間歇過程2D-PID自適應迭代學習控制研究.pdf

1、研究簡單高效的過程設備控制技術，具有重要的應用價值。然而，目前過程設備和單元廣泛采用的比例-積分-微分（Proportional Integral Derivative，PID）控制器存在參數(shù)固定且不能在線自適應調(diào)節(jié)的缺點。為了適應多品種、小批量的生產(chǎn)要求，操作性更強和靈活度更高的間歇操作越發(fā)重要。相比較于連續(xù)過程，間歇過程的動態(tài)性、非線性、時變性都更加顯著，這也對其控制器提出了更高的要求。
　　針對發(fā)酵和攪拌反應釜兩類典型的間歇

2、過程，從批次內(nèi)和批次間兩方面對PID控制器進行改進研究。首先綜述了間歇過程控制方法的研究現(xiàn)狀，提出將粒子群算法（Particle Swarm Optimization，PSO）和自調(diào)整神經(jīng)元PID（Auto-tuning Neuron PID）控制相結(jié)合應用于間歇過程中。進一步，結(jié)合間歇過程存在的重復特性，提出基于二維PID（2D-PID）迭代學習框架的自適應控制方法。
　　本文的創(chuàng)新研究方面主要包括：
　　（1）為了滿足實

3、際過程的應用要求，提出將可快速獲取高質(zhì)量PID參數(shù)的PSO算法與結(jié)構(gòu)簡單的ANPID方法相結(jié)合應用于間歇過程中，更好地克服過程的非線性、時變不確定等特性。以發(fā)酵過程和攪拌反應釜為仿真例子，表明了PSO-ANPID具有良好的跟蹤控制性能，適用于非線性時變間歇過程的批次內(nèi)實時控制。
　?。?）結(jié)合間歇過程的重復性，提出2D-PID自適應控制方法。首先，結(jié)合PID控制和迭代學習控制，設計基于粒子群算法的2D-PID控制框架，研究過程定期