300X系統(tǒng)

6、，控制程序采用JX-300X系統(tǒng)所提供的SCX語言編寫，借助于JX-300X平臺可以十分方便地把控制程序移植到工業(yè)生產(chǎn)實際中。 本文的主要工作概括如下： 1.對特征模型獲取進行了研究，提出了一些特征模型獲取的新方法，包括非線性系統(tǒng)的特征模型獲取，尤其是利用測試法獲取特征模型的方法，以及借助于Matlab的仿真分析法。引入了參數(shù)區(qū)間，從而使特征模型得以進一步簡化。 2.提出了基于特征模型的預測函數(shù)控制算法。新算法可

7、以克服傳統(tǒng)預測函數(shù)控制算法在模型失配時的有效控制問題。借助于Matlab，對新算法與傳統(tǒng)預測函數(shù)控制算法針對多種被控對象進行仿真研究，仿真結果表明，新算法明顯優(yōu)于傳統(tǒng)預測函數(shù)控制算法。 3.給出了幾種針對模型匹配與模型失配的預測函數(shù)控制系統(tǒng)的穩(wěn)定性分析方法，尤其是引入了多項式穩(wěn)定性分析方法來分析基于特征模型的預測函數(shù)控制算法系統(tǒng)的穩(wěn)定性。 4.借助于DCS平臺構建了與生產(chǎn)控制相吻合的實驗環(huán)境進行了實驗研究，實驗研究進一步