多變量過程智能辨識與解耦控制.pdf

1、實際工業(yè)生產(chǎn)中普遍存在著多變量耦合現(xiàn)象，為了實現(xiàn)其精確控制，首先需要解決的是系統(tǒng)模型的準確性問題，相比傳統(tǒng)的系統(tǒng)辨識方法，本文采用了粒子群優(yōu)化算法的智能辨識方法，以辨識的系統(tǒng)模型為預測模型，提出了多變量系統(tǒng)的智能預測函數(shù)解耦控制方法。 在多變量模型的辨識方面，本文應用了粒子群優(yōu)化算法，定性地分析系統(tǒng)參數(shù)空間范圍，把系統(tǒng)辨識問題轉化為參數(shù)空間尋優(yōu)，利用粒子群優(yōu)化算法在尋優(yōu)過程中有效的避免局部最優(yōu)，在整個參數(shù)空間內(nèi)并行尋找獲得系統(tǒng)參

2、數(shù)的最優(yōu)解。通過對多種模型的仿真實驗研究表明，粒子群優(yōu)化算法在多變量系統(tǒng)模型辨識中優(yōu)于遺傳算法。 在多變量系統(tǒng)的解耦控制方面，研究了多變量系統(tǒng)預測函數(shù)解耦控制算法。將多變量系統(tǒng)的解耦控制問題化簡為若干個單變量系統(tǒng)的預測函數(shù)控制，采取分散優(yōu)化策略代替整體優(yōu)化，利用預測函數(shù)控制算法的特點，引入基函數(shù)增加了設計的自由度，減少了在線計算量，使參數(shù)設計和算法過程求解大為簡化，然后再利用該算法獲得一個解析的解耦控制量計算方程；其控制器參數(shù)均

3、可離線計算，而且算法簡單，便于實現(xiàn)復雜、高維多變量系統(tǒng)的解耦控制。通過對多變量一階滯后耦合系統(tǒng)和二階滯后耦合系統(tǒng)的仿真表明，該方法具有很好的解耦控制效果。 在預測函數(shù)控制的模型失配問題方面，針對多變量系統(tǒng)中的隨機性和不確定性造成的預測模型失配，提出了智能預測函數(shù)解耦控制方法，主要包括：模糊預測函數(shù)解耦控制、遺傳算法預測函數(shù)解耦控制和粒子群優(yōu)化算法預測函數(shù)解耦控制。 模糊預測函數(shù)解耦控制方法就是將模糊數(shù)學的方法引入到預測函

4、數(shù)解耦控制中，利用模糊建模的方法解決預測函數(shù)解耦控制方法中由于模型失配嚴重而造成的控制無法穩(wěn)定等問題。遺傳算法和粒子群優(yōu)化算法在參數(shù)優(yōu)化中具有很好的辨識優(yōu)化效果，利用遺傳算法和粒子群優(yōu)化算法對失配模型進行優(yōu)化處理，以優(yōu)化的模型作為預測模型進行解耦控制，形成遺傳算法預測函數(shù)解耦控制和粒子群優(yōu)化算法預測函數(shù)解耦控制。這些方法能夠有效地克服控制模型的失配及系統(tǒng)的不確定性，具有很好的實時性。通過對實際工業(yè)對象的仿真及與自整定PID控制的比較表明