大时滞系统参数自整定控制的研究

论文摘要

工业生产过程中,时滞对象普遍存在,同时也是较难控制的,尤其是大时滞对象的控制一直都是一个难题。而很多温度控制系统都是属于大时滞系统,常见的智能温度控制器虽然在温度控制的实际应用中表现了比较理想的控制效果,但它仍然属于将参数整定与系统控制分开处理的离线整定方法,如果工况发生变化就必须重新调整参数。针对这一问题,为了实现时滞系统参数自整定的控制,本文将神经网路控制、模糊控制和PID控制结合起来,设计了基于神经网路的模糊自适应PID控制器。首先,本论文分析了时滞系统的特点,讨论了几种时滞系统较为成熟的常规控制算法:微分先行控制算法、史密斯预估控制算法、大林控制算法,并深入研究了它们的控制性能;并且通过仿真对这三种控制方法在温控系统中的控制性能进行了比较。其次,在分析PID参数自整定传统方法的基础上,设计了一种改进方法,并设计了相应的控制器。该控制器综合了模糊控制、神经网络控制和PID控制各自的长处,既具备了模糊控制简单有效的控制作用以及较强的逻辑推理功能,也具备了神经网络的自适应、自学习的能力,同时也具备了传统PID控制的广泛适应性。该方法不需要离线整定参数,实现了在线自整定参数。仿真实验表明了该控制器对模型和环境都具有较好的适应能力和较强的鲁棒性。最后将基于神经网路的模糊自适应PID控制器应用于贝加莱PID温控装置,能够出色地实现参数的在线自整定。理论分析、系统仿真、实验结果都证实了这种控制策略能有效地减少系统超调量,并减少了调节时间,提高了系统的实时性和控制精度。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 选题意义
• 1.2 纯滞后对象及特点
• 1.2.1 纯滞后的产生
• 1.2.2 具有纯滞后对象的传递函数
• 1.3 时滞系统的研究现状
• 1.4 参数自整定控制方法概述
• 1.4.1 传统的PID控制器参数整定方法
• 1.4.2 自整定算法的研究现状
• 1.4.3 智能自整定方法
• 1.5 课题的研究背景
• 1.6 本论文的主要工作和研究内容
• 第2章 模糊控制和神经网络原理
• 2.1 模糊控制原理
• 2.2 神经网络控制原理
• 2.2.1 神经网络的结构
• 2.2.2 神经网络的学习规则
• 2.2.3 误差反向传播学习的BP算法
• 2.3 本章小结
• 第3章 时滞系统的先进PID控制方法的研究
• 3.1 微分先行控制
• 3.1.1 微分对系统动态的影响
• 3.1.2 微分先行控制方案的分析
• 3.2 Smith预估控制
• 3.2.1 Smith预估控制器的组成
• 3.2.2 Smith预估控制算法的性能分析
• 3.3 大林（Dahlin）控制
• 3.3.1 大林控制算法的基本思想
• 3.3.2 Dahlin控制算法的性能分析
• 3.4 控制算法在B&R温控系统中控制性能的仿真
• 3.4.1 微分先行控制的仿真分析
• 3.4.2 Smith预估控制的仿真分析
• 3.4.3 大林控制的仿真分析
• 3.5 本章小结
• 第4章 基于神经网络的模糊自适应PID控制在B&R温控系统中的研究
• 4.1 基于神经网络的模糊自适应PID控制
• 4.2 基于神经网络的模糊自适应PID控制器的设计
• 4.2.1 模糊化功能模块的原理分析
• 4.2.2 PID控制器的设计
• 4.2.3 在线预报神经网络NNM的设计
• 4.2.4 神经网络NN的设计
• 4.2.5 控制算法设计步骤
• 4.3 仿真分析
• 4.4 本章小结
• 第5章 贝加莱温控装置时滞系统的控制算法实现
• 5.1 贝加莱PID温控装置的结构
• 5.2 控制对象的描述
• 5.3 贝加莱可编程计算机控制器PCC
• 5.4 贝加莱温控系统解决方案
• 5.5 PWM控制
• 5.6 控制任务的实现
• 5.6.1 温度控制策略
• 5.6.2 上位机人机界面
• 5.7 系统实验及实验结果分析
• 5.7.1 系统实验平台
• 5.7.2 实验结果分析
• 5.8 本章小结
• 结论
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文