先进控制技术综述

《先进控制技术综述》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、WORD格式可编辑先进控制技术综述1引言在实际的工业控制过程中，很多系统具有高度的非线性、多变量耦合性、不确定性、信息不完全性和大滞后等特性。对于这种系统很难获得精确的数学模型，并且常规的控制无法获得满意的控制效果。面对这些复杂的工业控制产生了新的控制策略，即先进控制技术。先进控制技术包括：自适应控制，预测控制，推理控制，鲁棒控制以及包括模糊控制与神经网络在内的智能控制方法。本文详细介绍了自适应控制、预测控制以及这两种先进控制的应用领域和优缺点[1]。2自适应控制自适应控制的思想是对于系统中的不确定性，以及控制任务的艰巨性，对于部分未建模的动态特性、变化的被控对象和干扰信号，

2、及时地测得它们的信息，并根据此信息按一定的设计方法，自动地做出控制决策、修改控制器结构和参数，使其控制信号能够适应对象和扰动的动态变化，在某种意义上达到控制效果最优或次优。2．1自适应控制介绍目前自适应控制的种类很多，从总体上可以分为三大类：自校正控制、模型参考自适应控制和其他类型的自适应控制。自校正控制的主要问题是用递推辨识算法辨识系统参数，根据系统运行指标来确定调节器或控制器的参数。其原理简单、容易实现，现已广泛地用在参数变化、有迟滞和时变过程特性，以及具有随机扰动的复杂系统。自校正控制系统的一般结构图如图1所示。自校正控制适用于离散随机控制系统[2]。图1自校正控制结构

3、图模型参考自适应控制，利用可调系统的各种信息，度量或测出各种性能指标，把模型参考自适应控制与参考模型期望的性能指标相比较；用性能指标偏差通过非线性反馈的自适应机构产生自适应律来调节可调系统，以抵消可调系统因“不确定性”所造成的性专业知识整理分享WORD格式可编辑能指标的偏差，最后达到使被控的可调系统获得较好的性能指标的目的。模型参考自适应控制可以处理缓慢变化的不确定性对象的控制问题。由于模型参考自适应控制可以不必经过系统辨识而度量性能指标，因而有可能获得快速跟踪控制。模型参考自适应控制结构框图如图2所示，模型参考自适应控制一般用于确定性连续控制系统。图2模型参考自适应框图其他

4、形式的自适应控制系统是指除前面所描述的自校正控制系统和模型参考控制系统以外基于先进理论的自适应控制系统及多变量过程自适应控制系统、非线性自适应控制系统和权系数自适应控制系统等。2.2自适应控制应用及其优缺点控制器参数的调整最早出现于1940年，直到20世纪50年代末，由于飞机控制器的需要，麻省理工学院首先提出了飞机自动驾驶仪的模型参考自适应控制方案。1960年至1970年间，伴随着控制理论的发展，自适应控制设计有了有效的基础，进入20世纪80年代后，随着数字机性能价格比的迅速改善和微机应用技术的不断提高，至此自适应控制得到了充分的应用。如今自适应控制得到进一步发展，其不仅在工

5、业领域取得了较大的成功，而且在社会、经济和医学等非工业领域也进行了有益的探索。自适应控制的应用主要有以下几个方面：工业过程控制，智能化高精密机电或电液系统控制，电力系统的控制，航天航空、航海和无人驾驶，柔性结构与振动和噪声的控制，生物工程及武器系统。同一般的反馈控制相比，自适应控制具有如下优点：(1)一般反馈控制主要适用于事先确知的对象或确定性对象。自适应控制可应用先前无法确知的对象和时变对象。(2)一般反馈控制具有抗干扰能力，能够消除状态扰动引起的系统误差。自适应控制因为有辨识对象和在线修改参数的能力，因而不仅能够消除状态扰动引起的系统误差，还能消除系统结构扰动引起的系统误

6、差。(3)一般反馈控制系统的设计需要掌握描述系统特性的数学模型及其环境变化状况。自适应控制系统设计很少依赖数学模型，只需要较少的先验知识，就可以通过自适应的控制设计实现控制目标。(4)自适应控制是更复杂的反馈控制，与一般反馈控制相比增加了自适应控制机构或辨识器，还附加了一个可调系统，可以解决更复杂的控制问题。专业知识整理分享WORD格式可编辑3预测控制预测控制是一种基于预测模型的控制方法，采用了滚动优化，反馈矫正等方法。(1)预测模型：预测控制是一种基于模型的控制算法，这一模型称为预测模型，预测模型的功能是根据对象的历史信息和未来输入预测其未来输出，这里只强调模型的功能而不强

7、调其结构形式；因此预测模型既可以是差分方程、微分方程等参数模型，也可以是被控过程的脉冲响应、阶跃响应等非参数模型。(2)滚动优化：预测控制是一种优化算法，它是通过某一性能指标的最优来取得未来控制作用的，与通常的离散最优控制算法不同，其不是采用一个对全局相同的优化性能指标，而是在每一时刻有一个相对于该时刻的优化性能指标。(3)反馈校正：预测控制是一种闭环控制算法。由于实际系统受非线性、时变、模型失配、干扰等因素的影响，基于不变模型的预测输出不可能与系统的实际输出完全一致，而在滚动实施优化过程中，又要求模型