三种典型的无模型控制算法仿真比较研究

《三种典型的无模型控制算法仿真比较研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、代表着过程控制发展的新方向。1．2．2．时滞系统及其控制在工业过程控制系统中，时滞系统是其中的一大类。一方面，这是因为当物质和能量沿着一条特定的路径传输时就会出现时滞，它是作为物理系统的一个固有特性而存在的。另一方面，从广义上来说，任何工业过程都是一种具有时间滞后的过程，尤其在过程控制中，由于系统部分传感器不灵敏区的存在，使得系统存在一定的不响应时间，这个现象在过程工业中很普遍，通常出现在大惯性对象的控制中，这个时间的滞后也称为系统的时滞。由于纯滞后的存在，往往是当控制参数发生变化时，被控量并不立即改变，经过一段时间才变化，这样会导致对扰动不能适时反应，这样的过程必然

2、会产生较明显的超调量和较长的调节时间，并且随着纯滞后的增加，系统的闭环响应对周期性扰动会更加敏感，从而使系统从稳定变成不稳定。随着控制系统变得越来越复杂，控制精度的要求越来越高，就不能对时滞做简单的处理，需要建立较为精确的时滞微分方程数学模型。近十几年来关于时滞系统的稳定性和鲁棒控制等问题的研究比较活跃，时滞系统的研究平行于非时滞系统，具有广阔的前景和发展空间。．过程纯滞后对控制系统品质的影响不是决定于时间滞后了的绝对值大小，而是与过程惯性时间常数丁之比f／Z的大小有关，即用f／Z来衡量过程是否具有大纯滞后。通常，当z／T>0．5时为大纯滞后过程，需采取特殊的高级控制

3、，当z／丁<0．3时的过程则较易控制，不必采用特殊的控制。针对时滞过程，比较有效的方法是O．J．MSmith在1957年提出的Smith预估控制控制方法，它的基本原理是通过估计对象的动态特性，用一个预估模型进行补偿，从而得到一个没有时滞的被调节量反馈到控制器输入端，使得整个系统的控制没有时滞环节的影响。Smith预估控制器的结构如图1．1所示，图中Gc0)为控制器的传递函数，GPO)为对象的传递函数，G脯O)为对象的估计模型，吒O)是估计模型中不带时滞项的部分。Smith预估控制系统的闭环传递函数为y0)GcG)Gp(s)R(s)1+GcG)瓯G)+GcO)(GpO)

4、一G辨O))’其中，一般q(s)一吒O弦一，q(s)=吒s)e-"。G—O)和G肿O)为不带时滞项的传递函数。3这种结构相当于在常规控制器上并联一个时滞预估器，从而构成了Smith预估控制器。当预估模型完全准确时，该系统闭环特征方程为1+q(s)G，O)=0。可见，Smith预估控制系统最大的优点是将时滞环节移到了闭环之外，使控制品质大大提高。图1．1传统的Smith预估补偿器Fig1．1TraditionalSmithPredictivecompensator但是，Smith预估法最大的缺点就是太过依赖精确的数学模型，当估计模型和实际对象有误差时，控制品质会显著恶化

5、，甚至发散。而且对于外部扰动也非常敏感，鲁棒性较差。所以，传统Smith预估控制系统在实际中难以得到广泛的应用。1．2．3无模型控制算法研究现状由于本文主要研究的是无模型自适应控制、迭代反馈整定理论和虚拟反馈整定理论，所以仅对这几种无模型控制方法的研究现状加以介绍。．(1)无模型自适应控制目前大多数自适应控制的理论成果均依赖于系统精确的数学模型，从而存在对受控系统数学模型结构的依赖性和未建模动态两个问题【21。但是建立受控系统的数学模型并不是一件容易的事情，尤其是针对非线性系统的建模问题，到目前为止仍然是一个非常困难的问题。因此，如何仅依赖于系统的输入输出信息，设计一

6、种无模型系统综合方法，使控制器的结构不再依赖于受控对象的动力学特性，具有及其重要的意义。基于上述问题的驱动，侯忠生教授于1994年提出了无模型自适应控制【3J，于1999年提出了一系列动态线性化方法和基于动态线性化方法的无模型自适应控制算法[21，并在一些假设条件下给出了SISO、MISO非线性离散时间系统的基于紧格式线性化方法的无模型自适应控制算法(nUMFAC)的输出调节问题的收敛性和稳定性的证明B41，于2005年与池荣虎合作提出了SISO非线性离散时间系统的基于紧格式线性化方法的高阶非参数自适应控制(TFI．,HONP·AC)，并给出了TFL-HONP-AC的

7、输出调节问题的收敛性和稳定性4证明【51。TanILK．于1999年推广了文献【4】的结果，提出了基于紧格式线性化方法的自适应预测控制(TFL-APC)【6J；于1999年提出了基于偏格式线性化方法的自适应预测控制(PFI，APC)，并给出了PFL-APC的输出调节问题的BIBO稳定性和误差有界性证明n张彬于2005年提出了基于紧格式线性化方法的自适应预测函数控制算法(TFLAPFC)，并给出了TFL-APFC的输出调节问题的收敛性和稳定性iiE明tsJ，CoclhoLD．S．于2007年提出了TFL-MFLAC，采用粒子群优化算法来优化无模型自适应