扰动时变系统的控制性能评价

论文摘要

科技发展日新月异,工业过程中自动化的程度也在不断提高,工业过程中采用的自动控制回路也在逐渐增多。如何从生产过程的日常运行数据中获得一些有关控制系统的性能信息,从而能够尽早识别、诊断控制系统的性能是现场工艺和控制人员都很关心的问题,并且已受到越来越多专家和学者的重视。控制系统性能评价即是这方面的研究内容。控制性能评价技术已经成功的运用到实际的控制过程中,在国外已经有很多相应的软件问世,如ABB公司开发的Optimize Loop Performance Manger软件等等。此项技术在国内起步较晚,至今仍停留在理论研究阶段,然而理论研究正处于不断的发展中并且日趋成熟、完善。本文首先对控制系统性能评价的最常用方法作了简单介绍,即最小方差控制基准点方法。由于广泛使用的最小方差基准点性能评价方法对于扰动时变系统不能给出准确的评价结果,所以随后本文着重引入了针对扰动时变系统的控制性能评价方法,并对此方法进行了详细的分析讨论。此方法弥补了传统的最小方差性能评价方法的局限,主要思想是对扰动时变系统的输出根据扰动改变进行分段处理后再进行评价。本文针对单变量扰动时变系统用常规线性扰动时变系统（Linear Time-Varying Disturbances）的性能评价方法得出了结论,并且把这一思想延伸到了多变量LTVD系统中去。本文主要分为两部分对扰动时变控制系统性能评价方法进行了介绍,即单变量扰动时变系统的性能评价和多变量（MIMO）扰动时变系统的性能评价,并把这两种性能评价方法与传统的最小方差基准点性能评价方法进行了对比,结果证明此方法对扰动时变系统给出的评价结果比用最小方差方法具有更高的准确性和适用性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究的背景
• 1.1.1 论文研究的目的和意义
• 1.1.2 控制系统性能概述
• 1.1.3 控制系统性能评价的流程
• 1.1.4 控制系统性能评价与诊断的任务
• 1.2 控制系统性能评价的发展状况
• 1.2.1 控制系统性能评价的国内外发展状况
• 1.2.2 控制系统性能评价面临的主要问题
• 1.3 控制系统性能评价的实际应用情况
• 1.4 本文主要结构
• 第2章 时间序列分析
• 2.1 时间序列分析的知识背景
• 2.1.1 系统辨识
• 2.1.2 随机过程
• 2.1.3 数据预处理
• 2.2 ARMA模型介绍
• 2.2.1 自回归模型AR（p）
• 2.2.2 滑动平均模型MA（q）
• 2.2.3 自回归滑动平均混合模型ARMA（p,q）
• 2.3 ARMA模型的建模
• 2.3.1 格林函数与逆函数
• 2.3.2 ARMA（p,q）模型的参数估计方法
• 2.4 ARMA模型的适用性检验
• 2.5 本章小结
• 第3章 单变量扰动时变系统的性能评价
• 3.1 传统的单变量控制系统的性能评价方法
• 3.1.1 最小方差控制的反馈控制不变项
• 3.1.2 单变量系统性能评价的算法
• 3.2 单变量扰动时变控制性能评价方法
• 3.2.1 问题描述
• 3.2.2 问题的解决
• 3.3 单变量扰动时变系统仿真
• 3.3.1 仿真模型描述
• 3.3.2 仿真结果
• 3.4 本章小结
• 第4章 多变量扰动时变控制系统性能评价
• 4.1 传统的多变量控制系统性能评价方法
• 4.1.1 多变量最小方差准则的非时变形式
• 4.1.2 关联矩阵
• 4.1.3 多变量控制系统的性能指标
• 4.2 多变量扰动时变系统的控制性能评价方法
• 4.2.1 性能界限问题
• 4.2.2 性能评价问题
• 4.2.3 解决LTVD基准点的方法
• 4.3 多变量扰动时变系统控制性能评价仿真
• 4.3.1 仿真模型描述
• 4.3.2 性能界限计算
• 4.3.3 性能评价计算
• 4.4 本章小结
• 第5章 结论及展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 致谢