文档介绍：兰州理工大学
硕士学位论文
多变量过程智能辨识与解耦控制
姓名:寇得民
申请学位级别:硕士
专业:控制理论与控制工程
指导教师:李晓斌
20080410
要摘实际工业生产中普遍存在着多变量耦合现象,为了实现其精确控制,首先需要解决的是系统模型的准确性问题,相比传统的系统辨识方法,本文采用了粒子群优化算法的智能辨识方法,以辨识的系统模型为预测模型,提出了多变量系统的智能预测函数解耦控制方法。在多变量模型的辨识方面,本文应用了粒子群优化算法,定性地分析系统参数空间范围,把系统辨识问题转化为参数空间寻优,利用粒子群优化算法在寻优过程中有效的避免局部最优,在整个参数空间内并行寻找获得系统参数的最优解。通过对多种模型的仿真实验研究表明,粒子群优化算法在多变量系统模型辨识中优于遗传算法。在多变量系统的解耦控制方面,研究了多变量系统预测函数解耦控制算法。将多变量系统的解耦控制问题化简为若干个单变量系统的预测函数控制,采取分散优化策略代替整体优化,利用预测函数控制算法的特点,引入基函数增加了设计的自由度,减少了在线计算量,使参数设计和算法过程求解大为简化,然后再利用该算法获得一个解析的解耦控制量计算方程;其控制器参数均可离线计算,而且算法简单,便于实现复杂、高维多变量系统的解耦控制。通过对多变量一阶滞后耦合系统和二阶滞后耦合系统的仿真表在预测函数控制的模型失配问题方面,针对多变量系统中的随机性和不确定性造成的预测模型失配,提出了智能预测函数解耦控制方法,主要包括:模糊预测函数解耦控制、遗传算法预测函数解耦控制和粒子群优化算法预测模糊预测函数解耦控制方法就是将模糊数学的方法引入到预测函数解耦控制中,利用模糊建模的方法解决预测函数解耦控制方法中由于模型失配严重而造成的控制无法稳定等问题。遗传算法和粒子群优化算法在参数优化中具有很好的辨识优化效果,利用遗传算法和粒子群优化算法对失配模型进行优化处理,以优化的模型作为预测模型进行解耦控制,形成遗传算法预测函数解耦控制和粒子群优化算法预测函数解耦控制。这些方法能够有效地克服控制模型的失配及系统的不确定性,具有很好的实时性。通过对实际工业对象的仿真及与自整定刂频谋冉媳砻鳎梅椒ň哂泻芎玫目刂菩Ч关键词:多变量系统;系统辨识:粒子群优化算法;智能优化;预测函数解明,该方法具有很好的解耦控制效果。函数解耦控制。耦控制硕二宦畚
曲.““.如畆琣...,.,甌...畊“皕琤,琣.,瑃瑆矗,
..篗,.鐉.,一;;硕上学位论文畊甈狿.,.,—甈..,.;
插图索引系统辨识原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一惴ū媸对怼多变量预测函数解耦控制原理图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯·顶部加热器温度输出比较图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一侧部加热器温度输出比较图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一底部加热器温度输出比较图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯实际退火温度控制结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯·图叛痰朗涑龇抡嫱肌叛痰朗涑龇抡嫱肌叛痰朗涑龇抡妗叛痰朗涑龇抡嫱肌原有的痰牢露瓤刂平峁烟道温度的控制结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯两种控制温度误差比较图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯实际烟气温度控制结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯预测模型智能优化的控制图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯”重油温度隶属度⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯模型仿真图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.P头抡嫱肌模型仿真图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯模型仿真图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一第龌芈肺露仁涑鐾肌第龌芈肺露仁涑鐾肌茏哉≒燃油温度控制结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯·图多变量过程智能辨识与解耦控制
甈回路温度输出比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯·⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯甈回路温度输出比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图图硕士学位论文
附表索引表两种算法对一阶滞后系统的辨识结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯两种算法对P偷谋媸督峁表顶加热器电流采集的数据⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯”表侧加热器电流采集的数据⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一表底加热器电流采集的数据⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一燃油温度现场采集数据⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一:P凸嬖虮怼:P凸嬖虮怼:P凸嬖虮怼多变量过程智能辨识与解耦控制
剔谧辄劢父作者签名:、毵怜剐作者签名:磐晗承日期:捌年/莎兰州理工大学学位论文原创性声明和使用授权说明日期:伊