單變量過程辨識方法及內(nèi)??刂频难芯颗c應用.pdf_第1頁
已閱讀1頁,還剩66頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著社會的發(fā)展和技術(shù)的進步,工業(yè)自動化得到了越來越多的關(guān)注。在工業(yè)生產(chǎn)中普遍存在耦合及時滯現(xiàn)象,傳統(tǒng)的PID控制已經(jīng)不適應高精度的生產(chǎn)要求,因此越來越多的學者開始將先進控制與智能控制應用在生產(chǎn)中。內(nèi)??刂谱蕴岢鲇捎谄浜唵蔚目刂颇J胶土己玫目刂菩Ч诠I(yè)生產(chǎn)中得到了廣泛的應用。該方法對于提高經(jīng)濟效益、降低能耗、實現(xiàn)卡邊操作體現(xiàn)出良好的應用效果。
   本文首先學習了傳統(tǒng)內(nèi)??刂萍敖怦羁刂频幕纠碚?,主要分析了常規(guī)解耦方法的理論解耦

2、與物理解耦的可實現(xiàn)性,提出了基于穩(wěn)態(tài)分析及誤差分析的內(nèi)模解耦方法,基于該方法設計的內(nèi)模解耦控制器,有效實現(xiàn)了解耦的目的,同時有效繼承了內(nèi)模控制的魯棒性,該方法實施簡單,仿真結(jié)果表明了該方法的有效性。
   其次在學習NLJ、最小二乘、PSO等辨識方法的基礎(chǔ)上,就如何提高迭代精度、增強辨識參數(shù)魯棒性、避免陷入局部最優(yōu)等問題,提出了PSO-Powell辨識算法。利用該方法對非線性模型進行了辨識,達到較好的辨識效果,同時對常見的三級攪

3、拌釜進行了辨識仿真,依據(jù)該辨識模型得到的內(nèi)??刂破?,取得了良好的控制性能和控制精度。
   然后針常規(guī)辨識方法對初值非穩(wěn)態(tài)、終值非穩(wěn)態(tài)、響應不充分、存在噪聲、存在擾動等響應不規(guī)范情況下,難以準確得到辨識模型,本文利用內(nèi)模原理,基于PSO-Powell方法得到了比較準確的模型參數(shù)。仿真結(jié)果驗證了該方法的有效性。
   最后結(jié)合工業(yè)生產(chǎn)實際,將IMC-PID及PSO-Powell辨識方法運用在揚子、南化、燕山等裝置的參數(shù)優(yōu)化

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論