鲁棒性多变量预测控制技术的研究和应用

针对时变性强、强耦合和大时滞等过程控制问题,介绍多变量预测控制的一种应用-鲁棒性多变量预测控制技术(RMPCT)的特点及其模型算法,并且论述了预测控制在系统辨识的方面的应用;同时,对软测量仪表的计算误差进行了分析,并根据不同的原因建立了相应的校正模型.用先进控制可以极大地提高石油化工装置的技术水平和经济效益.而作为先进控制核心的系统辨识问题已成为控制系统研究的热点问题.     

火电机组多变量预测控制系统的开发与应用

针对目前我国火电机组对于先进控制软件的迫切需求,结合子空间模型辨识和预测控制技术开发出一种基于状态空间模型的火电机组多变量预测控制系统;该系统采用子空间辨识方法离线辨识状态空间模型,利用多模型切换适应火电机组部分控制回路的非线性特征,最后使用预测控制器完成对象的在线控制;在电厂协调控制回路的实际应用中,负荷升降速率4%,压力偏差小于0.18MPa。所以该系统能够有效提高控制回路的响应速度和稳定性,具有一定的实用性和推广价值。     

模糊广义预测控制及其应用

本文将单变量广义预测控制原理应用到多变量模糊系统,提出了一种基于辨识模糊模型 的多变量预测控制方法.仿真研究表明,该模糊广义预测控制方法适用于工业过程的动态辨 识和控制,交能取得良好的效果.     

复杂多变量过程模型的闭环频域辨识

针对模型预测控制中模型辨识存在的问题,提出一种多变量过程闭环辨识方法.首先通过对多变量闭环系统正常运行产生的输入输出信号进行信号分解和频谱分析,得出多变量过程对象在重要频率段上的频率响应特性矩阵;然后采用最小二乘法,在幅值和相位两方面拟合一个二阶加纯滞后模型结构;最终获得一个多变量传递函数模型矩阵.仿真实验表明,该闭环辨识方法适用于广泛的多变量过程对象,具有很好的鲁棒性和精确性.     

阳极焙烧温度的建模与多变量解耦控制

阳极焙烧温度系统是一个含有耦合、大时滞、非线性的多变量控制系统。为实现对阳极焙烧温度的精确控制,依据现场采集的大量温度数据,辨识出阳极焙烧炉温度的二阶惯性滞后控制模型。以此模型为初始预测模型,提出阳极焙烧温度的多变量预测函数解耦控制方法,对焙烧温度进行多变量预测函数解耦控制。仿真和应用结果表明,这种控制方法的控制精度和鲁棒性优于原有的PID方法,具有很好的控制效果。     

多变量系统灰色预测函数控制方法研究

针对多变量时滞系统,提出一种以灰色模型为基础的多变量灰色预测函数控制策略,并给出多变量灰色预测函数控制算法.分析了灰色系统建模,灰色模型预测输出,和控制量计算方程的求解.仿真实验表明,该方法有较强的鲁棒性,快速性和强抗干扰能力强的特点.     

多变量模糊自校正控制器及其应用

本文介绍了表达ＭＩＳＯ动态系统的模糊模型，并提出了有关参数和结构的在线辨识算法。根据辨识的模糊模型，利用Ｃｌａｒｋｅ的单变量广义预测控制（ＧＰＣ）原理［１］设计了多变量模糊自校正控制器。仿真研究表明，该模糊自校正控制方法应用于火电机组负荷系统的控制，可以收到良好的效果。     

对角CARIMA模型多变量自适应约束广义预测控制

为了简化约束存在时多变量广义预测控制算法的设计与实现,依据对角CARIMA模型的结构特点,将多输入多输出对象的参数辨识和模型预报问题转化为一系列多输入单输出子对象的参数辨识和模型预报问题.推导了输入输出的约束形式及优化求解过程.简化了多变量对象的参数辨识、模型预报、目标函数和约束条件系数矩阵的计算.在由DCS控制的非线性液位装置上的对比实验结果表明了该方法的有效性.     

原油换热网络多变量预测控制

针对原油换热网络输入输出变量多、传统的控制方法控制难度大等问题,本文建立了用于仿真的Simulink辨识模型.利用模型预测控制原理,采用旁路控制的方法,借助预测控制工具箱(MPC toolbox)实现对换热网络Simulink模型的多变量预测控制,实现了输入变量平稳、输出变量控制稳定、控制精确及动态响应时间短等优点.在本机控制的基础上,借助OPC工具箱实现不同PC机问MATLAB与PHD数据库的实时交换,达到实时控制的目的,进而实现了整个换热网络的实时多变量预测控制.     

MIMO系统的多模型预测控制

针对非线性多变量系统提出一种多模型预测控制(MMPC)策略.首先给出一种多模型 辨识方法,利用模糊满意聚类算法将复杂非线性系统划分为若干子系统,并获得多个线性模型, 通过模型变换得出全局系统模型,接着对全局MIMO系统设计MMPC,并进行了系统的性能分 析,最后以pH中和过程为例,通过仿真研究验证了辨识和控制算法的有效性.     

多变量预测控制软件在加氢分馏装置控制中的应用

针对加氢分馏装置分馏塔工艺特点,重点分析加氢分馏塔所面临的控制问题,采用多变量预测控制软件APC—Adcon,通过实验测试、模型辨识、控制器和切换逻辑设计等工作实现该工业分馏塔系的多变量预测控制,显著提高两塔运行参数的平稳性,有效降低操作人员的操作难度。实际应用的结果表明该多变量预测控制系统可有效地克服干扰、确保工艺参数的平稳运行。通过该系统的应用使在相同的负荷下,燃料气减少5％,显著提高分馏塔的分离能力,组分切割更为合理,航空煤油收率提高0.4％,取得了显著的经济效益。     

基于M次不相关激励和汇总智能优化的多变量系统辨识方法

针对用单批次激励试验数据进行多变量系统的智能辨识的不准问题,提出了一套基于M次不相关激励和汇总智能优化的多变量系统辨识方法.该方法的要点是:对于有M维输入的多变量系统的准确辨识至少需要M次不相关激励试验,然后采集试验数据,再用汇总智能优化指标进行多变量系统模型的辨识计算.通过理论推导证明了多变量系统辨识需要M次的不相关激励试验的必要性.通过一个应用实例验算,演示了新的多变量系统辨识方法的易用性、正确性和工程实用性.     

基于小波神经网络的板形板厚系统解耦预测控制

带材轧制是一个复杂的非线性过程, 板形控制和板厚控制又是强耦合、非线性、含时延环节的复杂系统. 提出了一种基于小波神经网络的解耦预测控制方案; 利用小波神经网络来辨识原系统的α阶时延逆系统, 将该逆系统与原系统串联后形成一个伪线性复合系统, 从而把多变量系统控制转化为多个单变量系统的控制实现了系统解耦, 并对解耦后的系统采用闭环预测控制. 仿真表明该控制方法具有结构简单、易于实现, 且有较强的抗扰性和鲁棒性.     

球磨机灰色预测无模型自适应控制策略

球磨机负荷控制系统是一个具有大时滞、强时变性、强非线性及多变量与强耦合等特性的复杂系统。为了更好地克服球磨机负荷控制系统中存在的大滞后和不确定性等问题,提出了灰色预测无模型自适应控制(MFAC)策略。在控制系统下,分别采用PID、灰色预测PID、MFAC及灰色预测MFAC进行控制仿真分析。实际应用验证了该策略的可行性与合理性,表明了灰色预测无模型控制策略具有良好的控制性能和实用价值。     

对角CARIMA模型多变量自适应约束广义预测控制

为了简化约束存在时多变量广义预测控制算法的设计与实现,依据对角CARIMA模型的结构特点,将多输入多输出对象的参数辨识和模型预报问题转化为一系列多输入单输出子对象的参数辨识和模型预报问题.推导了输入输出的约束形式及优化求解过程,简化了多变量对象的参数辨识,模型预报,目标函数和约束条件系数矩阵的计算.在由DCS控制的非线性液位装置上的对比实验结果表明了该方法的有效性.

     

多变量系统辨识的MUEAIO方法实验验证

当前用智能优化算法进行多变量系统辨识时,普遍存在模型误差大的问题.M次不相关激励和汇总智能优化的方法(MUEAIO)被证明可以解决多变量系统辨识辨不准的问题.但关于M次不相关激励的必要性和充分性还需要更深入的论证.为此,针对一个三入一出的系统,本文设计了五组应用MUEAIO方法的多变量系统辨识仿真实验.实验结果表明:严格执行至少M次不相关激励可得到多变量系统的准确模型,而激励批次不足、或者是不满足不相关激励的条件将得到误差较大的模型,其误差主要表现在模型参数和输出量分量上.     

基于参数辨识的自适应解耦控制算法的研究

多变量模型的复杂结构、强耦合性、被控对象参数的未知、慢时变等问题要求控制器必须具有良好的自适应性,针对以上问题提出了一种基于改进的广义最小方差闭环自适应解耦控制器实现更好的自适应,其由参数可调的控制器和自适应控制律组成,此控制器通过将闭环系统方程的传递函数矩阵等于期望的对角矩阵来实现解耦,同时改进的辨识算法可进行在线辨识控制器的参数实现同步自适应解耦。通过以CARMA为多变量控制模型,采用该方法进行仿真有效的解决了多变量之间的耦合性。结果表明该方法能够适应相应的变化,跟踪性能较好,且具备良好的解耦能力,进而保证了闭环系统的稳定性,从而验证了此方法能够效提高控制系统的稳定性和鲁棒性。     

基于多模型自适应预测控制的双容水箱液位控制系统研究

针对工业环境中的液位控制问题，设计了一种水箱液位控制系统装置，利用OPC技术将MATLAB和PLC控制系统进行集成，使用MATLAB/Simulink中的OPC工具箱及其他模块来进行液位控制系统的搭建，并采用多模型自适应预测控制方案实现了双容水箱液位的预测控制。根据双容水箱系统建立了机理模型，并通过MATLAB系统辨识工具箱对系统模型进行了参数辨识，得到双容水箱的输入输出模型，从而进行液位控制的模型预测控制研究。实际控制结果表明，多模型自适应预测控制与单模型预测控制相比，前者的响应加快，超调量减少，性能更优。     

多变量模糊系统建模与控制理论

对多变量模糊系统建模与控制理论中存在的一些问题进行了有益的探讨,并着重介绍了多变量模糊系统建模与控制理论在近年来的一些最新研究进展,其中包括四种新颖的多变量模糊模型的建模与辨识,以及两类多变量模糊控制器的最新研究成果,最后对未来的研究课题和发展趋势作了阐述。     

基于ESN和PSO的非线性模型预测控制

针对传统的控制理论对实际的工业生产过程中的被控系统,特别是具有强非线性的系统控制效果不是很理想,而应用非线性模型预测控制算法能够较好解决非线性系统的控制问题,提出了一种基于回声状态网络(Echo State Network,ESN)模型进行非线性系统辨识和粒子群优化(Particle Swarm Optimizatio...