CN109581865A - Miso异因子偏格式无模型控制方法 - Google Patents
Miso异因子偏格式无模型控制方法 Download PDFInfo
- Publication number
- CN109581865A CN109581865A CN201910103036.5A CN201910103036A CN109581865A CN 109581865 A CN109581865 A CN 109581865A CN 201910103036 A CN201910103036 A CN 201910103036A CN 109581865 A CN109581865 A CN 109581865A
- Authority
- CN
- China
- Prior art keywords
- miso
- control
- control method
- factor
- moment
- 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.)
- Granted
Links
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
- G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
- G05B13/024—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system 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MISO异因子偏格式无模型控制方法,针对现有的采用同因子结构的MISO偏格式无模型控制方法的局限性,也就是:在k时刻针对控制输入向量中的不同控制输入只能采用相同数值的惩罚因子与相同数值的步长因子的局限性,提出了一种采用异因子结构的MISO偏格式无模型控制方法,在k时刻针对控制输入向量中的不同控制输入可采用不同数值的惩罚因子和/或不同数值的步长因子,能够解决强非线性MISO系统等复杂对象中存在的各个控制通道特性各异的控制难题。与现有的控制方法相比,本发明具有更高的控制精度、更好的稳定性与更广的适用性。
Description
技术领域
本发明属于自动化控制领域,尤其是涉及一种MISO异因子偏格式无模型控制方法。
背景技术
炼油、石化、化工、制药、食品、造纸、水处理、火电、冶金、水泥、橡胶、机械、电气等行业的被控对象,包括反应器、精馏塔、机器、设备、装置、生产线、车间、工厂,其中不少被控对象是MISO(Multiple Input and Single Output,多输入单输出)系统。实现对MISO系统的高精度、高稳定、高适用性控制,对工业的节能降耗、提质增效具有重要意义。然而,MISO系统的控制难题,尤其是强非线性MISO系统的控制难题,一直以来都是自动化控制领域所面临的重大挑战。
MISO系统的现有控制方法中包括MISO偏格式无模型控制方法。MISO偏格式无模型控制方法是一种新型的数据驱动控制方法,不依赖被控对象的任何数学模型信息,仅依赖于MISO被控对象实时测量的输入输出数据进行控制器的分析和设计,并且实现简明、计算负担小及鲁棒性强,具有良好的应用前景。MISO偏格式无模型控制方法的理论基础,由侯忠生与金尚泰在其合著的《无模型自适应控制—理论与应用》(科学出版社,2013年,第106页)中提出,其控制算法如下:
其中,u(k)为k时刻控制输入向量,u(k)=[u1(k),…,um(k)]T,m为控制输入总个数(m为大于1的正整数),Δu(k)=u(k)-u(k-1);e(k)为k时刻误差;Φ(k)为k时刻MISO系统伪分块雅克比矩阵估计值,Φp(k)为Φ(k)的第p块(p为正整数,1≤p≤L),||Φ1(k)||为矩阵Φ1(k)的2范数;λ为惩罚因子;ρ1,…,ρL为步长因子;L为控制输入线性化长度常数,L为正整数。
上述现有的MISO偏格式无模型控制方法,采用了同因子结构,也就是说:在k时刻,针对控制输入向量u(k)中的不同控制输入u1(k),…,um(k),只能采用相同数值的惩罚因子λ与相同数值的步长因子ρ1,…,相同数值的步长因子ρL。当现有的MISO同因子偏格式无模型控制方法应用于强非线性MISO系统等复杂对象时,由于控制通道特性各异,往往难以实现理想的控制效果,制约了MISO偏格式无模型控制方法的推广应用。
为此,为了打破现有的MISO同因子偏格式无模型控制方法的应用瓶颈,本发明提出了一种MISO异因子偏格式无模型控制方法。
发明内容
为了解决背景技术中存在的问题,本发明的目的在于,提供一种MISO异因子偏格式无模型控制方法,其特征在于:
当被控对象为MISO(Multiple Input and Single Output,多输入单输出)系统时,所述MISO异因子偏格式无模型控制方法计算k时刻第i个控制输入ui(k)的数学公式如下:
其中,k为正整数;m为所述MISO系统控制输入总个数,m为大于1的正整数;i表示所述MISO系统控制输入总个数中的第i个,i为正整数,1≤i≤m;ui(k)为k时刻第i个控制输入;Δuiu(k)=uiu(k)-uiu(k-1),iu为正整数;e(k)为k时刻误差;Φ(k)为k时刻MISO系统伪分块雅克比矩阵估计值,Φp(k)为Φ(k)的第p块,φj,i,p(k)为矩阵Φp(k)的第j行第i列元素,||Φ1(k)||为矩阵Φ1(k)的2范数;p为正整数,1≤p≤L;λi为第i个控制输入的惩罚因子;ρi,p为第i个控制输入的第p个步长因子;L为控制输入线性化长度常数,L为正整数;
针对MISO系统,所述MISO异因子偏格式无模型控制方法将i的取值遍历正整数区间[1,m]内的所有值,即可计算得到k时刻控制输入向量u(k)=[u1(k),…,um(k)]T;
所述MISO异因子偏格式无模型控制方法具有异因子特征;所述异因子特征是指针对正整数区间[1,m]内任意两个互不相等的正整数i与x,在采用所述控制方法对MISO系统进行控制期间,如下(L+1)个不等式中至少有一个不等式成立:
λi≠λx;ρi,1≠ρx,1;…;ρi,L≠ρx,L
在采用上述技术方案的同时,本发明还可以采用或者组合采用以下进一步的技术方案:
所述k时刻误差e(k)采用误差计算函数计算得到;所述误差计算函数的自变量包含输出期望值与输出实际值。
所述误差计算函数采用e(k)=y*(k)-y(k),其中y*(k)为k时刻输出期望值,y(k)为k时刻输出实际值;或者采用e(k)=y*(k+1)-y(k),其中y*(k+1)为k+1时刻输出期望值;或者采用e(k)=y(k)-y*(k);或者采用e(k)=y(k)-y*(k+1)。
所述被控对象包含反应器、精馏塔、机器、设备、装置、生产线、车间、工厂。
运行本发明所述控制方法的硬件平台包含工业控制计算机、单片机控制器、微处理器控制器、现场可编程门阵列控制器、数字信号处理控制器、嵌入式系统控制器、可编程逻辑控制器、集散控制系统、现场总线控制系统、工业物联网控制系统、工业互联网控制系统的任意之一或任意种组合。
本发明提供的MISO异因子偏格式无模型控制方法,针对控制输入向量中的不同控制输入可采用不同数值的惩罚因子或不同数值的步长因子,能够解决强非线性MISO系统等复杂对象中存在的各个控制通道特性各异的控制难题。因此,与现有的MISO同因子偏格式无模型控制方法相比,本发明提供的MISO异因子偏格式无模型控制方法具有更高的控制精度、更好的稳定性与更广的适用性。
附图说明
图1为本发明的原理框图;
图2为两输入单输出MISO系统采用本发明的MISO异因子偏格式无模型控制方法时的控制效果图;
图3为两输入单输出MISO系统采用本发明的MISO异因子偏格式无模型控制方法时的控制输入曲线;
图4为两输入单输出MISO系统采用现有的MISO同因子偏格式无模型控制方法时的控制效果图;
图5为两输入单输出MISO系统采用现有的MISO同因子偏格式无模型控制方法时的控制输入曲线。
具体实施方式
下面结合附图和具体实施例对本发明进一步说明。
图1给出了本发明的原理框图。针对具有m个控制输入(m为大于1的正整数)的MISO系统,采用MISO异因子偏格式无模型控制方法进行控制;确定MISO异因子偏格式无模型控制方法的控制输入线性化长度常数L,L为正整数;针对第i个控制输入ui(k)(i=1,…,m),确定MISO异因子偏格式无模型控制方法用于计算ui(k)的数学公式中所有参数包含惩罚因子λi、步长因子ρi,1,…,ρi,L的数值;将当前时刻记为k时刻;将输出期望值y*(k)与输出实际值y(k)之差作为k时刻误差e(k);基于k时刻误差向量e(k)=[e1(k),…,en(k)]T与惩罚因子λi、步长因子ρi,1,…,ρi,L的数值,采用MISO异因子偏格式无模型控制方法计算k时刻第i个控制输入ui(k);针对MISO系统,MISO异因子偏格式无模型控制方法将i的取值遍历正整数区间[1,m]内的所有值,即可计算得到k时刻控制输入向量u(k)=[u1(k),…,um(k)]T;控制输入向量u(k)作用于被控对象后,得到被控对象在后一时刻的输出实际值,然后进行后一时刻的MISO异因子偏格式无模型控制。
以下是本发明的具体实施例。
被控对象采用的两输入单输出MISO系统,具有强非线性的复杂特征,属于典型难控的MISO系统:
系统输出期望值y*(k)如下:
y*(k)=(-1)round((k-1)/100)
在具体实施例中,m=2。
控制输入线性化长度常数L的数值通常根据被控对象的复杂程度和实际的控制效果进行设定,一般在1到10之间,过大会导致计算量大,所以常取1到5之间,在本具体实施例中L取为2。
针对上述具体实施例,开展两组试验进行对比验证。为了更清楚地比较两组试验的控制性能,采用均方根误差(Root Mean Square Error,RMSE)作为控制性能评价指标:
其中,e(k)=y*(k)-y(k),y*(k)为k时刻输出期望值,y(k)为k时刻输出实际值。RMSE(e)的值越小,表明输出实际值y(k)与输出期望值y*(k)的误差总体而言更小,控制性能更好。
运行本发明控制方法的硬件平台采用工业控制计算机。
第一组试验时:采用本发明的MISO异因子偏格式无模型控制方法,设定第1个控制输入的惩罚因子λ1=1.91,第一个步长因子ρ1,1=0.89,第二个步长因子ρ1,2=0.90;设定第2个控制输入的惩罚因子λ2=2.9,第一个步长因子ρ2,1=0.90,第二个步长因子ρ2,2=0.91;然后,对上述两输入单输出MISO系统进行控制,图2为输出的控制效果图,图3为控制输入曲线;从控制性能评价指标进行考察,图2中输出的RMSE(e)为0.3150。
第二组试验时:直接采用现有的MISO同因子偏格式无模型控制方法,设定惩罚因子λ=3.00,设定步长因子ρ1=ρ2=1.00,对上述两输入单输出MISO系统进行控制,图4为输出的控制效果图,图5为控制输入曲线;从控制性能评价指标进行考察,图4中输出的RMSE(e)为0.3162。
两组试验控制性能评价指标的比较结果列于表1,采用本发明控制方法的第一组试验的结果优于采用现有的MISO同因子偏格式无模型控制方法的第二组试验,其中,通过对比两组试验的控制性能指标可以发现改进效果显著,表明本发明提供的MISO异因子偏格式无模型控制方法具有更高的控制精度、更好的稳定性与更广的适用性。
表1控制性能比较
更进一步地,还应该特别指出以下三点:
(1)炼油、石化、化工、制药、食品、造纸、水处理、火电、冶金、水泥、橡胶、机械、电气等行业的被控对象,包括反应器、精馏塔、机器、设备、装置、生产线、车间、工厂,其中不少被控对象是MISO系统,并具有强非线性的复杂特征,是典型的难控对象;举例来说,比如炼油、石化、化工、制药等行业常用的连续搅拌反应器CSTR就是常见的两输入单输出MISO系统,其两个控制输入分别是进料流量与冷却水流量,其输出是反应温度;当化学反应具有强放热效应时,连续搅拌反应器CSTR的MISO系统就具有强非线性的复杂特征,是典型的难控对象。在上述具体实施例中,被控对象采用的两输入单输出MISO系统,也具有强非线性的复杂特征,属于特别难以控制的MISO系统;本发明对该被控对象能够实现高精度、高稳定、高适用性的控制,说明本发明的控制方法也能够对反应器、精馏塔、机器、设备、装置、生产线、车间、工厂等复杂MISO系统实现高精度、高稳定、高适用性的控制。
(2)在上述具体实施例中,运行本发明控制方法的硬件平台为工业控制计算机;在实际应用时,还可以根据具体情况,选择单片机控制器、微处理器控制器、现场可编程门阵列控制器、数字信号处理控制器、嵌入式系统控制器、可编程逻辑控制器、集散控制系统、现场总线控制系统、工业物联网控制系统、工业互联网控制系统的任意之一或任意种组合作为运行本发明控制方法的硬件平台。
(3)在上述具体实施例中,将输出期望值y*(k)与输出实际值y(k)之差作为k时刻误差e(k),也就是e(k)=y*(k)-y(k),仅为所述误差计算函数中的一种方法;也可以将k+1时刻输出期望值y*(k+1)与k时刻输出y(k)之差作为误差e(k),也就是e(k)=y*(k+1)-y(k);所述误差计算函数还可以采用自变量包含输出期望值与输出实际值的其他计算方法,举例来说,对上述具体实施例的被控对象而言,采用上述不同的误差计算函数,都能够实现良好的控制效果。
上述具体实施方式用来解释说明本发明,仅为本发明的优选实施例,而不是对本发明进行限制,在本发明的精神和权利要求的保护范围内,对本发明作出的任何修改、等同替换、改进等,都落入本发明的保护范围。
Claims (5)
1.MISO异因子偏格式无模型控制方法,其特征在于:
当被控对象为MISO(Multiple Input and Single Output,多输入单输出)系统时,所述MISO异因子偏格式无模型控制方法计算k时刻第i个控制输入ui(k)的数学公式如下:
其中,k为正整数;m为所述MISO系统控制输入总个数,m为大于1的正整数;i表示所述MISO系统控制输入总个数中的第i个,i为正整数,1≤i≤m;ui(k)为k时刻第i个控制输入;Δuiu(k)=uiu(k)-uiu(k-1),iu为正整数;e(k)为k时刻误差;Φ(k)为k时刻MISO系统伪分块雅克比矩阵估计值,Φp(k)为Φ(k)的第p块,φj,i,p(k)为矩阵Φp(k)的第j行第i列元素,||Φ1(k)||为矩阵Φ1(k)的2范数;p为正整数,1≤p≤L;λi为第i个控制输入的惩罚因子;ρi,p为第i个控制输入的第p个步长因子;L为控制输入线性化长度常数,L为正整数;
针对MISO系统,所述MISO异因子偏格式无模型控制方法将i的取值遍历正整数区间[1,m]内的所有值,即可计算得到k时刻控制输入向量u(k)=[u1(k),…,um(k)]T;
所述MISO异因子偏格式无模型控制方法具有异因子特征;所述异因子特征是指针对正整数区间[1,m]内任意两个互不相等的正整数i与x,在采用所述控制方法对MISO系统进行控制期间,如下(L+1)个不等式中至少有一个不等式成立:
λi≠λx;ρi,1≠ρx,1;…;ρi,L≠ρx,L。
2.根据权利要求1所述的MISO异因子偏格式无模型控制方法,其特征在于:所述k时刻误差e(k)采用误差计算函数计算得到;所述误差计算函数的自变量包含输出期望值与输出实际值。
3.根据权利要求2所述的MISO异因子偏格式无模型控制方法,其特征在于:所述误差计算函数采用e(k)=y*(k)-y(k),其中y*(k)为k时刻输出期望值,y(k)为k时刻输出实际值;或者采用e(k)=y*(k+1)-y(k),其中y*(k+1)为k+1时刻输出期望值;或者采用e(k)=y(k)-y*(k);或者采用e(k)=y(k)-y*(k+1)。
4.根据权利要求1所述的MISO异因子偏格式无模型控制方法,其特征在于:所述被控对象包含反应器、精馏塔、机器、设备、装置、生产线、车间、工厂。
5.根据权利要求1所述的MISO异因子偏格式无模型控制方法,其特征在于:运行所述控制方法的硬件平台包含工业控制计算机、单片机控制器、微处理器控制器、现场可编程门阵列控制器、数字信号处理控制器、嵌入式系统控制器、可编程逻辑控制器、集散控制系统、现场总线控制系统、工业物联网控制系统、工业互联网控制系统的任意之一或任意种组合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910103036.5A CN109581865B (zh) | 2019-02-01 | 2019-02-01 | Miso异因子偏格式无模型控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910103036.5A CN109581865B (zh) | 2019-02-01 | 2019-02-01 | Miso异因子偏格式无模型控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109581865A true CN109581865A (zh) | 2019-04-05 |
CN109581865B CN109581865B (zh) | 2020-12-22 |
Family
ID=65918446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910103036.5A Active CN109581865B (zh) | 2019-02-01 | 2019-02-01 | Miso异因子偏格式无模型控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109581865B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7142626B2 (en) * | 2003-05-30 | 2006-11-28 | George Shu-Xing Cheng | Apparatus and method of controlling multi-input-single-output systems |
CN102497125A (zh) * | 2011-11-30 | 2012-06-13 | 东北大学 | 基于fpga的光伏逆变控制装置及无模型控制方法 |
CN105759603A (zh) * | 2016-03-23 | 2016-07-13 | 东北大学 | 基于自动寻优无模型控制器的变压电路控制系统及方法 |
CN105823080A (zh) * | 2016-03-24 | 2016-08-03 | 东南大学 | 基于数值优化极值搜索的无模型锅炉燃烧优化控制方法 |
CN107633692A (zh) * | 2017-09-29 | 2018-01-26 | 河南理工大学 | 一种城市快速路入口匝道无模型自适应控制方法 |
CN107942654A (zh) * | 2017-11-06 | 2018-04-20 | 浙江大学 | Siso偏格式无模型控制器基于偏导信息的参数自整定方法 |
CN108008634A (zh) * | 2017-12-12 | 2018-05-08 | 浙江大学 | Miso偏格式无模型控制器基于偏导信息的参数自整定方法 |
CN108287471A (zh) * | 2017-12-04 | 2018-07-17 | 浙江大学 | Mimo偏格式无模型控制器基于系统误差的参数自整定方法 |
-
2019
- 2019-02-01 CN CN201910103036.5A patent/CN109581865B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7142626B2 (en) * | 2003-05-30 | 2006-11-28 | George Shu-Xing Cheng | Apparatus and method of controlling multi-input-single-output systems |
CN102497125A (zh) * | 2011-11-30 | 2012-06-13 | 东北大学 | 基于fpga的光伏逆变控制装置及无模型控制方法 |
CN105759603A (zh) * | 2016-03-23 | 2016-07-13 | 东北大学 | 基于自动寻优无模型控制器的变压电路控制系统及方法 |
CN105823080A (zh) * | 2016-03-24 | 2016-08-03 | 东南大学 | 基于数值优化极值搜索的无模型锅炉燃烧优化控制方法 |
CN107633692A (zh) * | 2017-09-29 | 2018-01-26 | 河南理工大学 | 一种城市快速路入口匝道无模型自适应控制方法 |
CN107942654A (zh) * | 2017-11-06 | 2018-04-20 | 浙江大学 | Siso偏格式无模型控制器基于偏导信息的参数自整定方法 |
CN108287471A (zh) * | 2017-12-04 | 2018-07-17 | 浙江大学 | Mimo偏格式无模型控制器基于系统误差的参数自整定方法 |
CN108008634A (zh) * | 2017-12-12 | 2018-05-08 | 浙江大学 | Miso偏格式无模型控制器基于偏导信息的参数自整定方法 |
Non-Patent Citations (4)
Title |
---|
LU JIANGANG 等: "Controller design and experiment for autothermal reforming of methanol in miniature reactor", 《ISA TRANSACTIONS》 * |
侯忠生 等: "《无模型自适应控制——理论与应用》", 30 June 2013, 北京:科学出版社 * |
张晨晖 等: "无模型自适应控制器参数的实验研究", 《自动化应用》 * |
李雪园: "无模型控制器参数在线自整定研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN109581865B (zh) | 2020-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111522230B (zh) | Mimo异因子紧格式无模型控制方法 | |
CN111522233B (zh) | 参数自整定的mimo异因子全格式无模型控制方法 | |
CN111522232B (zh) | Mimo异因子全格式无模型控制方法 | |
Simutis et al. | Exploratory analysis of bioprocesses using artificial neural network‐based methods | |
CN103064282A (zh) | 非线性参数变化模型辨识方法(npv) | |
CN103336433B (zh) | 基于反步法的混合自适应预测控制系统及其预测控制方法 | |
CN111522229B (zh) | 参数自整定的mimo异因子偏格式无模型控制方法 | |
CN110991866A (zh) | 一种基于机器学习的台区数据缺失值补全方法和装置 | |
CN113130014B (zh) | 一种基于多分支神经网络的稀土萃取模拟方法及系统 | |
CN109782586A (zh) | 参数自整定的miso异因子紧格式无模型控制方法 | |
CN110874685A (zh) | 基于神经网络的智能电能表运行状态判别方法及系统 | |
CN111522235A (zh) | 参数自整定的mimo异因子紧格式无模型控制方法 | |
CN109581865A (zh) | Miso异因子偏格式无模型控制方法 | |
CN109782587A (zh) | Miso异因子紧格式无模型控制方法 | |
CN109814390A (zh) | Miso异因子全格式无模型控制方法 | |
CN111080121B (zh) | 一种用于不同链长的控制图模式识别方法 | |
CN109814388A (zh) | 参数自整定的miso异因子偏格式无模型控制方法 | |
Hayes Jr et al. | A dynamic programming approach to machine requirements planning | |
Sun et al. | Multi-task learning for dependability assessment of industrial wireless communication systems | |
CN112598259A (zh) | 产能测算方法、装置及计算机可读存储介质 | |
CN109581992A (zh) | 参数自整定的miso异因子全格式无模型控制方法 | |
Liu et al. | Use clustering to improve neural network in financial time series prediction | |
CN109634109A (zh) | Mimo异因子偏格式无模型控制方法 | |
Grigorieva et al. | Optimal control of a nonlinear model of economic growth | |
Martin | Nonlinear model predictive control |
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 |