大时滞不确定系统的无模型自适应控制-最新年文档 -

大时滞不确定系统的无模型自适应控制

1、绪论

在现代工业生产过程中,大时滞过程是十分普遍的,其特点是当控制作用产生后,在时延范围内,被控参数完全没有响应。在大时滞系统中,由于延迟的存在,使得被调量不能及时反映系统所承受的扰动,即使测量信号到达调节器,调节机关接受调节信号后立即动作,也要经过一段纯迟延后,才波及被调量,使之受控制。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,具有大时滞的过程被公认为是较难控制的过程。其难控程度将随着迟延占整个过程动态份额的增加而增加[1]。 美国加利福利亚大学的O.J.M. Smith教授发表了两篇题为“Closed Control of Loops with Dead Time”, “A Controller to Overcome Dead Time”的文章[2,3] 。文中提出了过程输出预估及时滞补偿的方法,该方法后来被称为Smith预估器。遗憾的是Smith预估器对系统收到的复合扰动无能为力。 针对Smith预估器对模型误差十分敏感的缺点,出现了许多试图改进Smith预估器的控制方案。R.P.Giles和T.M.Bartly(1977年)在Smith预估补偿方法的基础上提出了一种增益自适应补偿方法[4]。这些研究确实在一定程度上提高了Smith预估补偿区的鲁棒性和抗扰动能力,但并没有彻底解决问题。 2、基于无模型自适应控制的改进Smith (MMFAC-SMITH) 算

MMFAC-SMITH算法的基本思想为:基于对称相似结构原理,对预估补偿器的参数利用无模型自适应控制方案进行估计,选择无模型自适应控制器对系统进行控制。

其中,无模型自适应控制器(MFAC)的控制律为: 式中,是权重因子,是一个充分小的正数, 称为伪偏导数[5],为被控对象模型的参数,是的初值。u(k)表示在时刻k的系统输入。

基于无模型自适应控制方案的参数估计算法为: 式中,是权重因子,是一个充分小的正数, 称为伪偏导数[5],为预估模型的参数,是的初值。 表示预估模型在时刻k的适当维数的时变参数,比如,仅估计增益,则其就为一维的;如果同时估计增益、时间常数和时滞,则其就是三或四维的向量。 3、仿真研究

MMFAC-SMITH算法控制参数为:。初值为:。 作者对增益、时间常数、时滞同时估计 仿真结果见下图。

(a)增益自适应改进Smith算法控制效果 (b) MMFAC-SMITH算法控制效果 (c)参数跟踪结果

本文作者由于篇幅问题,作者也对仅估计增益、仅估计时间常数和仅估计时滞参数三种情况进行了分析模拟,分析仿真结

果,可以看出,无论哪种情形,从控制效果看,MMFAC-SMITH算法略优于增益自适应改进Smith预估算法。 4、结论

本文给出了控制大时滞不确定系统的一种新的方

法――MMFAC-SMITH算法。即,基于对称相似结构原理,对预估补偿器的参数利用无模型自适应控制方案进行估计,选择无模型自适应控制器对系统进行控制。通过在相同的环境下进行仿真,可以看出MMFAC-SMITH算法要比增益自适应改进Smith预估算法更能有效的克服不确定系统参数的扰动,有效的对大时滞系统进行控制。

联系客服:779662525#qq.com(#替换为@)