预测控制_外文翻译

《预测控制_外文翻译》由会员分享，可在线阅读，更多相关《预测控制_外文翻译（26页珍藏版）》请在金锄头文库上搜索。

1、 杭州电子科技大学信息工程学院 毕业设计（论文）外文文献翻译 毕业设计（论文）题目 多变量解耦预测算法研究 翻译题目 一种多变量模型预测控制算法的优化策略 系 自动控制系 专 业 自动化 姓 名 蔡东东 班 级 08092811 学 号 08928106 指导教师 左燕 一种多变量模型预测控制算法的优化策略 Rahul Shridhar and Douglas J. Cooper* 摘要：在模型预测控制结构中移动压缩系数有两个目的：包括压缩集结控制作用和系统矩阵转置。这里提出的工作利用这种双重作用产生一个解析表达式，计算出适当的移动压缩系数作为一个函数的过程模型参数，其他模型预测算法设计参数，

2、系统矩阵的分块条件数。发展根据多变量系统矩阵的一个近似Hankel矩阵结构。这项工作的主要贡献是在整体模型预测控制调整策略的解析表达式中推导出移动压缩系数并进行了证明（文献1）。实例介绍显示，移动抑制系数保持适当缩减，当其他的模型预测算法设计参数和过程特点改变时，以产生一致的闭环性能。这种调整方法是适用于自由多变量过程，包括非线性方程系统。 1. 前言 模型预测控制作为一种先进控制算法已经在工业控制中广泛运用(Richalet, 1993; Deshpande et al., 1995; VanDoren,1997)。一些评论文章从学术的角度来看(Garca et al., 1989; Mor

3、ari and Lee, 1991; Ricker, 1991; Muske and Rawlings, 1993; Lee and Cooley, 1997)，从工业的角度考虑模型预测算法。(Prett and Garca, 1988; Richalet, 1993; Clarke, 1994;Froisy, 1994, Camacho and Bordons, 1995; Qin and Badgwell, 1997)“滚动”这个概念对于模型预测算法是使它区别于典型控制方法的关键因素，如图1所示。 动态矩阵控制（DMC）(Cutler and Ramaker, 1980; Cutler,

4、1983)是一种运用于化工领域中非常受欢迎的模型控制算法。（Qin and Badgwell, 1997)。出于这个原因， DMC控制器也在这样的背景下被提出。 动态矩阵控制算法只能应用于线性工作条件下。限制处理，即多个过程和执行目标结合起来直接被模型预测控制公式化，在工业应用中是非常重要的所以必须研究建立后，结果在这里提出解决。 这项研究具有贡献，因为它提供了独特的见解DMC控制法的结构，具体来说，它建立了动态特性的一个过程， DMC的调优参数的选择，决定如何移动抑制系数，需要取得一致的闭环性能值。 调整线性和非线性多输入多输出已经在阵列研究中得到解决。这些措施包括：系统的试验和调整错误程序

5、(e.g., Cutler, 1983; Ricker, 1991), 和常用的调节技术，如移动抑制方法(e.g., Marchetti et al., 1983)，输入受阻(Ricker, 1985)，在“M=1”进行配置(Maurath et al., 1988)，主变量的选择(Maurath et al., 1985)。 DMC其他调整战略，如关于稳定等方面作为调整(Garca and Morari, 1982; Clarke and Scattolini, 1991; Rawlings and Muske, 1993)，鲁棒性(Ohshima et al., 1991; Lee and

6、 Yu, 1994)和执行性能(McIntosh et al., 1992;Hinde and Cooper, 1995; Megan and Cooper, 1995;Palavajjhala et al., 1994)。调谐装置的不等式约束的使用也被一些研究者研究。 建立在这些研究人员的工作上，以前的文章中证实，此举抑制系数可以作为主要的可调参数，在调整单输入单输出的矩阵控制算法。在先前工作的贡献是一个解析表达式计算系统矩阵的条件数保持目标值其他调谐参数的选择，不论此举抑制系数等。这反过来又导致适度调节变量的举动大小和一致的闭环系统性能研究。 图1.模型预测算法的滚动优化 这里介绍的工作在

7、多变量的情况下更具挑战性，这种方法比较正式。方法是计算什么，现在变成一套移动抑制系数s（s=1，2，,S）, 这样的条件数在整个系统中矩阵的对角线块举行目标值。系统矩阵的条件数与预测误差在操纵变量的相对变化相。多变量系统，s的值在系统矩阵对角线块固定在一个较低的目标值，不论过程的特点和在矩阵控制算法其余的可调参数的选择，确保在相应的操纵变量的适当变化。当所有的块对角条件数是固定在一个相似函数，结果主持控制器活动和一致的闭环性能。 表1总结了在多输入多输出矩阵控制算法的工艺特点的基础上调整参数的文献中一些主流的指南。提出的方法是适用于一类开环稳定，多变量过程。这项工作的一个重要贡献是除了移动抑制

8、系数的解析表达式为s的工艺特点和矩阵控制算法的这些可调参数值的基础上。 推导的解析表达式s考虑一阶死区时间(FOPDT) 逼近过程动态。必须强调，这（FOPDT）近似解析表达式的推导s。后来在这项工作中的例子都使用传统的矩阵控制算法阶跃响应矩阵后实际执行的过程。 FOPDT模型近似的主要好处是，它允许一个紧凑的解析表达式的推导计算s。FOPDT模型近似不捕获一些高阶进程的所有功能，它常常合理地描述过程增益，时间常数整体，这些过程的有效的死区时间(Cohen and Coon, 1953)。在过去，调整战略的基础上，如CohenCoon FOPDT模型，IAE和ITAE已证明是有益的PID实现。

9、这里介绍的是有调整战略意义重大，因为它提供了类似的做法为矩阵控制算法。 本文的其余部分是如下：（i）流行的指引在多输入多输出矩阵控制控制法计算的可调参数进行了简要总结。（ii）开始以矩阵控制算法控制定律，系数矩阵的一个近似被分成的块形式得到，并且对角和对角方块图建立。（iii）一个数学分析是详细的支持观察整个系统矩阵的情况数字可以举行在低值通过固定在一个低指标值的对角块情况数字。（iv）一个解析表达式推导出的对角块的条件数。（v）在此条件数的基础上，计算s的解析表达式得到。（vi）整体调整战略实施的重要问题进行了讨论和仿真实例，包括一系列多变量过程的特点，以验证调整战略。 多输入多输出调整参数

10、的作用 在线性的多输入多输出矩阵控制算法的影响闭环性能可调参数包括以下：采样周期，T；模型长度，N；优化时域，P；控制时域，M；控制变量的权重，r（r=1，2，,R）；移动抑制系数，s（s=1，2，,S）。此可调参数的数组是重大的调整挑战，因为许多参数有重叠的闭环性能的影响。 过去的研究提供了丰富的信息闭环性能的定性影响(e.g., Cutler, 1983; Marchetti et al., 1983; Garca and Morshedi, 1986; Downs et al., 1988; Maurath et al.,1988; Lee and Yu, 1994; Lundstrom

11、, et al., 1995)。选择一些上述可调参数的流行准则如下所述，并在整体调整战略概括为多输入多输出表1概述。 采样周期（T）是不适合作为调整参数，因为它经常被固定在安装设备的基础上。另外，选择T的影响那些在采样间隔指定的可调参数，包括模型长度，N优化时域，P， 控制时域，M。无需重新调整这些参数的改变T可以导致不良结果(e.g., Georgiou, et al., 1988; Lundstrom, et al., 1995)。 在采样周期上可自由指定的事件，其中Ts是整体时间常数rs是有效的一个子一个子的截止时间是在等式4定义一个过程动态FOPDT模型逼近的基础上选择一个普遍的主流指

12、南。这一方针的动机是，在一个多变量的过程，每个子进程必须进行采样，并采取适当的控制行动10次，每次时间常数2至3倍有效的截止时间，以较大者为准。(Stephanopoulos, 1984;Seborg et al., 1986)。 Trs=Max（0.1rs，0.5rs） T=Min（Trs） （r=1，2，R；s=1，2，S） （1） 模型长度（N）指定过去操纵变量移动由矩阵控制算法的使用，在预测未来的行为过程变量。模型长度，N，通常不采用作为调整参数自截断模型视界歪曲过去在预测过程变量配置文件的移动建模误差的影响，并导致不可预知的闭环性能。(Lundstromet al., 1995)。虽

13、然大N不直接对控制器的性能有不利影响，它有一个缺点，模型预测成为计算密集型(Maurath, et al., 1988)。一种流行的方法是指定一个模型，如式2所示的开环沉淀在最慢的子样本的时间等于地平线(e.g., Ricker, 1991)。 优化时域（P）代表到未来预测控制计算预测的过程变量配置文件的样本数量，最大限度地减少预测误差。在移动抑制的情况下，预测时域大于控制水平线，i.e,PM, 必须选择以避免发散的效果。与移动抑制同时，从这个下限增加（P）有一个闭环性能显着单调的效果(Soeterboek, 1992)，P接近M或者两者都很小范围从阻尼到欠阻尼(Maurath et al.,

14、 1985)。在过去的一个严谨的处理研究人员预测显示(Garca andMorari, 1982; Clarke and Scattolini, 1991; Rawlings andMuske, 1993)一个更大的稳定性提高名义水平线封闭区间。这转译为实际应用使用合理预测大型但有限的水平线，P (Cutler, 1983)，等于开环停留时间最慢的子过程样本。本文通过FOPDT近似过程动态，P和N都是Krs是离散的截止时间计算（Krs=rs/T+1）和rs是有效的子截止时间。 P=N=Max（5rs/T+Krs）（r=1，2，R；s=1，2，S） （2） 控制时域（M）操纵变量移动，矩阵控制算

15、法在一个给定的采样时间计算，以消除目前的预测误差。一个大M有优势，它允许违反约束的检测才达到，随着时间的推移平均控制目标和处理未知的变量的时间延迟(Ogunnaike, 1986; Fisher, 1991)。Rawlings and Muske（1993）表明，如果M大于或等于在这个过程中的不稳定模式，可以保证稳定无限水平线模型预测控制。Cutler（1993）建议增加控制的水平线，直到改变控制器的第一个举动没有进一步的影响，在设定点的阶跃变化。Cutler提出了另一种方法（1983）建议，控制水平线过程动态学的基础上选择；i.e.，M*T应该是最慢的多变量系统的开环反应，达到60 的稳定状

16、态所需的时间比大。采用这种拇指规则，使用过程动态FOPDT逼近，控制时域，M，表示成 M=Max（rs/T+Krs）（r=1，2，R；s=1，2，S） （3） 矩阵变量控制权r（r=1，2，,R）用于大规模的可调参数，然后选择性重过程变量的测量，因此，在每个过程变量的错误是在性能目标的重要性的大小代表。当一个单一的控制变量重量增加，同时保持其他常数，设定点跟踪相应的过程变量的响应有一个更快的上升时间。这更快的响应是在牺牲了更积极的动作在操纵变量的关系最密切的这个过程变量。当所有控制变量权，r（r=1，2，,R），被同时增加，整体的响应变得更加积极，很像降低移动抑制系数，s（s=1，2，,S）。因为r不影响整体系统矩阵的可逆性，他们可以指定用户的控制目标，优先事项的基础上，他们可以保留微调多输入多输出矩阵控制算法所需的性能一次上线。 移动抑制系数s（s=1，2，,S）DMC控制律的双重目的抑制干扰控制作用和调节系统矩阵优先倒置。