时滞系统的DMC—神经元PID串级控制的研究
|
摘要
工业生产过程中，时滞过程是比较难控的对象，对时滞工业过程控制方法和机理的研究一直是国内外过程控制界的热门课题。各国学者除了采用一些常规控制方案，如改进型PID控制，采样PI控制，Smith预估控制，大林控制算法等进行时滞过程的控制之外，都在寻找更有效、更实用的控制方法。
本文在对用传统方法控制时滞系统进行综述的基础上，指出近年来发展起来的预测控制在时滞系统的控制上有良好的前景。预测控制分为IMC，MPC，DMC，GPC四类，其中DMC具有建模方便，算法简单，对模型要求低的特点，使其特别适合于工业现场控制中推广应用。
时滞系统往往带有一定的非线性，这对预测控制的应用造成一定的困难，本文指出将神经网络引入预测控制，构成智能预测控制系统对改善控制性能有明显的效果。尤其是单神经元控制，结构简单，计算方便，实时性强，有较好的鲁棒性与自适应性，把它引入到预测控制中可以得到比较好的实现。
近年来发展起来的预测控制对时滞系统有较好的控制效果，它提供了较好的跟踪性能，但是在抗扰性能上不能令人满意，而且对于具有非线性的对象适应性较差。把DMC控制与PID控制结合起来构成复合结构，来解决抗扰性能与跟踪性能双优的问题，又把神经网络控制引入进来以适应非线性对象，就有可能构造出先进的预测控制系统。
本文在DMC－PID串级控制的基础上，提出了一种改进方法，即引入神经元PID控制。该方法解决了PID参数的整定问题，提高了DMC的抗干扰性能，达到跟踪性能与抗扰性能双优，并提高了预测控制对非线性对象的控制能力。最后通过对控制系统的设计与仿真试验，与单一预测控制进行比较，证实了该方法的可行性与有效性。
In industrial process ,it is more difficult to control the time-lag system. The research of control method and mechanism of time-lag system is always a popular topic in domestic and foreign process control circles .The scholars from all corners of the world not only employ themselves on some traditional programs such as modified PID control ,sampling PI control Smith Predictor ,Dahlin algorithm etc , but also look for more efficient and more practical control methods .
Based on the summarization of traditional control methods in dealing with time-lag system , in this dissertation ,we bring out that predictive control has good prospect for dealing with time-lag system .Predictive Control can be divided into four types :IMC (Internal Model Control ), MPC (Modem Predictive Control ), DMC (Dynamic Matrix Control ) and GPC (Generalized Predictive Control ). Among them , DMC has advantages of convenient modeling, simple computing ,and better robust . Therefore DMC applies to industrial field control specially.
Time-lag systems always have some non-linearity ,which makes the application of Predictive control some difficult . In the dissertation ,the author points out : introducing Neural Network into Predictive Control to compose intelligent control system can improve the control capacity notably .Especially single neuron ,has the advantages of simple structure convenient computing ,better real-time ability and stronger robust and adaptability .So it is realized easily to introduce single neuron into predictive control .
Predictive Control ,which has developed in recent years ,can control time-lag system efficiently .Its trackability is better ,but its immunity is not satisfied. Moreover , its adaptability to non-linear system is not good .The cascade control system consisted of DMC and PID is provided with combinated structure. Dual optimal problem of trackability
and immunity could be solved. In addition, the suitability to non-linear system could be improved via introducing NN into cascade system. An advanced predictive control system might be compose by above methods .
Based on the DMC-PID cascade system, an improvement method is researched in this dissertation, that is, neuronPID is introdued into cascade system . This method can solve the problems of PID parameters' tuning , and improve the immunity . Dual optimal problem of trackability and immunity could be realized .Simulation experiments compared with single predictive control approve this method's feasibility and validity.The ability of dealing with the non-linear system is raised.
本文在对用传统方法控制时滞系统进行综述的基础上，指出近年来发展起来的预测控制在时滞系统的控制上有良好的前景。预测控制分为IMC，MPC，DMC，GPC四类，其中DMC具有建模方便，算法简单，对模型要求低的特点，使其特别适合于工业现场控制中推广应用。
时滞系统往往带有一定的非线性，这对预测控制的应用造成一定的困难，本文指出将神经网络引入预测控制，构成智能预测控制系统对改善控制性能有明显的效果。尤其是单神经元控制，结构简单，计算方便，实时性强，有较好的鲁棒性与自适应性，把它引入到预测控制中可以得到比较好的实现。
近年来发展起来的预测控制对时滞系统有较好的控制效果，它提供了较好的跟踪性能，但是在抗扰性能上不能令人满意，而且对于具有非线性的对象适应性较差。把DMC控制与PID控制结合起来构成复合结构，来解决抗扰性能与跟踪性能双优的问题，又把神经网络控制引入进来以适应非线性对象，就有可能构造出先进的预测控制系统。
本文在DMC－PID串级控制的基础上，提出了一种改进方法，即引入神经元PID控制。该方法解决了PID参数的整定问题，提高了DMC的抗干扰性能，达到跟踪性能与抗扰性能双优，并提高了预测控制对非线性对象的控制能力。最后通过对控制系统的设计与仿真试验，与单一预测控制进行比较，证实了该方法的可行性与有效性。
In industrial process ,it is more difficult to control the time-lag system. The research of control method and mechanism of time-lag system is always a popular topic in domestic and foreign process control circles .The scholars from all corners of the world not only employ themselves on some traditional programs such as modified PID control ,sampling PI control Smith Predictor ,Dahlin algorithm etc , but also look for more efficient and more practical control methods .
Based on the summarization of traditional control methods in dealing with time-lag system , in this dissertation ,we bring out that predictive control has good prospect for dealing with time-lag system .Predictive Control can be divided into four types :IMC (Internal Model Control ), MPC (Modem Predictive Control ), DMC (Dynamic Matrix Control ) and GPC (Generalized Predictive Control ). Among them , DMC has advantages of convenient modeling, simple computing ,and better robust . Therefore DMC applies to industrial field control specially.
Time-lag systems always have some non-linearity ,which makes the application of Predictive control some difficult . In the dissertation ,the author points out : introducing Neural Network into Predictive Control to compose intelligent control system can improve the control capacity notably .Especially single neuron ,has the advantages of simple structure convenient computing ,better real-time ability and stronger robust and adaptability .So it is realized easily to introduce single neuron into predictive control .
Predictive Control ,which has developed in recent years ,can control time-lag system efficiently .Its trackability is better ,but its immunity is not satisfied. Moreover , its adaptability to non-linear system is not good .The cascade control system consisted of DMC and PID is provided with combinated structure. Dual optimal problem of trackability
and immunity could be solved. In addition, the suitability to non-linear system could be improved via introducing NN into cascade system. An advanced predictive control system might be compose by above methods .
Based on the DMC-PID cascade system, an improvement method is researched in this dissertation, that is, neuronPID is introdued into cascade system . This method can solve the problems of PID parameters' tuning , and improve the immunity . Dual optimal problem of trackability and immunity could be realized .Simulation experiments compared with single predictive control approve this method's feasibility and validity.The ability of dealing with the non-linear system is raised.
引文
1. 诸静， 控制理论十年回顾与展望，浙江大学学报 1993，27（4）：1～7
2. 胡国龙，孙优贤，预测控制进展及其应用研究，电力系统及其自动化学报，2003 vol 15 No 1
3. 席裕庚，预测控制，北京：国防工业出版社，1993
4. 诸静等，智能预测控制及其应用，杭州：浙江大学出版社，2002
5. Garcia C E，Morari M Internal Model Control .1.A Unifying Review and Some New Results.Ind.Eng.Chem. Pro.Des.Dev.1982，21（2）：308～323
6. Clark D W，et al.Generalized Predictive Control，Part I，The Basic Algorithm；Part II，Extensions and Intepretations.Automatica，1987，23（2）：137～148
7. F.欣斯基 过程控制系统 化学工业出版社 1982
8. 王永初 滞后过程的预估与控制 机械工业出版社 1987
9. 袁著祉、林惠雪、孙青林等 一种新型的快速无超调预测控制器及其应用 工业仪表与自动化装置， 2002 No.4 3～6
10. 王月鹃 万百五 大时延过程的控制方法 控制理论与应用 1986 3（3）：1～5
11. 韩璞、黄成静、王东风等 基于DMC—PID串级主汽温控制系统的仿真研究 自动化技术与应用， 2002 Vol.21 No.6
12. Cutler C R,Ramaker B L，Dynamic Matrix Control－A Computer Control Algorithm，Proc JACC Sam Francisco，1980
13. Coulibaly E，et al，Internal Model Predictive Control（IMPC），Automatica，1995，31（10）：1471～1482
14. 谭杰，DMC技术在聚合反应温度控制中的应用，工业仪表与自动化装置，2003 No.2 19～22
15. 林永军，高峰等，一种新型非线性预测控制算法，控制工程，2003 Vol.10 No.z1 129～131
16. 李文，梁昔明，龙祖强，最优控制理论的发展与展望，广东自动化与信息工程，2003 Vol 24 No 1 1～4
17. 谢书明 一种参数自适应模糊PID控制器 信息与控制 1998 27（4）：254～259
18. 陈绍炳等 模糊预估PID控制及其应用 东南大学学报 1998 28：104～108
19. 董秀成，杨光 自适应Smith预估极点配置自校正PI控制器 电子科技大学学报 2000 29（1）：69～72
20. 韩如成，李宵峰，王亚惠 大时滞系统模糊自整定Smith预估补偿方案的研究 钢铁 1999，34（4）：62～66
21. 慈春龄，滞后控制系统的一种新型控制算法，东北重型机械学院学报，1994，18（3）：243～246
22. Narendra K S，et al，Adaptive Control Using Multiple Models，IEEE Trans，Autometic Contr，1997，42（2）：171～187
23. Feher J D，et al，Solving the Model Predictive Control Problem with Soft Constrains，ACC，377～378
24. 王桂增，王诗宓，高等过程控制 北京：清华大学出版社，2002
25. 徐湘元，毛宗源，非线性时延对象的神经网络控制，模式识别与人工智能，2000，13（2）：138～141
26. 邵惠鹤，工业过程高级控制，上海交通大学出版社，1997
27. 王永骥，涂健，神经网络控制，机械工业出版社，1998
28. 姜平，宋文忠，神经元自适应PID控制器的研究，电气自动化，1998，1：11～13
29. 余以惠，过程控制，清华大学出版社，1993
30. 周其节，徐建闽，神经网络控制系统的研究余展望，控制理论与应用，1992，9（6）：569～577
31. 周鸣争，人工神经网络在自动控制系统中的应用，安徽机电学报，2000，15（2）：1～5
32. 王秋，席裕庚，具有串联结构系统的预测控制及并行设计，控制与决策，1995，10（1）
33. Kershenbaum L S，et al，An Extended Horizon Feedback/Feed for Ward （GPCF） for Multivaraible Anaesthesia，Int J Control ，1992，56（5）：1039～1057
34. 古钟壁等，新型自适应模型算法控制式，控制与决策，1992，7（6）：432～436
35. Mossca，E，et al，Adaptive Predictive Control with Meansquare Input Constraints Automatica，1992，28（3），593～597
36. Datta A et al，Adaptive Internal Model Contrl ：Design and Stability Analysis，Automatica，1996，32（2）：261～266
37. Allwright J C et al，On Min-Max Model Preditive Control，Advances in Model Based PredictiveControl，Oxford University Press，1994
38. 王树青，先进控制技术及应用，化学工业出版社，2001
39. 王顺晃，舒迪前，智能控制系统及其应用，机械工业出版社，1995
40. 舒迪前，预测控制系统及其应用，机械工业出版社，1996
41. 陆燕，杜继宏，李春文，延迟时间未知的时延系统神经网络补偿控制，清华大学学报，1998，38（9）：67～69
42. 杨智，高靖，神经元自适应预测PID控制器及实现，信息与控制，1999，28（5）：345～349
43. 刘国栋，用神经网络辨识非线性大滞后系统的研究，信息与控制，2000，29（3）：225～229
44. Lee J H et al，Worst-Case formulations of Model Preditive Control for Systems with Bounded Parameters ，Automatica，1997，33（5）：763～781
45. 宋云霞，朱学峰，大时滞过程控制方法及应用，化工自动化及仪表，2001，28（4）：9～15
46. 郑辑光，施仁，王孟效，预测控制的无扰切换技术，信息与控制，2003 Vol 32，No 2 146～151
47. 刘富春，赵均，钱积新等，动态矩阵控制在浆料浓度控制系统中的应用，化工自动化及仪表，2003 Vol 30 No 1 39～41
48. 赵靖民，翟成等，广义预测控制及其在干燥塔中的应用，河北科技大学学报，2002，Vol 23 No 3，59～61
49. 王永，孙德敏，刘有飞等，阶梯式模块多变量动态矩阵控制器在常压塔加热炉中的应用，信息与控制，2002 Vol 31 No 6 509～514
50. 齐家国，张美玉，动态矩阵控制算法在电热炉温控中的实现，浙江工业大学学报，2002 Vol 30 No 4 360～366
51. Narendra K S，et al Identification and Control of Dynamic System Using Neural Networks，IEEE Neural Netwoks，1990，1（1）：4～7
52. Chen S，et al，Non-linear System Identification Using Neural Netwoks ，Int J Control ，1990，51（6）：1191～1214
53. 刘豹，王正欣，系统辨识，北京：机械工业出版社，1993
54. 张明，王诗宓，基于预测偏差的模型算法控制，清华大学学报，1990，30（1）：90～95
55. 席裕庚等，预测控制的研究现状和多层智能预测控制，控制理论玉应用，1989，6（2）：1～7
56. 沈建强，李平，神经模糊技术的研究现状与展望，控制与决策，1996，11（5）：527～532
57. 刘伯春，智能自整定PID的进展，化工自动化及仪表，1994，21（1）：46～49
58. 薛定宇，控制系统计算机辅助设计－MATLAB语言及应用，清华大学出版社，1998
59. 舒迪前，具有二次性能指标的单神经元自适应PID控制器及应用，电气自动化，1997（1）：4～7
60. 王宁，涂建，自适应神经元网络的智能控制，信息与控制，1992，21（4）：235～239
61. 王宁，涂建，一种神经元网络学习控制系统及其应用，电气自动化，1992，14（3）：25～27
62. 王诗宓、麻文斗，SISO动态矩阵控制鲁棒性，清华大学学报（自然科学版）， 2002 Vol.42 No.9 1276～1281
63. 罗中良、高潮、官峰等，动态矩阵控制的参考轨迹设计方法，佛山科学技术学院学报（自然科学版）， 2002 Vol.20 No.1 21～25
64. 李迎春、申东日、陈义俊，单值动态矩阵控制的应用研究，化工自动化及仪表， 2002 Vol.29 No.1 35～37
65. 钱积新、周立芳、冯少辉，过阻尼过程的预测控制改进算法，机床与液压， 2002 No.4 101～103
66. 宁锐，张明强，孙斌，单神经元自适应炉温控制系统设计与仿真，佳木斯大学学报(自然科学版) 2001 Vol.19 No.4
67. 谢永斌等，并行DMC预测控制，西安工业学院学报，1996.3 16～20
68. 陈增强，袁著祉，PI型动态矩阵自适应控制器及其在电力过程中的仿真研究，自动化与仪器仪表，1996，Vol 2 7～13
69. 丛爽，面向MATLAB工具箱的神经网络与应用，中国科学技术出版社，1998
70. 张乃尧，阎平凡，神经网络与模糊控制，清华大学出版社，1998
2. 胡国龙，孙优贤，预测控制进展及其应用研究，电力系统及其自动化学报，2003 vol 15 No 1
3. 席裕庚，预测控制，北京：国防工业出版社，1993
4. 诸静等，智能预测控制及其应用，杭州：浙江大学出版社，2002
5. Garcia C E，Morari M Internal Model Control .1.A Unifying Review and Some New Results.Ind.Eng.Chem. Pro.Des.Dev.1982，21（2）：308～323
6. Clark D W，et al.Generalized Predictive Control，Part I，The Basic Algorithm；Part II，Extensions and Intepretations.Automatica，1987，23（2）：137～148
7. F.欣斯基 过程控制系统 化学工业出版社 1982
8. 王永初 滞后过程的预估与控制 机械工业出版社 1987
9. 袁著祉、林惠雪、孙青林等 一种新型的快速无超调预测控制器及其应用 工业仪表与自动化装置， 2002 No.4 3～6
10. 王月鹃 万百五 大时延过程的控制方法 控制理论与应用 1986 3（3）：1～5
11. 韩璞、黄成静、王东风等 基于DMC—PID串级主汽温控制系统的仿真研究 自动化技术与应用， 2002 Vol.21 No.6
12. Cutler C R,Ramaker B L，Dynamic Matrix Control－A Computer Control Algorithm，Proc JACC Sam Francisco，1980
13. Coulibaly E，et al，Internal Model Predictive Control（IMPC），Automatica，1995，31（10）：1471～1482
14. 谭杰，DMC技术在聚合反应温度控制中的应用，工业仪表与自动化装置，2003 No.2 19～22
15. 林永军，高峰等，一种新型非线性预测控制算法，控制工程，2003 Vol.10 No.z1 129～131
16. 李文，梁昔明，龙祖强，最优控制理论的发展与展望，广东自动化与信息工程，2003 Vol 24 No 1 1～4
17. 谢书明 一种参数自适应模糊PID控制器 信息与控制 1998 27（4）：254～259
18. 陈绍炳等 模糊预估PID控制及其应用 东南大学学报 1998 28：104～108
19. 董秀成，杨光 自适应Smith预估极点配置自校正PI控制器 电子科技大学学报 2000 29（1）：69～72
20. 韩如成，李宵峰，王亚惠 大时滞系统模糊自整定Smith预估补偿方案的研究 钢铁 1999，34（4）：62～66
21. 慈春龄，滞后控制系统的一种新型控制算法，东北重型机械学院学报，1994，18（3）：243～246
22. Narendra K S，et al，Adaptive Control Using Multiple Models，IEEE Trans，Autometic Contr，1997，42（2）：171～187
23. Feher J D，et al，Solving the Model Predictive Control Problem with Soft Constrains，ACC，377～378
24. 王桂增，王诗宓，高等过程控制 北京：清华大学出版社，2002
25. 徐湘元，毛宗源，非线性时延对象的神经网络控制，模式识别与人工智能，2000，13（2）：138～141
26. 邵惠鹤，工业过程高级控制，上海交通大学出版社，1997
27. 王永骥，涂健，神经网络控制，机械工业出版社，1998
28. 姜平，宋文忠，神经元自适应PID控制器的研究，电气自动化，1998，1：11～13
29. 余以惠，过程控制，清华大学出版社，1993
30. 周其节，徐建闽，神经网络控制系统的研究余展望，控制理论与应用，1992，9（6）：569～577
31. 周鸣争，人工神经网络在自动控制系统中的应用，安徽机电学报，2000，15（2）：1～5
32. 王秋，席裕庚，具有串联结构系统的预测控制及并行设计，控制与决策，1995，10（1）
33. Kershenbaum L S，et al，An Extended Horizon Feedback/Feed for Ward （GPCF） for Multivaraible Anaesthesia，Int J Control ，1992，56（5）：1039～1057
34. 古钟壁等，新型自适应模型算法控制式，控制与决策，1992，7（6）：432～436
35. Mossca，E，et al，Adaptive Predictive Control with Meansquare Input Constraints Automatica，1992，28（3），593～597
36. Datta A et al，Adaptive Internal Model Contrl ：Design and Stability Analysis，Automatica，1996，32（2）：261～266
37. Allwright J C et al，On Min-Max Model Preditive Control，Advances in Model Based PredictiveControl，Oxford University Press，1994
38. 王树青，先进控制技术及应用，化学工业出版社，2001
39. 王顺晃，舒迪前，智能控制系统及其应用，机械工业出版社，1995
40. 舒迪前，预测控制系统及其应用，机械工业出版社，1996
41. 陆燕，杜继宏，李春文，延迟时间未知的时延系统神经网络补偿控制，清华大学学报，1998，38（9）：67～69
42. 杨智，高靖，神经元自适应预测PID控制器及实现，信息与控制，1999，28（5）：345～349
43. 刘国栋，用神经网络辨识非线性大滞后系统的研究，信息与控制，2000，29（3）：225～229
44. Lee J H et al，Worst-Case formulations of Model Preditive Control for Systems with Bounded Parameters ，Automatica，1997，33（5）：763～781
45. 宋云霞，朱学峰，大时滞过程控制方法及应用，化工自动化及仪表，2001，28（4）：9～15
46. 郑辑光，施仁，王孟效，预测控制的无扰切换技术，信息与控制，2003 Vol 32，No 2 146～151
47. 刘富春，赵均，钱积新等，动态矩阵控制在浆料浓度控制系统中的应用，化工自动化及仪表，2003 Vol 30 No 1 39～41
48. 赵靖民，翟成等，广义预测控制及其在干燥塔中的应用，河北科技大学学报，2002，Vol 23 No 3，59～61
49. 王永，孙德敏，刘有飞等，阶梯式模块多变量动态矩阵控制器在常压塔加热炉中的应用，信息与控制，2002 Vol 31 No 6 509～514
50. 齐家国，张美玉，动态矩阵控制算法在电热炉温控中的实现，浙江工业大学学报，2002 Vol 30 No 4 360～366
51. Narendra K S，et al Identification and Control of Dynamic System Using Neural Networks，IEEE Neural Netwoks，1990，1（1）：4～7
52. Chen S，et al，Non-linear System Identification Using Neural Netwoks ，Int J Control ，1990，51（6）：1191～1214
53. 刘豹，王正欣，系统辨识，北京：机械工业出版社，1993
54. 张明，王诗宓，基于预测偏差的模型算法控制，清华大学学报，1990，30（1）：90～95
55. 席裕庚等，预测控制的研究现状和多层智能预测控制，控制理论玉应用，1989，6（2）：1～7
56. 沈建强，李平，神经模糊技术的研究现状与展望，控制与决策，1996，11（5）：527～532
57. 刘伯春，智能自整定PID的进展，化工自动化及仪表，1994，21（1）：46～49
58. 薛定宇，控制系统计算机辅助设计－MATLAB语言及应用，清华大学出版社，1998
59. 舒迪前，具有二次性能指标的单神经元自适应PID控制器及应用，电气自动化，1997（1）：4～7
60. 王宁，涂建，自适应神经元网络的智能控制，信息与控制，1992，21（4）：235～239
61. 王宁，涂建，一种神经元网络学习控制系统及其应用，电气自动化，1992，14（3）：25～27
62. 王诗宓、麻文斗，SISO动态矩阵控制鲁棒性，清华大学学报（自然科学版）， 2002 Vol.42 No.9 1276～1281
63. 罗中良、高潮、官峰等，动态矩阵控制的参考轨迹设计方法，佛山科学技术学院学报（自然科学版）， 2002 Vol.20 No.1 21～25
64. 李迎春、申东日、陈义俊，单值动态矩阵控制的应用研究，化工自动化及仪表， 2002 Vol.29 No.1 35～37
65. 钱积新、周立芳、冯少辉，过阻尼过程的预测控制改进算法，机床与液压， 2002 No.4 101～103
66. 宁锐，张明强，孙斌，单神经元自适应炉温控制系统设计与仿真，佳木斯大学学报(自然科学版) 2001 Vol.19 No.4
67. 谢永斌等，并行DMC预测控制，西安工业学院学报，1996.3 16～20
68. 陈增强，袁著祉，PI型动态矩阵自适应控制器及其在电力过程中的仿真研究，自动化与仪器仪表，1996，Vol 2 7～13
69. 丛爽，面向MATLAB工具箱的神经网络与应用，中国科学技术出版社，1998
70. 张乃尧，阎平凡，神经网络与模糊控制，清华大学出版社，1998