CN107024862B - 基于控制参数动态重构的三足式离心机网络化控制方法 - Google Patents

基于控制参数动态重构的三足式离心机网络化控制方法 Download PDF

Info

Publication number
CN107024862B
CN107024862B CN201710176504.2A CN201710176504A CN107024862B CN 107024862 B CN107024862 B CN 107024862B CN 201710176504 A CN201710176504 A CN 201710176504A CN 107024862 B CN107024862 B CN 107024862B
Authority
CN
China
Prior art keywords
scheduling
controller
vector
parameters
matrix
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.)
Active
Application number
CN201710176504.2A
Other languages
English (en)
Other versions
CN107024862A (zh
Inventor
邵奇可
李鹏欢
何正强
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.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
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 Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201710176504.2A priority Critical patent/CN107024862B/zh
Publication of CN107024862A publication Critical patent/CN107024862A/zh
Application granted granted Critical
Publication of CN107024862B publication Critical patent/CN107024862B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)
  • Centrifugal Separators (AREA)

Abstract

基于控制参数动态重构的三足式离心机网络化控制方法,包括以下步骤:1)、根据实际工况对控制对象进行建模;根据系统IAE性能指标设置调度器阈值、调度策略、系统采样周期、系统传输周期初始值,采样序列和更新序列,系统模型为(1);2)、根据当前的网络服务质量动态重构通信序列并在线解析计算控制器参数3)由D/A转换后输出至执行器,由执行器作用到被控对象,使被控对象运行在给定的范围内。本发明可根据网络实时状态进行控制器参数动态重构的单一控制器,克服原有控制器结构复杂并受通信序列传输周期约束问题,避免多个控制器周期性切换,方便被工程技术人员掌握。本发明可有效改善网络环境,提高网络利用率及系统的整体性能。

Description

基于控制参数动态重构的三足式离心机网络化控制方法
技术领域
本发明属于工业以太网控制技术领域,涉及的是一种基于调度与控制器参数动态重构的三足式离心机网络化控制方法。
背景技术
三足式离心机是化学原料药生产过程中常用的辅助设备之一。三足式离心机的安全管理是一个复杂多因素耦合的系统问题,涉及操作过程的各种设备设施的检测、维修、维护,操作人员的规范操作、防护设备的正确使用,特种作业过程中的监护管理等。实现三足式离心机的安全管理是提高安全生产水平和药品质量的重要保障。
网络控制系统是一种全分布式、网络化实时反馈控制系统,是指传感器、控制器及执行器和通信网络的集合,用通信网络提供设备之间的数据传输,从而实现系统资源共享和协调操作。目前,针对多变量通信受限的网络控制器的设计方法普遍采用通信序列及混合逻辑动态构架的概念将原有网络控制系统转变成集调度和控制于一体的离散周期性时变切换系统,进而设计相应的控制器。这类设计方法普遍存在控制器的个数要受原有通信序列周期数的约束并且结构复杂;更进一步,当网络服务质量发生动态变化的时候,往往需要多个控制器周期性频繁切换才能确保控制系统的性能;另一方面,这类方法所用到的相关专业理论知识较多,不便于被工程技术人员掌握和推广使用。
发明内容
为了克服具有随机短时延的多输入/多输出三足式离心机网络化控制系统中存在控制增益、通信序列无法动态重构的问题,本发明提供可根据系统IAE性能指标动态地调整信息的传输方式,克服网络传输调度受限于当前传输网络利用率的先验知识,无法自适应网络的动态变化,无法保证整个闭环网络化控制系统具有良好的抗干扰性和鲁棒性,在恶劣情况下甚至会引起控制器失效,从而使得整个闭环网络控制系统达不到预先设计的控制性能问题。
同时,本发明可根据网络实时状态进行控制器参数动态重构的单一控制器,克服原有控制器结构复杂并受通信序列传输周期约束问题,避免多个控制器周期性切换,方便被工程技术人员掌握和推广使用。本发明可有效改善网络环境,提高网络利用率及系统的整体性能。为了解决上述技术问题采用的技术方案为:
基于调度与控制器参数动态重构的三足式离心机网络化控制方法,包括如下步骤:
Step 1、根据实际工况对三足式离心机进行系统辨识和参数估计如式(1):
其中表示r维三足式离心机的状态向量;表示m维三足式离心机输入向量,τk表示每个采样周期内的随机有界网络短时延,且满足0≤τk≤eh,其中0<e<1,h为控制系统的采样周期,表示q维的外部扰动信号,表示三足式离心机的被调输出转速、压力和流量信号向量,Ap,Bp,Cp是适当维数的系统矩阵;
Step 2:设置控制系统的采样周期h、调度周期步长N、调度周期T,并满足:T=Nh;设置三足式离心机kT+αh时刻采样序列的调度系数θi(kT+αh)阈值ηi和kT+βh时刻更新序列的调度系数δj(kT+βh)阈值并设置调度策略如式(2)所示:
其中i∈(1,…,r),α∈(1,…,N),j∈(1,…,m),β∈(0,…,N-1),IAE表示信号的绝对误差性能,
当k=1时,设置初始调度矩阵Λα=I,Ξβ=I,否则根据调度策略生成当前调度周期T内的采样调度矩阵和更新调度矩阵
其中为kT+αh时刻采样序列调度系数组成的向量,为kT+βh时刻更新序列调度系数组成的向量;
Step 3:系统以调度周期T离散化,并根据step 2的调度策略建立如下映射关系:
其中为系统调度后控制器的输入状态向量,为经系统调度后控制器的输出向量;
构建系统增广向量矩阵包括:状态向量矩阵X(kT),控制器输出U(kT)、控制器的有效输入执行器的有效输入被调输出Z(kT)、外部扰动信号W(kT)、采样调度矩阵更新调度矩阵并建立新的映射关系如下:
其中:
Step 4:设置系统状态反馈控制器重新构造新的状态向量G、M、N、L如下:
L=H′1并建立集调度与控制为一体的闭环系统模型(5):
其中:
Kk为控制器参数,τkd----表示第k个调度周期内第d个采样周期的时延,A、B0k)、B1k1)、H0、Ae、B′0k)、B′1k)、H′0、D′0k)、C′e、D′1k)、H′1为中间计算变量;
Step 5:重新定义计算变量 并在线求解以下的优化问题:
利用上一步得到的可行解,可得状态反馈控制器参数其中表示矩阵的伪逆;当k=k+1,重新回到Step 3求解控制器参数;转速控制信号由D/A转换输出至旋转电磁阀,压力控制信号由D/A转换输出至减压阀,流量控制信号由D/A转换输出至分流集流阀,最后作用到三足式离心机装置,使三足式离心机的转速、压力和流量运行在给定的范围内。
本发明的有益效果主要表现在:单一控制器、系统传输周期动态重构、控制器参数动态重构结构简单。
附图说明
图1是本发明给出的三足式离心机闭环控制结构图
图2是本发明实际运行时采用的结构示意图
实施方式
下面结合附图对本发明作进一步描述。
参照图1~图2,一种基于调度与控制器参数动态重构的三足式离心机网络化控制方法,本实施例三足式离心机温度、压力网络化控制过程:
第一步、在组态界面上设置模型辨识的相应参数,确定三足式离心机的辨识模型如下:
其中:x(t)是系统的状态向量,u(t)=[u1 u2]T是控制输入向量,u1代表罐内蒸汽阀门开度,u2代表冷凝水阀门开度。z(t)=[z1 z2]T是被控输出向量,z1代表罐内温度,z2代表罐内压力。w(t)是外部扰动向量。由工控机将对象模型辨识参数等数据送到存储单元RAM中;并在组态界面上设置系统为“离线”调节状态。按照附图2所示的闭环控制结构图组建一个闭环控制系统。
第二步:在组态界面上设置系统采样周期h=1s,调度周期的步长N=2,IAE控制性能指标的阈值分别为η1=0.01,η2=0.05,
第三步:在组态界面上点击“运行”键,在线计算调度的通信序列、控制器参数。
第四步:对u(k)进行限幅,防止积分饱和,然后由D/A转换后输出至执行器,由执行器作用到被控对象,使被控对象运行在给定的范围内;此时组态界面上显示的是在线情况下的系统闭环响应曲线,观察曲线进行在线微调。
第五步:在组态界面上设置系统为“在线”调节状态,启动控制系统参数调节,重新执行“在线控制程序”得到当前时刻的控制量。
以上阐述的是本发明给出的一个实施例表现出的优良优化效果,显然本发明不只是限于上述实施例,在不偏离本发明基本精神及不超出本发明实质内容所涉及范围的前提下对其可作种种变形加以实施。

Claims (1)

1.基于控制参数动态重构的三足式离心机网络化控制方法,包括以下步骤:
Step1、根据实际工况对三足式离心机进行系统辨识和参数估计如式(1):
其中表示r维三足式离心机的状态向量;表示m维三足式离心机的阀门开度输入向量,τk表示每个采样周期内的随机有界网络短时延,且满足0≤τk≤eh,其中0<e<1,h为控制系统的采样周期,表示q维的外部扰动信号,表示三足式离心机的被调输出转速、压力、流量信号向量,Ap,Bp,Cp是适当维数的系统矩阵,Rx(r,m,q,n∈x)表示x维的实数集;
Step2:设置控制系统的采样周期h、调度周期步长N、调度周期T,并满足:T=Nh;设置三足式离心机kT+αh时刻采样序列的调度系数θi(kT+αh)阈值ηi和kT+βh时刻更新序列的调度系数δj(kT+βh)阈值并设置调度策略如式(2)所示:
其中i∈(1,…,r),α∈(1,…,N),j∈(1,…,m),β∈(0,…,N-1),IAE表示信号的绝对误差性能,
当k=1时,设置初始调度矩阵Λα=I,Ξβ=I,否则根据调度策略生成当前调度周期T内的采样调度矩阵和更新调度矩阵
其中为kT+αh时刻采样序列调度系数组成的向量,为kT+βh时刻更新序列调度系数组成的向量;
Step3:系统以调度周期T离散化,并根据step2的调度策略建立如下映射关系:
其中为系统调度后控制器的输入状态向量,为经系统调度后控制器的输出向量;
构建系统增广向量矩阵包括:状态向量矩阵X(kT),控制器输出U(kT)、控制器的有效输入执行器的有效输入被调输出Z(kT)、外部扰动信号W(kT)、采样调度矩阵更新调度矩阵并建立新的映射关系如下:
其中:
Step4:设置系统状态反馈控制器重新构造新的状态向量G、M、N、L如下:
L=H′1并建立集调度与控制为一体的闭环系统模型(5):
其中:
Kk为控制器参数,τkd----表示第k个调度周期内第d个采样周期的时延,A、B0k)、B1k1)、H0、Ae、B′0k)、B′1k)、H′0、D′0k)、C′e、D′1k)、H′1为中间计算变量;
Step5:重新定义计算变量 并在线求解以下的优化问题:
利用上一步得到的可行解,可得状态反馈控制器参数其中表示矩阵的伪逆;当k=k+1,重新回到Step3求解控制器参数;转速控制信号由D/A转换输出至旋转电磁阀,压力控制信号由D/A转换输出至减压阀,流量控制信号由D/A转换输出至分流集流阀,最后作用到三足式离心机装置,使三足式离心机的转速、压力和流量运行在给定的范围内。
CN201710176504.2A 2017-03-23 2017-03-23 基于控制参数动态重构的三足式离心机网络化控制方法 Active CN107024862B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710176504.2A CN107024862B (zh) 2017-03-23 2017-03-23 基于控制参数动态重构的三足式离心机网络化控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710176504.2A CN107024862B (zh) 2017-03-23 2017-03-23 基于控制参数动态重构的三足式离心机网络化控制方法

Publications (2)

Publication Number Publication Date
CN107024862A CN107024862A (zh) 2017-08-08
CN107024862B true CN107024862B (zh) 2019-12-24

Family

ID=59526329

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710176504.2A Active CN107024862B (zh) 2017-03-23 2017-03-23 基于控制参数动态重构的三足式离心机网络化控制方法

Country Status (1)

Country Link
CN (1) CN107024862B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109474457A (zh) * 2018-09-28 2019-03-15 中电海康集团有限公司 一种60GHz毫米波设备的动态控制方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101036299A (zh) * 2004-08-25 2007-09-12 阿苏克斯有限公司 用于实现可重构网格类型解码的方法和装置
CN101114274A (zh) * 2007-08-23 2008-01-30 顾士平 动态可重构指令处理器配置及通信控制器
CN102645892A (zh) * 2012-03-16 2012-08-22 浙江工业大学 一种多变量通信受限网络控制系统非均匀采样保性能控制方法
CN104834289A (zh) * 2015-04-14 2015-08-12 华南理工大学建筑设计研究院 一种可重构模块化网络智能窗帘控制系统及方法
CN104932472A (zh) * 2015-06-10 2015-09-23 西南大学 一种网络在线可重构的工业安全监控系统
CN106338917A (zh) * 2016-10-26 2017-01-18 江南大学 一种基于状态观测器的网络化控制系统的非脆弱h∞控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7870176B2 (en) * 2004-07-08 2011-01-11 Asocs Ltd. Method of and apparatus for implementing fast orthogonal transforms of variable size

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101036299A (zh) * 2004-08-25 2007-09-12 阿苏克斯有限公司 用于实现可重构网格类型解码的方法和装置
CN101114274A (zh) * 2007-08-23 2008-01-30 顾士平 动态可重构指令处理器配置及通信控制器
CN102645892A (zh) * 2012-03-16 2012-08-22 浙江工业大学 一种多变量通信受限网络控制系统非均匀采样保性能控制方法
CN104834289A (zh) * 2015-04-14 2015-08-12 华南理工大学建筑设计研究院 一种可重构模块化网络智能窗帘控制系统及方法
CN104932472A (zh) * 2015-06-10 2015-09-23 西南大学 一种网络在线可重构的工业安全监控系统
CN106338917A (zh) * 2016-10-26 2017-01-18 江南大学 一种基于状态观测器的网络化控制系统的非脆弱h∞控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于网络服务质量的网络控制器设计;邵奇可等;《自动化学报》;20100831;第1209-1212页 *

Also Published As

Publication number Publication date
CN107024862A (zh) 2017-08-08

Similar Documents

Publication Publication Date Title
Wang et al. Fault-tolerant controller design for a class of nonlinear MIMO discrete-time systems via online reinforcement learning algorithm
Zribi et al. A new PID neural network controller design for nonlinear processes
Yu et al. Multi-agent correlated equilibrium Q (λ) learning for coordinated smart generation control of interconnected power grids
CN112615379A (zh) 基于分布式多智能体强化学习的电网多断面功率自动控制方法
US20120045013A1 (en) Method for real-time online control of hybrid nonlinear system
Wu et al. Neural-based adaptive control for nonlinear systems with quantized input and the output constraint
CN102830625B (zh) 基于神经网络预测控制的过程控制系统及方法
CN108427288B (zh) 一类具有时变时延的网络化线性参数变化系统的h∞容错控制方法
CN102645892B (zh) 交通网络化控制系统的控制方法
Kychkin et al. IoT-based mine ventilation control system architecture with digital twin
CN105807615A (zh) 模糊前馈反馈控制器
Alcaina et al. Delay-independent dual-rate PID controller for a packet-based networked control system
Cui et al. Digital twin for power system steady-state modelling, simulation, and analysis
CN107024862B (zh) 基于控制参数动态重构的三足式离心机网络化控制方法
Yang et al. Event-triggered output feedback containment control for a class of stochastic nonlinear multi-agent systems
CN108628270B (zh) 一种基于plc远程监控终端的优化网络控制装置与方法
Gao et al. Fault tolerant control scheme for a class of interconnected nonlinear time delay systems using event-triggered approach
CN114114928A (zh) 一种压电微定位平台的固定时间自适应事件触发控制方法
CN107168066B (zh) 一种温室环境自适应控制方法
CN106940527B (zh) 基于控制器参数动态重构的大型热处理装置网络化控制方法
Hua et al. A robust H∞ control approach for a class of networked control systems with sampling jitter and packet-dropout
Ai et al. Nonlinear fractional active disturbance rejection speed control for stabilization of hydraulic turbine regulating systems with mechanical delay
Ye et al. Finite-Time Control for Multiple Time-Delayed Fuzzy Large-Scale Systems Against State and Input Constraints
CN106873375A (zh) 基于调度与控制器参数动态重构的多晶硅熔炼装置网络化控制方法
Guolian et al. Multiple-model predictive control based on fuzzy adaptive weights and its application to main-steam temperature in power plant

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant