随机出、入水双容水箱液位控制实验及被控对象的数学模型

首先介绍双容水箱液位控制实验仪的实物系统装置,随后,设计了随机出入水的双容水箱供排液系统液位控制实验,并用机理分析法建立被控对象的数学模型,最后分析上述系统的能控性和能观性.     

非线性液位系统的反馈线性化控制

为了更好地研究非线性液位系统在工作点大范围变化时的控制问题,对A3000过程控制装置中非线性单容水箱的液位控制进行了研究。建立了精确的单容水箱模型,提出了一套基于传统PID控制的反馈线性化控制方案,并在Freelance 800F DCS中成功进行了组态和调试,验证了反馈线性化控制方案在非线性液位系统中的可行性和优越性。     

基于区间运算的字典序多目标模型预测控制

考虑优化级多目标优化控制问题,提出一种基于区间运算的字典序多目标模型预测控制算法。对约束线性系统,结合字典序列法和滚动优化原理,建立按优先级定义的分层多目标模型预测控制策略。在此基础上,引入区间运算法则,在线求解预测控制量。通过一双容水箱单输入双输出液位控制,仿真验证了该方法的有效性。     

无模型控制器与PI控制器的性能对比分析

通过仿真，比较CyboCon无模型单输入单输出控制器、基于鲁棒性能指标设计的PI控制器和基于经验整定方法设计的PI控制器在对象模型精确和模型变化情况下的控制性能，得出CyboCon无模型单输入单输出控制器与基于经验整定方法设计的Pl控制器在性能上是相同的，基于鲁棒性能指标设计的PI控制器设计时应该考虑约束条件。     

一类多变量系统的自抗扰非线性动态解耦控制

针对一类多变量系统控制中的耦合问题,提出了一种基于自抗扰技术的非线性动态解耦控制(ADRC)方法。该方法不依赖于系统的精确数学模型,分别在控制器耦合矩阵部分已知和未知的情形下,在局部静态解耦的基础上,将各子系统的模型摄动、外扰和包括输入变量相互作用在内的动态耦合视为各通道上的扰动总和,通过引入虚拟控制和状态量,设计扩张状态观测器(ESO)估计总扰动并进行反馈补偿,进而再对各解耦子对象分别设计非线性单输入单输出ADRC以保证闭环系统稳定。最后以蒸馏塔模型的过程控制仿真验证了该方法具有良好的动态解耦效果,对模型不确定性和外部扰动具有较好的鲁棒性和适应能力。     

强制循环蒸发系统线性自抗扰解耦控制的鲁棒设计

针对强制循环蒸发系统液位与出料密度两个回路的非线性耦合问题,提出了一种基于粒子群算法的线性定常自抗扰解耦控制设计。首先通过引入虚拟控制量,将对象解耦配置为两个单输入单输出子系统,并对每个回路设计降维线性扩张状态观测器。随后,对观测器动态线性化得到的近似积分器环节进行比例控制。最后,在可能的大工况内通过粒子群算法优化控制增益耦合矩阵和比例增益。该算法使用观测器估计并补偿动态耦合部分,降低了控制器对数学模型的依赖程度;使用粒子群算法优化定常控制增益矩阵,避免了实时测量出料温度,降低了对传感测量的要求,提高了可靠性并降低了实施难度。数学仿真结果表明该算法能有效地消除液位回路和出料密度回路的耦合作用,在大工况内具有很强的鲁棒性。     

连续搅拌反应釜系统的非线性鲁棒控制

基于非线性鲁棒控制理论,针对一类单输入单输出连续搅拌反应釜（CSTR）模型设计了具有高增益观测器的非线性鲁棒控制器（ONRC）,并提出了一种简单的控制器参数整定方法。与非线性鲁棒控制器（NRC）和滑模控制方法（SMC）的仿真结果比较表明,ONRC对系统不确定性和干扰具有更好的抑制作用,通过Monte-Carlo试验检验显示,ONRC在模型参数摄动时具有更好的性能鲁棒性。     

带变遗忘因子的自适应子空间预测控制器设计

针对实际工业过程具有非线性、时变和多变量的特点,提出一种数据驱动的带有变遗忘因子的自适应子空间预测控制方法。该方法将在线子空间辨识与模型预测控制相结合,同时利用期望输出值与实际输出值的误差实现变遗忘因子的自适应更新,并根据当前变遗忘因子构造了过去与将来的Hankel矩阵,从而实现了预测模型的在线更新,提高了控制器对非线性时变特征的辨识灵敏度和适应能力。最后,利用该控制器对四容水箱对象进行仿真研究,验证了算法的有效性。     

变论域模糊PID控制器的设计与仿真

双容水箱是典型的非线性时滞系统,采用常规模糊PID控制时,超调量大、振荡剧烈、控制效果不理想。本文将变论域模糊控制和PID控制结合起来形成变论域模糊PID控制器解决了上述问题。介绍了变论域模糊PID控制器的结构设计及伸缩因子的选择方法,并给出了具体的控制算法。使用Matlab建模仿真,结果表明该控制器的自适应能力强,且无超调量。     

基于SIMATIC PCS7的预测控制在2×2耦合四容水箱系统的控制实现

以四容水箱液位控制为对象,实现2×2多变量控制。着重介绍基于S7-400硬件系统和PCS7控制系统的MPC控制功能块ModPreCon实现对多变量、非线性的四容水箱液位控制的方案和步骤,并通过实验证明控制效果良好。     

基于神经网络的电子节气门系统模型参考自适应控制

使用多层感知器神经网络模型来识别和控制非线性电子节气门系统。首先,神经网络模型在不同运行条件下辨识,它代表非线性节气门伺服系统的动态特性。其次,使用油门辨识器网络模型来设计和训练神经网络控制器模型,从而使节气门系统的追踪控制位置遵循参考模型。油门辨识器网络模型用于辅助以离线模式训练的神经网络控制器。神经网络控制器使用相同的输入来进行训练,这些输入被反馈到实际的节气门系统以产生相同的输出。通过调整神经网络控制器的权重和偏差参数,使用自适应算法来减小输出之间的差异。对使用神经网络控制器的节气门控制系统的跟踪控制性能与使用经典自适应PID控制器进行比较。仿真结果表明:采用神经网络控制器可实现跟踪控制,满足控制性能的所有需求。     

快速增量约束预测控制及在GLCC液位控制中的应用

针对气-液柱状旋流式(GLCC)多相流量计的液位控制问题,提出一种增量多变量模型预测控制(MPC)算法。采用控制增量状态空间模型和阶梯式控制策略,建立约束多变量MPC优化控制问题。为在线计算约束优化问题,引入坐标轮换法和黄金分割法,在线计算控制变量增量值,进而得到预测控制量。最后,以GLCC多相流量计的两输入单输出液位控制模型为例,仿真验证本文算法的有效性。     

强制循环蒸发器的非线性解耦控制

强制循环蒸发器是一个多输入多输出的且回路间存在着较强耦合的强非线性的复杂化工过程。针对单纯的采用常规控制方法很难满足实际的工业要求的问题,在深入研究上述过程的动态特性的基础上,根据模型的结构特点,采用全局输入输出反馈线性化的方法实现了其解耦控制,并证明了系统的零动态稳定性。通过仿真表明采用全局输入输出反馈线性化解耦方法能够有效地解决系统的强非线性对系统带来的影响,而且还能消除密度回路与液位回路间的耦合作用,该方法对提高产品质量和提高系统的蒸发效率具有重要意义。     

阶梯式多变量DMC分散优化算法及工程化实现

提出基于状态空间模型的阶梯式多变量动态矩阵控制分散优化算法,使计算量大大减少,并在自行研制的先进控制平台上,实现了这种算法.该算法的工程化实现方法,使用户可以方便地构建自动控制系统并实施多变量动态矩阵控制.对双容水箱的控制实验表明,该控制算法对具有多变量、时滞、耦合和不确定性的复杂对象,具有良好的控制效果.     

对角CARIMA模型抗扰约束广义预测控制

针对存在输入和输入增量约束的多变量系统,提出了一种基于变权重的对角CARIMA模型抗扰动约束广义预测控制算法。根据对角CARIMA模型中的A和C矩阵为对角形式的特点,将多输入多输出系统分解为多个多输入单输出系统进行预测和控制,简化了控制器的设计,降低了变量之间的耦合性。根据模型预测值与参考轨迹之间的偏差实时调整目标函数中各输出跟踪误差的权重,达到抑制由耦合而造成回路之间扰动的目的。权重调整的基本原则是,每个输出的预测值跟踪参考轨迹的权重由其他输出在同时刻偏离其参考轨迹的误差平方加权和构成。当某个输出偏离其目标值时,其他输出的控制作用相对增强,避免输出之间的相互扰动,达到抑制扰动的目的。同时,分析了系统输入和输入增量约束的表达形式。利用多变量广义预测控制（MGPC）以及提出的扰动抑制方法,分别对Shell重油分馏问题进行了仿真实验,仿真结果验证了算法的有效性。     

对角CARIMA模型抗扰约束广义预测控制

针对存在输入和输入增量约束的多变量系统,提出了一种基于变权重的对角CARIMA模型抗扰动约束广义预测控制算法。根据对角CARIMA模型中的A和C矩阵为对角形式的特点,将多输入多输出系统分解为多个多输入单输出系统进行预测和控制,简化了控制器的设计,降低了变量之间的耦合性。根据模型预测值与参考轨迹之间的偏差实时调整目标函数中各输出跟踪误差的权重,达到抑制由耦合而造成回路之间扰动的目的。权重调整的基本原则是,每个输出的预测值跟踪参考轨迹的权重由其他输出在同时刻偏离其参考轨迹的误差平方加权和构成。当某个输出偏离其目标值时,其他输出的控制作用相对增强,避免输出之间的相互扰动,达到抑制扰动的目的。同时,分析了系统输入和输入增量约束的表达形式。利用多变量广义预测控制(MGPC)以及提出的扰动抑制方法,分别对Shell重油分馏问题进行了仿真实验,仿真结果验证了算法的有效性。     

熔融碳酸盐燃料电池(MCFC)系统建模与控制的研究现状与发展

首先详细介绍MCFC的电极，单电池，电堆，系统四个层次的建模以及MCFC控制的研究现状，并指出现有模型的不足，然后讨论电堆和系统两级建模的发展方向；最后，分析MCFC系统的非线性，大时滞，分布参数，从输入多输出，有约束和随机干扰等特征，并根据这些特征，提出两种适宜的控制方法。     

基于神经网络和多模型的非线性自适应PID控制及应用

针对一类未知的单输入单输出离散非线性系统,提出了基于神经网络和多模型的非线性自适应PID控制方法。该方法由线性自适应PID控制器、神经网络非线性自适应PID控制器以及切换机构组成。采用线性自适应PID控制器可保证闭环系统所有信号有界;采用神经网络非线性自适应PID控制器可改善系统性能;通过引入合理的切换机制,能够在保证闭环系统稳定的同时,提高系统性能。理论分析表明,该方法能够保证闭环系统所有信号有界,如果适当地选择神经网络的结构和参数,系统的跟踪误差将收敛于任意给定的紧集。将所提出的方法应用于连续搅拌反应釜,仿真结果验证了所提出方法的有效性。由于该方法基于增量式数字PID控制器,在工业过程中有着广阔的应用前景。     

自适应模糊滑模控制在化工过程中的应用

为有效处理多变量、非线性及非最小相位系统的复杂化工过程,提出了一种新型的自适应模糊滑模控制,该方法针对滑模控制鲁棒性好但存在抖振的问题,采用模糊控制柔化控制信号,而与滑模控制的结合可以充分利用系统信息,简化模糊控制;在此基础上提出一种新的自适应调整比例因子来进行模糊变论域,柔化了控制信号并减小了滑模控制器输出的抖振。并给出模糊滑模控制的算法和稳定性分析,得到简化后的通用模糊规则库,可通过比例因子在线调节输入量的论域,使构成的控制系统具有很强的鲁棒性、较好的自适应能力和较高的控制精度。最后对于非线性单输入单输出(SISO)和多输入多输出(MIMO)化工模型进行仿真研究,结果表明即使工况点发生大的变化或受到较大干扰时,仍具有良好的抗扰动能力和很强的鲁棒性。     

Aspen Plus Dynamics软件在多变量模型预测控制中的应用

多变量模型预测控制是一种能够处理大滞后、强耦合和非线性等问题的先进控制算法,核心是多输入、多输出的预测模型。工业应用中通过对实际装置进行测试来回归模型参数,需要较长的实施周期。介绍了Aspen Plus Dynamics软件在搭建预测模型中的应用。