CN103064286A - 一种工业过程的控制方法与设备 - Google Patents

一种工业过程的控制方法与设备 Download PDF

Info

Publication number
CN103064286A
CN103064286A CN2013100183737A CN201310018373A CN103064286A CN 103064286 A CN103064286 A CN 103064286A CN 2013100183737 A CN2013100183737 A CN 2013100183737A CN 201310018373 A CN201310018373 A CN 201310018373A CN 103064286 A CN103064286 A CN 103064286A
Authority
CN
China
Prior art keywords
control inputs
normalization
controlled output
control
upper limit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2013100183737A
Other languages
English (en)
Inventor
林云峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lishui University
Original Assignee
Lishui University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Lishui University filed Critical Lishui University
Priority to CN2013100183737A priority Critical patent/CN103064286A/zh
Publication of CN103064286A publication Critical patent/CN103064286A/zh
Pending legal-status Critical Current

Links

Images

Abstract

本发明公开了一种工业过程的控制方法和设备。该方法包括：离线部分：基于控制输入的上限与下限以及被控输出的上限与下限，计算模型向量调整因子，由此得到归一化后的模型向量。在线部分：基于当前时刻控制输入与被控输出的即时值进行控制输入与被控输出的归一化操作，使用控制输入与被控输出归一化后的数值及归一化后的模型向量进行控制计算。将经优化计算得到的控制输入计算结果进行反归一化变换，使之回复到控制输入正常的下限与上限范围内，并下传至控制系统。

Description

一种工业过程的控制方法与设备
技术领域
本发明涉及工业过程控制领域，尤其涉及一种工业过程的控制方法和设备。
背景技术
在流程工业领域中，所使用的过程控制系统通常具有多个控制输入变量、扰动变量以及多个被控制输出变量。这类控制系统常使用被称为预测控制的计算方法进行计算。
一种常用的预测控制方法是基于阶跃响应的多变量预测控制方法。例如，假定过程的控制输入变量个数为m和被控输出变量个数为p，控制输入                                                
Figure 2013100183737100002DEST_PATH_IMAGE001
与被控输出之间的阶跃响应系数模型为
Figure 2013100183737100002DEST_PATH_IMAGE003
，
Figure 2013100183737100002DEST_PATH_IMAGE005
为1与p之间的整数，
Figure 412176DEST_PATH_IMAGE006
为1与m之间的整数。 在每个控制时刻，设定
Figure 2013100183737100002DEST_PATH_IMAGE007
个输入的
Figure 721934DEST_PATH_IMAGE008
个增量变化量，
Figure 917292DEST_PATH_IMAGE010
，由此可以计算出过程第
Figure 970699DEST_PATH_IMAGE012
个输出的
Figure 2013100183737100002DEST_PATH_IMAGE013
步预测向量为
Figure 872796DEST_PATH_IMAGE014
其中，
Figure 2013100183737100002DEST_PATH_IMAGE015
为第
Figure 418702DEST_PATH_IMAGE012
个输出的初始
Figure 711144DEST_PATH_IMAGE013
步预测值。控制系统第一次运行时，
Figure 630558DEST_PATH_IMAGE015
可以以当前时刻输出值作为初始值形成初始预测序列。可将多变量系统的P步预测模型写成向量形式，
Figure 324845DEST_PATH_IMAGE016
各向量的定义如下，
Figure 2013100183737100002DEST_PATH_IMAGE017
，
Figure 38723DEST_PATH_IMAGE018
，
Figure 2013100183737100002DEST_PATH_IMAGE019
，
Figure 146356DEST_PATH_IMAGE020
，，
Figure 603882DEST_PATH_IMAGE022
。
利用过程的阶跃响应模型模型、用户的设定被控输出目标可对如下的性能指标函数进行求解，求解最优控制律。
其中，
Figure 214992DEST_PATH_IMAGE024
，
Figure 2013100183737100002DEST_PATH_IMAGE025
，
Figure 365351DEST_PATH_IMAGE026
=block-diag(
Figure 694701DEST_PATH_IMAGE028
，，
Figure 958848DEST_PATH_IMAGE030
)，
Figure 2013100183737100002DEST_PATH_IMAGE031
diag(
Figure 362147DEST_PATH_IMAGE032
)，
Figure 683407DEST_PATH_IMAGE026
Figure DEST_PATH_IMAGE033
=block-diag(，
Figure 237065DEST_PATH_IMAGE029
，
Figure DEST_PATH_IMAGE035
)，
Figure 822767DEST_PATH_IMAGE036
diag(
Figure DEST_PATH_IMAGE037
)，
在不考虑过程约束情况下，通过对性能指标函数求导可以计算出最优的控制增量
Figure DEST_PATH_IMAGE039
是一个控制作用序列，各控制输入序列中的第一个值
Figure DEST_PATH_IMAGE041
将被实施，其余的被舍去。具体方法是将
Figure 956311DEST_PATH_IMAGE041
与
Figure 599782DEST_PATH_IMAGE042
相加，形成
Figure DEST_PATH_IMAGE043
，将
Figure 997265DEST_PATH_IMAGE043
通过控制系统硬件进行实施。本领域的专业人员悉知相应的实施方法。
Figure 726187DEST_PATH_IMAGE043
被实施后，可由此预测出工业过程在下一采样时刻(
Figure 920846DEST_PATH_IMAGE044
)的输出预测值为
Figure DEST_PATH_IMAGE045
，而当时间基点到达
Figure 481141DEST_PATH_IMAGE044
时刻时，可以得到各输出变量的实际测量值
Figure 987208DEST_PATH_IMAGE046
，这样就可以得到预测值与实际值之间的偏差
Figure DEST_PATH_IMAGE047
该偏差值反映了模型与真实对象间的差别，为了降低该偏差值对控制系统的影响，可以采用反馈校正的方法对预测输出进行偏差补偿，得到校正后的预测向量
Figure 265743DEST_PATH_IMAGE048
                   
其中，
Figure 210565DEST_PATH_IMAGE050
，，
Figure 687683DEST_PATH_IMAGE052
Figure DEST_PATH_IMAGE053
为误差校正系数矩阵。如果不考虑预测误差之间的相互影响，通常可取
Figure 692548DEST_PATH_IMAGE053
为对角块矩阵，因为这种相互影响是不可知的，仅仅通过
Figure 130482DEST_PATH_IMAGE002
自身误差进行预测校正。
在
Figure 616346DEST_PATH_IMAGE044
时刻，将校正后的预测值矩阵移位，即可获得
Figure 999103DEST_PATH_IMAGE044
时刻过程的初始预测序列
Figure DEST_PATH_IMAGE055
                    
其中，
Figure 924334DEST_PATH_IMAGE056
，
Figure DEST_PATH_IMAGE057
以上就是工业领域中所使用的多变量预测控制方法。
多变量预测控制方法实施效果一定程度上依赖于控制器误差权系数参数
Figure 210958DEST_PATH_IMAGE058
的选择。
Figure DEST_PATH_IMAGE059
的选取在一定程度上反映了各输出设定点的重要程度，
Figure 600352DEST_PATH_IMAGE058
越大，说明控制系统期望该书出变量以越快的速度逼近第
Figure 947019DEST_PATH_IMAGE012
个输出设定点；反之，则趋近设定点的速度不必过快可以缓慢的趋近。然而，在实际工业生产过程各个输出往往具有不同的量纲，量纲的不同将导致输出变量的呈现不同的值域特点。鉴于输出值域与控制器误差权系数参数间存在一定的耦合关系，这使得工程实际中控制器误差权系数参数的选定变得十分困难。为区分不同输出的重要性，
Figure 359546DEST_PATH_IMAGE059
取值跨度将会比较大，理论上
Figure 918703DEST_PATH_IMAGE059
的取值范围是
Figure 100286DEST_PATH_IMAGE060
，非常不利于工程人员进行控制器设计。如果能缩小
Figure 555538DEST_PATH_IMAGE059
的取值范围，最理想情况下是将
Figure 783257DEST_PATH_IMAGE059
的范围缩小到
Figure DEST_PATH_IMAGE061
区间内，将会极大方便工程人员进行控制器设计。
发明内容
为了解决上述的技术问题，本发明的一个目的是提供一种工业过程的控制方法，本发明采用归一化方法消除各过程输出的量纲，从而使
Figure 411685DEST_PATH_IMAGE059
和
Figure 447774DEST_PATH_IMAGE062
的调整变得简单直观。本发明的第二个目的是提供一种工业过程的控制设备。
为了实现上述的第一个目的，本发明采用了以下的技术方案：
一种工业过程的控制方法，所述工业过程包含具有多个输入变量以及被控输出变量的多变量过程，所述多个输入变量是可以对所述工业过程的工业设备进行操纵的控制系统节点，所述的控制系统节点对应于控制系统内的基础控制回路设定点或所述工业过程中的控制阀门或变频器装置或其他可控部件，所述多个被控输出变量是所述工业过程反映过程运行状况的参量，所述的控制输入变量和被控输出变量需要满足上限和下限约束条件，所述方法包括离线和在线两个部分，所述的离线部分包括：
步骤1. 针对由被控输出的上限、下限给定值以及控制输入的上限、下限给定值计算相应的模型向量调整因子；
步骤2.基于模型向量调整因子，计算归一化后的模型向量；
所述的在线部分包括：
步骤1. 针对每个控制输入变量的上限和下限及其即时值计算归一化数值，针对每个被控输出变量的上限、下限及其即时值计算归一化数值；
步骤2. 基于归一化后的各控制输入、各被控输出以及阶跃响应输入输出模型进行在线优化计算得到下一时刻控制输入的未来值。
步骤3. 将所述的计算得到的下一时刻控制输入变量值经过反归一化变换得到真实值域下的数值，并下传至控制系统进行实施。
作为优选，所述模型向量调整因子
Figure DEST_PATH_IMAGE063
是第
Figure 139174DEST_PATH_IMAGE012
个被控输出上限与下限之差至第
Figure 588610DEST_PATH_IMAGE064
个控制输入上限与下限之差的比值。
作为优选，所述的第
Figure 692832DEST_PATH_IMAGE064
个控制输入至第
Figure 645744DEST_PATH_IMAGE012
个被控输出的归一化后模型向量为原始的通过辨识方法得到的模型向量除以模型向量调整因子
Figure 442799DEST_PATH_IMAGE063
。
作为优选，所述的针对某一个控制输入计算归一化数值的方法为:取该控制输入的上限约束()、下限约束(
Figure 379531DEST_PATH_IMAGE066
)，采用如下的公式对控制输入即时值进行归一化,得到归一化后的控制输入
Figure 615340DEST_PATH_IMAGE001
。
Figure 626022DEST_PATH_IMAGE068
作为优选，所述的针对某一个被控输出计算归一化数值的方法为:取该被控输出的上限约束(
Figure DEST_PATH_IMAGE069
)、下限约束(
Figure 390715DEST_PATH_IMAGE069
)，采用如下的公式对控制输入即时值
Figure 814743DEST_PATH_IMAGE070
进行归一化,得到归一化后的控制输入。
Figure DEST_PATH_IMAGE071
作为优选，所述的针对某一个被控输出计算归一化数值的方法为:取该被控输出的上限约束(
Figure 188273DEST_PATH_IMAGE069
)、下限约束(
Figure 327130DEST_PATH_IMAGE069
)，采用如下的公式对控制输入即时值
Figure 241384DEST_PATH_IMAGE070
进行归一化,得到归一化后的控制输入
Figure 491100DEST_PATH_IMAGE002
。
作为优选，所述的针对某一优化计算得到的控制输入
Figure 538690DEST_PATH_IMAGE072
进行反归一化变换的方法为。
为了实现上述的第二个目的，本发明采用了以下的技术方案：
一种工业过程的控制设备，所述工业过程具有多个输入变量以及随所述多个输入变量的改变而变化的多个输出变量，所述多个输入变量是可以对所述工业过程的工业设备进行操纵的控制系统节点，所述多个被控输出变量是所述工业过程反映过程运行状况的参量，所述的控制输入变量和被控输出变量需要满足上限和下限约束条件，该控制设备包括：
离线装置，用于针对由被控输出的上限、下限给定值以及控制输入的上限、下限给定值计算相应的模型向量调整因子；基于模型向量调整因子，计算归一化后的模型向量；
归一化装置，用于针对每个控制输入变量的上限和下限及其即时值计算归一化数值，针对每个被控输出变量的上限、下限及其即时值计算归一化数值；
优化计算装置，基于归一化后的各控制输入、各被控输出以及阶跃响应输入输出模型进行在线优化计算得到下一时刻控制输入的未来值；
工业设备控制装置，用于将所述的计算得到的下一时刻控制输入变量值经过反归一化变换得到真实值域下的数值，并下传至控制系统进行控制实施。
本发明采用归一化方法消除各过程输出的量纲，从而使和
Figure 715911DEST_PATH_IMAGE062
的调整变得简单直观。
附图说明
图1为本发明方法的流程图。
图2为本发明设备的结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式做一个详细的说明。
为描述方便，将归一化前的输入输出变量定义符号采用大写字母表示，归一化后的输入输出符号仍采用小写字母表示；将归一化前的阶跃响应输入输出模型向量定义为
Figure 97214DEST_PATH_IMAGE074
。
本发明涉及离线和在线两个主要模块。
1、            离线模块
由被控输出的上限
Figure 936994DEST_PATH_IMAGE069
、下限
Figure DEST_PATH_IMAGE075
以及控制输入的量程
Figure 214391DEST_PATH_IMAGE076
、
Figure DEST_PATH_IMAGE077
计算相应的模型向量调整因子
Figure 569149DEST_PATH_IMAGE063
，具体地，
Figure 426247DEST_PATH_IMAGE078
由
Figure 448429DEST_PATH_IMAGE063
可以进一步计算归一化模型向量。具体地，
Figure 896728DEST_PATH_IMAGE080
其中，
Figure 942045DEST_PATH_IMAGE074
是根据归一化前的输入输出数据辨识得到的过程阶跃响应模型。
2、            在线模块
(a) 优化计算前
根据控制输入的上限约束(
Figure 337254DEST_PATH_IMAGE065
)、下限约束(
Figure 228591DEST_PATH_IMAGE066
)，对控制输入进行归一化,得到归一化后的控制输入
Figure 380404DEST_PATH_IMAGE001
，具体地
根据被控输出的上限约束(
Figure 44921DEST_PATH_IMAGE069
)、下限约束()，对控制输入
Figure 120510DEST_PATH_IMAGE070
进行归一化,得到归一化后的控制输入
Figure 123101DEST_PATH_IMAGE002
，具体地
Figure 646486DEST_PATH_IMAGE071
(b) 优化计算
   使用归一化后的控制输入
Figure 607489DEST_PATH_IMAGE001
、被控输出
Figure 849114DEST_PATH_IMAGE002
以及阶跃响应输入输出模型向量
Figure DEST_PATH_IMAGE081
放置于背景技术中所述的控制方法中去，可计算得到
Figure 452134DEST_PATH_IMAGE043
。
(c) 优化计算后
将经优化计算得到的控制输入
Figure 830026DEST_PATH_IMAGE043
进行反归一化变换。具体地
Figure 493088DEST_PATH_IMAGE073
。
根据本发明的另一个方面，本发明实施例还提供了一种工业过程的控制设备，该工业过程具有多个输入变量以及多个被控输出变量，输入变量是可以对所述工业过程的工业设备进行操纵的控制系统节点，所被控输出变量是所述工业过程反映过程运行状况的参量，控制输入变量和被控输出变量需要满足上限和下限约束条件，
该控制设备包括：
离线装置，用于针对由被控输出的上限、下限给定值以及控制输入的上限、下限给定值计算相应的模型向量调整因子；基于模型向量调整因子，计算归一化后的模型向量；
归一化装置，用于针对每个控制输入变量的上限和下限及其即时值计算归一化数值，针对每个被控输出变量的上限、下限及其即时值计算归一化数值；
优化计算装置，基于归一化后的各控制输入、各被控输出以及阶跃响应输入输出模型进行在线优化计算得到下一时刻控制输入的未来值。
工业设备控制装置，用于将所述的计算得到的下一时刻控制输入变量值经过反归一化变换得到真实值域下的数值，并下传至控制系统进行控制实施。

Claims (8)

1.一种工业过程的控制方法，所述工业过程包含具有多个输入变量以及被控输出变量的多变量过程，所述多个输入变量是可以对所述工业过程的工业设备进行操纵的控制系统节点，所述的控制系统节点对应于控制系统内的基础控制回路设定点或所述工业过程中的控制阀门或变频器装置或其他可控部件，所述多个被控输出变量是所述工业过程反映过程运行状况的参量，所述的控制输入变量和被控输出变量需要满足上限和下限约束条件，其特征在于，所述方法包括离线和在线两个部分，所述的离线部分包括：
步骤1. 针对由被控输出的上限、下限给定值以及控制输入的上限、下限给定值计算相应的模型向量调整因子；
步骤2.基于模型向量调整因子，计算归一化后的模型向量；
所述的在线部分包括：
步骤1. 针对每个控制输入变量的上限和下限及其即时值计算归一化数值，针对每个被控输出变量的上限、下限及其即时值计算归一化数值；
步骤2. 基于归一化后的各控制输入、各被控输出以及阶跃响应输入输出模型进行在线优化计算得到下一时刻控制输入的未来值；
步骤3. 将所述的计算得到的下一时刻控制输入变量值经过反归一化变换得到真实值域下的数值，并下传至控制系统进行实施。
2.根据权利要求1所述的方法，其特征在于，所述模型向量调整因子                                                
Figure 855752DEST_PATH_IMAGE001
是第
Figure 481905DEST_PATH_IMAGE002
个被控输出上限与下限之差至第
Figure 665762DEST_PATH_IMAGE003
个控制输入上限与下限之差的比值。
3.根据权利要求1所述的方法，其特征在于，所述的第个控制输入至第
Figure 191738DEST_PATH_IMAGE002
个被控输出的归一化后模型向量为原始的通过辨识方法得到的模型向量除以模型向量调整因子。
4.根据权利要求1所述的方法，其特征在于，所述的针对某一个控制输入计算归一化数值的方法为:取该控制输入的上限约束(
Figure 662875DEST_PATH_IMAGE004
)、下限约束(
Figure 633105DEST_PATH_IMAGE005
)，采用如下的公式对控制输入即时值
Figure 643787DEST_PATH_IMAGE006
进行归一化,得到归一化后的控制输入
Figure 611743DEST_PATH_IMAGE007
。
Figure 770191DEST_PATH_IMAGE008
5.根据权利要求1所述的方法，其特征在于，所述的针对某一个被控输出计算归一化数值的方法为:取该被控输出的上限约束(
Figure 481796DEST_PATH_IMAGE009
)、下限约束(
Figure 674879DEST_PATH_IMAGE009
)，采用如下的公式对控制输入即时值
Figure 813737DEST_PATH_IMAGE010
进行归一化,得到归一化后的控制输入
Figure 193903DEST_PATH_IMAGE011
。
Figure 709198DEST_PATH_IMAGE012
6.根据权利要求1所述的方法，其特征在于，所述的针对某一个被控输出计算归一化数值的方法为:取该被控输出的上限约束(
Figure 694471DEST_PATH_IMAGE009
)、下限约束()，采用如下的公式对控制输入即时值
Figure 871692DEST_PATH_IMAGE010
进行归一化,得到归一化后的控制输入
Figure 987415DEST_PATH_IMAGE011
。
7.根据权利要求1所述的方法，其特征在于，所述的针对某一优化计算得到的控制输入
Figure 827195DEST_PATH_IMAGE013
进行反归一化变换的方法为
Figure 307855DEST_PATH_IMAGE014
。
8.一种工业过程的控制设备，所述工业过程具有多个输入变量以及随所述多个输入变量的改变而变化的多个输出变量，所述多个输入变量是可以对所述工业过程的工业设备进行操纵的控制系统节点，所述多个被控输出变量是所述工业过程反映过程运行状况的参量，所述的控制输入变量和被控输出变量需要满足上限和下限约束条件，
其特征在于，该控制设备包括：
离线装置，用于针对由被控输出的上限、下限给定值以及控制输入的上限、下限给定值计算相应的模型向量调整因子；基于模型向量调整因子，计算归一化后的模型向量；
归一化装置，用于针对每个控制输入变量的上限和下限及其即时值计算归一化数值，针对每个被控输出变量的上限、下限及其即时值计算归一化数值；
优化计算装置，基于归一化后的各控制输入、各被控输出以及阶跃响应输入输出模型进行在线优化计算得到下一时刻控制输入的未来值；
工业设备控制装置，用于将所述的计算得到的下一时刻控制输入变量值经过反归一化变换得到真实值域下的数值，并下传至控制系统进行控制实施。
CN2013100183737A 2013-01-17 2013-01-17 一种工业过程的控制方法与设备 Pending CN103064286A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2013100183737A CN103064286A (zh) 2013-01-17 2013-01-17 一种工业过程的控制方法与设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2013100183737A CN103064286A (zh) 2013-01-17 2013-01-17 一种工业过程的控制方法与设备

Publications (1)

Publication Number Publication Date
CN103064286A true CN103064286A (zh) 2013-04-24

Family

ID=48106959

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2013100183737A Pending CN103064286A (zh) 2013-01-17 2013-01-17 一种工业过程的控制方法与设备

Country Status (1)

Country Link
CN (1) CN103064286A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105549392A (zh) * 2015-12-21 2016-05-04 北京机械设备研究所 一种伺服系统的非线性补偿控制方法
CN109521677A (zh) * 2018-12-29 2019-03-26 浙江中控技术股份有限公司 一种基于预测模型的控制方法和控制器

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1912616A (zh) * 2006-08-28 2007-02-14 哈尔滨工业大学 水体化学需氧量在线虚拟监测方法
CN101118610A (zh) * 2007-09-10 2008-02-06 东北大学 稀疏数据过程建模方法
US20080082181A1 (en) * 2006-09-29 2008-04-03 Fisher-Rosemount Systems, Inc. Statistical signatures used with multivariate analysis for steady-state detection in a process
CN102588129A (zh) * 2012-02-07 2012-07-18 上海艾铭思汽车控制系统有限公司 高压共轨柴油机氮氧化物和颗粒排放的优化协同控制方法
CN102809966A (zh) * 2012-07-30 2012-12-05 上海交通大学 基于半闭环的软测量仪表及其软测量方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1912616A (zh) * 2006-08-28 2007-02-14 哈尔滨工业大学 水体化学需氧量在线虚拟监测方法
US20080082181A1 (en) * 2006-09-29 2008-04-03 Fisher-Rosemount Systems, Inc. Statistical signatures used with multivariate analysis for steady-state detection in a process
CN101535910A (zh) * 2006-09-29 2009-09-16 费舍-柔斯芒特系统股份有限公司 过程变量数据的多元监控和诊断
CN101118610A (zh) * 2007-09-10 2008-02-06 东北大学 稀疏数据过程建模方法
CN102588129A (zh) * 2012-02-07 2012-07-18 上海艾铭思汽车控制系统有限公司 高压共轨柴油机氮氧化物和颗粒排放的优化协同控制方法
CN102809966A (zh) * 2012-07-30 2012-12-05 上海交通大学 基于半闭环的软测量仪表及其软测量方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
段生兵: "基于DO/PH测量的微生物流加培养过程的在线模式识别和控制的研究", 《中国优秀硕士学位论文全文数据库》 *
邹涛等: "《模型预测控制工程应用导论》", 30 June 2010 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105549392A (zh) * 2015-12-21 2016-05-04 北京机械设备研究所 一种伺服系统的非线性补偿控制方法
CN109521677A (zh) * 2018-12-29 2019-03-26 浙江中控技术股份有限公司 一种基于预测模型的控制方法和控制器

Similar Documents

Publication Publication Date Title
CN112286043B (zh) 基于被控对象阶跃响应特性数据的pid参数整定方法
Zhong PID controller tuning: A short tutorial
Hou et al. Controller-dynamic-linearization-based model free adaptive control for discrete-time nonlinear systems
US9400491B2 (en) Stabilized deteministic optimization based control system and method
CN101763083A (zh) 一种有效的控制变量参数化的工业过程动态优化系统及方法
CN104463381A (zh) 基于kpca与wlssvm的建筑能耗预测方法
CN103838139A (zh) 具有积分饱和预处理功能的pid控制方法
CN114428462B (zh) 基于mpc算法对被控系统进行动态控制的方法、设备和介质
Efheij et al. Comparison of model predictive control and PID controller in real time process control system
WO2009067952A1 (fr) Procédé de commande de technique et son dispositif
CN104330972A (zh) 一种基于模型自适应的综合预测迭代学习控制方法
Isa et al. Comparative study of PID controlled modes on automatic water level measurement system
CN109946979B (zh) 一种伺服系统灵敏度函数的自适应调整方法
Zhu et al. Controller compact form dynamic linearization based model free adaptive control
CN109687703A (zh) 基于干扰上界估计的降压型直流变换器固定时间滑模控制方法
CN103064286A (zh) 一种工业过程的控制方法与设备
CN104460317A (zh) 单输入单输出化工生产过程的自适应预测函数的控制方法
CN104155876B (zh) 一种pid控制器的分离实现方法
CN107870567B (zh) 一种比例微分超前广义智能内部模型集pid控制器设计方法
Wu et al. A comprehensive decoupling control strategy for a gas flow facility based on active disturbance rejection generalized predictive control
CN108132596B (zh) 一种微分超前广义智能内部模型集pid控制器设计方法
Škarda et al. Bode-like control loop performance index evaluated for a class of fractional-order processes
Guolian et al. Multiple-model predictive control based on fuzzy adaptive weights and its application to main-steam temperature in power plant
CN103365206A (zh) 一种工业过程的控制方法和设备
US10317857B2 (en) Sequential deterministic optimization based control system and method

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20130424

RJ01 Rejection of invention patent application after publication