《《先进控制系统》PPT课件.ppt》由会员分享，可在线阅读，更多相关《《先进控制系统》PPT课件.ppt（50页珍藏版）》请在三一办公上搜索。
1、控制工程概论,-先进控制系统,第四章 先进控制系统,1）计算机技术的发展，DCS和PLC等的出现；2）现代控制理论的诞生，控制理论和应用都有很大发展；3）过程工业向大型化和精细化方向发展。,先进控制系统的提出,第四章 先进控制系统,系统辨识自适应控制内模控制软测量推断控制,包含的主要控制方法,预测控制最优控制故障诊断与容错控制,第四章 先进控制系统,4.1 系统辨识,4.2 模型预测控制,4.3 软测量技术,4.4 故障检测诊断和容错控制,4.5 现场总线控制系统,System Identification,4.1 系统辨识,系统辨识的定义及相关问题,建立模型的途径机理建模（白箱）系统辨识和参
2、数估计（黑箱）机理建模与系统辨识相结合（灰箱）,4.1 系统辨识,系统辨识的定义及相关问题,辨识的定义,Zadeh(1962)，系统辨识是在输入和输出数据的基础上，从一类模型中确定一个与所观测系统等价的模型。,Ljung(1978)，系统辨识有三个要素-数据、模型类和准则，即根据某一准则，利用实测数据，在模型类中选取一个拟合得最好的模型。,4.1 系统辨识,系统辨识的定义及相关问题,辨识的三要素输入输出数据（辨识的基础）模型类（寻找模型的范围）等价准则（辨识的优化目标）,4.1 系统辨识,系统辨识的定义及相关问题,辨识目的验前知识实验设计模型类选择参数估计模型验证,4.1 系统辨识,系统辨识的
3、定义及相关问题,例：热交换器 建立一个热交换器的数学模型，即建立T/Q模型，经观测得到一组输入输出数据，记作Q(k)和T(k)，k=1,2,L。,输入输出数据：,4.1 系统辨识,系统辨识的定义及相关问题,选定一组模型类：,一个等价准则：,4.1 系统辨识,系统辨识的定义及相关问题,辨识问题：,根据所观测到的数据Q(k)和T(k)，确定模型中的未知参数n及ai、bi，使得准则J最小。,T(k)+a1T(k-1)+anT(k-n)=b1Q(k-1)+bnQ(k-n)+e(k),4.1 系统辨识,系统辨识的定义及相关问题,辨识的基本原理,通常采用逐步逼近的办法。,4.1 系统辨识,系统辨识的定义及
4、相关问题,辨识的分类,离线辨识、在线辨识；非参数模型辨识、参数模型辨识。,4.1 系统辨识,系统辨识的定义及相关问题,辨识的分类,阶跃响应、脉冲响应、频率响应、相关分析、谱分析等。,非参数模型辨识（经典辨识）：假定过程是线性的前提下，不必事先确定模型具体结构。,4.1 系统辨识,系统辨识的定义及相关问题,辨识的分类,最小二乘法、梯度校正法、极大似然法等。,参数模型辨识（现代辨识）：必须假定一种模型结构，通过极小化误差准则来确定模型参数。,4.1 系统辨识,阶跃响应法,什么是阶跃响应法,施加一个阶跃扰动信号，测定出过程的输出响应随时间的变化曲线，该曲线就是利用阶跃响应法得到的非参数模型，再根据该
5、曲线获得待辨识过程的传递函数。,4.1 系统辨识,阶跃响应法,实验测取过程的阶跃响应,合理选择阶跃信号幅度多次重复实验,由阶跃响应求过程的传递函数,若曲线规则：可用近似法、切线法、两点法等若曲线不规则：可用面积法,4.1 系统辨识,阶跃响应法,近似法,K=y()-y(0)/u取y(t)=0.632y()时对应的 t 就是过程的时间常数T。,4.1 系统辨识,阶跃响应法,近似法,在响应曲线的拐点处作一切线，0L为值，切线ML在时间轴上的投影是T。,4.1 系统辨识,阶跃响应法,两点法,4.1 系统辨识,阶跃响应法,最小二乘法,u(k)和z(k)是过程的输入输出量，n(k)是噪声;要解决的问题是如
6、何利用过程的输入、输出数据，确定A(z-1)和B(z-1)的系数。,4.1 系统辨识,阶跃响应法,4.1 系统辨识,阶跃响应法,最小二乘法,设有,，使,，则有,4.1 系统辨识,阶跃响应法,最小二乘法的递推算法,基本思想可以表示成：当前估计值=上一时刻估计值+修正项,每获得一次新的观测数据就修正一次参数估计值，随着时间的推移，便能获得满意的辨识结果。,4.1 系统辨识,阶跃响应法,最小二乘法的递推算法,当前估计值,上一时刻估计值,修正值,第四章 先进控制系统,4.1 系统辨识,4.2 模型预测控制,4.3 软测量技术,4.4 故障检测诊断和容错控制,4.5 现场总线控制系统,System Id
7、entification,Module Predictive Control,4.2 模型预测控制,预测控制的基本原理,预测控制的基本出发点,通常的PID控制，是根据过程当前的和过去的输出测量值和设定值的偏差来确定当前的控制输入。预测控制不但利用当前的和过去的偏差值，而且还利用预测模型来预估过程未来的偏差值，以滚动优化确定当前的最优输入策略。,预测控制的基本原理,预测控制的基本结构,4.2 模型预测控制,预测控制的基本原理,预测控制的思路,三要素：预测模型 滚动优化 反馈校正,4.2 模型预测控制,预测控制的基本原理,预测控制的思路,三要素之一：预测模型功能根据当前时刻的控制输入及过程的历史信
8、息，预测过程输出的未来值形式非参数模型：脉冲响应、阶跃响应参数模型：微分方程、差分方程,4.2 模型预测控制,预测控制的基本原理,三要素之二：滚动优化 滚动优化的目的通过某性能指标的最优来确定未来的控制作用参考轨迹、控制能量最小等 滚动优化的方法有限时段的优化，反复在线运行每一步实现的是静态优化全局动态优化,4.2 模型预测控制,预测控制的基本原理,三要素之三：反馈校正 每个采样时刻，都对预测输出进行修正补偿输出校正模型参数,实现闭环优化预测输出不仅基于模型，而且利用了反馈信息,4.2 模型预测控制,预测控制的基本原理,常见的预测控制算法,-动态矩阵控制（Dynamic Matrix Cont
9、rol,DMC）-模型算法控制（Model Algorithmic Control,MAC）-广义预测控制（Generalized Predictive Control,GPC）-预测函数控制（Predictive Functional Control,PFC）-广义预测极点配置控制（Generalized Predictive Pole-placement Control,GPPC）-其他,4.2 模型预测控制,动态矩阵控制,DMC概述,-由Cutler等人提出 首先应用（1974）于Shell Development Co.是一种基于对象阶跃响应的预测控制算法，适用于渐进稳定的线性对象。,
10、4.2 模型预测控制,动态矩阵控制,DMC的原理与算法,预测模型：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。,4.2 模型预测控制,动态矩阵控制,DMC的原理与算法,预测模型：,利用线性叠加性质：k 时刻时，假定控制作用不变，对N 个时刻的输出预测为：当k 时刻有一控制作用u(k)时，对N 个时刻的输出预测为：,4.2 模型预测控制,动态矩阵控制,DMC的原理与算法,预测模型：,4.2 模型预测控制,动态矩阵控制,DMC的原理与算法,预测模型：,若有M个连续控制增量u(k),u(k+1),u(k+M-1)作用，未来各时刻的预测输出,4.2 模型预测控制
11、,动态矩阵控制,DMC的原理与算法,滚动优化：,在时刻k，要确定从该时刻起的 M 个控制增量 u(k)，u(k+1)，u(k+M-1)，使被控对象在其作用下未来 P 个时刻的输出预测值 尽可能接近给定的期望值。M称为控制时域，P称为优化时域，MPN。,4.2 模型预测控制,动态矩阵控制,DMC的原理与算法,滚动优化：,4.2 模型预测控制,动态矩阵控制,DMC的原理与算法,滚动优化：,优化变量为uM(k)=u(k),u(k+1),u(k+M-1)T优化目标为min J(k)预测模型写为矩阵形式：,4.2 模型预测控制,动态矩阵控制,DMC的原理与算法,滚动优化：,已知的,4.2 模型预测控制,
12、动态矩阵控制,DMC的原理与算法,滚动优化：,只需u(k)构成实际控制量u(k)=u(k-1)+u(k)作用于对象其中，可以离线进行计算。,4.2 模型预测控制,动态矩阵控制,DMC的原理与算法,反馈校正：,若将u(k)实际加于对象输入端，利用预测模型：可作为k+1时刻的初始预测值进行新的优化计算，但实际值与预测值有可能存在偏差，所以需要对其进行修正：其中，,4.2 模型预测控制,校正向量,动态矩阵控制,4.2 模型预测控制,动态矩阵控制,DMC的原理与算法,反馈校正：,将 移位：其中，移位矩阵,4.2 模型预测控制,动态矩阵控制,DMC的实现,预处理对不稳定的对象，待稳定后实施预测控制对非线
13、性对象，在工作点处线性化采样周期一般选择T使模型维数在2530之间确定动态矩阵测试被控对象的阶跃响应,4.2 模型预测控制,动态矩阵控制,DMC的实现,选择参数初值优化时域P：重要参数，在1,2,4,8,序列中选择，应包含对象的主要动态特性控制时域M：P，一般M12（单调特性对象）或M34（振荡特性对象）误差权矩阵Q：等权重、只考虑后面几项控制权矩阵R:一般较小计算d按照公式计算,4.2 模型预测控制,动态矩阵控制,DMC的实现,-初始化-控制量的在线计算,4.2 模型预测控制,以预测控制为核心思想的先进控制商品化软件包：第一代模型预测控制技术 以IDCOM和DMC为代表，主要处理无约束过程的预测控制。第二代模型预测控制技术 QDMC算法，采用二次规划方法（QP）求解，可以系统地处理输入、输出约束问题。第三代模型预测控制技术 IDCOM-M，DMC，SMCA等控制软件包，处理约束的多变量、多目标、多控制模式和基于模型预测的最优控制器。第四代模型预测控制技术 DMC-pllus,RMPCT等。基于Windows的图形用户界面；采用多层优化，以实现不同等级目标控制；采用灵活的优化方法；直接考虑模型不确定性(鲁棒控制设计)；改进的辨识技术等。,4.2 模型预测控制,
