2被控过程的数学模型.ppt

《2被控过程的数学模型.ppt》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、过程控制ProcessControl上篇过程控制系统第2章被控过程的数学模型本章要点◇被控过程数学模型的概念◇被控过程的特性◇数学模型的类型及构建方法本章学习目标◇掌握过程建模的基本概念◇理解被控过程机理建模的方法与步骤◇了解被控过程的自衡与非自衡特性◇熟悉单容过程和多容过程阶跃响应曲线及解析表达式◇熟练掌握阶跃响应曲线法建立过程数学模型的步骤与方法第2章被控过程的数学模型2.1过程建模的基本概念2.2机理法建模2.3实验法建模2.1过程建模的基本概念2.1.1被控过程的数学模型及其作用被控过程的数学模型是指过程的输入变量与输出变量之间

2、定量关系的描述.通道--过程的输入变量至输出变量的信号联系控制通道--控制作用至输出变量的信号联系干扰通道--干扰作用至输出变量的信号联系过程的数学模型静态数学模型动态数学模型第2章被控过程的数学模型2.1过程建模的基本概念第2章被控过程的数学模型2.1过程建模的基本概念过程控制系统方框图调节器的输出量u为控制作用，常称为过程的基本扰动或内部扰动。其他的输入量则称为扰动作用，统称为外部扰动。被控过程的数学模型在过程控制中的作用控制系统设计的基础调节器参数整定的重要依据仿真或研究、开发新型控制策略的必要条件指导生产工艺及其设备的设计与操作

3、指导工业过程故障检测与诊断系统的设计第2章被控过程的数学模型2.1过程建模的基本概念在过程控制中实际应用的动态数学模型，其传递函数的阶次一般不高于三阶。有时可用具有时滞的二阶形式，最常用的是具有时滞的一阶形式。第2章被控过程的数学模型2.1过程建模的基本概念表2.1被控过程数学模型的应用与要求应用目的过程模型类型精度要求调节器参数整定线性、参数（或非参数）、时间连续低前馈、解耦、预估系统设计线性、参数（或非参数）、时间连续中等控制系统的计算机辅助设计线性、参数（或非参数）、时间离散中等自适应控制线性、参数、时间离散中等最优控制线性、参数

4、、时间离散或连续高依据过程特性的不同分为（1）有自衡过程和无自衡过程当原来处于平衡状态的过程出现干扰时，其输出量在无人或无控制装置的干预下，能够自动恢复到原来或新的平衡状态，则称该过程具有自衡特性，否则，该过程则被认为无自衡特性。2.1.2被控过程的动态特性第2章被控过程的数学模型2.1过程建模的基本概念1.被控过程的特性无自衡过程及其阶跃响应曲线具有自衡特性的过程及其响应曲线第2章被控过程的数学模型2.1过程建模的基本概念（2）单容过程与多容过程工业生产过程一般都具有储存物料或能量的能力，其储存能力的大小称为容量。单容过程——只有一个

5、储存容积的过程。多容过程——被控过程由多个容积组成。第2章被控过程的数学模型2.1过程建模的基本概念自衡特性传递函数的典型形式一阶惯性环节二阶惯性环节二阶惯性+纯滞后环节一阶惯性+纯滞后环节无自衡特性传递函数的典型形式一阶环节二阶环节二阶+纯滞后环节一阶+纯滞后环节第2章被控过程的数学模型2.1过程建模的基本概念（3）有自衡的振荡过程在阶跃输入作用下，过程输出会上下振荡衰减振荡的传递函数为第2章被控过程的数学模型2.1过程建模的基本概念在过程控制中，这类过程不多见，其控制难度相对较大。（4）具有反向特性的过程对过程施加一阶跃输入信号，若

6、在开始一段时间内，过程的输出先降后升或先升后降，即出现相反的变化方向，则称其为具有反向特性的被控过程。第2章被控过程的数学模型2.1过程建模的基本概念具有反向特性的过程响应曲线第2章被控过程的数学模型2.1过程建模的基本概念具有反向特性的过程锅炉汽包水位在负荷变化下的响应是最典型的例子。系统相对较为复杂时间常数及时延大具有非线性、分布参数具有时变特性被控对象大多属慢变过程第2章被控过程的数学模型2.1过程建模的基本概念2.工业过程动态特性的特点在过程控制中，被控对象复杂多样，其中所进行的过程几乎都离不开物质和能量的流动，只有流入量与流出

7、量保持平衡时，对象才会处于稳定平衡的工况。在过程控制系统中大多采用调节阀控制流入量或流出量，以保持工况平衡。第2章被控过程的数学模型2.1过程建模的基本概念2.1.3被控过程数学模型的建立方法从分布到集中从非线性到线性被控过程特性复杂，必须对系统进行适当的简化处理才能有效地建模。通常，从以下两个方面对模型进行简化：建立被控过程数学模型的方法主要有三种，分别是机理法、实验法、机理法与实验法相结合的混合法。第2章被控过程的数学模型2.1过程建模的基本概念1.机理法（解析法）根据被控过程的内部机理，运用已知的静态或动态平衡关系，用数学解析的方

8、法求取被控过程的数学模型。2.实验法（实验辨识法）先给被控过程人为地施加一个输入作用，然后记录过程的输出变化量，得到一系列实验数据或曲线，最后再根据输入－输出实验数据确定其模型的结构（包括模型形式、阶次与纯