典型大惯性过程的控制方法综述

典型大惯性过程的控制方法

在工业生产过程中,经常由于物料或能量的传输带来时间延迟的问题,即被控对象具有不同程度的纯滞后,不能及时反映系统所受的扰动。此外,测量信号到达控制器,即使执行机构接受信号后立即动作,也需要经过一个滞后时间才能影响到被控制量实现控制。该种类型过程必然会产生较大的超调和较长的调节时间,使过渡过程变坏,系统的稳定性降低。设τ为纯滞后时间, T 为对象的容量滞后时间,当τ/T 增加时,过程中的相位滞后增加而使超调增大,甚至会因为严重超调而出现生产安全事故。通常将纯滞后时间与过程的时间常数之比大于0. 3的过程认为是具有大滞后的过程。即:

P T =T

传统的PID 控制一般不能解决过程控制上的大滞后问题,具有大滞后的过程控制被公认为是较难的控制问题,一直以来都是过程控制研究的热点。加热装置的炉温控制具有典型的时间滞后特点。

基于前人研究成果，本文对适用于大惯性过程中的典型控制算法进行总结，并适当的列举当下较为突出的相关控制策略，做出相应的说明和阐述。

一、传统控制的改进

1. 串级控制

由于系统纯延迟时间较长，而且扰动的因素多，单回路反馈控制系统不能满足控制品质的要求。为了提高控制质量，采用串级控制系统，运用副回路的快速作用，有效地提高控制质量，满足生产要求。

串级控制系统采用两套检测变送器和两个调节器，前一个调节器的输出作为后一个调节器的设定，后一个调节器的输出送往调节阀。若选择锅炉为大延迟对象，则串级控制方框图可以设计成如图1-1所示。

y

图1-1

整个系统包括两个控制回路，主回路和副回路。副回路由副变量检测变送、副调节器、调节阀和副过程构成；主回路由主变量检测变送、主调节器、副调节器、调节阀、副过程和主过程构成。

前一个调节器称为主调节器，它所检测和控制的变量称主变量（主被控参数），即工艺控制指标；后一个调节器称为副调节器，它所检测和控制的变量称副变量

（副被控参数），是为了稳定主变量而引入的辅助变量。

分析可以看到：在串级控制系统中，由于引入了一个副回路，不仅能及早克服进入副回路的扰动，而且又能改善过程特性。副调节器具有“粗调”的作用，主调节器具有“细调”的作用，从而使其控制品质得到进一步提高。

2. Smith 预估控制

为了解决纯延迟对象的大滞后控制问题，Smith 提出了一种纯滞后补偿方法，被称为Smith 预估器。该方法结构简单、概念明确，是一种得到广泛应用的时滞过程控制方案。传统的Smith 预估控制方框图如图1-2所示。

图1-2

最终使得等效对象

0()()e G s G s =。 但是因为0(1)()s e G s τ--很难在控制系统中实现，是模型。可以计算实现

,一旦实现后是固定不变的。而过程和实际特性是不断变化的。这样就使得系统等效对象0()()e G s G s ≠，这样控制系统的品质就会严重恶化，而且纯延迟变化，对控制系统的品质的影响尤其突出。

于是提出了很多关于Smith 预估的改进方案，例如：增益自适应Smith 控制、动态参数自适应Smith 控制等等。

本文介绍一种串级-Smith 预估控制策略，即采用串级控制结构结合Smith 预估控制器的控制方案。内环采用Smith 预估器,大幅度降低滞后对控制系统动态性能的影响;外环采用PI 控制实现系统无静差[1]。

Smith 预估加串级控制系统的整体框图如图1-3所示。

图1-3

由于系统过程纯滞后时间较长,传统的PID 控制不能取得较好的控制效果,

因此采用串级结合Smith预估补偿的控制方案。考虑到实际装置及串级结构的特点,选择了纯滞后较大的部分作为副回路。在副回路中采用Smith预估补偿控制, Smith预估控制是针对大时延过程的预估补偿,其原理是按照过程的特性预估出一种模型加入到反馈控制系统中,使被延时了τ时间的被控量超前反映到调节器的输入端,使调节器提前动作,从而明显地减小超调量和加速调节过程,是一种得到广泛应用的方案。

串级-Smith预估控制也没有很好的解决模型失配的问题，在此基础之上再运用动态参数自适应Smith控制效果会明显改善。

3.内模控制

内模控制(简称IMC)是一种基于过程数学模型进行控制器设计的新型控制

策略。由于其设计简单、控制性能好和在系统分析方面的优越性，因而内模控制不仅是一种实用的先进控制算法，而且是研究预测控制等基于模型的控制策略的重要理论基础，以及提高常规控制系统设计水平的有力工具。

内模控制是在传统Smith预估器的基础上导出的，其方框图如图1-4所示。

图1-4

当估计模型精确时，使

()

I

G s用于调节扰动()

d s，()

I

G s相当于一个扰动补

偿器或前馈控制器，所以对它的设计就很简单。当估计模型不精确时，

()

M

d s包

含模型失配信息，有利于系统的稳定。因此它无需精确的对象模型，当在反馈回路中引入滤波器后，系统可以获得较好的鲁棒性，且内模控制器的设计简单，控制器参数调节方便。是研究预测控制等基于模型的控制策略的重要理论基础,以及提高常规控制系统设计水平的工具。

二、先进控制算法

1.最优控制

所谓最优控制理论，是对一个受控的动力学系统或运动过程，从一类允许的控制方案中找出一个最优的控制方案，使系统的运动在由某个初始状态转移到指

定的目标状态的同时，其性能指标值为最优。

为了解决最优控制问题，必须建立描述受控运动过程的运动方程，给出控制变量的允许取值范围，指定运动过程的初始状态和目标状态，并且规定一个评价运动过程品质优劣的性能指标。通常，性能指标的好坏取决于所选择的控制函数和相应的运动状态。系统的运动状态受到运动方程的约束，而控制函数只能在允许的范围内选取。

本文介绍一种基于Smith预估器的最优控制策略[2]。

该方案基于Smith预估器，调节器按最优控制设计,引入自适应控制,使最优调节器以及预估器能不断地跟踪过程特性参数的变化,确保系统在对象参数变化时仍保持优良的控制性能。其基本结构如下图所示，主要由被控对象、预估器、参数在线估计器、自适应控制器和监控器组成。

图2-1

在线参数估计器不断地估计出被控对象的参数, 并实时地修改预估器和最

优控制器的参数, 使它们在系统的运行过程中能不断地跟踪对象模型的参数,

从而达到预估器与对象模型保持匹配以及具有自校正控制的能力; 监控器的作

用是, 根据被控对象参数的变化快慢, 调整参数估计算法中的遗忘因子的值,

以提高参数估值的精度, 而当被控对象的参数变化很慢时, 暂停参数估计器的

算法,控制器和预估模型的参数不更新, 从而减少计算量, 加速系统的控制过程。

经仿真实验表明，系统的输出响应具有良好的性能品质。

2.人工神经网络控制

人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的

数学模型。

其简单结构如图2-2所示。