复杂工业过程非串级双速率组合分散运行优化控制

复杂工业过程具有模型维数高、多时间尺度耦合、动态不确定性等特点,其运行优化控制(Operational optimal control, OOC)一直是控制领域的研究难点与热点.本文聚焦一类由多个快变且互联的设备单元与慢变且模型未知的运行过程串联组成的工业过程,提出一种数据和模型混合驱动的非串级双速率组合分散运行优化控制方法.该方法通过奇异摄动理论,将非串级双速率运行优化问题描述为异步采样的慢子系统最优设定值跟踪和快子系统最优调节控制.利用工业运行数据,采用不依赖系统动态的Q-学习算法设计慢子系统最优跟踪策略,克服运行过程模型难以建立的情形;针对快子系统,设计基于模型的分散次优控制策略,并给出收敛因子的下界,解决设备层互联项对系统稳定性的影响.通过浮选过程仿真实验验证了所提控制方法的有效性.     

基于预测状态的双速率DMC算法

针对一类快输入慢输出的双速率系统,在状态空间模型下,采用提升技术,将一类单速率的DMC预测控制算法推广到双速率系统中,并比较单速率算法和双速率算法的控制性能,给出双速率算法具有较好的控制性能的原因．仿真研究表明,基于预测状态的双速率预测控制算法,能够没有超调的跟踪设定值,并且具有较快的系统响应。     

并联系统分布预测控制

并联结构的过程网络控制系统存在精确建模困难、算法计算时间长的问题。如果缩短计算时间,则会导致控制精度不足,为此提出了一种分布式预测控制算法。将并联系统分解为多个子系统,每个子系统通过相互协作、迭代计算,完成整个并联系统的控制。并联系统存在独特的竞争性耦合形式。通过定义并联系统竞争性耦合结构,完成分布式预测控制算法的高效迭代,有效减少了计算量。优化过程中考虑了竞争性约束。在保证每个子系统最优的前提下,通过运行算法给出的迭代计算步骤,达到系统整体最优,实现了低成本在线实时优化与控制的目标。以燃气锅炉供暖系统为例,利用MATLAB对分布式预测控制算法进行仿真研究,并将其与集中式预测控制算法仿真结果进行对比。结果验证了该算法的有效性和实用性。     

多变量系统的PID 控制器设计

针对多输入多输出系统,提出一种基于微粒群算法的灰色系统预测PID 控制算法．该方案将多 输入多输出系统转化成若干个多输入单输出子系统,使用多变量一阶灰色模型GM(1;N) 预测出每个子系统的 输出,实现了多输入多输出系统的对角解耦．然后用微粒群算法优化PID 控制器的参数,用优化后的PID 控 制器对每个子系统进行控制．对两个典型的多变量控制过程进行了仿真,结果表明,这种控制方法超调量较 小,鲁棒性强,响应速度快,抗干扰能力强.     

采用双速率框架的快速预测控制算法

约束模型预测控制(model predictive control,MPC)在实际应用中优化计算复杂度高,无法在采样周期内完成优化以保证系统实时性.本文针对这一问题,提出采用双速率框架的快速预测控制算法(DSF–MPC).该算法将实时控制量的求解分解到两个时间尺度上进行,即双速率框架:每隔数个采样周期,慢速率层负责完成一次对完整MPC优化问题的求解;而在每个采样周期,快速率层负责根据系统反馈信息和慢速率层算法预测信息的差值,朝着使目标函数值下降的负梯度方向,修正慢速率层的优化结果来获取实际控制量,以满足控制的实时性要求.该算法不要求在每个采样周期内都完成MPC中的在线优化,故能在继承MPC优点的同时,满足快速系统的控制实时性要求.针对直流电动机和倒立摆组合系统的仿真结果,验证了该算法的有效性,反映了其在快速系统中的应用潜力.     

双连杆柔性臂轨迹跟踪的鲁棒控制

研究了双连杆柔性臂轨迹跟踪的鲁棒控制问题·基于假设模态法和奇异摄动法,导 出了双连杆柔性臂系统的动力学方程,并将系统模型分离为慢变和快变两个子系统.针对柔 性臂的特点,提出了关节角的补偿控制思想,并且给出了补偿控制算法.对两个子系统分别采 用滑模变结构控制和H∞控制,由此得到的组合控制使系统精确跟踪目标轨迹.研制了双连 杆柔性臂实验台,并对文中提出的方法进行了实验.     

基于并行支持向量机的多变量非线性模型预测控制

提出一种基于并行支持向量机的多变量系统非线性模型预测控制算法．首先，通过考虑输入、输出间的耦合，建立基于并行支持向量机的多步预测模型；然后，将该模型用于非线性预测控制,提出新的适用于并行预测模型的反馈校正策略，得到最优控制律．连续搅拌槽式反应器（CSTR）的控制仿真结果表明,该算法的性能优于基于并行神经网络的非线性模型预测控制和基于集成模型的非线性模型预测控制．     

基于扩张状态观测器的分散模型预测控制

针对复杂关联系统中分散控制方法无法有效解决子系统间的耦合和干扰问题, 提出一种基于扩张状态观测器的分散模型预测控制算法. 首先将复杂关联系统分解为多个状态维数较低、控制变量较少的子系统, 并为每个子系统设计本地预测控制器; 然后, 采用扩张状态观测器对子系统的耦合项以及干扰项进行估计, 进而利用估计值对子系统进行前馈补偿, 从而降低复杂关联系统的计算复杂度, 提高系统的稳定性和抗干扰能力; 最后, 利用液位控制系统验证了所提出算法的有效性.

     

复杂工业过程的可变时域分散协调优化方法

针对大型工业生产过程,提出了一种基于约减状态空间分解的可变预测窗口长度预测控制算法。采用预测控制滚动优化的方法,在每个滚动窗口内,通过内外部状态分解减小优化问题求解规模,在此基础上,采用可变时间窗口长度的方式巧妙地解决了多时间尺度子系统之间的优化协调问题。以某炼铁厂的实际生产数据为基础进行了仿真实验,并与现有的三种预测控制算法进行了比较。结果表明,该方法很好地处理了计算实时性和优化性能之间的矛盾,综合性能最优。     

双连杆柔性机械手负载自适应模糊滑模控制

讨论了柔性机械手末端负载变化时的控制问题。应用奇异摄动将双连杆柔性机械手系统分解为慢变、快变两个子系统。提出一种慢变子系统采用自适应模糊滑模控制、快变子系统采用最优控制的混合控制方法。仿真结果表明,该方法不仅能实现柔性机械手轨迹的快速、准确跟踪,有效的抑制弹性振动,并且对负载的变化具有强的鲁棒性。     

双连杆柔性机械手负载自适应模糊滑模控制

讨论了柔性机械手末端负载变化时的控制问题.应用奇异摄动将双连杆柔性机械手系统分解为慢变、快变两个子系统.提出一种慢变子系统采用自适应模糊滑模控制、快变子系统采用最优控制的混合控制方法.仿真结果表明,该方法不仅能实现柔性机械手轨迹的快速、准确跟踪,有效的抑制弹性振动,并且对负载的变化具有强的鲁棒性.     

基于改进粒子群优化算法的预测控制

在实际工业过程中预测控制算法应用广泛,但是对于多变量预测控制算法其参数较多,且各个参数之间相互耦合,故整定其参数比较复杂,鉴于此提出一种基于改进粒子群算法的预测控制参数优化算法。该算法的基本思想是将生物寄生行为机制引入到粒子群优化算法中,形成双种群粒子群优化算法,使用该改进粒子群算法对多变量预测控制算法的参数进行离线优化,从而确定预测控制算法参数的最优取值。最后,将本文算法用于冷热水系统液位和温度的控制,并通过仿真将该算法与标准粒子群优化算法相比较,仿真结果表明使用该算法对多变量预测控制的参数进行优化整定时,系统的阶跃响应具有抗干扰性能好、超调量小、调节时间短等优点。     

基于Lbest PSO和NNs的电液伺服系统输出力PID控制研究

为了实现电液伺服系统输出力的稳定控制,结合局部最优粒子群优化算法和神经网络模型,提出一种PID控制器设计方法。该方法将神经网络模型(NNS)与PID控制器耦合,得到基于神经网络的PID控制器参数整定结构;再采用局部最优粒子群优化算法(Lbest PSO)确定神经网络的权重,从而得到基于局部最优粒子群优化算法和神经网络的PID控制算法;最后将提出的PID控制算法用于控制虚拟的电液伺服加载系统,以进行仿真实验。仿真结果表明,由该PID控制器控制的电液伺服系统的输出力平稳地收敛于给定力,从而提高了系统的稳定性。     

柔性连杆机器人的多速率神经网络混合控制器设计

提出了一种用于动力学部分已知柔性连杆机器人的多速率神经网络自适应混合控制器，基于奇异摄动方法和两时标分解，柔性连杆机器人的模型分解成两个子系统；慢子系统和快子系统。这样可以根据每个分立的子系统设计系统的慢和快控规律，然后组合成一个混合控制。系统的慢控制由基于神经网络的自适应控制器实现，用于控制等效的刚性连杆机器人，而快控制用于在慢子系统建立的平衡轨迹附近稳定快子系统。     

基于CARMA模型的广义预测控制解耦设计

针对CARMA模型描述的双输入双输出多变量强耦合系统,首先将系统分解为两个双输入单输出系统,在各系统中分别将另一输入量暂视为一种干扰,并用广义预测控制原理设计控制器。通过再次引入丢番图方程并求解二元一次矩阵方程组,实现了多步预测的解耦控制,新的方法对各预测时域和控制时域可针对不同通道间的不同响应特性而具体选择,参数调整更加灵活,活算量相对减少。     

基于积分流形的柔性机械手组合控制

为解决柔性机械手非最小相位的控制问题以及克服运动中的抖振,采用积分流形和奇异摄动理论,将柔性机械手系统分解为快慢两个子系统.对于慢变子系统,设计一种基于一阶鲁棒微分估计器的二阶滑模控制策略,使其轨迹跟踪期望值;对于快变子系统,采用频率成形滤波器设计动态补偿器来抑制弹性振动,并基于线性二次型最优控制方法给出相应的最优控制规律,使系统的输出快速趋于稳定.仿真结果表明了该控制策略的有效性.     

多时标分散预测控制算法

针对一类各通道动态响应时间呈现较大差异的复杂大系统的控制问题, 提出了一种基于不同时标和分散通信模式下的预测控制算法. 该算法考虑了各个子系统的快慢特性和耦合关系, 采用纳什最优的思想, 并利用多时标信息预估方法实现整个系统的优化控制. 仿真实例验证了该算法的有效性.     

基于解耦的球磨机系统动态矩阵控制

针对制粉系统球磨机的多变量强耦合特性,提出基于逆向解耦的动态矩阵控制设计方法,先将球磨机系统分解为三个单输入单输出系统,然后利用基于对象阶跃响应的动态矩阵控制算法,对解耦后的广义系统进行了仿真研究.结果表明,逆向解耦能有效地解除变量间的强耦合和大时延问题,并且动态矩阵预测控制算法控制效果明显,优于传统的PID控制,具有实时性强、计算速度快和抗干扰能力好等优点.     

磁悬浮系统的精确积分流形控制设计

基于非性磁悬浮系统的奇异摄动特点,研究了一种精确几何积分流形控制方法,使磁悬浮系统的稳态流形能够无误差地跟踪给定设计流形。将复杂奇异摄动磁悬浮系统按照不同时间尺度分解为降阶系统和边界层,以线性降阶系统设计流形为例,推算出稳定慢控制的具体形式并说明参数稳定范围,结合稳定边界层的快控制,最终推算出磁悬浮系统的复合控制规律。仿真和实验均证明该控制算法能够保证降价系统的流形无误差地跟踪给定的设计流形。利用该算法能够使磁悬浮系统无误差地跟踪任意给定的设计流形,从而提高磁悬浮系统的动态特性。输出流形与设计流形的一致性还可以用来简化系统模型,降低磁悬浮车辆系统动力学分析的复杂程度。     

基于增量加权的预测函数控制

介绍了预测函数控制方法的主要思想和特点。针对通常的预测函数控制在优化求解的目标函数中仅含有输出误差的平方和序列,没有考虑控制增量的变化,通过在性能指标中对控制增量适当加权,提出了一种双值预测函数控制算法,提高了系统的稳定性,克服了系统的稳态偏差。在工业过程模型中,用Matlab软件进行了仿真研究,取得了良好的控制效果,表明该算法跟踪快、控制精度高、稳定性强,是一种比较有效的控制方法。