计算机控制技术的课程论文-工业过程中的控制策略研究.doc

计算机控制技术课程论文
论文题目：工业过程中的控制策略
专业班级：计算机应用技术10级
学生姓名：

指导教师：
日期：2021 年 1月 15日
中文摘要
工业过程中的控制策略研究是近年来越服过程的不确定性、非线性以及处理各种约束等优点，因而已经在炼油、化工、机械、电力等大型工业控制系统得到了广泛的应用。预测控制算法种类较多、形式各样，比拟流行的算法有动态矩阵控制(DMC)、模型算法控制(MAC)、广义预测控制 (GPC)等等，但它的实现机制都包括三局部:预测模型、滚动优化、反应校正。预测控制系统的结构图如下列图所示。
图1 预测控制系统结构图
预测控制是一种基于过程模型的控制算法，可以根据过程的历史信息对对象的未来行为进行预测，并对控制量进行优化。它只强调模型的功能，对模型的结构形式没有要求。因此，只要具备预测系统未来输出的功能，无论何种模型形式都可以作为预测模型来使用，不管是传递函数、状态方程等参数模型，还是脉冲响应或阶跃响应等非参数模型，甚至分布参数系统的模型都可以当作预测模型来使用。
同时，预测控制是一种最优控制算法，在某一时刻，它通过计算性能函数指标的最优化来获得未来一系列的控制作用，但在下一时刻只施加当前时刻的控制作用。它也是一种闭环反应控制算法，在实际系统中，由于模型失配、时变性、非线性和不可测扰动等原因，基于不变预测模型的预测值难免会和真实值发生一定程度的偏差，这就需要用额外的预测方法补偿误差或者根据在线辨识校正模型参数。因此，在预测控制算法的实施过程中，为了防止由于外部干扰和模型失配而导致对实际状态的偏离，通过优化计算确定的一系列未来的控制作用并不是一次性全部实施的，而只仅仅实施当前时刻的控制作用。到下一个控制周期，系统会比拟实际测量的输出值和模型的预测值，得到预测误差，并根据该偏差进行相应的反应校正后，才进行下一轮的优化求解。通过误差补偿或参数校正，预测控制的优化过程不会脱离系统实际的状态之外，从而能够预测出更为准确的系统动态行为。
目前绝大多数的大规模工业系统仍采用分散结构进行控制，局部的控制器被设计成完全独立的操作模式，忽略了子系统之间的相互联系。根据被控对象的特性要求不同，这些局部控制器可以是单变量的PID控制器也可以是多变量的MPC控制器。一个完全分散的控制结构是把原系统分解成两个独立的子系统，子系统内部的相互作用是由内部的状态变量联系着的。由于预测控制的成功应用，许多学者把预测控制应用于分散结构的控制系统之中。有人提出了一个分散MPC算法，其中子系统的动态特性和性能函数都独立于其他子系统的变量，但是通过约束连接不同子系统之间的状态和控制变量，鲁棒可行性在假设干扰独立有界时得到了保证。另外有些人提出了一个无需信息交互的分散状态反应MPC算法，其中的闭环稳定性可以通过在每一时刻求解带约束的优化问题得到。虽然通过约束可使得局部MPC控制器所控制的子系统的状态轨迹能够忽略子系统间的相互联系和干扰的作用，但是其闭环稳定性可能在实践中难以得到保证。由于鲁棒性MPC理论的开展，设计非线性离散系统的分散控制器的稳定性得到了极大地提高，也可以通过采取输入状态稳定性概念提高算法的稳定性。然而，能够保证稳定性等特性的分散MPC控制算法仍然是很少的。首先，MPC算法内在的多变量特性使得自身就能够处理系统内部的相互关系，能够求解出整体目标的最优控制律。对大规模系统来说，将一个集中控制器的整体优化问题分解成一系列的小问题并采取分散控制结构，尽管在计算上得到了优化，但是由于忽略了过程单元之间很多的相互作用，并不能保证全局的最优性。
2. 智能控制的根本概念
从模型的角度来说，控制方法有三类模型根底:机理模型、辨识模型和知识模型。由于基于知识模型的智能控制方法在工业应用中展现出优越的控制性能，引起了控制理论界的广泛关注。智能控制方法能够模拟人类的思维方法，在无需获知控制对象内部机理以及外部扰动的前提下(无需建模)，它仍可以仅仅利用对象的输入输出特性(数据)的分析设计出切实可用的控制器，取得预期目的。当前，智能控制的领域主要包含自适应控制、粗糙控制、神经网络控制和专家控制等等。
自适应控制：自适应控制是指这样一种控制方法，它能够修正系统自身的特性以适应对象和扰动的动态特性变化，常用于变化较慢、控制精度要求不高的系统。与常规的控制方法不同，它所依据的关于模型和扰动的先验知识比拟少，可以在系统运行的过程中，通过在线辩识，不断地提取模型的有关信息，从而使得模型更加准确。随着模型的不断完善，基于这种模型的控制作用也将更加满足实际需求。因此，可以说这样的控制系统具有一定的自适应能力。
粗糙控制：粗糙控制通过“If…Then…〞的方式来表达控制规律，并采用粗糙推理机制提取