一种基于DMC的新型预测PID控制器及其整定(英文)

本文提出一种基于动态矩阵控制(DMC)算法预测特性的新型PID控制方法.在考虑将来的输出期望偏差罚函数最小的前提下,由DMC计算出控制变量的值.继而构造基于DMC的预估器用以预测将来时刻的系统输出.根据将来时刻的多步预测偏差,PID控制器产生当前时刻的实际控制增量.文中也给出了基于DMC的预估器及PID控制器的参数整定方法.仿真结果表明,与常规的PID控制和DMC控制相比,所提方法具有良好的控制性能,扰动抑制尤其优良.     

扰动自适应模型预测控制的频域特性分析

扰动模型的准确性对模型预测控制算法的扰动抑制能力有重要影响,当前模型预测控制广泛采用的阶跃扰动模型不能准确描述进入系统的不可测扰动,扰动抑制能力有限.自适应扰动模型可以较好的描述不可测扰动,提高对扰动的预估和抑制能力.本文对采用自适应时间序列扰动模型的预测控制进行分析,研究了扰动自适应预测控制(DMCA)的闭环结构以及带宽、灵敏度函数等频域指标与控制器抗扰性能的关系.带宽大的系统抑制扰动的速度快,灵敏度函数幅值越小则对扰动的抑制能力越强.理论分析和仿真结果表明与动态矩阵控制(DMC)相比,采用自适应扰动模型的DMCA算法能够更好的预测和抑制扰动,被控变量偏离设定值的最大幅度降低60％,带宽是DMC的1.5倍、调节速度更快,在低频段有较小的灵敏度函数值.自适应扰动模型提升了DMCA控制器的扰动抑制性能,对保障系统安全平稳运行和增加效益有重要意义.     

一类非线性离散系统自适应准滑模控制

针对一般非线性离散时间系统的不确定性和扰动抑制问题, 提出一种新的自适应准滑模控制算法. 算法包括两部分, 其一是基于紧格式动态线性化模型的自适应准滑模控制器设计, 其中动态线性化方法中“伪偏导数”的估计算法仅依赖于系统I/O 实时量测值. 其二是采用径向基神经网络估计器来估计系统的综合不确定性. 理论分析证明了系统的BIBO稳定性. 仿真结果验证了所提算法的有效性.     

基于改进磷虾群预测PID的电缆线径控制

针对线径控制系统中存在时滞与扰动导致建模困难和控制精度低等问题,传统PID控制方式具有一定的局限性,在此基础上提出一种基于动态矩阵控制(DMC)和改进磷虾群(IKH)算法对控制系统进行优化的策略.首先DMC算法根据输入输出建立预测模型,预测调整输入量,IKH利用其输入量优化PID参数,最终得到逼近期望的线径值.通过MA...     

改进的动态矩阵控制算法在发酵罐温度控制中的应用

啤酒发酵是一类复杂的生化反映过程,其温度控制具有大时滞特性。由于机制复杂、环境多变,温度对象难以建立精确的数学模型,常规控制方式难以胜任此类系统的控制,并且当存在不可预测的干扰时,控制效果更难保障。针对这一问题,以啤酒发酵罐的温度为控制对象,将动态矩阵控制(DMC)引入该温度控制,基于DMC一步控制的思想,引入时间最优控制对DMC控制量进行改进,形成快速响应的预测控制算法。应用结果表明该算法有效提高了系统对干扰的抑制能力,具有较好的应用价值。     

火电机组主蒸汽温度神经模糊-PID串级控制

如何将机组主蒸汽温度快速地控制在额定范围之内是火电厂热工过程控制面临的主要难题.针对超临界锅炉机组的主蒸汽温控制问题,提出一种基于神经模糊模型的火电机组主蒸汽温度自适应PID控制方案.根据采集到的减温水流量、高温过热器入口温度、主蒸汽流量、主蒸汽温度数据建立机组主蒸汽温度神经模糊模型,以此模型为基础实施主蒸汽温度自适应PID串级控制.内环采用PI控制器克服内部扰动,从而减少扰动对于导前汽温的影响,再将内环PI闭环控制系统及惰性区作为广义被控对象实行单神经元PID控制,通过主蒸汽温度额定值和实际输出值之间的误差对控制器参数进行在线调节,最终达到对过热器的控制.仿真实例验证了所提出的方法的有效性.     

具有输入及状态未建模动态系统的输出反馈自适应控制

针对一类具有输入及状态未建模动态的非线性系统, 设计K滤波器来估计系统不可量测状态, 基于动态面控制技术并利用径向基函数神经网络的逼近能力, 提出一种输出反馈自适应跟踪控制方案. 利用Nussbaum 函数性质, 有效地解决了高频增益符号未知问题. 在控制器设计中引入规范化信号来约束输入未建模动态, 从而有效地抑制其产生的扰动. 通过理论分析证明了闭环控制系统是半全局一致终结有界的.

     

一种基于输入等价干扰自适应补偿的一般模型控制新方法及其实验研究

一般模型控制（ＧＭＣ）是一种可直接利用过程模型的非线性控制方法,但建模误差和不可测扰动对控制性能有较大的影响。基于强跟踪滤波器理论,提出了一种输入等价干扰的新概念,利用ＧＭＣ方法设计控制器,并用估计得到的输入等价干扰进行自适应的前馈补,偿,提出一种新的自适应一般模型控制方法。该方法能有效地跟踪非线性过程时变参数和不可测扰动,三容水箱实验装置的实验研究验证了它的有效性。     

一种无模型自适应积分终端滑模控制方法

针对一类包含扰动的非线性离散时间系统,提出一种新的无模型自适应离散积分终端滑模控制算法.该算法基于紧格式动态线性化数据模型,利用离散积分终端滑模控制算法设计无模型自适应控制器,并采用扰动估计技术估计系统的扰动项,其中动态线性化方法中“伪偏导数”的估计算法仅依赖于被控系统的I/O测量数据.理论分析证明了系统输入输出有界,并通过仿真实验验证了所提算法的有效性.     

基于强化学习的一类具有输入约束非线性系统最优控制

针对部分系统存在输入约束和不可测状态的最优控制问题,本文将强化学习中基于执行–评价结构的近似最优算法与反步法相结合,提出了一种最优跟踪控制策略.首先,利用神经网络构造非线性观测器估计系统的不可测状态.然后,设计一种非二次型效用函数解决系统的输入约束问题.相比现有的最优方法,本文提出的最优跟踪控制方法不仅具有反步法在处理...     

通用航空集成航电系统GPS延迟时间的分析

针对GPS信号定位延迟的问题,提出一种估算延迟时间的方法.在对延迟时间粗略估计的基础上,将延迟时间分成可测量和不可测量两部分.根据GPS接收时间周期和航电系统服务周期,确定最佳时间延迟计算公式,基于卡尔曼滤波原理估算不可测量时间,对GPS信号延迟进行精确估算.进行仿真实验,验证了该方法计算GPS信号延迟时间的精确性.     

基于时延估计的扰动卡尔曼滤波器外力估计

针对机械臂末端力估计存在模型误差及系统扰动等问题,提出了一种基于时延估计的扰动卡尔曼滤波器外力估计法。在不使用额外力传感器的情况下,通过电机驱动电流的测量,采用时间延时估计法设计出不需要精确动力学模型的估计器。将外力作为状态变量,对系统的不确定性和扰动进行观测,考虑机械臂动力学和扰动动力学,设计出扰动卡尔曼滤波器来估计末端所受外力。使用Matlab仿真软件验证了该方法的有效性,结果表明所提估计方法对具有测量噪声、模型误差及不确定性扰动的系统具有很好的鲁棒性。     

室内环境的数据融合自适应调控方法研究

针对传统的室内环境控制方式存在抗干扰性差、耗能高、智能化程度低及融合性简单等不足,提出一种通过多数据融合技术实现的新型智能化调控方法.从卡尔曼滤波器的基本原理出发,采用多维线性滤波模型对多个传感器采集的环境指标数据进行滤波,得到当前环境状态的有效估计,然后通过神经网络进行融合,得到当前状态期望值的最优估计,最终通过动态矩阵控制(DMC)算法来根据性能指标完成优化控制.仿真结果表明,相较于现有的室内环境控制方法,此方法的滤波误差<2%,调控误差<0.01%,节能率> 1%,从而能够有效提高控制精度和抗干扰能力,在尽量降低能耗的基础上实现室内环境的最优化控制,可以推广应用于对环境因素要求比较苛刻的场合的精细调节,比如医院、温室、科研实验室等.     

渐消卡尔曼滤波器的最佳自适应算法及其应用

本文依据卡尔曼滤波器在使用最佳增益时,其余差序列互不相关的性质,开发了一种新的 渐消滤波算法.该算法根据对象输出,在线自适应地调整遗忘因子,从而使滤波器在对象模型 存在误差或对象受到外扰时,仍收敛并保持最佳性.该算法已应用于造纸机控制,取得较好效 果.     

一类动态多尺度系统融合估计算法的分析

为了进一步认识基于状态空间投影的一类动态多尺度系统的融合估计算法本质,本文对该算法进行了分析．首先,将该融合估计算法和在最细尺度上直接进行卡尔曼滤波的算法性能进行了比较,并用仿真进行了验证．结果表明,在最细尺度上,融合估计效果比直接进行卡尔曼滤波的效果好．其次,从计算过程和计算量方面,与一般的时间配准方法进行了对比分析．结果表明,该融合估计算法用比较严谨的数学模型代替了时间配准,可以在每个尺度上获得基于全部观测信息的最优估计,但计算量比时间配准方法大．本文的研究为基于状态空间投影的一类动态多尺度系统的融合估计算法的实际应用奠定了基础．     

A Filtering Approach Based on MMAE for a SINS/CNS Integrated Navigation System

This paper explores multiple model adaptive estimation (MMAE) method, and with it, proposes a novel filtering algorithm. The proposed algorithm is an improved Kalman filter-multiple model adaptive estimation unscented Kalman filter (MMAE-UKF) rather than conventional Kalman filter methods, like the extended Kalman filter (EKF) and the unscented Kalman filter (UKF). UKF is used as a subfilter to obtain the system state estimate in the MMAE method. Single model filter has poor adaptability with uncertain or unknown system parameters, which the improved filtering method can overcome. Meanwhile, this algorithm is used for integrated navigation system of strapdown inertial navigation system (SINS) and celestial navigation system (CNS) by a ballistic missile's motion. The simulation results indicate that the proposed filtering algorithm has better navigation precision, can achieve optimal estimation of system state, and can be more flexible at the cost of increased computational burden.      

Non-linear smoothing algorithm for multi-dimensional dynamic systems

A new sub-optimum smoothing algorithm is presented for multi-dimensional dynamic systems. This algorithm is based upon quantization, multiple hypothesis testing, and the Viterbi decoding algorithm. The estimation of state vectors is carried out sequentially, component-by-component, and in parallel. A considerable memory reduction is achieved for state estimation implementation with the proposed algorithm. Simulation results, some of which are presented, show that the sub-optimum algorithm performs better than the extended Kalman filter algorithm for some non-linear multi-dimensional models with white gaussian disturbance and observation noises. In addition, the performance of the sub-optimum algorithm is almost as good as the Kalman filter algorithm for linear multi-dimensional models with white gaussian noise.     

An integrated optimal control algorithm for discrete-time nonlinear stochastic system

Consider a discrete-time nonlinear system with random disturbances appearing in the real plant and the output channel where the randomly perturbed output is measurable. An iterative procedure based on the linear quadratic Gaussian optimal control model is developed for solving the optimal control of this stochastic system. The optimal state estimate provided by Kalman filtering theory and the optimal control law obtained from the linear quadratic regulator problem are then integrated into the dynamic integrated system optimisation and parameter estimation algorithm. The iterative solutions of the optimal control problem for the model obtained converge to the solution of the original optimal control problem of the discrete-time nonlinear system, despite model-reality differences, when the convergence is achieved. An illustrative example is solved using the method proposed. The results obtained show the effectiveness of the algorithm proposed.     

火电厂过热汽温的优化控制算法研究

由于火电厂过热蒸汽温度控制具有大延迟、大惯性、非线性、强时变性的特性,传统PID控制算法难以实现良好的控制效果。为了优化火电厂过热汽温控制,提出了一种基于DMC的改进串级PID控制算法。该算法采用DMC改进主控制器输入参数,预测未来输出值,通过预测值与实际值的差值实现输入参数的校正。仿真结果分析表明,该算法与传统PID控制算法相比降低了过热蒸汽温度的超调量,缩短了汽温控制的过渡过程时间,提高了控制系统的抗扰动能力,使控制系统的动态性能和静态性能有了极大改善。     

一种开环输出反馈预测控制

考虑状态不可测且具有多胞不确定性的系统.本文通过定义参数依赖的顶点控制作用,提出一种基于多胞描述模型的启发式开环输出反馈预测控制方案,其中顶点控制作用依赖于多胞描述模型参数,由多胞顶点值构成.在工业预测控制的框架下,方案包含开环预测、稳态目标计算、动态控制3个模块.上层稳态目标计算模块采用稳态模型优化得到稳态目标值,下层动态控制跟踪由稳态目标值计算得到的多胞顶点稳态目标值.考虑到工业预测控制中稳态目标计算模块常采用线性模型,本文通过在多胞描述模型中加入人工干扰进而改进控制方案,使得上层稳态目标计算模块可直接采用改进的稳态多胞描述模型,下层基于改进的动态预测方程跟踪顶点稳态目标值.通过仿真分别验证了两种方法的可行性和有效性.