null控制工程概论控制工程概论--- 先进控制系统null第四章 先进控制系统1)计算机技术的发展,DCS和PLC等的出现; 2)现代控制理论的诞生,控制理论和应用都有很大发展; 3)过程工业向大型化和精细化方向发展。先进控制系统的提出null第四章 先进控制系统系统辨识 自适应控制 内模控制 软测量推断控制包含的主要控制方法预测控制 最优控制 故障诊断与容错控制 ……null第四章 先进控制系统4.1 系统辨识4.2 模型预测控制4.3 软测量技术4.4 故障检测诊断和容错控制4.5 现场总线控制系统System Identificationnull4.1 系统辨识 系统辨识的定义及相关问
题
快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题
建立模型的途径
机理建模(白箱) 系统辨识和参数估计(黑箱)
机理建模与系统辨识相结合(灰箱)null4.1 系统辨识 系统辨识的定义及相关问题辨识的定义Zadeh(1962),系统辨识是在输入和输出数据的基础上,从一类模型中确定一个与所观测系统等价的模型。Ljung(1978),系统辨识有三个要素---数据、模型类和准则,即根据某一准则,利用实测数据,在模型类中选取一个拟合得最好的模型。null4.1 系统辨识 系统辨识的定义及相关问题辨识的三要素
输入输出数据(辨识的基础) 模型类(寻找模型的范围) 等价准则(辨识的优化目标)null4.1 系统辨识 系统辨识的定义及相关问题辨识目的
验前知识
实验设计
模型类选择
参数估计
模型验证null4.1 系统辨识 系统辨识的定义及相关问题例:热交换器
建立一个热交换器的数学模型,即建立T/Q模型,经观测得到一组输入输出数据,记作{Q(k)}和{T(k)},k=1,2,…,L 。输入输出数据:null4.1 系统辨识 系统辨识的定义及相关问题选定一组模型类:一个等价准则:null4.1 系统辨识 系统辨识的定义及相关问题辨识问题: 根据所观测到的数据{Q(k)}和{T(k)} ,确定模型中的未知参数n及ai、bi ,使得准则J最小。T(k)+a1T(k-1)+…+anT(k-n)=b1Q(k-1)+…+bnQ(k-n)+e(k)null4.1 系统辨识 系统辨识的定义及相关问题辨识的基本原理通常采用逐步逼近的办法。null4.1 系统辨识 系统辨识的定义及相关问题辨识的分类离线辨识、在线辨识; 非参数模型辨识、参数模型辨识。null4.1 系统辨识 系统辨识的定义及相关问题辨识的分类阶跃响应、脉冲响应、频率响应、相关
分析
定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析
、谱分析等。非参数模型辨识(经典辨识):假定过程是线性的前提下,不必事先确定模型具体结构。null4.1 系统辨识 系统辨识的定义及相关问题辨识的分类最小二乘法、梯度校正法、极大似然法等。参数模型辨识(现代辨识):必须假定一种模型结构,通过极小化误差准则来确定模型参数。null4.1 系统辨识 阶跃响应法什么是阶跃响应法 施加一个阶跃扰动信号,测定出过程的输出响应随时间的变化曲线,该曲线就是利用阶跃响应法得到的非参数模型,再根据该曲线获得待辨识过程的传递函数。null4.1 系统辨识 阶跃响应法实验测取过程的阶跃响应合理选择阶跃信号幅度 多次重复实验由阶跃响应求过程的传递函数若曲线
规则
编码规则下载淘宝规则下载天猫规则下载麻将竞赛规则pdf麻将竞赛规则pdf
:可用近似法、切线法、两点法等 若曲线不规则:可用面积法null4.1 系统辨识 阶跃响应法近似法K=[y(∞)-y(0)]/Δu 取y(t)=0.632y(∞)时对应的 t 就是过程的时间常数T。null4.1 系统辨识 阶跃响应法近似法在响应曲线的拐点处作一切线,0L为τ值,切线ML在时间轴上的投影是T。null4.1 系统辨识 阶跃响应法两点法null4.1 系统辨识 阶跃响应法最小二乘法 u(k)和z(k)是过程的输入输出量,n(k)是噪声;
要解决的问题是如何利用过程的输入、输出数据,确定A(z-1)和B(z-1)的系数。null4.1 系统辨识 阶跃响应法null4.1 系统辨识 阶跃响应法最小二乘法设有,使,则有null4.1 系统辨识 阶跃响应法最小二乘法的递推算法基本思想可以表示成:
当前估计值 =上一时刻估计值 + 修正项 每获得一次新的观测数据就修正一次参数估计值,随着时间的推移,便能获得满意的辨识结果。null4.1 系统辨识 阶跃响应法最小二乘法的递推算法当前估计值上一时刻估计值修正值null第四章 先进控制系统4.1 系统辨识4.2 模型预测控制4.3 软测量技术4.4 故障检测诊断和容错控制4.5 现场总线控制系统System IdentificationModule Predictive Controlnull4.2 模型预测控制 预测控制的基本原理预测控制的基本出发点 通常的PID控制,是根据过程当前的和过去的输出测量值和设定值的偏差来确定当前的控制输入。
预测控制不但利用当前的和过去的偏差值,而且还利用预测模型来预估过程未来的偏差值,以滚动优化确定当前的最优输入策略。null 预测控制的基本原理预测控制的基本结构4.2 模型预测控制null 预测控制的基本原理预测控制的思路三要素: 预测模型 滚动优化 反馈校正4.2 模型预测控制null 预测控制的基本原理预测控制的思路三要素之一:预测模型
功能
根据当前时刻的控制输入及过程的历史信息,预测过程输出的未来值
形式
非参数模型:脉冲响应、阶跃响应
参数模型:微分方程、差分方程4.2 模型预测控制null 预测控制的基本原理三要素之二:滚动优化
滚动优化的目的
通过某性能指标的最优来确定未来的控制作用
参考轨迹、控制能量最小等
滚动优化的方法
有限时段的优化,反复在线运行
每一步实现的是静态优化
全局动态优化4.2 模型预测控制null 预测控制的基本原理三要素之三:反馈校正
每个采样时刻,都对预测输出进行修正
补偿输出
校正模型参数 实现闭环优化
预测输出不仅基于模型,而且利用了反馈信息4.2 模型预测控制null 预测控制的基本原理常见的预测控制算法- 动态矩阵控制(Dynamic Matrix Control, DMC)
- 模型算法控制(Model Algorithmic Control, MAC)
- 广义预测控制(Generalized Predictive Control, GPC)
- 预测函数控制( Predictive Functional Control, PFC)
- 广义预测极点配置控制(Generalized Predictive Pole-placement Control, GPPC)
- 其他4.2 模型预测控制null 动态矩阵控制DMC概述- 由Cutler等人提出
首先应用(1974)于Shell Development Co.
是一种基于对象阶跃响应的预测控制算法,适用于渐进稳定的线性对象。4.2 模型预测控制null 动态矩阵控制DMC的原理与算法预测模型:
有限集合aT={a1,a2 ,…,aN} 中的参数可完全描述系统的动态特性,N 称为建模时域。4.2 模型预测控制null 动态矩阵控制DMC的原理与算法预测模型:
利用线性叠加性质:
k 时刻时,假定控制作用不变,对N 个时刻的输出预测为:
当k 时刻有一控制作用∆u(k)时,对N 个时刻的输出预测为:4.2 模型预测控制null 动态矩阵控制DMC的原理与算法预测模型:
4.2 模型预测控制null 动态矩阵控制DMC的原理与算法预测模型:
若有M个连续控制增量∆u(k), ∆u(k+1), …, ∆u(k+M-1)作用,未来各时刻的预测输出4.2 模型预测控制null 动态矩阵控制DMC的原理与算法滚动优化:
在时刻k,要确定从该时刻起的 M 个控制增量 ∆u(k),∆u(k+1),…,∆u(k+M-1),使被控对象在其作用下未来 P 个时刻的输出预测值 尽可能接近
给定的期望值 。
M称为控制时域,P称为优化时域,M≤P≤N。4.2 模型预测控制null 动态矩阵控制DMC的原理与算法滚动优化:
4.2 模型预测控制null 动态矩阵控制DMC的原理与算法滚动优化:
优化变量为∆uM(k)=[∆u(k), ∆u(k+1), …, ∆u(k+M-1)]T
优化目标为min J(k)
预测模型写为矩阵形式:4.2 模型预测控制null 动态矩阵控制DMC的原理与算法滚动优化:
已知的
4.2 模型预测控制null 动态矩阵控制DMC的原理与算法滚动优化:
只需∆u(k)构成实际控制量u(k)=u(k-1)+∆u(k)作用于对象
其中, ,可以离线进行计算。4.2 模型预测控制null 动态矩阵控制DMC的原理与算法反馈校正:
若将∆u(k)实际加于对象输入端,利用预测模型:
可作为k+1时刻的初始预测值进行新的优化计算,但实际值与预测值有可能存在偏差,所以需要对其进行修正:
其中,4.2 模型预测控制校正向量
null 动态矩阵控制4.2 模型预测控制null 动态矩阵控制DMC的原理与算法反馈校正:
将 移位:
其中,移位矩阵4.2 模型预测控制null 动态矩阵控制DMC的实现预处理
对不稳定的对象,待稳定后实施预测控制
对非线性对象,在工作点处线性化
采样周期
一般选择T使模型维数在25~30之间
确定动态矩阵
测试被控对象的阶跃响应4.2 模型预测控制null 动态矩阵控制DMC的实现选择参数初值
优化时域P :重要参数,在1,2,4,8,…序列中选择,应包含对象的主要动态特性
控制时域M:≤P,一般M=1~2(单调特性对象)或M=3~4(振荡特性对象)
误差权矩阵Q:等权重、只考虑后面几项
控制权矩阵R: 一般较小
计算d
按照公式计算4.2 模型预测控制null 动态矩阵控制DMC的实现- 初始化
- 控制量的在线计算4.2 模型预测控制null以预测控制为核心思想的先进控制商品化软件包:
第一代模型预测控制技术
以IDCOM和DMC为代表,主要处理无约束过程的预测控制。
第二代模型预测控制技术
QDMC算法,采用二次规划方法(QP)求解,可以系统地处理输入、输出约束问题。
第三代模型预测控制技术
IDCOM-M,DMC,SMCA等控制软件包 ,处理约束的多变量、多目标、多控制模式和基于模型预测的最优控制器。
第四代模型预测控制技术
DMC-pllus,RMPCT等 。基于Windows的图形用户界面;采用多层优化,以实现不同等级目标控制;采用灵活的优化方法;直接考虑模型不确定性(鲁棒控制设计);改进的辨识技术等。 4.2 模型预测控制