滞后过程的高鲁棒性控制方法的研究

在工业过程中,许多对象具有滞后特性。由于纯滞后的存在,使得系统的超调量变大,调节时间变长,滞后过程因此被公认为较难控制的对象。从上世纪50年代末以来先后出现了很多关于滞后过程的控制方法,而鲁棒性问题是决定这些控制方法能否在实际中得以应用和推广的关键问题之一,提高时滞系统的鲁棒性一直成为关注的课题。因此研究滞后过程的高鲁棒性控制方法有着重要理论和实际意义。 目前滞后过程主要使用PID控制和Smith预估控制。纯滞后因子用Pade近似,用内模控制来整定PID控制器,其算法简单易行,只需整定一个参数,参数整定方便,便于工程应用。基于最优传递函数整定Smith预估控制系统的PID(或PI)控制器,整定方法简单实用,按该方法设计的Smith预估控制系统的动态性能和抗扰动性能都取得比较好的效果,鲁棒性较高。 在介绍内模控制、Smith预估控制和Dahlin控制的基础上,研究了它们之间的相互关系,指出内模控制与Smith预估控制、Dahlin控制在一定程度上具有等价关系。Dahlin控制器是Smith预估控制器的一个特例,Smith预估控制和内模控制在结构上有相似性,Dahlin控制是内模控制在模型参数匹配时的特殊情况。 在Smith预估控制的基础上,结合内模控制原理,提出一种多内模预估控制器。它在线辨识对象特性参数,模型快速跟踪对象,加入协调模块来协调随动与定值两种系统。多内模预估控制器是一种高鲁棒性的滞后对象控制器,可同时满足随动与定值二自由度系统的控制要求,能够适应对象特性参数的变化。 针对常规PID控制无法解决大滞后对象的控制问题,提出滞后时间削弱器,它将大滞后的对象演变成小滞后的等效对象,用常规的PID控制器就可取得较好的控制效果。在滞后时间削弱器的基础上,将不完全微分PID算法与BP神经网络相结合,构成加入滞后时间削弱器的神经网络不完全微分PID控制系统。加入滞后时间削弱器的神经网络不完全微分PID控制系统鲁棒性高,自适应能力强,具有抗外来扰动的能力。 在研究ITAE最优传递函数、Butterworth最优传递函数和改进型高阶Butterworth最优传递函数的基础上,将纯滞后因子用分时模型逼近,以最优传递函数为目标函数来协调优化设计状态反馈增益阵和状态观测器,从而实现对纯滞后对象的状态反馈优化控制。在状态反馈控制系统的基础上,再串入一个积分器,构成串级状态反馈控制系统。ITAE、Butterworth和改进型Butterworth最优传递函数都使串级状态反馈系统同时获得良好的给定值跟踪特性和干扰抑制特性。串级状态反馈系统是一种二自由度控制系统,具有较高的鲁棒性,改进了状态反馈系统的干扰抑制特性,使系统同时具有良好的控制性能和鲁棒性。 将多内模预估控制、加入滞后时间削弱器的神经网络不完全微分PID控制、串级状态反馈优化控制等控制方法分别应用于加热炉对象、钢厂轧钢车间的加热炉温度控制系统、转窑温度控制系统中,通过仿真实验,均验证这些方法的高鲁棒性。