大滞后控制算法

合集下载

大时滞不确定系统的滞后时间削弱与自抗扰控制

大时滞不确定系统的滞后时间削弱与自抗扰控制

第41卷第2期2024年2月控制理论与应用Control Theory&ApplicationsV ol.41No.2Feb.2024大时滞不确定系统的滞后时间削弱与自抗扰控制李向阳1,高志强2,田森平1,哀薇1†(1.自主系统与网络控制教育部重点实验室,华南理工大学自动化科学与工程学院,广东广州510640;2.克里夫兰州立大学电气工程与计算机科学系,俄亥俄克里夫兰44115,美国)摘要:针对具有变时滞、变参数和扰动的大时滞不确定系统的控制问题,本文提出了滞后时间削弱与自抗扰控制方法,综合应用了前馈控制、反馈控制和自抗扰补偿控制.为了提高系统的稳定性,在前馈控制器的设计中采用了系统的边界模型确定控制器参数取值范围;采用系统边界模型输出与系统实际输出的动态加权和作为反馈控制器的输入.为了提高系统控制的性能,自抗扰补偿控制回路的设计基于标称模型的补偿控制器.理论证明和仿真结果表明,所提出的方法是有效的,其在具有模型参数变化、滞后时间变化和外部扰动情况下,能保证系统的稳定性和良好的控制性能.关键词:大时滞系统;不确定系统;自抗扰控制;滞后时间削弱;补偿控制器引用格式:李向阳,高志强,田森平,等.大时滞不确定系统的滞后时间削弱与自抗扰控制.控制理论与应用, 2024,41(2):249–260DOI:10.7641/CTA.2023.20135Time-delay influence reducing and active disturbance rejection control of uncertain systems with large time-delayLI Xiang-yang1,GAO Zhi-qiang2,TIAN Sen-ping1,AI Wei1†(1.Key Laboratory of Autonomous Systems and Network Control,Ministry of Education,School of Automation Science and Engineering,South China University of Technology,Guangzhou Guangdong510640,China; 2.Center for Advanced Control Technologies,Department of Electrical Engineering and Computer Science,Cleveland State University,Cleveland,OH44115,USA)Abstract:For the control problem of uncertain systems with variant large time-delay,variant parameters and distur-bance,a time-delay influence reducing(TDIR)and active disturbance rejection control method(ADRC)is presented.The proposed TDIR-ADRC method integrates feedforward control,feedback control and active disturbance rejection compen-sating control.In order to enhance the system’s stability,the system’s border model is used in the design of feedforward control and the input of feedback controller is the dynamic weighted sum of the outputs of the system’s border model and the real system.In order to enhance the system’s control performance,the active disturbance rejection compensating control loop is based on the nominal model,a special compensating controller is designed.The theoretical analysis and simulation research results verify the effectiveness of the proposed TDIR-ADRC methods,the TDIR-ADRC shows nice performance of system output tracking reference input when there exist model parameter and time-delay variation and disturbance.Key words:large time-delay system;uncertain system;active disturbance rejection control;time-delay influence reduc-ing;compensation controllerCitation:LI Xiangyang,GAO Zhiqiang,TIAN Senping,et al.Time-delay influence reducing and active disturbance rejection control of uncertain systems with large time-delay.Control Theory&Applications,2024,41(2):249–2601引言在实际工业过程控制中,被控过程常采用具有纯滞后的一阶或者二阶模型,这些模型是经过机理分析和系统辨识试验获得的近似模型,缺乏精确的被控对象模型,导致现代控制理论的许多算法难以在实际中获得良好的控制效果,实践工程中大量应用的仍是比例–积分–微分(proportional-integral-derivative,PID)控制方法.我国著名学者韩京清敏锐注意到PID不依收稿日期:2022−02−24;录用日期:2023−03−14.†通信作者.E-mail:**************.cn;Tel.:+8620-87111289.本文责任编委:夏元清.国家自然科学基金项目(61773170,62173151),广东省自然科学基金项目(2021A1515011850)资助.Supported by the National Natural Science Foundation of China(61773170,62173151)and the Natural Science Foundation of Guangdong Province of China(2021A1515011850).250控制理论与应用第41卷赖精确数学模型,而是采用基于误差来消除误差的思想,提出非线性状态误差反馈律(state error feedback,SEF);他同时利用现代控制理论中状态观测器的思想发明了扩张状态观测器(extended state observer,ESO),实现对系统总扰动的估计和补偿,以克服PID其对信号利用率低的缺点;为了解决快速和超调的矛盾,他提出了跟踪微分器(tracking differentiator,TD),并用它来安排过渡过程,最终形成了自抗扰控制(activedisturbance rejection control,ADRC)[1–2].之后,AD-RC在严格理论证明和工程应用的参数整定等方面取得了重要突破[3–14],ADRC被理论界和工业界广泛认可,ADRC算法已经被TI等多家公司固化到其DSP芯片和控制软件中[15].由于ADRC只要求知道被控对象的相对阶和控制增益的粗略估计,而对被控对象的模型信息依赖很少,因此得到大量应用.但是,对于滞后过程控制系统,ADRC的无视时滞法和提高阶次法只适合小时滞系统;对于大时滞系统,ADRC必须与其他专门针对时滞系统的方法结合一起,主要有3种改进方法:延时设计型自抗扰控制(delayed designed ADRC,DDADR-C)、基于Smith预估器的自抗扰控制(Smith predictorbased ADRC,SP-ADRC)、基于预测观测器的自抗扰控制(predictor observer based ADRC,PO-ADRC)[16].本文受现有方法的启发,以一阶纯滞后系统为例,从基本的Smith预估原理出发,建立综合前馈控制和滞后时间削弱法的大时滞过程系统的ADRC方法.本文的后续内容安排如下:第2节描述了研究的问题和现有解决方法;第3节提出了一种新型的滞后时间削弱与自抗扰控制(time-delay influence reducingand ADRC,TDIR-ADRC)方法;第4节对所提出的方法进行了稳定性分析;第5节给出了仿真研究和推广;第6节是本文的结论.2问题的提出实际工业过程一般为高阶非线性系统,但是往往采用一阶纯滞后(first order plus dead time,FOPDT)或者二阶纯滞后(second order plus dead time,SOPDT)来近似[17],这除了FOPDT或者SOPDT与实际过程数据有较好的拟合关系外,还可以从时滞环节的高阶近似来理解.在复频域中,利用Pade近似,可以把时滞e−sτ近似表示为有理分式的形式[18],即e−τs≈b0+b1(τs)+···+b l(τs)la0+a1(τs)+···+a k(τs)k,(1)其中a i=(l+k−i)!k!i!(k−i)!,i=0,···,k,b j=(−1)j(l+k−j)!l!j!(l−j)!,j=0,···,l,(2)式(1)中l和k为近似的阶次,它们越大,近似精度越高;时滞τ越小,式(1)左右两边相同频带区域的相位误差越小.式(1)右边的高阶分式表示可以用左边的纯滞后来近似等效,因此,FOPDT或者SOPDT两类模型在过程控制的教科书和文献中的大量出现,反过来也说明具有纯滞后的系统特别是大滞后系统的控制一直是工业控制领域的难点.本文基于FOPDT模型研究大时滞过程的滞后时间削弱与自抗扰控制问题,并推广到SOPDT系统中.考虑如下典型的FOPDT被控对象:G pt(s)=G p(s)e−sτp=KT s+1e−sτp,(3)式中:K为过程增益;T为过程时间常数;τp为过程纯滞后时间.系统(3)的标称模型为G mt(s)=G m(s)e−sτm=K mT m s+1e−sτm,(4)式中K m,T m和τm为相应的标称参数.当τp τm时,经典的Smith预估(Smith predictor,SP)控制方法如图1所示,其反馈量为Y f(s)=Y m(s)+(Y(s)−Y mt(s)),(5)其中:Y m(s)=G m(s)U(s),(6)Y(s)=G p(s)e−τp s U(s)+D(s),(7)Y mt(s)=G m(s)e−τm s U(s).(8)图1Smith预估控制系统Fig.1Control system structure with SP从式(5)可以看出,图1的反馈量是无滞后标称模型Y m(s)的输出和有滞后实际系统与标称模型之差Y(s)−Y mt(s)的和.当标称系统等于实际系统时,即当下列条件成立:K m=K,T m=T,τm=τp,(9)有Y f(s)=Y m(s).(10)当式(10)成立时,反馈量Y f(s)只有标称模型的输出Y m(s),图1中的时滞环节移到了闭环系统的外面了,整个闭环控制系统变成了一个没有时滞的控制系统,此时达到很好的控制效果.但是条件(9)一般是不第2期李向阳等:大时滞不确定系统的滞后时间削弱与自抗扰控制251成立的,此时控制性能难以保证.为此,出现了许多Smith预估控制系统的改进形式,包括Astrom改进型和增益自适应改进型,分别如图2和图3所示.图2Astrom改进型Smith预估控制系统Fig.2Control system structure with Astrom’s modified SP图3增益自适应Smith预估补偿控制系统Fig.3Gain adaptive SP compensation control system图1的经典Smith预估控制系统是把G m,G pt和G mt分别在3个不同时刻t,t−τp和t−τm的系统输出混合在一起作为反馈量,采用一个控制器G c进行控制;图2中的Astrom改进型Smith预估控制系统把Y m(s)和Y(s)−Y mt(s)分别用2个不同控制器G c1和G c2进行控制,提供控制器设计和参数整定的灵活性,控制器G c1的目标是使Y m跟随R,控制器G c2的目标是克服扰动的影响使系统输出Y跟随Y mt,控制器G c2的整定受控制器G c1的影响,图2的Astrom改进型Smith预估控制系统比图1的经典Smith预估控制在控制器类型选择和参数整定方面更加灵活,可以获得更好的性能.与经典Smith预估控制方法一样,Astrom改进型Smith预估控制在式(9)–(10)条件成立且无外部扰动时,图2的G c2的输入为0,其输出U2也等于0,此时为开环控制,被控对象的控制输入是通过控制不含纯延时的标称模型产生的控制信号U1.U1是当标称模型G m为被控对象和R为参考输入的控制信号,也可以把U1称之为标称模型G m在输出为参考信号R时的逆输入信号,U1在应用时相当于一个前馈信号.当存在模型误差和外部扰动时,式(9)–(10)条件不成立时,图1是采用同一控制器G c来减少模型误差和外部扰动对输出的影响,而图2采用第2个控制器G c2来抗模型和外部扰动.图3是增益自适应Smith预估补偿控制系统[19],把图1的经典Smith预估控制系统中对应位置的减法运算变成了除法运算,加法运算变成了乘法运算.图3的除法运算模块A1/B1把G p相对于G m的增益变化求出,并在控制器G c中进行补偿,实现控制器增益自适应调节,保持环路增益不变.该方法削弱了过程增益变化对控制性能的影响,但是不能削弱过程滞后变化对输出的影响.图3中还增加了一个微分先行模块提高预测能力,乘法运算模块A2×B2用于抵消除法运算模块的作用,重新恢复反馈信号.图4是Smith预估器与ADRC相结合的用于滞后系统控制的SP-ADRC方法[16],该方法把图1的y f(t)经过ESO后得到系统输出的各阶导数和总扰动估计,该方法跟图1的方法类似,对滞后时间的估计误差比较敏感,还需进一步提高其性能.图4SP-ADRC结构图Fig.4Diagram of SP-ADRC structure图5是图1中从U到Y f的改造方框图,通过把被控对象中无滞后的标称模型与实际过程(含滞后)的输出进行加权的方法来构造反馈信号.根据图4的加权平均取反馈信号有Y f(s)=1L m+1Y(s)+L mL m+1Y m(s),(11)式中:当L m→0时,y f(t)→y(t),反馈信号取具有纯滞后环节的实际过程输出,滞后时间为τp;当L m→∞时,y f(t)→y m(t),反馈信号取无纯滞后环节的标称模型输出,滞后时间为0;当L m∈(0,∞)时,y f(t)是y m(t)和y(t)的加权平均,等效的滞后时间在0与τp之间,通过调节L m的大小可以调节滞后时间,起到了削弱滞后时间的作用,提高了系统的稳定性.但是,由于只有当L m→0时,才有y f(t)→y(t),真正的反馈量不是y(t),因此最后的控制效果存在稳态误差,L m的调节范围受到限制.文献[18]把L m设计成(2l m−2)/ (τm s+2)的形式,其中l m 1为可调参数,虽然提高了动态性能,但由于L m稳态时还是不为零的常数,仍然没有解决存在稳态误差的问题.本文在ADRC的框架下,综合Smith预估、解耦控制、增益自适应和滞后削弱的思想,用Smith预估中模型产生的控制量作为前馈控制量,提高响应速度;用ADRC的总扰动补偿机制代替增益自适应算法,克服增益自适应算法在除法计算中的数值稳定性问题;改进现有滞后削弱中的权函数,实现无稳态误差的控制.252控制理论与应用第41卷图5滞后时间削弱结构Fig.5Time-delay influence reducing structure3大滞后过程的ADRC方法在ADRC的框架下,大滞后过程的ADRC控制方案如图6所示,同样可以用经典ADRC的TD,ESO和SEF这3个组成部分来理解其工作原理;不同的是增加了基于系统边界模型的前馈环节,ESO被分离成两部分,一部分在等效被控对象G et(s)中,用于总扰动估计和补偿控制,另一部分合并到反馈控制器G fb(s)中, SEF的基于误差的控制律也在G fb(s)中实现.图6中的虚线框中的G pu(s)为系统输入进入ESO之前的预处理器,G cc(s)为补偿控制器,经典ADRC中补偿控制器为1;图6的前馈环节相当于图1中经典Smith预估控制或者Astrom的改进Smith预估控的预估部分,不同的是本方法采用的是被控系统的边界模型,而不是被控系统的标称模型,而且增加一个衰减系数γff,用于减少超调.u1本质上是TD之后的参考信号v关于边界模型G0的近似逆信号.图6具有前馈和滞后时间削弱结构的ADRC系统Fig.6ADRC system with feedforward and modified time-delay influence reducing structure图6中对削弱滞后时间的加权系统设计为一个动态传递函数.本文的系统边界模型是在真实模型变化的边界上取值,按照对系统稳定性最不利的参数来取值,能够保证所设计的控制系统在大范围内稳定.系统标称模型实际系统参数变化的中间取值,用于参数整定.而在前馈控制器和反馈控制器的设计中采用边界模型确定控制器的参数范围,而在参数优化过程中采用标称模型确定控制器的参数取值(在保证稳定性的参数范围内取值).下面按照频域来设计和时域来实现的方式进一步阐述图6的控制原理.对于式(3)的FOPDT被控对象,有如下假设1.假设1a=1/T,b=K/T;a∈[a min,a max],a min>0;b∈[b min,b max],b min>0;取a0=a min,b0=b max;a min a m a max,b min b m b max.由假设1,系统的边界模型为G0(s)=b0s+a0,G0t(s)=b0s+a0e−sτp,(12)系统的标称模型为G m(s)=b ms+a m,G mt(s)=b ms+a me−sτp.(13)3.1前馈控制器Gff(s)的设计Gff(s)的目的是给控制系统提供一个合适的前馈控制量u1,该前馈量的存在并不影响整个控制系统的稳定性,只要求由Gff(s)和G0(s)组成的回路本身是稳定的,且满足一定的性能.可以把Gff(s)和G0(s)组成回路的闭环传递函数设计成可调参数的滤波器形式.设为Φff(s),则有Φff(s)=G0(s)Gff(s)1+G0(s)Gff(s),(14)则前馈控制器为Gff(s)=Φff(s)G0(s)(1−Φff(s)).(15)为了使前馈控制量在起始时刻也平滑,把Φff(s)设第2期李向阳等:大时滞不确定系统的滞后时间削弱与自抗扰控制253计成二阶阻尼传递函数,有Φff(s)=1T2ffs2+2ξffTffs+1,(16)式中:ξff为前馈回路的阻尼比;Tff为前馈回路的自然周期.前馈控制器需要根据系统参考输入快速给出前馈控制量,为了实现快读、无超调和平滑,取ξff 1和0<Tff τp.前馈控制器的输出经过一个衰减系数γff之后得到u1,0 γff 1,通过适当衰减后的前馈控制量有利于减少控制系统的超调.由于采用了衰减系数,前馈控制器可以采用边界模型或者标称模型,采用不同模型,衰减系数取不同值.当采用边界模型时,把式(12)(16)代入式(15)有Gff(s)=s+a0b0(T2ffs2+2ξffTffs).(17)3.2总扰动估计器ESO和补偿控制器G cc(s)设计ESO的目的是估计总扰动,G cc(s)实现经过补偿后的等效被控对象(图6中的虚线框)近似为G et(s)≈G0t(s)=G0(s)e−τp s.(18)根据实际过程的纯滞后时间τp的变化情况可以设计不同类型ESO.当τp为固定时,取τ0=τp,则由式(3)和式(13)有˙x1(t)=−a0x1+f1(t)+b0u(t−τ0),f1(t)=−(a−a0)x1+(b−b0)u(t−τ0)+d(t−τ0),y(t)=x1(t).(19)系统(19)的ESO设计为˙ˆx1(t)=−a0ˆx1+β1(y−ˆx1)+ˆx2+b0u(t−τ0),˙ˆx2=β2(y−ˆx1),(20)其中β1>0和β2>0为二阶ESO的增益,是Hurwitz多项式的系数.此时,G pu(s)=1,ESO的输出ˆf d=ˆx2即为前τp时刻的总扰动.实际中,当τp在一定范围变化时,可以通过试验获得纯滞后的变化范围,τp∈[τmin,τmax],取{τ0=τmin>0,τ1=τmax−τmin>0,(21)实际中一般τ1要比τ0要小得多,则根据式(3)有G pt(s)=b e−sτps+a≈b e−sτ0s+a1(τm−τ0)s+1,(22)上式推导中利用了近似公式e−s(τp−τ0)≈e−s(τm−τ0)≈1(τm−τ0)s+1,(23)则预处理器设计为G pu(s)=1(τm−τ0)s+1.(24)采用预处理器进行变时滞的处理方法就是ADRC中的提高阶次法来处理时滞系统的总扰动估计,本文用于在固定延时之外的可变延时.此时,ESO(19)的输入为u e和系统输出y,ESO的输出ˆf d为系统当前时刻以前(约为前τp时刻)的总扰动,与当前时刻的总扰动在时间上并不同步,很难完全抵消,因此需要一个补偿控制器确保补偿后的系统是稳定的.经典ADRC系统中G cc(s)为1,按照频域稳定理论,当存在较大滞后相位时,可以采用超前校正或者要求|G cc(jω)|<1,而当外界扰动中含有较大噪声时,总扰动的估计值中很可能含有部分噪声,此时可以采用滞后校正或者惯性滤波器.为了保证补偿控制回路有足够的稳定裕度,补偿控制器设计为G cc(s)=βccτcf s+1τcd s+1,(25)式中:0 βcc 1;0 τcf τ0;0.1<τcd 1.3.3滞后时间削弱的动态权重设计由于大滞后环节会产生严重的相位滞后,为了保证稳定性,需要限制闭环系统的带宽.当图6中参考信号的高频成分较大时,要求W1/(1+W2)取较大的值,减少系统输出在反馈信号y f(t)中所占的比例,保证系统稳定性;当参考输入信号处于平缓时,要求W1/(1+W2)接近0,加大实际系统输出在反馈信号y f(t)中所占的比例,保证稳定误差足够小,满足控制精度要求.根据这一思想,设计权重系数为W1(s)=L1τmax s=L1(τ0+τ1)s,L1>0,W2(s)=L2τmax s=L2(τ0+τ1)s,L2>0,W3(s)=L3τmin s=L3τ0s,L3 0,(26)则1+W3(s)1+W2(s)=1+L3τ0s1+L2(τ0+τ1)s,(27)W1(s)1+W2(s)=L1(τ0+τ1)s1+L2(τ0+τ1)s.(28)由式(27)–(28)可知,不含纯滞后的边界模型G0(s)输出信号的权重为一个近似微分(dirty derivative),而含纯滞后的被控系统输出的权重为一个超前–滞后校正环节,其分子具有微分先行作用,可以提高系统输出反馈的快速性和稳定性,静态时只有系统输出反馈量,保证了稳态精度.3.4TD和反馈控制器G fb(s)的设计TD用来安排闭环系统参考输入的过渡过程,采用如下的线性TD形式:˙v1(t)=v2,˙v2(t)=v3,˙v3=−3T rv3−3T2rv2−1T3r(v1−r),(29)254控制理论与应用第41卷式中r和T r分别为系统参考输入和TD时间常数.由于本文的ESO的标称模型并非积分串联模型,为了减少稳态误差,需要在反馈控制器G fb(s)中加入积分环节.先不考虑G et(s)和y的影响,只考虑y w对y f的贡献,由W1/(1+W2),G fb(s),γfb和G0(s)构成的闭环系统来设计G fb(s),设该闭环系统的传递函数为Φfb(s),则有Φfb(s)=γfb G fb(s)G0(s)W1(s)(1+W1(s))+G fb(s)G0(s)W1(s),(30)γfb为反馈控制器的增益系数,则反馈控制器为G fb(s)=(1+W2(s))Φfb(s)γfb G0(s)W1(s)(1−Φfb(s)).(31)对于含有纯滞后的系统,把Φfb(s)设计成二阶阻尼传递函数,有Φfb(s)=1T2fbs2+2ξfb T fb s+1,(32)式中:ξfb为反馈回路的阻尼比;T fb为反馈回路的自然周期.把式(12)(26)(32)代入式(31)有G fb(s)=(s+a0)(L2τ0s+1)γfb b0L1(τ0+τ1)s2(T2fbs+2ξfb T fb),(33)可调参数γfb初始值可取为1/b0,最终的控制量为{u0=u1+u2,U(s)=U0(s)−G cc(s)ˆF d(s),(34)式中ˆF d(s)为ESO估计的总扰动.4大滞后过程的ADRC的稳定性分析图6的控制系统结构,一共有3个闭环,包括产生前馈控制量u1的闭环、具有ESO的补偿控制闭环和具有滞后削弱的整个控制系统的闭环.产生前馈的闭环是一个确定系统,不影响整个系统的稳定性,可以不在系统的稳定性分析中考虑.在ADRC的理论体系中已完成了对其ESO的分析和证明,本文直接用引理给出.下面讨论具有削弱时间控制回路的反馈控制回路和总扰动补偿控制回路的稳定性.4.1削弱滞后时间控制回路的稳定性分析假如被控对象通过补偿控制后,从反馈控制器的角度看,其等效的被控对象为G0(s)e−τp s,则有如下定理.定理1当G et(s)经过ESO和补偿控制作用变为G0(s)e−τp s时,采用式(31)反馈控制器和式(32)的Φfb,采用式(26)的削弱滞后时间权重方法,并按照如下参数配置时,可以实现闭环系统稳定,即2 L1 10,0 L3 1.5,L2=α1L1,α1∈[0.01,0.3],ξfb 1,0<T fb τ0+τ1.(35)证当等效的被控对象为G0(s)e−τp s时,暂时不考虑前馈作用.W3(s)起微分先行作用,主要用于减少超调量,可以先不考虑其对稳定性的影响,即L3=0,则从U2到Y f的传递函数G f(s)为G f(s)=G0(s)W1(s)1+W2(s)+G0(s)e−τp s1+W2(s),(36)则相应闭环系统的传递函数Φf为Φf(s)=G fb(s)G f(s)b0+G fb(s)G f(s).(37)由式(36)–(37)和G0(s)与W1(s)的表达式有Φf(s)=M1(s)N1(s)=(G0W1+G0e−τp s)ΦfbG0W1(1−Φfb)+(G0W1+G0e−τp s)Φfb,(38)N1(s)=L1(τ0+τ1)s2(T2fbs+2ξfb T fb)+(L1(τ0+τ1)s+e−τp s),(39)M1(s)=L1τm s+e−τp s,(40)只要N1(s)的零点全部在左半平面,则Φf是稳定的.对N1(s)采用如下近似:e−sτp≈1−sτp,(41)则有N1(s)≈¯N1(s)=K10s3+K11s2+K12s+K13,(42)其中K10=L1(τ0+τ1)T2fb,K11=2L1(τ0+τ1)ξfb T fb,K12=L1(τ0+τ1)−τp,K13=1.(43)由于纯滞后环节e−sτp的奈奎斯特曲线为单位圆,而1−sτp的奈奎斯特曲线在单位圆的外部,因此¯N1(s)稳定,则N1(s)稳定.由式(35)有K12>L1(τ0+τ1)/2,0<T fb τ0+τ1,和ξfb 1,可以验证K11K12>K10K13,(44)因此闭环系统Φf是稳定的,定理1成立.证毕.由式(38)(40)可知,其阶跃响应的稳态误差为0,即有lims→0(sΦf1s)=1.(45)当被控对象未进行补偿控制时,有如下定理.定理2当G et(s)没有补偿控制时,即为G p(s)e−τp s时,采用式(31)反馈控制器和式(32)的Φf,取γfb=1/b0,采用式(26)的削弱滞后时间权重,并按照式(35)配置系统参数,可以实现闭环系统稳定.第2期李向阳等:大时滞不确定系统的滞后时间削弱与自抗扰控制255证当G et (s )=G p (s )e −τp s 时,为了简化,暂不考虑前馈和微分先行的作用,从U 2到Y f 的传递函数G f (s )为G f (s )=G 0(s )W 1(s )1+W 2(s )+G p (s )e −τp s1+W 2(s ).(46)与定理1相同的推导有Φf (s )=M 2(s )N 2(s )=(G 0W 1+G p e −τp s )ΦfbG 0W 1(1−Φfb )+(G 0W 1+G p e −τp s )Φfb ,(47)N 2(s )=b (s +a 0)e −τp s +b 0(s +a )L 1(τ0+τ1)s +L 1(τ0+τ1)s 2(T 2fb s+2ξfb T fb )b 0(s +a ),(48)M 2(s )=b (s +a 0)e −τp s +b 0(s +a )L 1(τ0+τ1)s.(49)采用式(41)近似公式有N 2(s )≈¯N2(s )=K 10s 4+K 11s 3+K 12s 2+K 13s +K 14,(50)其中K 20=b 0L 1(τ0+τ1)T 2fb ,K 21=b 0L 1(τ0+τ1)(2ξfb T fb +aT 2fb ),K 22=b 0L 1(τ0+τ1)2aξfb T fb +b 0L 1(τ0+τ1)−bτp ,K 23=ab 0L 1(τ0+τ1)−a 0bτp +b,K24=a 0b.(51)由假设参数取值范围,有K 2i >0,i =0,···,4,且根据条件(35)可以验证λ22=K 21K 22−K 20K 23K 21>0,(52)λ23=λ22K 23−K 21K 24λ22>0,(53)即劳斯表的第1列全部大于零,根据劳斯判据,N 2(s )的零点全部在复平面的左半平面.因此定理的闭环系统Φf 是稳定的,定理2成立.证毕.同理Φf 的阶跃响应为lim s →0(sΦf 1s )=a 0ba 0b =1.(54)当存在等效到U 2(s )侧的扰动D 2(s )时,有Y f (s )=G f (s )G fb (s )b 0+G f (s )G fb (s )V 1(s )+b 0G f (s )b 0+G f (s )G fb (s )D 2(s ).(55)当U 2(s )和D 2(s )都为阶跃信号时,根据终值定理有y (∞)=y f (∞)=lim s →0sY f (s )=1.(56)定理1和定理2说明:1)在获得确保系统稳定的参数范围时,采用了边界模型,对实现纯滞后系统的控制是有利的.由于ADRC 的模型并非积分串联模型[20],为了实现对阶跃输入的零稳态误差,因此需要在反馈控制律中增加积分项使其成为Ⅰ型系统.2)当广义被控对象为G 0W 1/(1+W 2)和不同的G f 合成时,当存在常值扰动时,反馈控制器式(33)都能保持闭环系统的稳定性和对阶跃信号的跟踪能力.3)从证明过程可以看出,当考虑W 3(s )的作用时,定理证明中的稳定性判定方法也是适用的.从式(43)中的系数表达式看出,增大ξfb 有利用提高系统的稳定裕度,减小T fb 有利于提高系统的快速性,可以根据实际过程需求灵活调节.4.2ESO 补偿控制回路的稳定性分析在ADRC 的理论框架中,ESO 对系统总扰动含有纯滞后项的估计中,当纯滞后时间变化不大时,有如下引理.引理1当过程纯滞后τp 已知且基本不变时,取τ0为τp ,采用式(20)形式的ESO,取ESO 的增益参数为β1=2ωo ,β2=ω2o ,ωo >0,(57)若f 1(t )及其导数有界时,则当ωo 充分大时,扩张状态ˆx 2可以实现对总扰动f 1(t )的准确估计[7,13,21].当τp 在一定范围变化时,先对系统控制输入进行式(24)的惯性环节的处理,然后再按照式(20)形式的ESO 进行处理获得系统总扰动.设当前时刻为t ,则当前实时总扰动为f 1(t ),而此时估计的总扰动为ˆf 1(t −τp ).由引理1有|f 1(t −τp )−ˆf 1(t −τp )|<σ1,(58)式中σ1>0为估计误差,是1/ωo 的高阶无穷小.在经典的ADRC 实时补偿中,是要用ˆf 1(t −τp )来抵消f 1(t )的影响,当没有纯滞后项时,两者的滞后时间只差一个采样周期和ESO 本身的延时,当ωo 充分大时,可以认为两者在时间上近似同步.对于纯滞后的系统,当f 1(t )变化较快时,两者相位可能大于180◦,可能造成|f 1(t )−ˆf 1(t −τp )|比f 1(t )还要大,此时,不仅没有补偿效果,甚至造成系统不稳定.因此,对于纯滞后系统,一方面要尽量获得较准确的系统模型,另一方面要专门设计补偿控制器保证补偿回路稳定.补偿控制器本质是要通过ˆf 1(t −τp )及其导数信息,获得f 1(t )的估计值⌣f 1(t )并进行补偿.由于对f 1(t )的模型信息知道较少,因此采用线性预测方法,线性预测对f 1(t )256控制理论与应用第41卷的要求或者假设是其在τp时间范围内,不要剧烈变化,是一个慢变过程,使得下式成立:|f1(t)−⌣f1(t)|<2σ1+|f1(t)|,(59)否则没有必要采用补偿控制,只采用削弱滞后时间的控制方法.定理3设f1(t)的最大频率含量为ωp,当选择补偿控制器式(25)的参数满足如下条件时:max 0 ω ωp |1−βcc1+jτcfω1+jτcdωe−jτpω|<1,(60)式中ω为扰动频率,则式(59)成立,补偿控制有效.证由绝对值的性质有|f1(t)−⌣f1(t)||f1(t)−ˆf1(t)|+|ˆf1(t)−⌣f1(t)|<σ1+|ˆf1(t)−⌣f1(t)|,(61)应用频域理论对上式最后一项进行处理,有⌣F1(s)=G cc(s)ˆF1(s)e−τp s,(62)ˆF1(s)−⌣F1(s)=ˆF1(s)(1−G cc(s)e−τp s)=ˆF 1(s)(1−β3τcf s+1τcd s+1e−τp s),(63)因此,当式(60)成立时,由式(63)有|f1(t)−⌣f1(t)|<σ1+|ˆf1(t)|<2σ1+|f1(t)|,(64)即式(59)成立,补偿控制是有效的.证毕.定理3的说明:1)定理3中,条件(60)中第2项的相角ψ(ω)= arctan(τcfω)−arctan(τcfω)−τpω,因此通过限制ωp 和减小β3,该条件是能够满足的,但是需要考虑扰动的频率范围,对于具有纯滞后的系统,过高频率范围的扰动是无法补偿的;2)增加ESO的带宽只能保证对其从输入信号u(t)和y(t)中提取总扰动的快速性,有利于减少ESO本身的延时,并不能解决补偿控制中被控对象本身的延时问题,补偿控制的稳定性是要考虑包括被控对象在内的整个回路.要实现基于ESO的补偿控制,需要考虑控制量补偿点(等效到被控系统输入端)的实时总扰动与被估计的总扰动在时间上的同步性(相位误差),当相位误差较大时,应该适当降低补偿控制器的增益,这一点在经典ADRC中往往是通过调节b0来实现,本文把总扰动的估计和补偿分离,分别按照估计精度和补偿控制的稳定性两个不同目标来设计,因此不需要调节b0,减少了调节b0对估计精度和反馈控制回路性能的副作用,实现了参数的解耦调节,方便实际工程应用,也为ADRC研究中如何确定b0及其物理意义提供了一个新的研究思路[22].4.3具有前馈和滞后时间削弱结构的ADRC系统虽然图6由多个部分组成,下面就每个部分的物理意义进行进一步说明,方便在实际的控制系统如DCS 中实现.TD部分是一个三阶低通滤波器,用于平滑参考输入信号,由式(29)有V1(s)=G TD(s)R(s)=R(s)(T r s+1)3.(65)前馈环节的传递传递函数为U1(s)=γffGff(s)Gff(s)+G−1(s)G−1(s)V1(s).(66)其中:G−10(s)是被控对象无滞后环节时的边界模型的逆模型;Gff(s)具有积分环节,是求G0(s)输出为V1(s)时的逆信号;系统γff是为了减少过前馈补偿.自抗扰补偿控制环节的作用是使得等效的被控系统G et(s)近似为G m(s)e−τm s(当ESO的模型取标称模型时).滞后削弱环节的作用是使得反馈控制器G fb(s)的反馈信号取实际被控对象的输出与其边界模型输出的加权平均值,高频时以边界模型为主,低频是以实际被控对象输出为主.Y f(s)=1+W31+W2Y(s)+W11+W2Y w(s),(67)式(67)保证了即使在系统输出有纯滞后时,反馈控制器G fb(s)一直有反馈信号Y f(s),且按照边界模型G0(s)来产生控制输出U2,从而确保整个控制系统的稳定.5仿真研究首先对FOPDT系统进行仿真研究,之后推广到SOPDT系统中.5.1FOPDT系统的滞后时间削弱和自抗扰控制考虑如下典型的FOPDT被控对象:G pt(s)=G p(s)e−sτp=bs+ae−sτp,(68)式中:a,b和τp的标称值分别为a m=0.3,b m=3和τm= 9,其中参数a和b上下变化20%,而τp上下变化1,有a∈[0.24,0.36],b∈[2.4,3.6].τp∈[8,10].则{a0=a min=0.24,b0=b max=3.6,τ0=8,τ1=2.(69)纯滞后时间与惯性时间常数之比为τm a m=2.7,显然这是一个大滞后系统.前馈控制器根据参考信号快速给出系统控制量的动态工作点,且不影响反馈控制器的动态调节过程,取前馈控制器的参数ξff=4, Tff=τ0/8=1和γff=0.5,前馈控制器为Gff(s)=s+a0b0(T2ffs2+2ξffTffs)=s+0.243.6(s2+4s).(70)确定控制器的参数范围是按照边界模型参数来确定,保证足够的鲁棒性,为了保证系统控制性能,整定。

第五章(一) 纯滞后控制技术--达林(DAHLIN)算法(全)

第五章(一) 纯滞后控制技术--达林(DAHLIN)算法(全)

2014-2-26
3
前言 对这类具有纯滞后环节系统的控制要求,快速性往往 是第二位的,通常要求系统稳定,要求系统的超调量要小, 而调整时间允许在较多的采样周期内结束。 这样的一种大时间滞后系统采用PID控制或采用最少拍 控制,控制效果往往不好。本节介绍能满足上述要求的一种 直接数字控制器设计方法 ——达林(Dahlin)算法 1968年,美国IBM公司DAHLIN提出。
2014-2-26
32
大林算法小结 过程纯延迟对控制质量的影响 达林算法 设计思想 一阶被控对象的达林算法 二阶被控对象的达林算法 达林算法的递推表达式 达林算法的参数整定 振铃(Ringing)现象 产生原因;振铃幅度RA;振铃现象的抑制
2014-2-26
33
式中: Tτ为闭环系统的时间常数,实际使用时需要整定;τ为 纯滞后时间,与被控对象的相同,并且与采样周期T有整数 倍的关系τ=NT(N=1,2,…)。
2014-2-26
8
达林算法
2014-2-26
9
达林算法
2014-2-26
10
达林算法
2014-2-26
11
达林算法
2014-2-26
12
达林算法
31
大林算法的设计步骤 根据系统性能要求,确定期望闭环系统的参数Tτ,给出 振铃幅度RA的指标; 根据振铃幅度RA的要求,确定采样周期T。如果T有多 解,则选择较大的T; 确定整数N=τ/T; 求广义对象的脉冲传递函数及期望闭环系统的脉冲传递 函数; 求数字控制器的脉冲传递函数D(z); 将D(z)转变为差分方程,以便于编制相应算法程序。
2014-2-26
4
过程纯延迟对控制质量的影响 纯延迟是某些物理系统常有的一种性质。由于它的存 在,系统对输入信号的响应被推迟了。所谓纯延迟,是指 在输入信号作用后,看不到系统对输入信号响应的这段时 间。它与输入信号无关,量纲为时间。 当物质和能量沿着特定的路径传输时,就会出现纯延 迟。路径的长度和运动速度是构成纯延迟的因素。 纯延迟都是由于传输才引起的,故称为传输滞后。

第4章43纯滞后控制技术-大林算法

第4章43纯滞后控制技术-大林算法

第一个极点为z=e-T/Tτ,因此不会引起振铃现象,第二个 极点为z=-C2/C1,当T → 0时有:
将引起振铃。
(2)振铃幅度RA
-振铃幅度RA :用单位阶跃输入下数字控制器第0次 输出量和第1次输出量的差值表示。
φu(z)可以写成: 单位阶跃输入下
对带纯滞后的二阶惯性环节的系统 当T→0时,Biblioteka 1、数字控制器D(z)的形式
控制对象:Gc (s)由一或二阶惯性环节和纯滞后组成:
闭环传函为具有纯滞后的一阶惯性环节,且其滞后时间等 于被控对象的滞后时间。 滞后时间τ 与T成整数关系。
-达林算法的设计目标:设计数字控制器使系统的
-构造数字控制系统,并用零阶保持器离散化φ (s)。
代入 进行z变换有:(推导见讲稿P5)
可由上式求D(z)
(1)被控对象为带纯滞后的一阶惯性环节:
代入τ=NT,z变换后有:
(2)被控对象为带纯滞后的二阶惯性环节:
代入τ=NT,z变换后有:(推导见讲稿P6)
于是:
2、振铃现象及消除
-振铃(Ringing)现象:数字控制器的输出发生周期为2T上 下摆动。振铃幅度表示为RA。
-振铃会增加执行机构的磨损,和影响多参数系统的稳定 性。
例:设
2.524(1 0.6065z 1 ) D( z ) (1 z 1 )(1 z 1 )(2 z 1 )
如何消除振铃现象?
解:极点为:z1=1,z2=-1,z3=-0.5,z2和z3会产生 振铃现象,为了消除振铃现象,令z=1代入极点z2=-1和 z3=-0.5,得:
控制量为:
Y ( z) 2.6356(1 0.7413z 1 ) 1 2 3 4 U ( z) 2 . 6356 0 . 3484 z 1 . 8096 z 0 . 6078 z 1 . 4093 z .... 1 1 1 G ( z ) (1 0.733z )(1 z )(1 0.6065z )

《基于PLC的面向加热水箱大滞后系统控制算法实现与优化》范文

《基于PLC的面向加热水箱大滞后系统控制算法实现与优化》范文

《基于PLC的面向加热水箱大滞后系统控制算法实现与优化》篇一一、引言随着工业自动化技术的快速发展,可编程逻辑控制器(PLC)在工业控制系统中扮演着越来越重要的角色。

然而,对于加热水箱这类大滞后系统,传统的控制算法往往难以实现精确和稳定的控制。

因此,本文将探讨基于PLC的面向加热水箱大滞后系统的控制算法实现与优化,以期提高系统的控制精度和稳定性。

二、问题背景及研究意义加热水箱系统由于其固有的大滞后特性,常常导致温度控制不稳定,影响了生产效率和产品质量。

传统的PID控制算法虽然简单易行,但对于大滞后系统往往难以达到理想的控制效果。

因此,研究基于PLC的面向加热水箱大滞后系统的控制算法实现与优化,对于提高工业生产效率和产品质量具有重要意义。

三、相关技术综述在控制算法领域,针对大滞后系统的控制方法主要包括预测控制、模糊控制、神经网络控制等。

其中,预测控制通过建立系统模型,对未来输出进行预测,从而实现对系统的精确控制;模糊控制则利用模糊逻辑对系统进行控制,具有较强的鲁棒性;神经网络控制则通过模拟人脑神经网络的工作方式,实现对系统的自适应控制。

这些方法在加热水箱大滞后系统的控制中均有应用,但各有优缺点。

四、基于PLC的控制算法实现本文提出一种基于PLC的预测控制算法,实现对加热水箱大滞后系统的精确控制。

该算法通过建立系统的数学模型,预测未来一段时间内的温度变化趋势,并根据预测结果调整加热功率,从而实现精确的温度控制。

在实现过程中,我们采用了PLC的编程语言进行算法编写和调试,确保了算法的可靠性和稳定性。

五、算法优化及实验结果分析为了进一步提高算法的控制精度和稳定性,我们采用了多种优化措施。

首先,我们对系统模型进行精确的辨识和优化,提高了模型的预测精度。

其次,我们引入了自适应调节机制,根据系统实际运行情况动态调整算法参数,以适应不同工况下的控制需求。

最后,我们采用了鲁棒性较强的模糊逻辑对算法进行优化,提高了算法的鲁棒性和抗干扰能力。

第十四节 纯滞后对象的控制

第十四节 纯滞后对象的控制
1.5208 (1 0.7413 z 1 ) D( z ) (1 z 1 )(1 0.3935 z 1 )
相应的闭环传函变为
D( z )G( z ) 0.2271 z 2 (1 0.733z 1 ) ( z ) 1 D( z )G( z ) 1 0.6065z 1 0.1664z 2 0.1664z 3
相应的控制量为
Φ( z ) 2.6356 (1 0.7413z 1 ) U (z) R( z ) G( z ) (1 0.6065z 1 )(1 z 1 )(1 0.733z 1 ) 2.6356 0.3484z 1 1.8096z 2 0.6078z 3 1.4093z 4 ...
可得补偿器的差分实现
p' (k ) p' (k 1) u (k 1) p ( k ) P' ( k ) p ' ( k l )
◆对带纯滞后的二阶惯性对象
Ke s G( s ) (T1 s 1)(T2 s 1)
纯滞后补偿器为
1 2 K (1 e Ts )(1 e s ) b z b z 1 1 2 D ( z ) Z ( 1 z ) 1 2 s ( T s 1 )( T s 1 ) 1 a z a z 1 2 1 2
◆振铃极点主要来源于G(z) 在负实轴或二、三象 限的零点;
◆对于一阶滞后对象,如果滞后时间为采样周期 的整数倍,离散化后不存在这样零点,故不会 产生振铃现象; ◆对二阶滞后对象和滞后时间不为采样周期整数 倍的一阶对象,离散化后则可能存在这样的零 点。
U ( z) R( z) Ku ( z)
通常用振铃幅度RA来衡量振铃强烈的程度。通常 用单位阶跃下数字控制器第0次输出量与第1次输 出量的差值来表示。 1 2

超过最大滞后误差

超过最大滞后误差

超过最大滞后误差
当涉及到滞后误差时,存在一个最大可接受的范围。

如果超过了这个最大滞后误差,可能会影响系统的性能和稳定性。

要解决超过最大滞后误差的问题,可以考虑以下几个步骤:
1. 重新评估系统的设计和参数设置:检查系统的设计和参数设置是否合理,是否符合实际需求。

有时候,调整系统的结构或参数可以减小滞后误差。

2. 优化控制算法:根据系统的特点和需求,选择合适的控制算法。

一些高级控制算法如模糊控制、自适应控制或预测控制等,可以更好地处理滞后误差。

3. 增加反馈环节:引入更多的反馈信息来减小滞后误差。

例如,通过使用传感器来获取更精确的测量数据,或者增加额外的反馈回路来实现更好的控制效果。

4. 使用前馈控制:前馈控制是一种通过预测未来输入信号并提前进行补偿的方法。

它可以减小滞后误差,并提高系统的响应速度和精度。

5. 考虑系统的动态特性:滞后误差可能与系统的动态特性有关。

通过分析系统的传递函数或频率响应,可以更好地理解滞后误差的来源,并采取相应的措施进行补偿。

6. 调整采样周期:如果系统是基于离散时间的控制,调整采样周期可能会对滞后误差产生影响。

根据系统的快速性和稳定性要求,选择合适的采样周期。

总之,超过最大滞后误差需要综合考虑系统的设计、参数设置、控制算法和反馈等因素,并采取相应的措施来减小滞后误差,以达到系统性能和稳定性的要求。

1。

基于PID控制的温度大滞后系统算法研究

基于PID控制的温度大滞后系统算法研究

文献 标志码 : A
文章 编号 :0 40 6 ( O 1 0 一 18O 1 0— 3 6 2 1 ) 1O 1一4
Re e r h o r e Ti e d l y Te s a c fLa g m - e a mpe a u e c n r li r t r - o t o lng S s e s d o D nt o g r t y t m Ba e n PI Co r lAl o ihm
第2 3卷 第 1 期 21 0 1年 3月
甘 肃 科 学 学 报
J u n lo n uS in e o r a fGa s ce c s
V0 . 3 No 1 12 . M a. 0 1 r2 1
基 于 P D控 制 的温 度大滞 后 系统 算 法 研 究 I
林 辉 常继 彬 ,
具有 时变 、 扰 动 、 大 纯滞 后 、 以建 立精 确 的数 学 模 难 型等 特性 , 往作 为大滞后 系统 的典型代 表. 具有 往 而
( . 安 铁路 职 业 技 术 学 院 , 西 西 安 1西 陕 70 1 ;. 庆 科技 学 院 , 庆 1 0 42 重 重 4 13 ) 0 制 系统 的大滞后 特点 , 采用 S t mi h预估控制 算 法进 行控制 , 此基础上提 出 了 在
种 改进 P D控 制算 法. 真结果 表 明改进 的 P D控 制算法具 有较 强的稳 定性 和 鲁棒 性 , 能有效 I 仿 I 既
LI H u CHANG i i。 N i 。 j— n b
( . 'nRa l y V c to a c n c lI si t Xi n7 0 1 , ia; 1 Xi a iwa o ain lTeh ia ntt e, ' 1 0 4 Chn u a

大滞后系统的温度控制方案

大滞后系统的温度控制方案

大滞后系统的温度控制方案作者:黄晨欧小雨纪倩文陈君宽郁剑来源:《科学大众》2019年第04期摘 ; 要:温度控制在冶金、电子、机械等工业领域的应用相当广泛,其对生产过程和产品质量有重大影响。

但由于温度控制系统通常具有非线性、时变、大滞后等特性,而传统的PID (比例、积分、微分)控制参数在整个控制过程中是固定的,这就使得其在较复杂的温度控制系统中作用效果较差。

文章提出一种基于BP神经网络的PID控制方法,该方法先通过BP神经网络得到一组基于ITAE指标下最优化的PID控制参数作为初始值,然后对该组PID参数进行在线调整,以达到在不同的情况下都能起到较好的温度控制效果的目的。

通过比较采用不同控制器下的仿真实验,结果表明基于BP神经网络的PID控制方法更具有效性和优势。

关键词:温度控制;BP神经网络;PID控制;大滞后随着我国科技的飞速发展,工业生产对温度控制的要求也不断提高。

在工业控制过程中,由于纯滞后的存在,使得被控对象不能及时响应系统的输入或者扰动。

为了克服大滞后的影响,现已有不少温度控制方案,如Simth预估控制,比例、积分、微分(Proportion-Integral-Differential,PID)控制、模糊控制、神经网络等,但现有的温度控制方法取得的效果并不是很理想:Simth预估控制虽能减弱纯滞后因素的影响,但其对扰动的抑制能力较差;传统PID控制对拥有大滞后、时变等特性的复杂温度控制系统的作用效果较差;模糊控制适应学习能力较弱,比较依赖人的经验。

本文以电阻炉为温控对象,结合PID控制与神经网络,通过Matlab 仿真研究,提出了一种基于误差反向传播算法(Back Propagation Neural Network,BP)神经网络的PID控制方法,该法对模型参数变化有较好的适应性,且能达到较优的控制效果,能满足工业温度控制的要求。

1 ; ;温控对象数学模型4 ; ;结语温度控制是一种具有非线性、时变、大滞后特性的系统,传统的PID控制方法不能使系统达到很好的动态性能。

大林算法在MIMO大滞后控制系统中的设计研究

大林算法在MIMO大滞后控制系统中的设计研究
维普资讯
总第 2 5期 2 20 0 8年第 7期
计 算 机 与数 字 工 程
Com p t r& D i t ue gi Eng n e n al ie r g i
Vol3 _ 6 No. 7

大 林 算 法在 MI MO大 滞 后 控 制 系统 中 的设计 研 究
G () 一 一 一 一




G( )
( = ) r
( )
式 ( ) T 为 对 象 时 间 常数 , 1中 对 象 纯 延 迟 时 r为
间 , 了简 化设其 为采样 周期 的整数 倍 , r 7 为 即 =Ⅳ 1 ,
Ⅳ 为正整数 。
otus( MO)l g_a yt h v enit dcd i ligwt oip tw u u uf ai l ss m,h eut upt MI a el ss m aebe r ue .Smu ̄ n i t u oo t t lvr be yt r g e no hw n t p m i a e te sl r s
曹 立学
( 陕西理工学 院电气工程系 摘 要 汉中 7 30 ) 2 0 3
介绍大林算法 的设计思想及大林控 制器 的设计 方法 , 及在 多输人 多输 出( MO) MI 大滞后 系统 中的应用 。结
大林算法 大滞 后 系统 MI MO 仿 真
合 二输入二输 出多变量 系统进行仿 真验证 , 果表明大林控制器能够使其控制质量满足性能要求 , 结 具有较好的控制效果。
1 引 言
由于多变量控 制系统各输入输 出之 间存 在着耦
针 对 工业 生产 过程 中含 纯 滞后 的控 制 对 象 的 控制 算 法 , 有 良好 的控 制 效 果 。其设 计 思 想 是 : 图 具 如 1 算机 控制 系统 结构 框 图 , 计 根据 具 有滞 后 的被控

基于迭代反馈调整的滞后系统调节算法仿真研究

基于迭代反馈调整的滞后系统调节算法仿真研究

基于迭代反馈调整的滞后系统调节算法仿真研究鞠云鹏;常德功【摘要】针对大滞后系统在响应过程中动态性能指标差的问题,对一阶惯性加滞后环节的控制方法进行了研究,对滞后系统的控制器参数的经典调节方法进行了对比和归纳,提出了一种基于PID控制器结构的迭代反馈调整算法(IFT),利用被控对象与控制器构成系统方框图的前向通道传递函数并组成了负反馈闭环系统,通过闭环系统输入输出数据以及线性二次高斯判据得出了PID控制器参数整定值.以Matlab/Simulink作为仿真软件,将该优化方法IFT与Ziegler-Nichols (ZN)调节方法、内模控制方法(IMC)、误差平方积分法(ISE)3种经典调节方法在相同噪声情况下进行了对比分析,并分别给出仿真效果图.研究结果表明:该方法可以缩短调节时间,减小超调量,增强系统的鲁棒性.因此,该设计方法对于改善滞后系统的响应效果具有重要意义.【期刊名称】《机电工程》【年(卷),期】2016(033)002【总页数】5页(P242-246)【关键词】滞后系统;迭代反馈调整;PID;Matlab/Simulink【作者】鞠云鹏;常德功【作者单位】青岛科技大学机电工程学院,山东青岛266061;青岛科技大学机电工程学院,山东青岛266061【正文语种】中文【中图分类】TP273;TH39在工业生产过程中,被控对象的响应一般都会存在滞后,它的存在会使系统在响应过程中存在调节时间变长,超调量变大,系统稳定性变差,甚至会出现振荡等一系列问题[1]。

为改善滞后系统的控制品质,曾出现过许多控制方法,例如,最优控制法[2]、史密斯预估控制法[3]、自适应控制法[4]等等,就控制效果来说,史密斯预估法对改善滞后系统的响应效果更为明显。

但唯一的不足是该控制方法是建立在被控系统具有精确数学模型的前提之下,况且复杂的工业过程一般很难满足该要求。

对于数学模型难以建立的被控对象,人们发现采用以上先进方法有时却不如一位资深的工人师傅凭借多年的经验进行PID控制的效果好。

《基于PLC的面向加热水箱大滞后系统控制算法实现与优化》范文

《基于PLC的面向加热水箱大滞后系统控制算法实现与优化》范文

《基于PLC的面向加热水箱大滞后系统控制算法实现与优化》篇一一、引言随着工业自动化程度的不断提高,可编程逻辑控制器(PLC)已成为工业控制系统的核心组成部分。

然而,对于加热水箱这类大滞后系统,传统的PLC控制算法往往难以实现精确和稳定的控制。

因此,研究并实现基于PLC的面向加热水箱大滞后系统的控制算法,并进行优化,对于提高系统的性能和稳定性具有重要意义。

二、系统概述加热水箱系统是一个典型的大滞后系统,其特点是输入与输出之间存在明显的时延。

该系统主要由PLC控制器、加热器、温度传感器、水箱等部分组成。

其中,PLC控制器负责接收温度传感器的信号,根据预设的控制算法输出控制信号,驱动加热器对水箱进行加热。

三、控制算法实现1. 传统PID控制算法传统的PID控制算法是加热水箱系统中常用的控制算法。

然而,对于大滞后系统,由于时延的存在,传统PID控制算法往往难以实现精确和稳定的控制。

2. 基于PLC的改进控制算法针对加热水箱大滞后系统的特点,我们提出了一种基于PLC 的改进控制算法。

该算法通过引入预测模型和前馈控制,对传统PID控制算法进行优化。

预测模型根据历史数据和当前状态预测未来的温度变化,前馈控制则根据预测结果提前调整加热器的功率,以减小时延对系统的影响。

四、算法优化1. 优化目标优化的主要目标是提高系统的控制精度和稳定性,降低温度波动范围。

2. 优化措施(1)引入智能优化算法:采用遗传算法、粒子群优化算法等智能优化算法,对控制算法的参数进行优化,以提高系统的性能。

(2)自适应控制:根据系统的实际运行情况,自适应地调整控制参数,以适应不同的工况和负载变化。

(3)引入故障诊断与容错机制:通过引入故障诊断与容错机制,及时发现和处理系统故障,保证系统的可靠性和稳定性。

五、实验与结果分析1. 实验设置我们在一台加热水箱系统中进行了实验,分别采用了传统PID控制算法和基于PLC的改进控制算法进行对比。

实验中,我们设置了不同的工况和负载变化,以测试两种算法的性能。

一种克服大纯滞后的预测控制方法

一种克服大纯滞后的预测控制方法

式 ( )中 1 ・ 表示 非线性 函数 , 表示 滞后 时 间 , , ) d / m分别 表示 系统输 入 、 出阶数 。 b ' 输 在用神 经 网络 对 非线 性 系统滞 后时 间参数 进行 辨识 时 , 主要 是利用 不 同 的输 入采 样 区 间样 本集 对 网络 的训 练结 果 有 很 大 的影 响 的特性 , : 用采集 的样 本 对 神 经 网络进 行 训 练 时 , 望 输 出与 网络 输 出误 差 平 方 和 ( 即 在 期 即 网 络训 练结果 ) 在不包 含第 一个 延迟 输入 量 h=d+1 会 到包 含第 一个 延迟 输入 量 h=d的输 入采样 区 间产 生 突变 , 由此可 以用 来辨 识 出系统 的纯滞 后时 间 。 练时 采集 的输 入输 出数 据包括 训
V0 . 8 No. 12 1 Fe b. 2 7 00
文 章 编 号 :6 2— 8 1 2 0 ) l 0 4 0 1 7 6 7 (0 7 0 一 0 9— 4

种 克 服 大 纯 滞 后 的 预 测 控 制 方 法
刘 晓峰 , 忠 仁 , 丙 聪 许 杨
( 宁石 油化 工大 学 信 息 与控 制 工 程学 院 , 宁 抚 顺 13 0 ) 辽 辽 0 1 1
在此 基础 上提 出一些 改进 算法 , 取得 了较好 的控 制效 果 ¨ , 它需 要 控 制对 象 的精确 数 学模 型 , 且 但 而
抗 干扰能 力 差 。文献 [ ] 4 中提 出组合 S t mi h的模糊 控 制 , 虽不 需 要控 制对 象 的精 确 模 型 , 难 以实现 各 但
预 估器 间 的无 扰动 切换 。
预测 控 制是上 世纪 7 0年代 兴起 的一 种新 控制 算法 , 工 业上 已被 广 泛应 用 。其 主要 思 想 是 : 当 在 在

典型大惯性过程的控制方法综述(共5篇)

典型大惯性过程的控制方法综述(共5篇)

典型大惯性过程的控制方法综述(共5篇)第一篇: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:TP=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。

x ― 主调节器― 副调节器调节阀炉膛管壁物料y副测量变送器主测量变送器图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。

纯滞后控制技术-大林算法

纯滞后控制技术-大林算法

在化工、制药、食品等行业中,许多生产过程都存在时间滞后现象,纯滞后控制技术可用于提高生产效率和产品质量。
工业控制系统
在城市交通管理中,信号灯的控制存在时间滞后,纯滞后控制技术可优化信号灯的控制逻辑,提高道路通行效率。
交通控制系统
纯滞后控制技术的应用场景
简单易行,对模型参数要求不高,适用于多种控制系统。
大林算法适用于具有纯滞后特性的控制系统,能够克服系统中的纯滞后问题,提高控制效果。
适用性
大林算法适用于已知滞后时间和滞后系数的情况,且系统模型相对简单。
适用条件
大林算法在纯滞后控制系统中的适用性
将连续时间系统离散化,将时间轴划分为一系列离散的时间点。
离散化处理
利用已知的输入和输出数据,通过大林算法计算出下一个时刻的输出值,并根据实际输出值进行修正。
通过将控制律应用于系统,可以减小由于纯滞后引起的系统性能下降,从而提高控制系统的稳定性和响应速度。
根据系统的历史数据和动态特性,建立合适的预测模型,用于估计未来的系统状态。
建立预测模型
根据当前状态和预测模型,计算最优的控制输入。
计算控制律
将计算出的控制输入应用于系统,以减小滞后对系统性能的影响。
应用控制输入
大林算法与模糊控制器的比较
总结词:大林算法和神经网络控制器在处理非线性问题方面有各自的特点。
大林算法与神经网络控制器的比较
05
结论与展望
大林算法能够精确地模拟和预测纯滞后控制系统的行为,提高了系统的控制精度。
精确性
稳定性
适用性
大林算法通过适当的参数调整,能够保证纯滞后控制系统的稳定性,提高了系统的可靠性和稳定性。
详细描述
大林算法与PID控制器的比较

纯滞后系统控制算法的比较分析

纯滞后系统控制算法的比较分析

纯滞后系统控制算法的比较分析作者:夏百花王雪洁来源:《无线互联科技》2018年第24期摘要:文章以一个具体一阶纯滞后控制系统为例,分别采用常规PID控制和Smith预估补偿控制两种算法来消除纯滞后环节的影响,最后对两种算法进行Simulink仿真后对结果进行分析比较。

关键词:纯滞后;PID;Smith预估补偿随着现代化工业进程的不断发展,工业控制过程越来越复杂,但被控对象和控制通道的滞后情况则是一种十分常见的现象。

比如在水箱装置中,由于输送管道的存在,在水箱进水的过程中常常会有箱内水位的上涨量落后于送水量的情况。

一般可以将控制系统中的滞后分为容量滞后和纯滞后两种[1]。

容量滞后通常也被称为容积滞后,通常包括测量滞后和传送滞后,它是指物料或能量传输到被控过程(对象)时由于遇到被控过程的阻力而导致系统对于扰动的响应在时间存在延迟的现象,通俗来说,是被控对象受到一定的扰动作用后,系统从不稳定重新回到稳定状态的响应过程。

纯滞后是指物料、能量或信号传输过程中由于介质的输送或热的传递需要一段时间产生的延迟。

例如电加热炉温度控制系统中,在开始加温的同时,介质温度已经开始上升,但其升温曲线在起始时仍然接近水平,这种滞后就是容量滞后。

而容器底部从加热到传感器出现反应需要一段时间,这个时间就是纯滞后。

纯滞后控制系统的特点为:当控制器产生控制信号后,在滞后时间范围内,被控对象完全没有反应,使得整个系统不能及时随被控变量的变化而进行调整以克服系统收到的扰动。

因此,这样的过程必然会产生较为明显的超调量和较长的调节时间。

所以,含有纯滞后环节的控制过程一直是控制科学中关注焦点之一。

本文主要以一阶纯滞后系统为例,介绍了常规PID控制算法[2]和Smith预估控制算法[3],并对这两种控制方案进行Simulink仿真[4]及结果分析。

1 常见的控制算法及仿真通过Simulink对该控制系统进行仿真,采用临界比例度法进行整定常规PID控制器参数。

基于PID的滞后系统的各种控制方法

基于PID的滞后系统的各种控制方法

基于PID的滞后系统的各种控制方法
作者:郝天天薛超
来源:《中国信息化·学术版》2013年第02期
0 引言
用PID控制方法可以消除系统的时间迟延。

有人证明在一定的条件下,PID控制器可以和Smith预估器等价,而且PID控制的一些优点还吸引着许多研究者,探讨将它与其它方法相结合来改善时滞过程的控制效果。

此外,合理地调整PID参数也可以达到滞后补偿等作用。

对二阶惯性加时滞的系统,有人提出了利用开关阶跃响应法来辨识被控过程的特征参数,再通过整定公式来得到PID参数,经过仿真实验,证明了这种PID参数整定的方法对时滞过程是适用的,并具有一定的鲁棒性。

1 大滞后系统的PID预估控制方法
常规PID调节器不能对大滞后对象进行有效控制,当时常规PID调节器已很难获得良好的控制性能,以至系统失去稳定性。

预估控制方法能对大滞后系统进行有效控制。

这种控制方法与滞后时间无关,方法简单,易于工程实现,使常规PID调节器在大滞后系统的控制中如同对无滞后系统的控制一样有效。

同时可以证明该法使系统的稳定性与系统的滞后无关,经MATLAB仿真验证,该法具有良好的控制品质,且能适应对象参数和结构有一定变化的时滞系统(即有较好的鲁棒性)。

PID预估控制方法框图如图2.4所示:
参考文献
[1] 仇慎谦编著,PID调节规律和过程控制,江苏科学技术出版社? 1987.12;
[2] 吕群,于标:大滞后系统的一种 PID预估控制方法,武汉职业技术学院学报2007年第六卷第五期;
[3] 李曼珍:滞后系统的Smith预估器算法;。

大滞后温度系统的控制方法研究

大滞后温度系统的控制方法研究

大滞后温度系统的控制方法研究
大滞后温度系统通常指系统响应具有较大延迟时间的控制系统,常见于工业过程控制、气象预报等领域。

针对大滞后温度系统的控制方法,以下是一些可能的研究方向:
1. 大滞后温度系统的建模与分析方法:大滞后温度系统中,由于系统响应具有延迟时间,因此传统的建模方法如卡尔曼滤波、粒子滤波等可能无法有效地捕捉系统中的延迟信息。

因此,需要进行更加有效的建模方法,如基于模型不确定性的建模方法、基于模型演化的建模方法等。

2. 大滞后温度系统的控制策略:针对大滞后温度系统,常见的控制策略包括自适应控制、基于模糊逻辑的控制、基于反馈控制等。

这些控制策略可以有效地抑制系统的延迟时间,提高系统的响应速度。

3. 大滞后温度系统的优化控制方法:针对大滞后温度系统,需要采用一些优化方法,如最小二乘法、遗传算法、粒子群优化等,来优化控制策略的参数,提高系统的控制性能和稳定性。

4. 大滞后温度系统中的控制效果评估方法:大滞后温度系统中
的控制效果评估方法需要考虑到系统延迟时间和模型不确定性等因素,因此可能无法得到理想的评估结果。

因此,需要探索更加有效的评估方法,如基于误差限的评估方法、基于模型不确定性的评估方法等。

大滞后温度系统的控制方法研究需要结合系统建模、控制策略、优化方法和评估方法等多个方面,以进一步提高系统的控制性能和稳定性。

第4章--控制算法(3)史密斯预估器和大林算法

第4章--控制算法(3)史密斯预估器和大林算法
24
① 振铃现象的分析
R(z) +
E(z)
D(z)
U(z) G(z)
Y(z)
-
系统的输出Y(z)和数字控制器的输出U(z)间有以下关系
Y (z) G(z)U (z)
系统的输出Y(z)和输入函数R(z)之间有以下关系
Y (z) (z)R(z)
由上面两式得到数字控制器的输出U(z)与输入函数的R(z)之间的 关系为
(4.97)
C1
1
T2
1 T1
(T1eT /T1
T2eT /T2
)
C2
eT (1/T1 1/T2 )
T2
1 T1
(T1eT /T2
T2eT /T1 )
(4.98)
11
③ 闭环传递函数的离散化
前面已介绍过,大林算法的目的,是使闭环传函成为一个具有 纯滞后特性的一阶环惯性环节
(s) 1 es T s 1
1
1 eT /T z1 (1 eT /T )z(N 1)
1 eT /T z1
1 G(z)
z(N 1) (1 eT /T )
1
1 eT /T z1 (1 eT /T ) z(N 1) G(z)
所以,只要知道了被控对象,就可以由上式确定控制器,使 闭环系统满足我们的要求。
14
① 被控对象为带纯滞后的一阶惯性系统
极点
z eT /T
它总是大于0——没有振铃现象
28
带纯滞后的二阶惯性环节,将公式〔4.104〕写成一般形式
(1 eT /T )(1 eT /T1 z1)(1 eT /T2 z1)
u (z)
K
C1(1 eT /T1
z 1 )(1

含有纯滞后系统的几种控制算法的比较与评述

含有纯滞后系统的几种控制算法的比较与评述

含有纯滞后系统的几种控制算法的比较与评述【摘要】针对时滞对象的控制问题,着重选取几种控制方法,论述了各种控制方法的原理和优缺点,比较控制性能,以期对含有大时滞的实际对象的控制起到方法上的指导作用。

【关键词】纯滞后Smith预估控制智能控制1纯滞后问题大家都知道,纯滞后在工业上是一种普通的现象。

例如冶金、玻璃、造纸工业中板材厚度的控制、加热炉、炉窖的传热,化工炼油生产中物料的传输,反应器的化学合成等系统都存在纯滞后。

在工业过程闭环控制系统控制回路中,若存在纯滞后,闭环特征方程中就存在纯滞后,由于纯迟延的存在使得被调量不能及时反映控制信号的动作,控制信号的作用只有在延迟了以后才能反映到被调量;另一方面,当对象受到干扰而引起被调量改变时,控制器产生的控制作用不能即时对干扰产生抑制作用。

因此,含有纯滞后环节的闭环控制系统必然存在较大的超调量和较长的调节时间。

纯滞后对象也因此而成为难控的对象。

本文针对时滞的控制问题,着重选取常用的几种控制方法,比较控制性能,以期对含有大时滞的实际对象的控制起到方法上的指导作用。

2时滞过程的各种控制方法2.1PID控制。

PID控制是迄今为止最通用的控制算法,大多数反馈回路都采用PID或其改进型来控制。

其控制规律为然而,PID在纯滞后系统中的应用是有一定限制的。

这是因为其控制效果无法通过反馈回路及时反馈,因而使得控制问题复杂化了。

2.2Smith预估控制及改进算法。

当前,含较大纯滞后的系统大多采用Smith 预估及其改进型来控制。

Smith预估器控制基本思路是,预先估计出过程在基本扰动下的动态特性,然后由预估器进行补偿控制,力图使被延迟了的t的被调量提前反馈到调节器,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。

Smith控制系统最大的优点是将时滞环节移到了闭环之外,使控制品质大大提高。

但Smith控制仍有缺陷:①对某些干扰信号的适应能力差;②当对象模型参数变化时适应能力差;③对无自衡对象产生稳定偏差。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

方案二、大林(Dahlin)算法
大林算法是运用于自动控制领域中的一种算法,是一 种先设计好闭环系统的响应再反过来综合调节器的方 法。 设计的数字控制器(算法)使闭环系统的特性为具有 时间滞后的一阶惯性环节,且滞后时间与被控对象的 滞后时间相同。此算法具有消除余差、对纯滞后有补 偿作用等特点。 大林算法的设计目标是使整个闭环系统所期望的传递 函数 Φ(s) 相当于一个惯性环节和一个延迟环节 相串联,即 Φ ( s)= 1 e − τ s 。
其中Kp1为比例增益,Ki1=Kp1T/Ti1 为积分系 数,Kd1=Kp1Td1/T 为微分系数。 e1(k) = r1(k) − y1(k)
方案四、前馈-反馈复合控制
图2 带纯滞后环节的控制系统等效框图
方案一、史密斯(Smith)预估器
1-e−Ts s
yτ (k )
G ( s(-e−τ s) )1
G ( s)e−τ s
图3 带纯滞后环节的控制系统离散化框图
由上图可见,纯滞后补偿的数字控制器由两 个部分组成:一部分是数字PID控制器;另 一部分是施密斯预估器。
u(k) =u(k −1)+∆u(k) =u(k −1)+Kp [e2(k)−e2(k −1)] +Ke2(k)+Kd [ e2(k)−2e2(k −1)+e2(k −2)] i
方案三、串级控制
以炉温控制为例:
图5 炉温控制系统
假如煤气管道中的压力是恒定的,管道阀门的开度对 应一定的煤气流量,这时为了保持炉温恒定,只需要 测量实际炉温,并与炉温设定值进行比较,利用二者 的偏差以PID控制规律控制煤气管道阀门的开度。
方案三、串级控制
为了及时检测系统中可能引起被控变化的某些因素并 加以控制,本例在炉温控制回路中,增加煤气流量控 制副回路,形成串级控制结构,如图6所示,图中主 控制器D1(s)和副回路控制器D2(s)分别表示温度调节 器TC和流量调节器FC的传递函数。
图6 炉温控制系统框图
方案三、串级控制
计算机串级控制系统如图7所示,图中D1(z)和D2(z)是由计算 机实现的数字控制器,通常采用PID控制规律,Gh(s)是零阶 保持器,T为采样周期。
Gh (s)
图7 计算机串级控制系统
计算主回路控制器D1(z)的输出u1(k)
∆u(k) = Kp1[e1(k)−e1(k −1)] +Ki1e1(k)+Kd1[e1(k)−2e1(k −1)+e1(k −2)]
解决方法
其中可概括为两类用于时滞系统控制的方法,即包 括Smith预估控制和Dahlin算法在内的经典控制方法 和包括模糊控制,神经网络控制和模糊神经网络拉 制在内的智能控制方法。 经过比较后认为经典控制结构简单,可靠性及实用 性强,而智能控制则具有自适应性和坚固性好,抗 干扰能力强的优势,因而将这两种控制方法结合起 来是控制时滞系统有效实用的方法,具有很好的应 用前景。本主要介绍经典控制方法 。
−T /T1 −T / T2
−Ts
−τ s
−1
− N −1
1
1
2
1 2 −T /T1 −1
2
1
−T /T2 −1
1
2

−T (1/ T2 +1/ T1 )
2
T2 − T1
−T / T2
−T / T1
1
2

(1−e−T/Tτ )(1−e−T/T1 z−1)(1−e−T/T2 z−1) D(z) = K(C1 +C2z−1)[1−e−T/Tτ z−1 −(1−e−T/Tτ )z−N−1]
D ( s )G ( s ) e −τ s Φ (s) = 1 + D ( s )G ( s ) e −τ s
实际补偿器的实现是并联在控制器上的,故图1可转 换成图2的等效形式。由施密斯预估控制器和调节器 组成的补偿回路称为纯滞后补偿器,其传递函数为 D ) D’(s),即 D (s) = 1+ D(s)G((ss)(1− e ) 。

1 Φ(z) 1 z−N−1(1−e−T/Tτ ) D(z) = ⋅ = ⋅ G(z) 1−Φ(z) G(z) 1−e−T/Tτ z−1 −(1−e−T/Tτ )z−N−1
Gh ( s )
Go ( s )
图4 系统离散化框图
方案二、大林(Dahlin)算法
1) 被控对象为带纯滞后的一阶惯性环节,其脉冲传 递函数为:G(z) = Z 1− e ⋅ Ke = Kz 1− e
−Ts −τ s − N −1 −T /T1

s
T1s +1
1− e−T /T1 e−T /T1 z−1) D(z) = K(1− e−T /T1 )[1− e−T /Tτ z−1 − (1− e−T /Tτ )z−N−1]
2) 被控对象为带纯滞后的二阶惯性环节,其脉冲传 递函数为 1 −T e ) C = 1 + T − T (T e 1− e Ke K (C + C z )z G(z) = Z ⋅ = 1 其中 C = e (T s +1)(T s +1) (1− e z )(1− e z ) + (T e −T e ) s
' −τ s
图2 带纯滞后环节的控制系统等效框图
方案一、史密斯(Smith)预估器
图2的系统闭环传递函数为
D'(s)G(s)e−τs D(s)G(s) −τs Φ(s) = = e −τ s 1+ D'(s)G(s)e 1+ D(s)G(s)
上式说明,经过补偿后,消除了纯滞后部分对控制系统的影响 ,因为式中的e-τs 在闭环控制回路之外,不影响闭环系统的 稳定性。
Tτ s + 1
方案二、大林(Dahlin)算法
上式中T,τ为闭环系统的时间常数,纯滞后时间τ和被控对 象的纯滞后时间相同,且与采样周期 T有整数倍关系,即 τ=NT ,N为正整数。 计算机控制系统如图3所示,考虑带有零阶保持器的Φ(s) ,其所对应的期望闭环脉冲传递函数:
1 − e−Ts e−τ s (1 − e−T /Tτ ) z − N −1 Y ( z) Φ( z) = =Z ⋅ = R( z) s Tτ s +1 1 − e−T /Tτ z −1
D( s)
G ( s)e−τ s
图1 带纯滞后环节的控制系统
在上图所示的单回路控制系统中,D(s)表示调节器 的传递函数,G(s)e-τs 表示被控对象的传递函数, G(s)为被控对象中不包含纯滞后部分的传递函数, e-τs 为被控对象纯滞后部分的传递函数。
方案一、史密斯(Smith)预估器
闭环传递函数为:
方案三、串级控制
串级控制是在单回路PID控制的基础上发展起来的 一种控制结构。当系统中同时有几个因素影响同一 个被控量时,如果只控制其中一个因素,将难以满 足系统的控制性能。 串级控制针对上述情况,在原控制回路中,需增加 一个或几个采用PID控制的内回路,用以控制可能 引起被控量变化的其他因素,从而有效地抑制了被 控对象的时滞特性,提高了系统的快速性。
具体方案
纯滞后补偿控制——史密斯(Smith)预估器 大林(Dahlin)算法 (Dahlin) 串级控制 前馈-反馈复合控制 前馈-串级控制
方案一、史密斯(Smith)预估器
施密斯预估控制器原理:引入一个补偿环节与对象并 联,用来补偿被控对象中的纯滞后部分,该环节称为 预估器,其传递函数为G(s)(1-e-τs )。
如何对一大滞后的 系统进行控制
宁波大学
引言
在工业过程(如热工、化工)控制中,由于物料或 能量的传输延迟,使得被控对象具有纯滞后性质, 对象的这种纯滞后性质对控制性能极为不利。当对 象的纯滞后时间τ与对象的时间常数 T 之比,即τ/ T≥0.5 时,采用常规的PID 控制会使控制过程严重 超调,稳定性变差。 为解决纯滞后时间对系统控制性能带来的不利影响 ,许多学者在理论和实践上做了大量的研究工作, 提出了很多行之有效的方法。
相关文档
最新文档