多变量ARX-Laguerre函数PID预测控制算法及其应用

针对重油催化裂化分馏塔控制系统满足稳定设计却难以优化系统性能的问题,提出了一种基于多变量ARX-Laguerre函数模型的PID预测控制(multivariable ARX-Laguerre function model predictive control combined with proportion integration differentiation,MALMPCPID)算法。以增量式的多变量ARX-Laguerre函数为预测模型,通过带有遗忘因子的最小二乘递归方法在线辨识Laguerre系数矩阵,并将滚动优化的性能指标改写成PID参数形式,以提高系统的动态性能。将所提的MALMPCPID算法应用于Shell公司重油催化裂化分馏塔进行仿真实验并与现有算法进行对比。结果表明,所提算法对多变量强耦合过程具有良好的控制效果,而且快速性和解耦能力得到了大大提高。

在线优化参数的多变量非线性预测函数控制

针对实用随机多变量NARMAX模型的控制问题,利用多变量非线性递推最小二乘法进行参数估计,使用在动态工作点处的动态切平面逼近该模型,转化为时变多变量CARMAX模型,由其构成递推预测模型进行预测,基于多变量CARMAX模型的预测函数控制,运用非线性递推最小二乘法优化控制输入输出的加权系数,给出在线优化加权系数的多变量非线性预测函数控制算法。结果表明,系统的控制响应具有优良的性能,无超调和稳偏,调节时间约5个采样周期。

感应电机最小定子电流的PI预测函数控制

研究感应电机效率优化问题,针对目前传统控制方法在电动机动态时为使电机能够提高响应性能而无法兼顾效率优化的缺点,设计了一种基于多变量PI预测函数的最大转矩电流比控制策略。通过引入预测输出误差项,构建具有比例、积分性质的多变量预测函数控制器,并应用到感应电机电流环控制中。能够有效地控制定子电流励磁分量与转矩分量,从而实现电动机转子磁链与转速的解耦控制。改进型多变量PI预测函数控制策略具有跟踪效果好、抗干扰能力强、无超调、稳态误差小的优点,兼顾了感应电机的动态效率与转速响应速度。同时该算法与传统预测控制器结构类似,便于广大工程人员设计实现,适用于电动汽车中的驱动电机。

基于前馈补偿解耦的多变量汽温系统预测函数控制

针对过程通道可用一阶加纯滞后模型等价描述的多输入多输出系统,提出了基于前馈补偿解耦设计思想的多变量预测函数控制,首先将系统分解为多个多输入单输出系统,在各系统中分别将其它输入量暂视为一种可测干扰,并用预测函数控制原理设计控制器,通过求解多元一 次方程组,实现了多变量系统的预测函数控制设计。采用该方法对国产200MW火电机组带汽—汽换热器的多变量强耦合再热汽温系统进行了控制系统设计和仿真研究,计算机仿真证实了其有效性,达到了动态近似解耦、静态完全解耦和无静差跟踪,各种对象和模型失配情况下的仿真结果显示了该算法较强的鲁棒性和抗干扰能力。因为该方法是基于简化的模型,所推导出的控制算法简单,运算量小,易于工程实现,具有很高的实际应用价值。

具有时滞和干扰的多变量系统预测函数控制方法的研究(英文)

提出了一种新的多变量系统预测函数控制算法 ,该方法可以适用于具有时滞和外部干扰的多变量系统 .利用该控制算法可得到一个解析的控制量计算方程 ,其中各个控制器参数均可离线计算 ,因此在线时算法简单 ,计算量小 ,可以广泛用于解决各种快、慢速对象的控制问题 .仿真结果表明该多变量预测函数控制律具有克服干扰和时滞、跟踪性能好。

多变量一阶加纯滞后系统的预测函数控制

提出一个多变量预测函数控制算法,它是模型预测控制算法的一个分支,是基于预测函数控制思想以及Smith预估器推导得到的,是单变量预测函数控制算法的推广.针对壳牌公司的重油催化裂化分馏塔装置,进行计算机仿真实验.仿真结果表明,在多变量一阶加纯滞后系统控制中,该控制算法比单变量的预测函数控制算法具有更好的控制品质.

增量式多变量预测函数控制及其在气体分馏装置中的应用

针对传统的比例-积分-微分(PID)控制应用于多变量、大滞后的复杂过程时无法获得满意控制效果的问题,该文提出一种增量式多变量预测函数控制(IMPFC)算法。该算法利用过程阶跃响应数据建立增量式传递函数矩阵模型,采用单点线性化方法直接递推出过程预测输出,并对控制增量进行优化求解,解决了位置式预测函数控制算法对控制量约束的不足,使控制量变化更加平缓。通过对预测输出误差和未来的设定值进行多项式拟合,克服了模型失配问题,使预测输出更接近于参考轨迹。在气体分馏装置中的应用表明,该文方法具有良好的跟踪性、鲁棒性和抑制干扰的能力,其控制品质优于传统PID控制。

基于预测函数与线性多变量反馈控制的同步发电机励磁控制

基于预测函数设计了励磁控制器对发电机端电压进行控制。同时设计一种以发电机功角偏差、角速度偏差以及有功功率偏差的线性组合作为控制目标的线性多变量励磁控制器。将2种励磁控制器进行结合,以实现预测函数和线性多变量并行励磁控制,在有效提高电力系统稳定性的前提下还能解决发电机端电压的稳定问题。最后通过MATLAB/Simulink仿真证明了改进后的励磁控制器的有效性。

基于Smith控制与预测函数控制的再热汽温多变量控制快速计算方法

针对再热汽温控制系统控制变量多、控制难度大等问题,提出了一种基于Smith控制与预测函数控制(PFC)的多变量控制快速计算方法。首先,将再热汽温多变量控制系统分解为三个单变量控制系统,在每个单变量控制系统中,将其中两个控制量作为干扰项;其次,根据Smith控制思想,设计每个单变量控制系统;最后在改进预测函数控制的性能指标的基础上,综合考虑三个单变量控制系统,实现对再热汽温度的控制。再热汽温控制仿真实验表明所提方法的计算速度是传统约束条件下预测控制的50倍左右,并且调整参数少,物理意义明确。实验结果表明该算法在现场使用中能够有效地提高再热汽温控制品质。

工业过程多变量时滞系统的预测函数控制

为提高工业过程中多变量、时滞和强耦合系统的动态特性和耦合能力,文章将预测函数控制与解耦控制相结合,给出了一种新的多变量时滞系统预测函数控制算法。该法首先给出了解耦控制算法,通过对解耦后的对象幅频和相频特性分析,获得对象的一阶加纯滞后模型;然后根据预测函数控制原理对解耦后的多个单变量时滞对象设计控制器;最后仿真结果表明,该控制方法具有在线计算量小、跟踪快速和精度高等特点,能够实现复杂多变量系统的更有效控制。

多变量PI型有约束后移步限预测控制器在水泥窑控制中的仿真研究

本文设计了具有比例积分结构的多变量ＰＩ型有约束后移步限预测控制器，并给出在旋转式水泥窑过程控制中的仿真研究结果。

燃油温度的多变量模糊预测函数控制

燃油供给温度的精确控制是一个具有非线性特性的流体加热供给多变量控制问题,实际测试表明,现有的单回路PID控制很难实现对燃油供给温度的动态跟踪控制,影响燃油的充分喷射、雾化及其与空气的混合,使部分燃油得不到充分燃烧,造成了能源浪费和环境污染。基于粒子群优化模糊预测函数控制(PSO-F-MPFC)的油料燃烧供给温度多变量解耦控制方法,通过与PID控制方法的比较,以及在阳极焙烧炉重油燃烧供给温度的动态跟踪控制应用表明,该方法优于原有燃油燃烧系统的PID控制,实现了燃油供给温度的动态跟踪精确控制。

基于NLJ优化算法的多变量预测函数控制

基于差分方程模型推导了多变量预测函数控制算法,使其具有更加广泛的适用性.利用NLJ算法处理预测函数控制中的约束问题,简单明了,没有繁琐的数学公式推导,仿真结果证明了该算法的有效性,为预测控制约束问题的处理提供了一种新的途径.

一类非自衡系统的多变量预测函数控制

针对过程控制中大量存在的多变量非自衡系统 ,研究了一类非自衡系统的多变量预测函数控制问题。常规预测函数控制主要针对渐进稳定系统 ,不能直接控制非自衡系统。根据含有一阶积分环节的非自衡系统的开环阶跃响应在某一时刻后可视为直线的特点 ,改进了常规预测函数控制算法 ,提出了一种可直接控制多变量非自衡系统的预测函数控制改进算法。该改进算法基于简单的开环阶跃响应模型 ,克服了非自衡系统预测模型截断误差的影响 ,具有模型易于获取、算法简单的特点。仿真结果表明 。

多变量非自衡系统预测函数控制研究

针对多变量非自衡系统,本文推导出基于脉冲响应系数模型的多变量非自衡预测函数控制算法。通过对环境试验设备温度湿度控制系统的仿真实验,证实了此算法的有效性和实用性。

增量式多变量预测函数控制算法研究

针对在实际系统中测得的装置模型大多是增量式模型,提出增量式多变量预测函数控制算法。该算法将复杂的多输入多输出的传递函数转化成直观而有效的简单形式,同时利用单点优化方法求得解析的控制律,避免了复杂的模型优化求解,解决了位置式预测函数控制算法应对增量式模型的不足。仿真结果表明该控制算法具有较好的控制品质。

多变量系统灰色预测函数控制方法研究

针对多变量时滞系统,提出一种以灰色模型为基础的多变量灰色预测函数控制策略,并给出多变量灰色预测函数控制算法。分析了灰色系统建模,灰色模型预测输出,和控制量计算方程的求解。仿真实验表明,该方法有较强的鲁棒性,快速性和强抗干扰能力强的特点。

定量水分预测函数多变量控制的研究

造纸工业抄纸过程中,定量和水分的控制品质直接影响纸张的质量。针对其中存在的大时滞、大惯性以及强耦合的特点,提出了基于一阶加纯滞后对象的多变量预测函数控制算法。通过优化多变量性能指标求得控制律,并参考Smith预估思想对滞后时间进行补偿。定量水分系统的仿真结果说明了该算法能较好地达到控制性能的要求,并具有良好的鲁棒性。

基于Laguerre 函数近似模型的多变量系统增量型预测控制的算法

探讨了基于Laguerre函数近似模型的多变量系统的增量型多步预测、多步控制算法 ,并进行了仿真 。

多变量无模型预测神经网络线性自抗扰控制

对难以建模的多变量非线性系统的控制难题,提出改进的具有辅助向量的多变量全格式动态线性化方法,采用其逼近非线性系统,用其构成预测模型,将其转化为具有耦合的若干个子系统,利用直接极小化指标函数自适应优化算法辨识其参数,将多变量线性扩张观测器的线性控制输入项改进为关于观测状态和控制输入向量及其微分的向量函数,并由该向量函数的逆向量函数构建当前控制输入向量,因其未知,使用对角回归神经网络逼近控制输入向量函数,采用多变量非线性递推最小二乘法优化对角回归神经网络连接权及多变量线性自抗扰控制参数,综上研究提出在线优化参数的多变量无模型预测神经网络线性自抗扰控制算法。仿真研究表明系统响应精度高,性能好,优于传统的线性自抗扰控制算法。