基于t-s模糊模型的鲁棒预测控制器在啤酒发酵温度控制中的应用研究

《基于t-s模糊模型的鲁棒预测控制器在啤酒发酵温度控制中的应用研究》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、分类号:TP273学校代码:10426密级:学号:2013040023硕士学位论文MASTERDEGREETHESIS基于T-S模糊模型的鲁棒预测控制器在啤酒发酵温度控制中的应用研究作者:王耀锋指导教师:尚继良学科专业:控制科学与工程专业代码:081100研究方向:控制理论与控制工程2016年6月10日基于T-S模糊模型的鲁棒预测控制器在啤酒发酵温度控制中的应用研究摘要啤酒发酵是啤酒生产中最重要的环节，发酵过程中会有许多因素影响着最终的发酵质量，如温度、压力、浓度等，温度是最关键的因素，温度的变化会影响压力和浓度的变化，所以发酵温度必须能够符合温度工艺曲线。啤酒发酵过程是一个非线性、模

2、型不确定性、多扰动、大惯性的过程，在发酵过程中，会受到内外部的干扰，如酵母特性、冷却液温度和压力的扰动等。发酵过程包含许多复杂的物理化学反应，涉及的因素也很繁多，很难建立精确的数学模型。常规的控制方法无法满足最优跟踪温度工艺曲线的要求。本文融合了确保系统稳定的鲁棒控制和具有滚动优化思想的预测控制，提出了基于T-S模糊模型的鲁棒预测控制器，将其应用于发酵过程中。本文的研究成果和内容主要有以下几个方面：(1)详细阐述了啤酒发酵过程和温度工艺曲线，重点研究发酵温度这类具有非线性、不确定性、多扰动等特点的控制对象，分析了其控制难点。(2)介绍了T-S模糊模型，用它来逼近非线性系统，根据T-S模

3、型中的每条模糊规则，采用并行分配补偿技术，由线性矩阵不等式（LMI）求得相对应的局部状态反馈鲁棒控制器，满足H鲁棒性，通过对每个局部控制器加权，得到整个的鲁棒控制器。但状态反馈控制器受限于状态完全可测的条件，故结合预测控制中滚动优化的思想，利用输出反馈，针对局部控制器参数的时变性，在每一采样时刻，只需知道不可测状态的界限值，求解一组带有约束的LMI，再加权求出最终的鲁棒预测控制器。(3)对啤酒发酵过程进行机理建模，再把机理模型转变为T-S模型，对其施加鲁棒预测控制器，仿真结果表明基本解决了发酵过程的难点，满足控制需求。关键词：啤酒发酵温度控制；T-S模糊模型；鲁棒H算法；输出反馈；鲁

4、棒预测控制APPLICATIONOFROBUSTPREDICTIVECONTROLLERBASEDONT-SFUZZYMODELONTEMPERATURECONTROLOFBEERFERMENTATIONABSTRACTBeerfermentationisthemostimportantpartinbreweryandtherearesomanyfactorswhichwillaffectthefinalqualityoffermentationduringthefermentationprocess,suchastemperature,pressure,concentrationa

5、ndsoon.Temperatureisthekeyfactorandchangesoftemperaturewillinfluencethechangesofpressureandconcentration.Sothefermentationtemperaturemustbeabletofollowthetemperatureprocesscurve.Beerfermentationprocessisanonlinear,uncertainty,multi-disturbanceprocess.Therearesomuchinternalparameterchangesandexte

6、rnaldisturbancesinthefermentationprocess,suchasyeastcharacteristicsandthechangeofcoolanttemperatureandpressure.Thefermentationprocessinvolvesmanycomplexphysicalandchemicalreactionsandthematerialsinvolvedareverywide.Soitisdifficulttoestablishaprecisemathematicalmodel.Theconventionalcontrolmethods

7、can’tmeettherequirementsoftheoptimaltrackingtemperaturecurve.Inthispaper,therobustcontrolwhichcanmakesurethesystemstabilityandthepredictivecontrolwhichhasthoughtofrecedingoptimizationarecombined.Therobustpredictivecontroller