先进控制技术及其应用(转) 点击：1666 | 回复：9
发表于：2007-02-02 23:05:00
楼主
先进控制技术及其应用
随着计算机技术的发展与广泛应用，自动控制技术有了很大的发展，先进过程控制应运而生，先进过程控制（Advanced Process Control APC）也称先进控制，是具有比常规控制有更好控制效果的控制策略的统称，是提高过程控制质量、解决复杂过程控制问题的理论和技术。先进控制具有丰富的内容、涵盖面广，包括了预测控制、自适应控制、鲁棒控制、智能控制和软测量技术等。下面分别作一介绍
1、模型预测控制
模型预测控制产生于20世纪70年代，与传统的PID控制算法不同，模型预测控制不但利用当前时刻和过去时刻输出测量值与设定值之间的偏差，而且还利用预测模型来预估过程未来的偏差值，采用滚动优化的方法确定当前的最优控制作用。模型预测控制的基本步骤是预测模型建模、滚动优化和反馈校正。其代表性的控制算法有有动态矩阵控制（DMC）、模型算法控制（MAC）和广义预测控制（GPC）。
1．1动态矩阵控制（DMC）
动态矩阵控制算法是一种基于对象阶跃响应的预测控制算法，它适用于渐进稳定的线性对象。对弱非线性对象，可在工作点附近作线性化处理后应用DMC。作为一种优约束的多变量优化控制算法，DMC在炼油、石化、化工、造纸等领域得到了广泛的应用。
1．2模型控制算法（MAC）
模型控制算法MAC又称模型预测启发控制MPHC，诞生于20世纪70年代后期，它是基于对象脉冲响应的一种预测控制算法，适用于渐进稳定的线性对象。MPC算法以控制变量的变化量（即Δu）为输入控制量，在控制算法中包含了数字积分环节，估即使发生模型失配，该算法仍可实现无稳态偏差控制，MAC（MPHC）在锅炉、精馏塔的控制中获得了成功的应用。
1．3广义预测控制（GPC）
广义预测控制是在自适应控制的研究中发展起来的一类预测控制算法。GPC算法基于可控自回归滑动平均模型或可控自回归积分滑动平均模型，采用多步优化策略，利用在线辨识和校正机制增强了控制系统的鲁棒性。GPC算法不仅适用于开环稳定的最小相位系统，而且适用于非最小相位系统、变结构系统和时滞系统，随着广义预测控制算法的推广，它已广泛应用于钢铁、电力、核反应堆等工业领域。
随着计算机技术的发展与广泛应用，自动控制技术有了很大的发展，先进过程控制应运而生，先进过程控制（Advanced Process Control APC）也称先进控制，是具有比常规控制有更好控制效果的控制策略的统称，是提高过程控制质量、解决复杂过程控制问题的理论和技术。先进控制具有丰富的内容、涵盖面广，包括了预测控制、自适应控制、鲁棒控制、智能控制和软测量技术等。下面分别作一介绍
1、模型预测控制
模型预测控制产生于20世纪70年代，与传统的PID控制算法不同，模型预测控制不但利用当前时刻和过去时刻输出测量值与设定值之间的偏差，而且还利用预测模型来预估过程未来的偏差值，采用滚动优化的方法确定当前的最优控制作用。模型预测控制的基本步骤是预测模型建模、滚动优化和反馈校正。其代表性的控制算法有有动态矩阵控制（DMC）、模型算法控制（MAC）和广义预测控制（GPC）。
1．1动态矩阵控制（DMC）
动态矩阵控制算法是一种基于对象阶跃响应的预测控制算法，它适用于渐进稳定的线性对象。对弱非线性对象，可在工作点附近作线性化处理后应用DMC。作为一种优约束的多变量优化控制算法，DMC在炼油、石化、化工、造纸等领域得到了广泛的应用。
1．2模型控制算法（MAC）
模型控制算法MAC又称模型预测启发控制MPHC，诞生于20世纪70年代后期，它是基于对象脉冲响应的一种预测控制算法，适用于渐进稳定的线性对象。MPC算法以控制变量的变化量（即Δu）为输入控制量，在控制算法中包含了数字积分环节，估即使发生模型失配，该算法仍可实现无稳态偏差控制，MAC（MPHC）在锅炉、精馏塔的控制中获得了成功的应用。
1．3广义预测控制（GPC）
广义预测控制是在自适应控制的研究中发展起来的一类预测控制算法。GPC算法基于可控自回归滑动平均模型或可控自回归积分滑动平均模型，采用多步优化策略，利用在线辨识和校正机制增强了控制系统的鲁棒性。GPC算法不仅适用于开环稳定的最小相位系统，而且适用于非最小相位系统、变结构系统和时滞系统，随着广义预测控制算法的推广，它已广泛应用于钢铁、电力、核反应堆等工业领域。
发表于：2007-02-03 11:37:00
1楼
2 自适应控制
自适应控制的研究对象是具有一定程度不确定性的系统。面对客观上存在的各种不确定因素，自适应控制系统能在对象运行过程中，通过不断地测量系统输入、状态、输出或性能指标，逐渐获得过程内部信息，然后对给定的评价指标和按一定的设计方法作出做出控制决策（更新控制器的的结构、参数或修正控制作用）。自适应控制对模型和扰动的先验知识依赖程度较低。目前比较成熟的自适应控制系统可分为两大类，一类是模型参考自适应控制系统（Model Reference Adaptiove System,MRAS）；另一种是自校正调节器控制系统（Self-Tuning Regulator Control system,STRCS）。
2．1模型参考自适应控制系统
模型参考自适应控制系统由参考模型、被控对象、反馈控制器和调整控制器参数的自适应机构等部分组成。这类控制系统包含内外两个环路。内环是由被控对象和控制器组成的普通反馈回路，而控制器的参数则由外环调整。参考模型的输出就是对象输出的期望值。自适应机构由系统输出响应与模型输出响应的偏差信号驱动。
2．2自校正调节器控制系统
自校正调节器控制系统由被控对象、对象参数估计器、控制器参数计算机构和可调控制器组成。和模型参考自适应控制系统相似，自校正调节器控制系统的内环包括被控对象和一个普通的线性反馈控制器，控制器的参数由外环调节，但自校正调节器控制系统的外环由一个对象模型参数估计器和一个控制器参数计算机构组成。参数估计器对被控对象进行在线参数估计；控制器参数计算机构根据对象模型参数估计值，按一定的设计准则获得新的控制器参数，并把这些参数赋给可调参数控制器；后者再根据设定值和系统输出的偏差确定控制量，从而使整个系统达到预期的控制效果。
自适应控制系统首先应用于飞机的自动驾驶。现在自适应控制技术的应用几乎遍及各个领域，如卫星天线跟踪指向控制、导弹制导、精馏塔控制等等。
自适应控制的研究对象是具有一定程度不确定性的系统。面对客观上存在的各种不确定因素，自适应控制系统能在对象运行过程中，通过不断地测量系统输入、状态、输出或性能指标，逐渐获得过程内部信息，然后对给定的评价指标和按一定的设计方法作出做出控制决策（更新控制器的的结构、参数或修正控制作用）。自适应控制对模型和扰动的先验知识依赖程度较低。目前比较成熟的自适应控制系统可分为两大类，一类是模型参考自适应控制系统（Model Reference Adaptiove System,MRAS）；另一种是自校正调节器控制系统（Self-Tuning Regulator Control system,STRCS）。
2．1模型参考自适应控制系统
模型参考自适应控制系统由参考模型、被控对象、反馈控制器和调整控制器参数的自适应机构等部分组成。这类控制系统包含内外两个环路。内环是由被控对象和控制器组成的普通反馈回路，而控制器的参数则由外环调整。参考模型的输出就是对象输出的期望值。自适应机构由系统输出响应与模型输出响应的偏差信号驱动。
2．2自校正调节器控制系统
自校正调节器控制系统由被控对象、对象参数估计器、控制器参数计算机构和可调控制器组成。和模型参考自适应控制系统相似，自校正调节器控制系统的内环包括被控对象和一个普通的线性反馈控制器，控制器的参数由外环调节，但自校正调节器控制系统的外环由一个对象模型参数估计器和一个控制器参数计算机构组成。参数估计器对被控对象进行在线参数估计；控制器参数计算机构根据对象模型参数估计值，按一定的设计准则获得新的控制器参数，并把这些参数赋给可调参数控制器；后者再根据设定值和系统输出的偏差确定控制量，从而使整个系统达到预期的控制效果。
自适应控制系统首先应用于飞机的自动驾驶。现在自适应控制技术的应用几乎遍及各个领域，如卫星天线跟踪指向控制、导弹制导、精馏塔控制等等。
发表于：2007-02-05 19:35:00
2楼
3、鲁棒控制
实际的控制对象一般很难用精确的数学模型描述。鲁棒控制基于被控对象的不确定性和不完全信息建模，再根据据该模型设计能够满足期望性能指标的控制器。鲁棒控制的基本原理包括H∞控制理论和μ理论。
H∞控制理论就是在H∞空间内通过某些性能指标的无穷范数优化而获得具有某些鲁棒性能控制器的一种控制理论。H∞控制理论为多输入多输出且具有模型摄动的系统提供了一种频域鲁棒控制器设计方法。对于非结构不确定性系统，H∞鲁棒控制器可以设计得相当精确。μ理论是研究动态不确定性鲁棒控制的结构奇异值理论。其将一个具有回路多点独立的有界范数摄动化为对角摄动结构，然后给出判断系统鲁棒稳定充要条件。μ理论不但能有效的、无保守的判断“最坏情况下”摄动的影响，而且当存在不同表达形式的结构不确定的情况下仍然能够分析控制系统的鲁棒稳定性和鲁棒性问题。
由于鲁棒控制理论处理不确定系统的优越性，已经在航空、航天、航海、化工、冶金等领域得到了应用，如飞机着陆控制、飞机运动控制、工业过程鲁棒PID控制器等等。
实际的控制对象一般很难用精确的数学模型描述。鲁棒控制基于被控对象的不确定性和不完全信息建模，再根据据该模型设计能够满足期望性能指标的控制器。鲁棒控制的基本原理包括H∞控制理论和μ理论。
H∞控制理论就是在H∞空间内通过某些性能指标的无穷范数优化而获得具有某些鲁棒性能控制器的一种控制理论。H∞控制理论为多输入多输出且具有模型摄动的系统提供了一种频域鲁棒控制器设计方法。对于非结构不确定性系统，H∞鲁棒控制器可以设计得相当精确。μ理论是研究动态不确定性鲁棒控制的结构奇异值理论。其将一个具有回路多点独立的有界范数摄动化为对角摄动结构，然后给出判断系统鲁棒稳定充要条件。μ理论不但能有效的、无保守的判断“最坏情况下”摄动的影响，而且当存在不同表达形式的结构不确定的情况下仍然能够分析控制系统的鲁棒稳定性和鲁棒性问题。
由于鲁棒控制理论处理不确定系统的优越性，已经在航空、航天、航海、化工、冶金等领域得到了应用，如飞机着陆控制、飞机运动控制、工业过程鲁棒PID控制器等等。
发表于：2007-02-05 19:36:00
3楼
3、鲁棒控制
实际的控制对象一般很难用精确的数学模型描述。鲁棒控制基于被控对象的不确定性和不完全信息建模，再根据据该模型设计能够满足期望性能指标的控制器。鲁棒控制的基本原理包括H∞控制理论和μ理论。
H∞控制理论就是在H∞空间内通过某些性能指标的无穷范数优化而获得具有某些鲁棒性能控制器的一种控制理论。H∞控制理论为多输入多输出且具有模型摄动的系统提供了一种频域鲁棒控制器设计方法。对于非结构不确定性系统，H∞鲁棒控制器可以设计得相当精确。μ理论是研究动态不确定性鲁棒控制的结构奇异值理论。其将一个具有回路多点独立的有界范数摄动化为对角摄动结构，然后给出判断系统鲁棒稳定充要条件。μ理论不但能有效的、无保守的判断“最坏情况下”摄动的影响，而且当存在不同表达形式的结构不确定的情况下仍然能够分析控制系统的鲁棒稳定性和鲁棒性问题。
由于鲁棒控制理论处理不确定系统的优越性，已经在航空、航天、航海、化工、冶金等领域得到了应用，如飞机着陆控制、飞机运动控制、工业过程鲁棒PID控制器等等。
实际的控制对象一般很难用精确的数学模型描述。鲁棒控制基于被控对象的不确定性和不完全信息建模，再根据据该模型设计能够满足期望性能指标的控制器。鲁棒控制的基本原理包括H∞控制理论和μ理论。
H∞控制理论就是在H∞空间内通过某些性能指标的无穷范数优化而获得具有某些鲁棒性能控制器的一种控制理论。H∞控制理论为多输入多输出且具有模型摄动的系统提供了一种频域鲁棒控制器设计方法。对于非结构不确定性系统，H∞鲁棒控制器可以设计得相当精确。μ理论是研究动态不确定性鲁棒控制的结构奇异值理论。其将一个具有回路多点独立的有界范数摄动化为对角摄动结构，然后给出判断系统鲁棒稳定充要条件。μ理论不但能有效的、无保守的判断“最坏情况下”摄动的影响，而且当存在不同表达形式的结构不确定的情况下仍然能够分析控制系统的鲁棒稳定性和鲁棒性问题。
由于鲁棒控制理论处理不确定系统的优越性，已经在航空、航天、航海、化工、冶金等领域得到了应用，如飞机着陆控制、飞机运动控制、工业过程鲁棒PID控制器等等。
发表于：2007-02-07 12:33:00
4楼
4、智能控制
智能控制是控制理论发展的高级阶段，他是人工智能、运筹学和自动控制三者的交叉。有代表性的智能控制包括专家控制、神经网络控制和模糊逻辑控制等。
4、1专家控制
专家系统是应用人工智能技术，根据某个领域的一个或多个人类专家提供的知识和经验进行的推理、判断和抉择，其结构一般包括人机接口、解释机构、数据库、知识获取、和推理机是专家系统的基本组成部分。其中数据库是用来存储有关事实和推理结果，知识库是用来存储相关领域专家的专门知识，推理机模拟专家的推理方法和技巧。专家系统通过人机接口与用户交换信息，输入数据和待解问题，输出推理过程和结构等。知识获取的基本任务是把知识输入到知识库中，并负责维持知识的一致性及完整性。推理机首先根据数据库中的有关事实和知识库中的专家知识以一定的推理方法进行推理，并在推理过程中不断更新数据库，直到最后得出结论。解释机构跟踪并记录推理过程，当用户提出询问需要给出解释时，他根据问题的要求分别作相应的处理，最后把解答通过约定的方式通过人机接口输出给用户。
1980年以后，专家系统应用情况报道逐渐增多，如抗生素发酵过程专家控制系统、提高了控制精度，降低了生产成本。
4、2神经网络控制
神经网络控制是有大量神经元广泛互联而成的网络，人工神经元则是非线性映射函数。常见的神经网络有感知器网络、BP网络、Hopfield网络、Boltzmann机、CMAC神经网络、B样条神经网络、镜像基函数神经网络等。
神经网络控制是一种数据驱动的控制方法，适用于那些具有不确定性、非线性且无模型可资利用的控制对象，它具有较强的自适应性和学习能力。根据神经网络控制结构的不同，神经网络控制可分为神经网络监督控制、神经网络自适应控制、神经网络内膜控制、神经网络预测控制和神经网络自适应评判控制等。
神经网络控制已经在很多领域得到应用，如化工过程多步预测、机器人运动学控制、动力学控制等。
4、3模糊控制
模糊控制基于模糊逻辑、模仿人类控制经验和知识的一种智能控制。模糊控制器主要有模糊化、知识库、模糊推理和解模糊化四部分组成。
模糊化部分的作用是将输入的精确量转化为模糊量。知识库包括了具体应用领域中的知识和要求的控制目标。它通常由数据库和模糊控制规则库两部分组成。数据库主要包括了各语言变量的隶属度函数、尺度变换因子以及模糊空间的分级数等
智能控制是控制理论发展的高级阶段，他是人工智能、运筹学和自动控制三者的交叉。有代表性的智能控制包括专家控制、神经网络控制和模糊逻辑控制等。
4、1专家控制
专家系统是应用人工智能技术，根据某个领域的一个或多个人类专家提供的知识和经验进行的推理、判断和抉择，其结构一般包括人机接口、解释机构、数据库、知识获取、和推理机是专家系统的基本组成部分。其中数据库是用来存储有关事实和推理结果，知识库是用来存储相关领域专家的专门知识，推理机模拟专家的推理方法和技巧。专家系统通过人机接口与用户交换信息，输入数据和待解问题，输出推理过程和结构等。知识获取的基本任务是把知识输入到知识库中，并负责维持知识的一致性及完整性。推理机首先根据数据库中的有关事实和知识库中的专家知识以一定的推理方法进行推理，并在推理过程中不断更新数据库，直到最后得出结论。解释机构跟踪并记录推理过程，当用户提出询问需要给出解释时，他根据问题的要求分别作相应的处理，最后把解答通过约定的方式通过人机接口输出给用户。
1980年以后，专家系统应用情况报道逐渐增多，如抗生素发酵过程专家控制系统、提高了控制精度，降低了生产成本。
4、2神经网络控制
神经网络控制是有大量神经元广泛互联而成的网络，人工神经元则是非线性映射函数。常见的神经网络有感知器网络、BP网络、Hopfield网络、Boltzmann机、CMAC神经网络、B样条神经网络、镜像基函数神经网络等。
神经网络控制是一种数据驱动的控制方法，适用于那些具有不确定性、非线性且无模型可资利用的控制对象，它具有较强的自适应性和学习能力。根据神经网络控制结构的不同，神经网络控制可分为神经网络监督控制、神经网络自适应控制、神经网络内膜控制、神经网络预测控制和神经网络自适应评判控制等。
神经网络控制已经在很多领域得到应用，如化工过程多步预测、机器人运动学控制、动力学控制等。
4、3模糊控制
模糊控制基于模糊逻辑、模仿人类控制经验和知识的一种智能控制。模糊控制器主要有模糊化、知识库、模糊推理和解模糊化四部分组成。
模糊化部分的作用是将输入的精确量转化为模糊量。知识库包括了具体应用领域中的知识和要求的控制目标。它通常由数据库和模糊控制规则库两部分组成。数据库主要包括了各语言变量的隶属度函数、尺度变换因子以及模糊空间的分级数等
热门招聘
相关主题
- RTU-6600用于动力电池充放电...
[838] - 求救Honeywell SCADA R500的...[707]
- MOXGRAF[1176]
- IEC61131华东软件免费试用OP...[1247]
- 菜鸟问：SCADA是什么意思？[8179]
- 什么是SCADA?[1943]
- 用组态王与S系列I/O共同搭建...[4729]
- 我想请教，MODBUS RTU协议是M...[834]
- SCADA系统应用求助[802]
- 施耐德电气PLC在WINCC中通过...[1041]
官方公众号
智造工程师
-
客服
-
小程序
-
公众号
工控网智造工程师好文精选
