CN107728481B - 一种基于模型预测控制的闭环建模方法及装置 - Google Patents

一种基于模型预测控制的闭环建模方法及装置 Download PDF

Info

Publication number
CN107728481B
CN107728481B CN201711123125.3A CN201711123125A CN107728481B CN 107728481 B CN107728481 B CN 107728481B CN 201711123125 A CN201711123125 A CN 201711123125A CN 107728481 B CN107728481 B CN 107728481B
Authority
CN
China
Prior art keywords
controlled object
pid controller
model
input
output
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
CN201711123125.3A
Other languages
English (en)
Other versions
CN107728481A (zh
Inventor
张碧陶
胡卫平
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.)
Jiangxi University of Science and Technology
Original Assignee
Jiangxi University of Science and Technology
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 Jiangxi University of Science and Technology filed Critical Jiangxi University of Science and Technology
Priority to CN201711123125.3A priority Critical patent/CN107728481B/zh
Publication of CN107728481A publication Critical patent/CN107728481A/zh
Application granted granted Critical
Publication of CN107728481B publication Critical patent/CN107728481B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive 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
    • G05B13/042—Adaptive 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)

Abstract

本发明公开了一种基于模型预测控制的闭环建模方法及装置，该方法通过在对被控对象建模之前为被控对象设置第一PID控制器，以及在对系统模型进行优化控制之前，还为系统模型设置第二PID控制器，使得在建模阶段，被控对象的输出能够修正被控对象的输入，在控制阶段，系统模型的输出也能够修正系统模型的输入，进而在系统状态发生变化的情况下依然能建立一个相对稳定和准确的模型。

Description

一种基于模型预测控制的闭环建模方法及装置
技术领域
本发明涉及控制技术领域，尤其涉及一种基于模型预测控制的闭环建模方法及装置。
背景技术
模型预测控制是一种基于模型的闭环优化控制算法，该控制算法是基于系统模型的，模型的质量影响着控制效果。所以，要达到模型预测控制算法的性能需要先建立能够准确描述系统输入输出特性的模型。
而传统的建模方法都是对开环系统输入脉冲信号或者阶跃信号，再实时采集系统的输出响应，然后通过开环系统的输出和输入数据，采用最小二乘法拟合数据，得到系统的输入输出模型。
但是，传统的建模方法，在系统受到干扰或者参数变化的情况下，系统状态发生变化，那么之前建立的模型就不再适合用来描述当前系统状态。因此，模型就不匹配，模型预测控制算法性能的稳定性和准确度将受到很大的影响。
发明内容
本发明的主要目的在于解决在系统状态发生变化的情况下不能建立一个相对稳定和准确的模型的技术问题。
为实现上述目的，本发明提供一种基于模型预测控制的闭环建模方法，包括以下步骤：
A，提供被控对象；
B，为被控对象设置第一PID控制器，其中，第一PID控制器用于根据被控对象的输出来修正被控对象的输入；
C，向设置有第一PID控制器的被控对象输入阶跃信号，并实时采集被控对象输出的阶跃响应信号；
D，连续执行步骤C若干次后，根据若干输入的阶跃信号和若干与其对应输出的阶跃响应信号形成若干坐标点数据，对若干坐标点数据进行拟合，以得到被控对象的系统模型；
E，通过模型预测控制器对系统模型进行优化控制。
另外，本发明还提供一种基于模型预测控制的闭环建模装置，包括：
提供模块，用于提供被控对象；
第一设置模块，用于为被控对象设置第一PID控制器，其中，第一PID控制器用于根据被控对象的输出来修正被控对象的输入；
信号输入与采集模块，用于向设置有第一PID控制器的被控对象输入阶跃信号，并实时采集被控对象输出的阶跃响应信号；
建模模块，用于在信号输入与采集模块连续执行若干次后，根据若干输入的阶跃信号和若干与其对应输出的阶跃响应信号形成若干坐标点数据，对若干坐标点数据进行拟合，以得到被控对象的系统模型；
控制模块，用于通过模型预测控制器对系统模型进行优化控制。
本发明基于模型预测控制的闭环建模方法及装置，通过在对被控对象建模之前为被控对象设置第一PID控制器，以及进一步地，在对系统模型进行优化控制之前，还为系统模型设置第二PID控制器，使得在建模阶段，被控对象的输出能够修正被控对象的输入，在控制阶段，系统模型的输出也能够修正系统模型的输入，进而在系统状态发生变化的情况下依然能建立一个相对稳定和准确的模型。
附图说明
图1为本发明基于模型预测控制的闭环建模方法的较佳实施例的流程示意图；
图2为本发明基于模型预测控制的闭环建模装置的功能模块示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为了解决本发明所要解决的上述技术问题，在本实施例中，本发明提供一种基于模型预测控制的闭环建模方法，请参见图1，图1是本发明基于模型预测控制的闭环建模方法的较佳实施例的流程示意图。
本发明基于模型预测控制的闭环建模方法可以包括以下步骤：
步骤S1，提供被控对象。具体地，被控对象是本发明所欲建模的对象，例如，可以是新能源电动车的电驱系统。
步骤S2，为被控对象设置第一PID控制器。具体地，本发明在对被控对象建模时设置第一PID(比例-积分-微分)控制器，目的在于把传统的开环阶跃响应建模变成闭环阶跃响应建模。当被控对象受到干扰或者参数变化时，可以通过第一PID控制器进行调节，使得被控对象的输出能够修正被控对象的输入，以保证被控对象的状态持续一致，进而可以获得稳定的系统模型。
步骤S3，向设置有第一PID控制器的被控对象输入阶跃信号，并实时采集被控对象输出的阶跃响应信号。例如，可以向设置有第一PID控制器的新能源电动车的电驱系统输入一电压驱动信号，同时采集其输出的速度信号，以完成一次输入输出的数据采集过程。
步骤S4，连续执行步骤S3若干次后，根据若干输入的阶跃信号和若干与其对应输出的阶跃响应信号形成若干坐标点数据，对若干坐标点数据进行拟合，以得到被控对象的系统模型。具体地，在对被控对象完成一次输入输出的数据采集过程后，可以形成一个由输入的阶跃信号和输出的阶跃响应信号组成的坐标点数据，即(阶跃信号，阶跃响应信号)坐标点数据。那么，众所周知，单靠一个孤立的坐标点数据无法描述一条曲线，同理，仅对新能源电动车的电驱系统进行一次输入输出的数据采集过程，是无法对其建立系统模型的。因此，需对新能源电动车的电驱系统进行若干次输入输出的数据采集过程，以形成若干(电压驱动信号，速度信号)坐标点数据。在形成足够多的坐标点数据后，本发明通过采用最小二乘法对若干坐标点数据进行拟合，以得到新能源电动车的电驱系统的系统模型。
在获得被控对象的系统模型后，接着可以进行下一步骤。
步骤S5，通过模型预测控制器对系统模型进行优化控制。进一步地，在对系统模型进行优化控制之前，本发明还可以为系统模型设置第二PID控制器，其中，第二PID控制器用于使系统模型的输出能够修正系统模型的输入，并且第二PID控制器和第一PID控制器的参数设定值相同。在为系统模型设置第二PID控制器之后，再通过模型预测控制器对设置有第二PID控制器的系统模型进行优化控制。
本发明基于模型预测控制的闭环建模方法，通过在对被控对象建模之前为被控对象设置第一PID控制器，以及进一步地，在对系统模型进行优化控制之前，还为系统模型设置第二PID控制器，使得在建模阶段，被控对象的输出能够修正被控对象的输入，在控制阶段，系统模型的输出也能够修正系统模型的输入，进而在系统状态发生变化的情况下依然能建立一个相对稳定和准确的模型。
另外，本发明还提供一种基于模型预测控制的闭环建模装置，该装置的各功能模块与上述基于模型预测控制的闭环建模方法的各步骤一一对应。
该基于模型预测控制的闭环建模装置，包括：
提供模块2，用于提供被控对象。其中，被控对象是本发明所欲建模的对象，例如，可以是新能源电动车的电驱系统。
第一设置模块4，用于为被控对象设置第一PID控制器，其中，第一PID控制器用于根据被控对象的输出来修正被控对象的输入。
信号输入与采集模块6，用于向设置有第一PID控制器的被控对象输入阶跃信号，并实时采集被控对象输出的阶跃响应信号。
建模模块8，用于在信号输入与采集模块连续执行若干次后，根据若干输入的阶跃信号和若干与其对应输出的阶跃响应信号形成若干坐标点数据，对若干坐标点数据进行拟合，以得到被控对象的系统模型。其中，对若干坐标点数据是采用最小二乘法进行拟合。
控制模块10，用于通过模型预测控制器对系统模型进行优化控制。进一步地，控制模块还包括：
第二设置模块101，用于为系统模型设置第二PID控制器，其中，第二PID控制器用于根据系统模型的输出来修正系统模型的输入，并且，第二PID控制器和第一PID控制器的参数设定值相同。
优化控制模块102，通过模型预测控制器对设置有第二PID控制器的系统模型进行优化控制。
本发明基于模型预测控制的闭环建模装置，通过第一设置模块4在对被控对象建模之前为被控对象设置第一PID控制器，以及进一步地，通过第二设置模块101在对系统模型进行优化控制之前，还为系统模型设置第二PID控制器，使得在建模阶段，被控对象的输出能够修正被控对象的输入，在控制阶段，系统模型的输出也能够修正系统模型的输入，进而在系统状态发生变化的情况下依然能建立一个相对稳定和准确的模型。
以上仅为发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (6)

1.一种基于模型预测控制的闭环建模方法，其特征在于，包括以下步骤：
A，提供被控对象；
B，为被控对象设置第一PID控制器，其中，第一PID控制器用于根据被控对象的输出来修正被控对象的输入；
C，向设置有第一PID控制器的被控对象输入阶跃信号，并实时采集被控对象输出的阶跃响应信号；
D，连续执行C若干次后，根据若干输入的阶跃信号和若干与其对应输出的阶跃响应信号形成若干坐标点数据，对若干坐标点数据进行拟合，以得到被控对象的系统模型；
E，为系统模型设置第二PID控制器，其中，第二PID控制器用于根据系统模型的输出来修正系统模型的输入；通过模型预测控制器对设置有第二PID控制器的系统模型进行优化控制；
其中，被控对象是新能源电动车的电驱系统；步骤C具体为，向设置有第一PID控制器的新能源电动车的电驱系统输入一电压驱动信号，并实时采集该电驱系统输出的速度信号。
2.如权利要求1所述的基于模型预测控制的闭环建模方法，其特征在于，第二PID控制器和第一PID控制器的参数设定值相同。
3.如权利要求1所述的基于模型预测控制的闭环建模方法，其特征在于，步骤D中，对若干坐标点数据采用最小二乘法进行拟合。
4.一种基于模型预测控制的闭环建模装置，其特征在于，包括：
提供模块，用于提供被控对象；
第一设置模块，用于为被控对象设置第一PID控制器，其中，第一PID控制器用于根据被控对象的输出来修正被控对象的输入；
信号输入与采集模块，用于向设置有第一PID控制器的被控对象输入阶跃信号，并实时采集被控对象输出的阶跃响应信号；
建模模块，用于在信号输入与采集模块连续执行若干次后，根据若干输入的阶跃信号和若干与其对应输出的阶跃响应信号形成若干坐标点数据，对若干坐标点数据进行拟合，以得到被控对象的系统模型；
控制模块，用于通过模型预测控制器对系统模型进行优化控制，
还包括：
第二设置模块，用于为系统模型设置第二PID控制器，其中，第二PID控制器用于根据系统模型的输出来修正系统模型的输入；
优化控制模块，通过模型预测控制器对设置有第二PID控制器的系统模型进行优化控制；
其中，被控对象是新能源电动车的电驱系统；信号输入与采集模块具体用于向设置有第一PID控制器的新能源电动车的电驱系统输入一电压驱动信号，并实时采集该电驱系统输出的速度信号。
5.如权利要求4所述的基于模型预测控制的闭环建模装置，其特征在于，第二PID控制器和第一PID控制器的参数设定值相同。
6.如权利要求4所述的基于模型预测控制的闭环建模装置，其特征在于，对若干坐标点数据是采用最小二乘法进行拟合。
CN201711123125.3A 2017-11-14 2017-11-14 一种基于模型预测控制的闭环建模方法及装置 Active CN107728481B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711123125.3A CN107728481B (zh) 2017-11-14 2017-11-14 一种基于模型预测控制的闭环建模方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711123125.3A CN107728481B (zh) 2017-11-14 2017-11-14 一种基于模型预测控制的闭环建模方法及装置

Publications (2)

Publication Number Publication Date
CN107728481A CN107728481A (zh) 2018-02-23
CN107728481B true CN107728481B (zh) 2021-06-04

Family

ID=61215587

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711123125.3A Active CN107728481B (zh) 2017-11-14 2017-11-14 一种基于模型预测控制的闭环建模方法及装置

Country Status (1)

Country Link
CN (1) CN107728481B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112130455B (zh) * 2020-08-18 2022-12-09 东南大学 协调控制系统的控制方法、装置、存储介质及系统
CN112835286B (zh) * 2020-11-27 2023-02-17 江西理工大学 Pid参数自动整定方法及系统
CN112947648B (zh) * 2021-03-04 2021-11-23 江西理工大学 一种农业温室环境预测方法及系统

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4528984B2 (ja) * 2007-01-29 2010-08-25 国立大学法人広島大学 Ｐｉｄ制御装置及びｐｉｄ制御方法
CN101813917A (zh) * 2010-03-19 2010-08-25 浙江工业大学 基于线性规划实现动态优化的工业模型预测控制方法
CN102466412A (zh) * 2010-11-17 2012-05-23 中国科学院空间科学与应用研究中心 一种多温区炉综合控制系统及方法
CN103336437B (zh) * 2013-07-19 2015-11-25 杭州电子科技大学 基于预测函数控制优化的非自衡对象控制方法
CN104142626B (zh) * 2014-04-22 2017-05-24 广东工业大学 一种基于逆系统和内模控制的船舶动力定位控制方法
CN103984242B (zh) * 2014-05-19 2017-02-15 上海交通大学 基于模型预测控制的分层预测控制系统及其控制方法
CN104122795A (zh) * 2014-07-15 2014-10-29 河海大学常州校区 基于新型极值函数指标的智能自整定pid室温控制算法
CN104156596B (zh) * 2014-08-05 2017-03-29 哈尔滨工业大学 基于maplesim的摆式积分陀螺加速度计的建模方法
CN104808491B (zh) * 2015-03-17 2018-02-27 南京航空航天大学 基于能量特征的多电飞机机电作动器建模方法及其模型
CN105162380A (zh) * 2015-10-13 2015-12-16 哈尔滨工业大学 一种六相永磁同步电动机模型预测控制方法
CN105629735B (zh) * 2016-02-22 2018-12-07 南京航空航天大学 一种航空发动机在线自适应最优pid控制器设计方法
CN106338915B (zh) * 2016-10-31 2019-04-26 浙江邦业科技股份有限公司 一种基于扩展状态空间预测函数控制的积分对象控制方法
CN106444388A (zh) * 2016-12-06 2017-02-22 杭州电子科技大学 一种焦炭炉炉膛压力的分布式pid型动态矩阵控制方法

Also Published As

Publication number Publication date
CN107728481A (zh) 2018-02-23

Similar Documents

Publication Publication Date Title
CN107728481B (zh) 一种基于模型预测控制的闭环建模方法及装置
US11604472B2 (en) Method for controlling vehicle speed for autonomous driving, electronic device, and computer-readable storage medium
CN102509152A (zh) 一种基于rbf神经网络的开关磁阻电机在线建模方法
CN108828934A (zh) 一种基于模型辨识的模糊pid控制方法及装置
CN108489015B (zh) 基于极点配置和帕德近似的空调系统温度控制方法
CN107369635B (zh) 一种基于深度学习的智能半导体装备系统
CN106877746A (zh) 速度控制方法和速度控制装置
CN107015476A (zh) 一种对电液伺服系统的位置和力信号的协同控制方法
CN105353619B (zh) 一种批次注塑过程的滚动时域跟踪控制方法
US10493625B2 (en) System for generating sets of control data for robots
DE112019007725T5 (de) Motorsteuerung und Motorsteuerungsverfahren
CN113325719B (zh) 时变时滞多智能体的分布式脉冲一致性控制方法及系统
CN108762083A (zh) 一种基于加速度观测器的自动控制系统
MX2023003687A (es) Modelado predictivo hibrido y el control de cultivo celular.
CN107272409A (zh) 一种基于迭代学习的直线伺服系统振动抑制方法
CN116822091A (zh) 一种融合参数化模型与机器学习的机床进给轴位置预测方法
CN102628377B (zh) 一种汽轮机组调速系统参数实测数据处理方法
KR102382047B1 (ko) Pso를 이용한 모터 제어기의 자동 학습 튜닝 시스템
CN102664569A (zh) 一种基于滑模变结构的永磁同步直线电机控制方法及装置
CN111008708A (zh) 一种准比例谐振控制器参数调整方法及系统
CN112925207A (zh) 一种基于参数辨识的温室环境温度自适应方法
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
CN108132597B (zh) 一种微分超前智能模型集pid控制器设计方法
CN111352343A (zh) 核电pid控制系统控制参数自动寻优方法
CN111830971B (zh) 一种用于在稀疏奖励信号下学习多机器人编队导航策略的课程学习方法

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