第8章YANG复杂过程控制系统.ppt

过程控制与自动化仪表主讲教师：杨延西第八章复杂过程控制系统第八章复杂过程控制系统一多变量解耦控制系统二适应性控制系统三推理控制系统四预测控制系统五模糊控制系统一、多变量解耦控制系统多变量解耦控制的问题耦合程度的度量方法耦合程度的度量方法耦合程度的度量方法相对增益相对增益的求取相对增益的求取相对增益矩阵相对增益矩阵的特点耦合特性的评价准则耦合特性的评价准则耦合特性的评价准则相对增益矩阵的求取变量配对方案变量配对方案变量配对实例变量配对实例补偿器的设计2、对角矩阵设计法即设计后的结构图自适应控制系统实例二、适应性控制系统最简单的模型参考自适应控制最速下降法及其应用特殊对象的适应性控制方法1、适应静态增益变化的控制策略控制算法推导2、适应纯时延变化的控制策略控制系统结构3、适应时间常数变化的控制策略控制系统结构三、推理控制系统副参数控制的系统结构副参数控制的问题副参数控制的问题推理控制系统的实现推理控制的基本特征推理控制的基本特征推理控制的基本特征推理控制的基本特征推理控制的基本特征推理控制的基本特征推理控制系统的实现问题4、推理控制器的实现问题推理控制系统的实现问题推理控制系统的实现问题推理控制器的实现推理控制器的实现5、输出可测条件下的推理控制2)与预估控制的区别及联系7推理控制系统的应用四、预测控制系统预测控制的思想基于模型的预测控制示意图1预测模型(内部模型)预测模型的功能根据被控对象的历史信息和未来输入，预测系统未来响应。预测模型形式参数模型：如微分方程、差分方程非参数模型：如脉冲响应、阶跃响应2滚动优化(在线优化）控制目的通过某一性能指标的最优,确定未来的控制作用优化过程随时间推移在线优化，反复进行每一步实现的是静态优化全局看却是动态优化2滚动优化(在线优化)滚动优化示意图3反馈校正预测控制是一种闭环控制算法，在通过优化确定了一些列未来的控制作用后，为了防止模型失配或环境干扰引起的偏差，预测控制通常不把这些控制作用逐一全部实施，而只是实现本时刻的控制作用，到下一个新的采样时刻，都要通过实际测到的输出信息对基于模型的预测输出进行修正，然后再进行新的优化。不断根据系统的实际输出对预测输出值作出修正使滚动优化不但基于模型，而且利用了反馈信息，构成闭环优化。反馈校正的形式是多样的，可以在保持预测模型不变的基础上对未来的误差作出预测并加以补偿，也可以根据在线辨识的原理直接修改预测模型。3反馈校正(误差校正)预测控制原理总结4动态矩阵控制(DMC)基于被控对象的单位阶跃响应适用于渐近稳定的线性对象即，设一个系统的离散采样数据{a1，a2，…，aN}，则有限个采样周期后，满足4动态矩阵控制(DMC)DMC算法中的模型参数有限集合aT={a1，a2，…，aN}中的参数可完全描述系统的动态特性，N称为建模时域。系统的渐近稳定性保证模型可用有限的阶跃响应描述系统的线性则保证了可用线性系统的迭加性等DMC的预测模型(1)系统的单位阶跃采样数据示意图DMC的预测模型(2)t=kT时刻预测未来N个时刻的输出无控制作用u(k)的预测输出为（零输入）考虑有控制作用?u(k)时的预测输出为DMC的预测模型(3)M个连续的控制增量?u(k)，?u(k+1)，…?u(k+M-1)作用下，系统在未来P时刻的预测输出A称为DMC的动态矩阵，P是滚动优化时域长度，M是控制时域长度。DMC的滚动优化(1)滚动优化的性能指标通过优化指标，确定出未来M个控制增量，使未来P个输出预测值尽可能地接近期望值W。不同采样时刻,优化性能指标不同,但都具有同样的形式,且优化时域随时间而不断地向前推移。DMC的滚动优化(2)控制增量的最优开环解在采样时刻t=kT,根据性能指标，可求出控制增量的最优开环解由于完全根据预测模型，故为开环解。优化问题(1)优化问题(2)无约束优化问题求解(1)思路：代入预测方程，对控制向量求导无约束优化问题求解(2)无约束优化问题求解(3)无约束优化问题求解(4)滚动实施DMC的反馈校正模型失配环境干扰…反馈校正－校正误差k时刻:把控制作用u(k)加于对象,利用预测模型可知其作用下未来时刻的输出预测值反馈校正－修正方式反馈