时变大时滞系统的控制方法综述.doc

《时变大时滞系统的控制方法综述.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、时变大时滞系统的控制方法综述1引言　　在化工、炼油、冶金、玻璃等一些复杂的工业过程当中,广泛地存在着大时滞现象。由于时滞的存在,使得被控量不能及时地反映系统所承受的扰动,从而产生明显的超调,使得控制系统的稳定性变差,调节时间延长,对系统的设计和控制增加了很大的困难。而时变时滞的特性则使得问题更加复杂,因而对此类问题的研究具有重要的理论和实际意义。　　自从1957年Smith首次提出针对时滞系统的预估控制方法以来,许多学者在这一领域进行了广泛而深入的研究,相继提出了许多行之有效的控制方法。根据对专统数学模型的依赖程度的不同,这些方法大致可以分为自适应控制和智能控制两大类。本文即对

2、此进行了总结介绍,分析了各种控制方法的优点及其所存在的局限性,并且探讨了该领域今后的发展方向。2Smith预估器　　Smith预估器是得到广泛应用的时滞系统的控制方法。该方法的基本思路是:预先估计出系统在基本扰动下的动态特性,然后由预估器对时滞进行补偿,力图使被延迟了的被调量超前反映到调节器,使调节器提前动作,从而抵消掉时滞特性所造成的影响:减小超调量,提高系统的稳定性$加速调节过程,提高系统的快速性。Smith预估器的原理如图1所示。图1Smith预估器控制框图　　从理论上分析,Smith预估器可以完全消除时滞的影响,从而成为一种对线性、时不变和单输入单输出时滞系统的理想控制

3、方案。但是在实际应用中却不尽人意,主要原因在于:Smith预估器需要确知被控对象的精确数学模型,而且它只能用于定常系统。这一条件事实上相当苛刻,因而影响了Smith预估器在实际应用中的控制性能。　　在Smith预估器的基础上,许多学者提出了扩展型的或者改进型的方案,这些方案包括:多变量Smith预估控制,非线性系统的Smith预估器,改进的Smith预估器。这些方法由于并没有减小对系统数学模型的依赖程度,因而同样也具有很大的局限性。3自适应控制方法　　对大多实际控制过程而言,被控对象的参数在整个被控过程中不可能保持定常,对于这一类系统,如果采用常规的控制方法,不仅控制性能会变差

4、,而且还会造成系统发散,然而利用自适应技术却可以获得比较满意的控制效果。　　自适应控制的基本思路是:依据自适应控制的“确定性等价原理”和“分离设计原则”,时变系统的控制器设计可以分为两步进行,首先假定被控对象的参数已知且定常,按给定的性能指标设计出相应的控制器,然后利用参数辨识在线估计出被控对象的参数值,并以参数估计值代替控制器中所用的真值对系统进行控制。　　自适应控制由于具有对时变参数的良好的自适应能力,因而在时变时滞系统中得到了广泛的应用。现已提出的控制方法包括:模型参考自适应预估控制、自适应预估最优控制、极点配置最优预报自校正PID控制器、大时滞系统的自抗扰控制、时滞并联

5、自适应控制、零极点配置的自校正内模控制、动态矩阵控制等等。自适应控制的典型控制框图如图2所示。图2自适应控制系统框图　　自适应控制虽然对时变系统具有良好的控制效果,但是它也存在一定的缺陷,即它要求将对象描述为某些特定的数学模型类,自适应控制器的设计取决于这个数学模型,而实际上许多过程控制系统的数学模型难以获得,即所谓灰色系统,这将导致自适应控制岳法应用。4智能控制方法　　随着智能控制理论和技术的飞速发展,许多学者将模糊控制和神经网络控制技术应用于大时滞控制系统当中。模糊控制的优点是不需要被控对象的精确数学模型,而且具有很强的鲁棒性,因而非常适合于不确定性系统。神经网络控制则具有

6、自学习和自适应以及很强的非线性表述能力,对于不确定的非线性时变系统非常适用。专家系统为解决复杂的不确定性对象的控制提供了另外一条有效途径,它以控制专家的经验和知识弥补了对象数学模型的缺陷。　　智能控制方法虽然克服了Smith预估器和自适应控制的缺陷,但它们本身也并不是完美的。模糊控制的显著缺点是控制精度不高、自适应能力有限、存在稳态误差、可能引起振荡。神经网络控制的缺点是学习和训练比较费时、对训练集的要求也很高。专家控制则过度依赖专家的经验,缺乏自学习能力,控制精度不高,而且同样存在稳态误差。鉴于上述原因,智能控制方法经常相互融合或者和Smith预估器以及自适应控制相结合,这也

7、正是时变大时滞系统控制方法目前的研究方向。现已提出的方法包括:神经元自适应PID控制、自调谐模糊控制器时、专家控制与PID控制结合的递阶智能控制器、基于模糊神经网络的预测控制、变结构模糊控制器时、基于模糊预测的问歇PID控制器、基于模糊逻辑的Smith预估器、基于神经网络的非线性Smith预估器、专家Smith预估控制、非自衡系统的智能控制、遗传算法与最小二乘结合的时变时滞系统的在线辨识等等。　　上述控制方法各具特色,也都具有相当不错的控制性能,但是它们并不一定是最优的,而且各自具有不同的复