基于MMTMV方法的多变量时变扰动系统性能评估

工业控制系统性能评估关系到工业生产安全与企业绩效. 工业过程扰动频繁且存在时变特性,多变量时变扰动系统缺少统一有效的性能评估方法. 本文提出了基于多模型混合时变最小方差(Multi-model mixing time-variant minimum variance, MMTMV)的多变量系统性能评估方法. 首先,根据扰动作用起止时间设定混合权重,基于多模型混合的思想利用混合权重与每一时变扰动特性设计多变量MMTMV控制器. 然后,利用多变量MMTMV控制器得出各被控变量输出方差,将多变量MMTMV控制器下被控变量的平均方差作为性能评估的基准. 最后,本文通过在裂解过程和精馏过程中的控制性能评估应用,验证了多变量MMTMV评估方法的有效性.     

多时变扰动下的PID控制性能评估

时变扰动是影响控制系统性能的主要因素之一。针对存在多个时变扰动的情况,提出了一种基于多模型加权的PID最小可达方差控制性能评估方法。首先,根据每个扰动的特性设计子PID最小可达方差控制器;然后,基于扰动作用时间构造权重以设计多模型加权控制器,再以此控制器作用下系统输出所能达到的最小方差作为基准评估PID控制系统的性能。最后,通过仿真实例验证所提方法的有效性。     

基于多模型混合的广义最小方差控制性能评估

针对实际工业过程中控制系统经常会受到时变扰动的影响,致使针对单一扰动模型设计的性能评估方法不再适用于时变扰动控制系统的问题,提出了基于多模型混合的广义最小方差控制性能评估方法．该方法综合考虑被控对象输出方差与控制器输出方差的两个指标,同时提出了一种“判断—加权”的控制器设计策略．首先,在任一时间段选取使广义输出方差最小的控制器,并判断其与上一时间段采用的控制器是否一致;然后,在此基础上采用多模型混合思想进行控制器设计,并将其作用下的广义输出方差作为性能评估的基准．通过乙烯裂解炉仿真,验证了本文所述方法在时变系统性能评估中的有效性．     

基于多模型的非线性系统自适应最小方差控制

对于一类典型的离散时间非线性系统, 提出了一种基于多模型的自适应最小方差控制方法. 通过在平衡点附近建立线性模型, 用径向基函数神经元网络来补偿建模误差和未建模动态, 形成了非线性系统的多模型表示. 采用了具有积分性质的切换指标函数作为切换法则和最小方差的控制方法构成了多模型自适应控制器. 仿真实验的结果表明了这种方法的有效性.     

随机系统的多模型直接自适应解耦控制器

针对多变量离散时间随机系统, 提出了一种采用广义最小方差性能指标的多模型直接自适应解耦控制器. 该多模型控制器由多个固定控制器和两个自适应控制器构成. 固定控制器用以覆盖系统参数的可能变化范围, 自适应控制器用以保证系统的稳定性和提高暂态性能. 该多模型控制器利用矩阵的伪交换性和拟Diophantine方程性质, 基于广义最小方差性能指标, 将随机系统辨识算法和最优控制器设计相结合, 直接辨识出控制器的参数, 通过广义最小方差性能指标中加权多项式的选取,不但实现了多变量系统的动态解耦控制, 而且消除了稳态误差、配置了闭环极点. 文末给出了全局收敛性分析. 仿真结果表明该方法明显优于常规自适应控制器.     

四水箱控制系统的性能评价

针对基于最小方差的性能评价准则由于只考虑时滞引起的性能限制,不适合对PID控制回路进行性能评价的问题,本文采用PID能实现最小方差控制准则,对四水箱控制系统进行性能分析,得到的性能指标比传统最小方差准则明显提高,控制器参数大大改善了过程的输出方差。实验表明,PID能实现最小方差准则能够为PID控制器的性能评价提供一个合理的评价基准,更说明其对特定类型控制器性能评价所具有的实际意义。     

闭环变量带误差系统的控制器设计

针对目前大多数系统的研究中,只考虑输出被误差干扰的情况,提出了一种闭环变量带误差系统模型(输入和输出信号均被噪声干扰),并对该系统的控制器进行设计。采用最小方差控制来对控制器进行设计,设计完成最小方差控制器以及自校正最小方差控制器。然后应用最小方差性能指标来评估控制器性能,并通过仿真验证控制器性能。     

广义最小方差自校正重置PID控制器及其在压力系统中的应用研究

针对压力系统的纯延迟、大惯性、非线性、时变等特点,本文将重置控制和以广义最小方差为性能指标的自校正PID控制相结合,提出一种广义最小方差自校正重置PID控制方法。该方法首先根据被控对象的数学模型,以广义最小方差为目标设计广义最小方差控制器,通过选择该控制器的分母多项式,求解Diophantine方程,得到具有PID结构形式的广义最小方差控制器,再在该控制器的积分项中引入重置控制,构成广义最小方差重置PID控制;对于模型未知或参数慢时变的被控对象,通过采用带遗忘因子的递推最小二乘法构建系统的自适应机制,增强控制系统的自适应能力和鲁棒性。最后,将该控制方法应用于压力容器的恒值控制中,获得了比较满意的控制效果。     

基于输出方差限制的广义多变量控制系统性能评价

研究具有线性时变扰动的多变量控制系统性能评价的方法.通过将时变扰动分为三类定常扰动, 进而构造一个加权的性能指标,权值矩阵与不同扰动类型和优先级相对应.在指定合理的输出方差后, 运用对角关联矩阵方法明确计算出广义多变量系统闭环输出方差的上下限值.经过ITAE (Integral of time-weighted absolute value of the error) 寻优得到最 小输出方差下的控制器参数,并给出可实现的最优控制器模型.仿真实例证明了该方法计算的简便性和有效性.     

一类非最小相位系统分层递阶多模型解耦控制器

针对多模型控制方法中模型数目巨大,计算时间长等问题,提出了分层递阶结构多模型自适应前馈解耦控制器.该控制器中固定模型集采用分层递阶结构,基于切换准则逐层搜索最优模型,动态构造下一层固定模型集实现完全覆盖.最后一层添加自适应模型消除稳态误差.针对非最小相位系统,将系统的耦合作用视为可测干扰,采用前馈方法予以消除.最后给出全局收敛性分析.仿真结果表明,与常规多模型控制方法相比,极大地减少了固定模型的数量.而当模型数目相同时,系统的暂态响应、解耦效果得到极大改善.     

基于可行模型集合方法的多模型切换控制

对含参数跳变的一类具有有界干扰的多输入多输出系统,为改善系统的瞬态响应性能,采用由多个固定模型和两个自适应模型组成的多模型,并引入切换指标函数构成多模型切换控制器。为克服多模型方法计算量大的缺点,采用可行模型集合方法,给出了可行模型应满足的必要条件。应用这一必要条件,对系统的多个模型进行检验,可快速缩小模型可行集合的范围,再通过切换指标函数,在可行模型集合中选择正确的控制器,从而在不降低系统响应性能的前提下,提高计算速度。     

多模型主动容错滑模预测控制在太阳能热发电系统中的应用

针对太阳能热发电系统的随机性和干扰性强的特点,以解决太阳能热发电的平稳性问题,本文设计了多模型主动容错滑模预测控制器.对实测的数据进行模糊聚类,再用递推最小二乘法建立集热子系统的多模型;采用基于累计误差最小的切换策略在线选择最优控制模型;为降低在建立多模型的过程中数据的缺失、故障和强扰动引起的误差,建立太阳能集热系统的自适应预测模型;设计主动容错滑模预测控制器提高输出的跟踪精度和鲁棒性;最后,验证该算法应用的有效性和优势.     

Performance assessment of control loops with time-variant disturbance dynamics

If a process is subject to time varying disturbance dynamics (or time varying disturbance models), the time invariant minimum variance control for one type of disturbance dynamics is no longer minimum variance control for another type of disturbance. An explicit solution to a time-invariant optimal control that can optimize overall performance of time-variant processes is derived in this paper and is used as a benchmark to assess control performance of time variant process under time invariant control. This work is a continuation of the work by Huang [Can. J. Chem. Eng. 77(5) (1999) 1044]. It is shown that this performance benchmark can be found from routine operating data through time series analysis and optimization technique. The developed performance assessment technique is illustrated by a simulated example and applied to an industrial process.     

Performance assessment for iterative learning control of batch units

A new method is developed to estimate the minimum variance bounds and the achievable variance bounds for the assessment of the batch control system when the iterative learning control is applied. Unlike continuous processes, the performance assessment of batch processes requires particular attention to both disturbance changes and setpoint changes. Because of the intrinsically dynamic operations and the non-linear behavior of batch processes, the conventional approach of controller assessment cannot be directly applied. In this paper, a linear time-variant system for batch processes is used to derive the performance bounds from the routine operating batch data. The bounds at each time point computed from the deterministic setpoint and the stochastic disturbance for the controlled output variance can help create simple monitoring charts. They are used to track the progress easily in each batch run, to monitor the occurrence of the observable upsets, and to accordingly improve the current performance. The applications are discussed through simulation cases to demonstrate the advantages of the proposed strategies.     

基于切换机制的多模型自适应混合控制

针对多模型自适应混合控制的性能依赖系统参数估计误差大小的缺点,本文提出了基于切换机制的多模型自适应混合控制.首先对被控系统进行辨识,然后根据参数估计值进行判断.当参数估计值不在最优参数集内时,实行切换策略,重置参数估计值到最优参数集内,用以减小暂态误差,提高暂态性能;当参数估计值在最优参数集内时,实行混合控制,用以平滑过渡过程.文中给出了系统的稳定性和收敛性的证明,最后的仿真实验结果验证了所提出方法的可行性.     

Disturbance observer-based tracking control with prescribed performance specifications for a class of nonlinear systems subject to mismatched disturbances

This work investigates simultaneous prescribed performance tracking control and mismatched disturbance rejection problems for a class of strict-feedback nonlinear systems. A novel control scheme combining prescribed performance control, disturbance observer technique, and backstepping method is proposed. The disturbance estimations are introduced into the design of virtual control law design in each step to compensate the mismatched disturbances. To further improve the control performance, a prescribed performance function characterizing the error convergence rate, maximum overshoot, and steady-state error is used to construct the composite controller. The proposed controller guarantees transient and steady-state performance specifications of tracking error and provides much better disturbance attenuation ability simultaneously. Rigorous stability analysis for the closed-loop system is established by direct Lyapunov function method. It is shown that all the states in the resulting closed-loop system are stable, and the tracking error evolves within the prescribed performance boundaries and asymptotically converges to zero even in the presence of mismatched external disturbances. Finally, theoretical results are illustrated and demonstrated by two simulation examples.     

Minimum variance control and performance assessment of time-variant processes

This paper is concerned with (1) an explicit solution of a minimum variance control law for linear time-variant (LTV) processes in the transfer function form, and (2) performance assessment of LTV processes using minimum variance control as the benchmark. It is shown that there exists a time-variant, absolute lower bound of process variance that is achievable under LTV minimum variance control and can be estimated from routine operating data. This lower bound can subsequently be used to assess the benefit of implementing LTV control such as adaptive control. The proposed methods are illustrated through simulated examples and an industrial case study.     

多模型切换系统H_∞鲁棒控制器的设计与应用

基于H∞控制理论以及切换系统稳定性理论,对于多输入多输出(MIMO)多模型切换控制系统,提出了一种可以有效抑制抖动和改善瞬态响应性能的鲁棒镇定控制器设计方法.通过引入PI控制思想,根据模型跟踪方法设计了增广状态反馈控制器,并将控制器设计问题转化为方便求解的线性矩阵不等式(LMI).该方法的最大优点是可以很方便的保证多模型切换系统的全局稳定性,同时使得设计的控制器具有较强的鲁棒性.将本文提出的方法应用到某型BTT导弹自动驾驶仪设计中,仿真结果证明了此方法的有效性和优越性.