《第7章 计算机控制系统中的控制策略2》由会员分享，可在线阅读，更多相关《第7章 计算机控制系统中的控制策略2（78页珍藏版）》请在金锄头文库上搜索。
1、2017/11/22,浙江大学控制科学与工程学系,1,By Hui WangDepartment of Control Science &Engineering, Zhejiang University,第七章 计算机控制系统中的控制策略(2)Control Strategy of Computer System,2017/11/22,浙江大学控制科学与工程学系,2,本章主要内容,数字滤波和数据处理数字PID控制算法基于数字PID控制的多回路控制系统模型预测控制模糊控制控制策略的工程实现,2017/11/22,浙江大学控制科学与工程学系,3,第四节模型预测控制MPCModel Predicti
2、ve Control,2017/11/22,浙江大学控制科学与工程学系,4,内容要点,先进控制概述模型预测控制发展背景特点基本原理动态矩阵控制DMC模型算法控制MAC在工业中的应用举例,2017/11/22,浙江大学控制科学与工程学系,5,先进控制,先进控制软件开发与选用主要是为了改进常规控制的性能。例如：对给定值进行修正；考虑相关约束条件影响 卡边控制， 稳定控制；测量值的确定，测量值计算，产率估计等软测量；操作值的确定。,2017/11/22,浙江大学控制科学与工程学系,6,先进控制位置（1）,2017/11/22,浙江大学控制科学与工程学系,7,先进控制位置（2）,2017/11/22,
3、浙江大学控制科学与工程学系,8,1）先进控制特点,基于模型的控制策略；常用于处理复杂的多变量过程控制；先控的实现需要计算机作为平台，在DCS或 上位机上实现。 80年代发展起来的控制软件,2017/11/22,浙江大学控制科学与工程学系,9,3）效益,2017/11/22,浙江大学控制科学与工程学系,10,3）示例：反应器温度控制,2017/11/22,浙江大学控制科学与工程学系,11,4）示例,2017/11/22,浙江大学控制科学与工程学系,12,模型预测控制的发展背景(1),现代控制理论及应用的发展与特点要求精确的模型最优的性能指标系统的设计方法应用航天、航空军事等领域,2017/11/
4、22,浙江大学控制科学与工程学系,13,模型预测控制的发展背景(2),工业过程的特点多变量、非线性、时变性、强耦合、 不确定性工业过程对控制的要求高质量的控制性能 对模型要求不高实现方便,2017/11/22,浙江大学控制科学与工程学系,14,预测控制的特点（1）,建模方便,不需要深入了解过程内部机理非最小化描述的离散卷积和模型,有利于提高系统的鲁棒性滚动的优化策略,较好的动态控制效果不增加理论困难,可推广到有约束条件、大纯滞后、非最小相位及非线性等过程是一种计算机优化控制算法,2017/11/22,浙江大学控制科学与工程学系,15,预测控制的特点（2）,对模型要求不高鲁棒性可调可处理约束(操
5、作变量MV、被控变量CV)可处理“方”、“瘦”、“胖”，进行自动转换可实现多目标优化（包括经济指标）可处理特殊系统：非最小相位系统、伪积分系统、零增益系统,2017/11/22,浙江大学控制科学与工程学系,16,目前预测控制的发展方向,多变量预测控制系统的稳定性、鲁棒性线性系统、自适应预测理论性较强非线性预测控制系统内部模型用神经网络（ANN）描述针对预测控制的特点开展研究国内外先进控制软件包开发所采用,2017/11/22,浙江大学控制科学与工程学系,17,预测控制的基本原理,1978年，J.Richalet等就提出了预测控制算法的三要素：内部(预测)模型、参考轨迹、控制算法现在一般则更清楚
6、地表述为：内部(预测)模型、滚动优化、反馈控制,2017/11/22,浙江大学控制科学与工程学系,18,预测模型(内部模型)（1）,预测模型的功能 根据被控对象的历史信息和未来输入，预测系统未来响应。预测模型形式参数模型：如微分方程、差分方程非参数模型：如脉冲响应、阶跃响应,2017/11/22,浙江大学控制科学与工程学系,19,1控制策略 2控制策略 3对应于控制 策略的输出 4对应于控制策略的输出,基于模型的预测示意图,预测模型(内部模型)（2）,2017/11/22,浙江大学控制科学与工程学系,20,滚动优化(在线优化）(1),控制目的通过某一性能指标的最优, 确定未来的控制作用优化过程
7、随时间推移在线优化，反复进行每一步实现的是静态优化全局看却是动态优化,2017/11/22,浙江大学控制科学与工程学系,21,滚动优化(在线优化) (2),滚动优化示意图,2017/11/22,浙江大学控制科学与工程学系,22,反馈校正(误差校正) (1),每到一个新的采样时刻，都要通过实际测到的输出信息对基于模型的预测输出进行修正，然后再进行新的优化。不断根据系统的实际输出对预测输出值作出修正使滚动优化不但基于模型，而且利用了反馈信息，构成闭环优化。,2017/11/22,浙江大学控制科学与工程学系,23,误差校正示意图,反馈校正(误差校正) (2),2017/11/22,浙江大学控制科学与
8、工程学系,24,基于被控对象的单位阶跃响应适用于渐近稳定的线性对象 即，设一个系统的离散采样数据a1，a2 ，aN（如P183,6-17的示意图），则有限个采样周期后， 满足,动态矩阵控制(DMC),2017/11/22,浙江大学控制科学与工程学系,25,动态矩阵控制(DMC),DMC算法中的模型参数有限集合aT=a1，a2 ，aN 中的参数可完全描述系统的动态特性N称为建模时域。系统的渐近稳定性保证模型可用有限的阶跃响应描述系统的线性性则保证了可用线性系统的迭加性等,2017/11/22,浙江大学控制科学与工程学系,26,DMC的预测模型(1),系统的单位阶跃采样数据示意图,图 6-17 系
9、统的单位阶跃采样数据示意,2017/11/22,浙江大学控制科学与工程学系,27,DMC的预测模型(2),如P183, 6-18图, t=kT时刻预测未来N个时刻无控制作用 u(k)的预测输出为 考虑有控制作用 u(k)时的预测输出为,2017/11/22,浙江大学控制科学与工程学系,28,根据输入控制增量预测输出的示意图,图 6-18 根据输入控制增量预测输出,2017/11/22,浙江大学控制科学与工程学系,29,DMC的预测模型(3),M 个连续的控制增量 u(k)， u(k+1)， u(k+M-1)作用下，系统在未来P时刻的预测输出A称为DMC的动态矩阵，P是滚动优化时域长度，M是控制
10、时域长度。,2017/11/22,浙江大学控制科学与工程学系,30,DMC的滚动优化(1),滚动优化的性能指标通过优化指标，确定出未来M 个控制增量，使未来P个输出预测值尽可能地接近期望值w如P184,6-19图所示。不同采样时刻, 优化性能指标不同, 但都具有同样的形式, 且优化时域随时间而不断地向前推移。,2017/11/22,浙江大学控制科学与工程学系,31,DMC的滚动优化(2),控制增量的最优开环解在采样时刻t=kT, 根据性能指标，可求出控制增量的最优开环解但由于完全根据预测模型，故为开环解。,2017/11/22,浙江大学控制科学与工程学系,32,图 6-19 动态矩阵控制的优化
11、策略,2017/11/22,浙江大学控制科学与工程学系,33,DMC的反馈校正(1),在 t=kT 时刻，u(k)已实施到系统上t=(k+1)T时刻, 可测到实际输出值y(k+1)比较y(k+1)出与预测值 得基于e(k+1)对未来偏差的预测为 hi*e(k+1), (h1=1， i=2, , N ),2017/11/22,浙江大学控制科学与工程学系,34,DMC的反馈校正(2),经误差校正后的输出预测值为 如P186，6-20不考虑未来控制作用影响 i=1,2, N-1 引入移位矩阵S，得到下一次预测初值,2017/11/22,浙江大学控制科学与工程学系,35,DMC的反馈校正(3),误差校
12、正及移位设初值示意,k,图 6-20 误差校正及移位设初值示意图,2017/11/22,浙江大学控制科学与工程学系,36,DMC小结,动态矩阵控制算法组成由预测、控制与校正等三部分组成在线实施流程框图初始化程序在线控制部分,2017/11/22,浙江大学控制科学与工程学系,37,DMC在线控制程序流程,DMC初始化程序流程图,DMC在线计算程序流程图,2017/11/22,浙江大学控制科学与工程学系,38,DMC的实现与工程设计(1),预备工作渐近稳定的系统采样周期确定动态矩阵确定(测试阶跃响应) 参数整定，即确定优化时域P、控制时域M、权矩阵Q和R、权系数hi离线计算F、dT,2017/11
13、/22,浙江大学控制科学与工程学系,39,DMC的实现与工程设计(2),在线计算得到控制量u(k) 仿真调优对时滞对象的DMC控制 设纯滞后为 l 个采样周期，将优化时域P增加到P+l, 可推导出相当于无时滞时的DMC算法。(参见教材P189-191)多变量系统的DMC方法上没有困难，计算时间与存储单元会变化，A阵有可能不是方阵,2017/11/22,浙江大学控制科学与工程学系,40,DMC的实现与工程设计(3),常规控制设计DMC-PID前馈控制DMC-PID串级控制采取DMC-PID串级控制的原因 DMC-PID串级控制的结构 如下页图所示。,2017/11/22,浙江大学控制科学与工程学
14、系,41,串级结构示意图,DMC-PID串级控制,2017/11/22,浙江大学控制科学与工程学系,42,动态矩阵控制的应用举例,黑液蒸发的黑液浓度控制,2017/11/22,浙江大学控制科学与工程学系,43,实际运行的工控软件示例之一多效蒸发工艺流程图,2017/11/22,浙江大学控制科学与工程学系,44,实际运行的工控软件示例之二I效蒸发器工艺流程详图,2017/11/22,浙江大学控制科学与工程学系,45,实际运行的工控软件示例之三四条参数趋势图,2017/11/22,浙江大学控制科学与工程学系,46,实际运行的工控软件示例之四主参数趋势详图,2017/11/22,浙江大学控制科学与工
15、程学系,47,控制目标：出 I 效的黑液浓度影响的主要因素：蒸汽压力、半浓的进效量、稀浓与半浓黑液浓度、末效真空度等检测手段：出效黑液浓度计，进III效流量计，加热蒸汽的压力 其余均只能作为未建模因素(如半浓黑液浓度等）控制难点：纯滞后大(几十分钟），可测变量少(成份仪表昂贵)，未建模因素多,动态矩阵控制的应用举例,2017/11/22,浙江大学控制科学与工程学系,48,控制方案控制变量：进III效的半浓流量F可测干扰：加热蒸汽压力P总的控制方案： DMC算法 + 前馈控制 硬件配置：586工控机 + PLC,动态矩阵控制的应用举例,2017/11/22,浙江大学控制科学与工程学系,49,实际控制：T=3(分), 模型长度N=20，控制时域 M=1， 优化时域长度P1=13， P2=16。,系统投运之后取得了较好的控制效果，黑液浓度波动在1%以内。,动态矩阵控制的应用举例,2017/11/22,浙江大学控制科学与工程学系,50,模型算法控制(MAC)（1）,模型算法控制采用被控对象的脉冲响应采样序列作为预测模型(内部模型)，另外的组成部分是参考轨迹、闭环预测与最优控制。类似DMC算法，MAC也要求被控对象渐近稳定，且为线性系统(若不满足，可先采用常规PID首先使之稳定后再运用MAC算法,
