基于pH中和過程的非線性LTR控制方法研究.pdf

1、pH中和過程廣泛存在于生物醫(yī)藥，化工生產，水質處理等日常生活與工業(yè)生產領域中。但由于其變增益，強非線性和難以建模等特點，現(xiàn)有的控制方法在pH中和過程的控制中一直存在著一定的缺陷，對該過程的控制仍是工業(yè)過程控制問題中的熱點與難點?；芈穫鬟f函數(shù)恢復方法(Loop Transfer Recovery)由于其魯棒性強、動態(tài)控制性能好、結構簡單和算法清晰的特點，一直是航空航天，車輛船舶等運動控制領域中的一種熱門控制方法，在解決快速跟蹤的運動控制中

2、表現(xiàn)出極優(yōu)的特點。而pH中和過程有著中和點附近控制靈敏，響應速度快的特點，與一般慢反應的化工過程相比，要求跟蹤性能更快更好，抗干擾能力更強。為了實現(xiàn)pH中和過程的控制優(yōu)化，并將LTR控制推廣到流程工業(yè)領域中，本文針對pH中和過程的兩種不同模型，分別設計了對應的非線性LTR控制方法，實現(xiàn)了對pH中和過程的LTR控制，取得了良好的控制效果。
　　對于pH中和過程強酸當量模型，本文將模型進行反S變換，設計了相對應的基于反S變換的兩自由度

3、LTR控制器，兼顧了控制器的跟蹤性能和魯棒性能，實現(xiàn)了對pH中和過程強酸當量模型的控制，并對控制效果進行了跟蹤性能以及在酸堿不同擾動下的魯棒性驗證。同時針對系統(tǒng)頻域特性，采用靈敏度函數(shù)驗證了系統(tǒng)頻域下的魯棒性能，取得了良好的控制效果。
　　針對pH中和過程辨識模型，本文建立了pH中和過程Hammerstein模型，結合了遺傳算法與反向傳播神經網絡，采用遺傳算法(Genetic Algorithm)優(yōu)化反向傳播(Back Propa

4、gation)神經網絡的初始權值和域值，加速網絡訓練過程，從而建立系統(tǒng)逆模型。并通過LTR控制器對逆模型的控制實現(xiàn)了對pH中和過程Hammerstein模型的控制，取得了良好的控制效果，進一步改進了LTR控制方法，推廣了其應用范圍。
　　針對LTR控制器設計時，無法兼顧調節(jié)時間和超調量的問題，本文從控制器加權矩陣參數(shù)入手，設計了參數(shù)自適應的LTR控制方法，并分別利用基于誤差反饋調節(jié)的自適應規(guī)律和基于模糊規(guī)則的自適應規(guī)律進行加權矩陣