多變量過(guò)程智能辨識(shí)與解耦控制.pdf

1、實(shí)際工業(yè)生產(chǎn)中普遍存在著多變量耦合現(xiàn)象，為了實(shí)現(xiàn)其精確控制，首先需要解決的是系統(tǒng)模型的準(zhǔn)確性問(wèn)題，相比傳統(tǒng)的系統(tǒng)辨識(shí)方法，本文采用了粒子群優(yōu)化算法的智能辨識(shí)方法，以辨識(shí)的系統(tǒng)模型為預(yù)測(cè)模型，提出了多變量系統(tǒng)的智能預(yù)測(cè)函數(shù)解耦控制方法。 在多變量模型的辨識(shí)方面，本文應(yīng)用了粒子群優(yōu)化算法，定性地分析系統(tǒng)參數(shù)空間范圍，把系統(tǒng)辨識(shí)問(wèn)題轉(zhuǎn)化為參數(shù)空間尋優(yōu)，利用粒子群優(yōu)化算法在尋優(yōu)過(guò)程中有效的避免局部最優(yōu)，在整個(gè)參數(shù)空間內(nèi)并行尋找獲得系統(tǒng)參

2、數(shù)的最優(yōu)解。通過(guò)對(duì)多種模型的仿真實(shí)驗(yàn)研究表明，粒子群優(yōu)化算法在多變量系統(tǒng)模型辨識(shí)中優(yōu)于遺傳算法。 在多變量系統(tǒng)的解耦控制方面，研究了多變量系統(tǒng)預(yù)測(cè)函數(shù)解耦控制算法。將多變量系統(tǒng)的解耦控制問(wèn)題化簡(jiǎn)為若干個(gè)單變量系統(tǒng)的預(yù)測(cè)函數(shù)控制，采取分散優(yōu)化策略代替整體優(yōu)化，利用預(yù)測(cè)函數(shù)控制算法的特點(diǎn)，引入基函數(shù)增加了設(shè)計(jì)的自由度，減少了在線(xiàn)計(jì)算量，使參數(shù)設(shè)計(jì)和算法過(guò)程求解大為簡(jiǎn)化，然后再利用該算法獲得一個(gè)解析的解耦控制量計(jì)算方程；其控制器參數(shù)均

3、可離線(xiàn)計(jì)算，而且算法簡(jiǎn)單，便于實(shí)現(xiàn)復(fù)雜、高維多變量系統(tǒng)的解耦控制。通過(guò)對(duì)多變量一階滯后耦合系統(tǒng)和二階滯后耦合系統(tǒng)的仿真表明，該方法具有很好的解耦控制效果。 在預(yù)測(cè)函數(shù)控制的模型失配問(wèn)題方面，針對(duì)多變量系統(tǒng)中的隨機(jī)性和不確定性造成的預(yù)測(cè)模型失配，提出了智能預(yù)測(cè)函數(shù)解耦控制方法，主要包括：模糊預(yù)測(cè)函數(shù)解耦控制、遺傳算法預(yù)測(cè)函數(shù)解耦控制和粒子群優(yōu)化算法預(yù)測(cè)函數(shù)解耦控制。 模糊預(yù)測(cè)函數(shù)解耦控制方法就是將模糊數(shù)學(xué)的方法引入到預(yù)測(cè)函

4、數(shù)解耦控制中，利用模糊建模的方法解決預(yù)測(cè)函數(shù)解耦控制方法中由于模型失配嚴(yán)重而造成的控制無(wú)法穩(wěn)定等問(wèn)題。遺傳算法和粒子群優(yōu)化算法在參數(shù)優(yōu)化中具有很好的辨識(shí)優(yōu)化效果，利用遺傳算法和粒子群優(yōu)化算法對(duì)失配模型進(jìn)行優(yōu)化處理，以?xún)?yōu)化的模型作為預(yù)測(cè)模型進(jìn)行解耦控制，形成遺傳算法預(yù)測(cè)函數(shù)解耦控制和粒子群優(yōu)化算法預(yù)測(cè)函數(shù)解耦控制。這些方法能夠有效地克服控制模型的失配及系統(tǒng)的不確定性，具有很好的實(shí)時(shí)性。通過(guò)對(duì)實(shí)際工業(yè)對(duì)象的仿真及與自整定PID控制的比較表明