杨继君[1]2004年在《煮糖结晶过程的动态矩阵控制研究》文中研究说明模型预测控制策略因其预测模型、滚动优化、反馈校正叁大特征符合工业过程控制的实际需要。因此自提出到至今在理论和应用取得了长足的发展。煮糖过程是蔗糖结晶的生产过程，在这个过程中既有传热，又有传质，是一个非常复杂的物理和化学过程。由于煮糖结晶过程本身受干扰因素很多，如糖浆的锤度、糖浆杂质、真空度以及温度的变化都会影响蔗糖结晶过程，非线性较强，因此，一般的控制方法很难奏效。本文根据煮糖过程的物料平衡、能量平衡和生产过程的各种物性参数的机理解析关系(如晶体生长分散等)建立描述被控生产过程的模型，并以该模型作为预测模型对煮糖结晶过程实施动态矩阵控制，在MATLAB上进行了煮糖过程中过饱和度(OS)的动态矩阵控制仿真实验，实验证明该控制算法对煮糖过程的控制是可行的。本文还从预测模型和优化方法的角度展开了对非线性动态矩阵控制方法的初步探讨。 本文在简单分析模型预测控制算法的基本理论和优点的基础上，讨论了一种适合煮糖罐过饱和度控制的具有响应速度快、鲁棒性强的预测控制算法——动态矩阵控制(DMC)。 本文的主要的研究工作集中在如下几个方面： 1．对预测控制的发展概况、研究现状及研究动向进行了概述，同时介绍了与本论文相关的预测控制方案； 2．对煮糖结晶过程进行了系统地机理分析； 3．对单变量动态矩阵控制(DMC)的基本算法进行讨论，并仿真验证DMC控制方法是一种计算简单、鲁棒性较强、抑制干扰能力好、控制精度高的控制策略。 4．针对煮糖过程，采用两种控制方案即传统的PID和先进的DMC进行仿真比较，说明DMC在响应速度、鲁棒性和抗干扰性等方面明显优于传统的PID控制方法； 5．对多模型非线性预测控制方法作初步探讨。 当然，在DMC控制中也出现了一些不足之处，如过饱和度控制有波动。作者认为其主要原因是煮糖结晶过程异常复杂，耦合性又比较强。而在仿真研究过程中采用的是单变量控制，这与实际煮糖结晶过程是不相符的，因为实际煮糖结晶过程是一个多变量控制系统，因此采用多变量DMC控制可能会有效地解决这个问题，这也是今后需要努力的方向。
杨继君, 徐辰华, 孔繁镍[2]2006年在《煮糖结晶过程的多模型动态矩阵控制研究》文中提出由于工业结晶过程存在非线性和滞后现象,因此采用常规的控制策略已经达不到工业生产的要求。针对这种情况,通过对煮糖结晶过程的机理分析建立了反映实际煮糖过程的动态模型,在此基础上采用一种先进的预测控制算法即多模型非线性动态矩阵控制(DMC)算法进行控制。仿真和对比研究有力地证明了所建立的模型是有效的,同时也证明该算法可以应用到工业结晶过程弗能够取得较好的控制品质。
杨继君, 徐辰华, 易红玲[3]2006年在《煮糖结晶过程的动态矩阵控制研究》文中指出由于煮糖结晶过程本身受干扰的因素比较多,如糖浆的锤度、糖浆杂质、真空度以及温度的变化都会影响蔗糖结晶过程,非线性比较强。因此一般的控制策略(比如常规PID)难以凑效,根据煮糖结晶过程的物料平衡、能量平衡和生产过程的各种物性参数的机理解析关系(如晶体生长分散)建立描述被控对象的模型,并以该模型作为预测模型对煮糖结晶过程实施动态矩阵控制(DMC),仿真结果表明该控制算法对煮糖过程的控制是有效的。
曾科[4]2006年在《煮糖结晶过程的非线性预测控制研究》文中研究表明预测控制自上世纪70年代产生以来，因其对模型要求低、具有较强鲁棒性等特点，在生产过程中获得了广泛的应用。目前，对线性系统预测控制算法的研究己经比较深入，理论研究相对也比较成熟。而对于非线性系统，因其自身的复杂性，使得寻找一种统一的非线性预测控制方法很困难。 煮糖过程是蔗糖结晶的生产过程，在这个过程中既有传热，又有传质，是一个非常复杂的物理和化学过程。由于煮糖结晶过程本身受干扰因素很多。如糖浆的锤度、糖浆杂质、真空度以及温度的变化都会影响蔗糖结晶过程，因此，整个过程具有较强的非线性、时变性等特性，一般的控制方法很难奏效。本文根据煮糖过程的物料平衡、能量平衡和生产过程的各种物性参数的机理解析关系(如晶体生长分散等)建立描述被控生产过程的模型，并以该模型作为对象对煮糖结晶过程实施非线性预测控制仿真。 本文围绕着预测模型、反馈校正、滚动优化叁项预测控制的基本原理，对非线性预测控制在煮糖结晶过程中的应用进行了深入的研究和探讨，提出了以B-P神经网络建立预测模型、遗传退火算法进行滚动优化的预测控制算法，并在MATLAB上进行了煮糖过程中过饱和度(OS)控制仿真实验。主要研究工作概况如下： 1．对预测控制的发展概况、研究现状及研究动向进行了概述，同时介绍了与本论文相关的预测控制方案； 2．对煮糖结晶过程进行了系统地机理分析； 3．对预测控制的基本算法进行讨论； 4．针对煮糖过程，采用两种控制方案即传统的PID控制和基于B-P神经网络及遗传退火优化的预测控制进行仿真比较，说明基于
贺琦[5]2012年在《基于DMC预测控制的甘蔗煮糖过程控制技术研究》文中研究指明煮糖过程是制糖生产最重要的环节也是我国制糖企业唯一没有实现自动化控制的工序,煮糖中要控制好浓缩、养晶等操作,必须充分了解煮糖设备、熟悉原料及糖浆的母液过饱和度、粘稠度、液位、加热蒸汽压力、糖浆温度、汁汽室真空度等条件。由于甘蔗煮糖过程具有非线性以及大时滞等特征,难于建立精确的数学模型,本文基于DMC预测控制的方法在对煮糖过程控制系统进行了研究,保持糖浆密度稳定在一个最佳的范围内,来间接控制糖浆平稳结晶。针对DMC算法的一些不足,本文运用死区预测误差校正的方法对控制系统进行改进,在系统平稳性较好的时段避免频繁的控制输出量造成不必要的控制波动,减少阀门等机械装置的频繁开启闭合带来的设备损耗。在单因素控制的基础上建立多变量DMC预测控制的模型,以糖浆电导率和密度值做为被控对象,通过调节糖浆入料速度和加热蒸汽流量来控制糖浆电导率和密度值的变化。用分段线性化和基于神经网络的非线性模型的扩展DMC控制建模两种方法对非线性的煮糖过程进行了研究,缩短了系统到达稳定的时间,增强了输出的稳定性。由于煮糖过程机理异常复杂,所包含的信息有定性的、定量、半定量等多种模态,在生产现场展开相关监控技术研究难度大,本文研发了一个小型煮糖试验综合平台,并在试验平台上研究基于DMC预测控制的方法和试验技术,探索煮糖过程自动化监控技术和方法。研发的综合试验平台的硬件部分是模块化和可重构的,主要由煮糖罐体模块、辅助工作模块、传感器模块以及阀门控制模块组成,软件部分是组件式和可扩展的,主要由时数据采集组件、过饱和度软测量组件、动态参数优化及控制调节组件组成。平台的输入输出接口是开放式的,能测试多种控制方式对煮糖过程中加料、温度和压力等控制参数的自动调节,为实际的生产过程提供最优化的监控技术。目前国内糖厂用于煮糖过程监控的传感器较少,多数依赖人工判断。针对煮糖工序中最主要的影响因素,本文在实验平台上对糖浆温度、密度、液位高度、汁气室真空度、加热蒸汽压力等物理量设计了采集方式并布置相应的传感器,给出了其与上位机通讯的方式。最后,结合组态软件给出了监控平台的总体界面,针对甲糖煮制过程介绍了该控制系统在煮糖各阶段的控制流程。对控制系统的测试结果表明,煮糖过程整体保持稳定,控制效果较为理想,为实际煮糖生产工程提供了参考。
罗霄[6]2012年在《基于卡尔曼滤波的干扰观测方法在预测控制中的应用》文中研究表明自20世纪70年代问世以来，模型预测控制以其对模型要求低、控制综合质量好、在线计算方便的优点，已经发展成为一个具有丰富理论和实践内容的学科分支，并且越来越受到工业控制界的关注。但是，针对广泛存在于工业生产过程中的不可测干扰问题，目前还无法较好的处理,需要进行深入的研究。目前大多数预测控制技术通过将输出恒值干扰包含在过程模型中来解决这个问题，但是当不可测干扰从其他环节进入控制系统时，这种方法往往不能实现无静差控制。本文基于卡尔曼滤波器，通过一种性能优于输出干扰模型的更为一般的干扰模型来解决这个问题，并给出了基于该模型下的预测控制实现无静差控制所需要的条件。动态矩阵控制算法是应用最广泛的预测控制算法。但是由于其在整个预测时域内，假设当前时刻得到的预测值与实际测量值的偏差不变，因此对工业生产中广泛存在的不可测干扰缺乏有效的提前估计，从而导致其抗不可测干扰的能力较弱。为了提高动态矩阵控制算法的控制性能，本文分别对两种动态矩阵控制算法设计了基于卡尔曼滤波器的前馈补偿方法，从而提高了两种算法处理不可测干扰的能力。首先利用干扰模型将不可测干扰增广为系统的状态变量，接着通过卡尔曼滤波器估计其大小及其对输出的影响，然后结合估计出的干扰采用前馈补偿控制策略改进动态矩阵控制算法。由于卡尔曼滤波器和预测控制器都采用线性设计方法，因此该算法在线计算量少，满足控制实时性的要求，同时能够有效克服不可测干扰对系统输出的影响。仿真结果表明，在不可测干扰存在的情况下，该控制方法能显着提高控制性能，完全实现了无静差控制。
邹志云, 于德弘, 郭宁, 于鲁平, 王喜芹[7]2008年在《一种新型非线性Hammerstein系统动态矩阵控制算法》文中研究说明将动态矩阵控制策略(DMC)推广到由一个非线性静态多项式函数和一个线性动态阶跃响应环节组成的非线性Ham- merstein系统,详细地给出了该新型非线性Hammerstein系统动态矩阵控制算法(NLH-DMC)。把NLH-DMC应用于一套强非线性pH中和过程,给定值跟踪和抗干扰仿真结果表明,NLH-DMC比线性DMC(LDMC)和过程控制领域常用的非线性PID (NL-PID)具有更好的控制性能。进一步的仿真实验证实,NLH-DMC不仅具有良好的控制响应,而且在存在较大模型误差时仍具有很好的稳定性及鲁棒性。
王大海[8]2010年在《基于神经网络的非线性多模型自适应控制》文中研究说明本文针对一类单变量非线性离散时间系统和一类多变量非线性离散时间系统的参数不确定性和工况的变化,提出了一种基于人工神经网络的非线性多模型自适应控制器设计方法,并证明了系统的稳定性。本文首先在被控系统的各个平衡点处进行Taylor展开,分别建立一个固定线性模型和一个固定非线性神经网络模型；然后再建立一个可全局移动的线性自适应模型和一个非线性神经网络自适应模型。在此基础上,建立一个可重新赋值的线性自适应模型和一个非线性神经网络自适应模型,构成多模型集。进而根据切换准则自动选取最优模型,并据此计算最优控制律,并辨识控制器参数。仿真结果说明在被控系统的工况发生较大变化的情况时,本文提出的多模型方法比单模型的方法具有更好的暂态控制性能和克服扰动能力。
参考文献：
[1]. 煮糖结晶过程的动态矩阵控制研究[D]. 杨继君. 广西大学. 2004
[2]. 煮糖结晶过程的多模型动态矩阵控制研究[J]. 杨继君, 徐辰华, 孔繁镍. 计算机与应用化学. 2006
[3]. 煮糖结晶过程的动态矩阵控制研究[J]. 杨继君, 徐辰华, 易红玲. 计算机测量与控制. 2006
[4]. 煮糖结晶过程的非线性预测控制研究[D]. 曾科. 广西大学. 2006
[5]. 基于DMC预测控制的甘蔗煮糖过程控制技术研究[D]. 贺琦. 广西大学. 2012
[6]. 基于卡尔曼滤波的干扰观测方法在预测控制中的应用[D]. 罗霄. 重庆大学. 2012
[7]. 一种新型非线性Hammerstein系统动态矩阵控制算法[J]. 邹志云, 于德弘, 郭宁, 于鲁平, 王喜芹. 计算机与应用化学. 2008
[8]. 基于神经网络的非线性多模型自适应控制[D]. 王大海. 华东理工大学. 2010
标签：自动化技术论文; 矩阵论文; 模型预测控制论文; 预测模型论文; 过程控制论文; 仿真软件论文; 线性系统论文; 动态模型论文; 非线性论文; 算法论文;