智能預測控制算法及其應用研究.pdf

1、隨著現(xiàn)代流程工業(yè)生產過程控制系統(tǒng)日趨大型化和復雜化,對生產過程的控制要求越來越嚴格.常規(guī)的PID控制難以甚至無法解決這些具有多變量,強非線性的控制問題.近年來發(fā)展起來的自適應、自校正控制技術,雖然能在一定程度上解決不確定性問題,但其本質仍然要求在線辨識對象模型,所有算法復雜,計算量大.模型預測控制(Model Predictive Control簡稱MPC)是近三十年來飛速發(fā)展、取得了廣泛應用的一種控制方法.預測控制正是克服了傳統(tǒng)控制思

2、想的束縛通過對象的輸入輸出特性建立對象的數(shù)學模型,而不必通過復雜的系統(tǒng)辨識來建立過程的模型.本文以預測控制算法為基礎,研究開發(fā)基于OPC和DDE的預測控制軟件的開發(fā).論文在前兩章系統(tǒng)地回顧了模型預測控制的發(fā)展概況、研究現(xiàn)狀及研究動向,對傳統(tǒng)的模型預測控制的三個特點(預測模型、滾動優(yōu)化、反饋校正)進行了分析,提出了模型預測控制的本質特點及其獨有的實施方式.對具有代表性的幾種預測控制算法進行了簡單的介紹和分析,針對二階對象、二階加純滯后對象

3、以及倒立擺模型分別對它們進行了仿真研究,并仿真驗證了算法的抗干擾能力.針對某煉油廠油品車間柴油調和過程這個多輸入多輸出復雜對象進行了神經(jīng)網(wǎng)絡內?？刂频姆抡嫜芯?其中在線優(yōu)化算法采用線性規(guī)劃的方法.并對仿真結果進行了比較,結果表明神經(jīng)網(wǎng)絡預測控制算法對復雜對象具有較好的控制作用.在第四章和第五章結合OPC和DDE技術,講述了對現(xiàn)場實時數(shù)據(jù)的采集以及歷史數(shù)據(jù)的接收方法.通過OPC和DDE采集上來的數(shù)據(jù),可用于預測控制算法的仿真和優(yōu)化.并根據(jù)