- MATLAB/Simulink與過程控制系統(tǒng)仿真
- 王正林 郭陽寬編著
- 1755字
- 2019-01-01 12:46:09
1.3 過程控制理論的發(fā)展現狀
20世紀40年代之前,工業(yè)生產大多處于手工操作狀態(tài),主要憑經驗用人工控制生產過程,勞動生產率很低。
20世紀50年代前后,過程控制開始得到發(fā)展,過程控制理論是以頻率法和根軌跡法的經典控制理論,主要解決單輸入單輸出的定值控制系統(tǒng)的分析和綜合問題,經典控制理論此后一直在生產過程中得到廣泛應用,直至今天,它還是應用于生產過程的主要控制理論。
20世紀60年代逐漸發(fā)展起來并且日趨完善的現代控制理論,在短短的40年中已在航空航天等工業(yè)中獲得卓越的成就。遺憾的是,這些理論與方法在工業(yè)生產過程中的應用卻受到種種限制,沒有收到預期的效果。其原因大致可以歸納如下。
第一,這類控制必須基于系統(tǒng)的參數模型,但工業(yè)過程往往是高維多變量復雜系統(tǒng),難以用一個簡單而精確的數學模型加以描述,因此給現代控制理論的應用帶來極大的困難。
第二,工業(yè)過程往往具有非線性、時變性、耦合性和不確定性等特點,即使做了大量的簡化得到線性定常模型,求解出某些高等控制策略,例如最優(yōu)控制,在實施過程中也難以達到預期的效果。面對過程、結構、環(huán)境和控制均十分復雜的工業(yè)系統(tǒng),現有的理論與方法遠不能適應需要。
第三,必須從整個系統(tǒng)的控制、優(yōu)化、管理決策及其集成化著手開展研究,這將涉及控制理論、系統(tǒng)工程、人工智能、計算機技術和通信以及信號處理等多個學科領域,目前尚未形成這類工業(yè)大系統(tǒng)過程控制的理論及其相應的實現模式。
因此,在過程控制領域中,雖然已逐步采用了計算機這個強有力的工具,但就其控制策略而言,占統(tǒng)治地位的仍然是經典PID算法,沒有充分發(fā)揮計算機的功能來提高過程控制水平。
為了克服控制理論和工業(yè)應用之間的脫節(jié)現象,應該盡快地將現代控制理論經過改造,移植到過程控制領域。20世紀70年代以來,加強了建模理論、辨識技術、最優(yōu)控制、最優(yōu)化等方面的工程化的研究,開始打破傳統(tǒng)方法的束縛,推出了從工業(yè)系統(tǒng)特點出發(fā),尋求對模型要求不高、在線計算方便、對環(huán)境的不確定性有一定適應能力的實用的控制策略和方法等。
采用先進控制可以克服由于系統(tǒng)本身的時變性、非線性和外擾的隨機性等帶來的問題。近年來,先進控制策略及軟件在工業(yè)生產過程中也得到了一定的應用,雖然應用得不多,但是預示著未來的趨勢。
目前配置在過程控制計算機中的先進控制策略及相應軟件主要有:多變量預測控制、自適應控制、模糊控制及故障診斷、神經元網絡等。
1.多變量模型預測控制
20世紀80年代初,模型預測控制逐漸發(fā)展成為一項成熟的控制技術。其基本原理是利用一個過程動態(tài)模型(脈沖響應模型或ARMA模型)和可測量的信息來預測將來的過程行為,再利用滾動優(yōu)化的方法,使預測過程的響應和設計希望的響應差別最小。模型預測控制還能處理過程變量有不等式約束的情況,如當傳感器和調節(jié)器失效時,可以通過改變相應的不等式約束來解決。近年來一些商品化軟件產品已應用于石化和化工過程。
2.自適應控制
早在20世紀70年代初,自適應控制已在熱工、化工對象上應用成功。利用在線最小二乘辨識律和最小方差控制律的自校正調節(jié)器、自校正PID調節(jié)器都有相應的商品化軟件。一種更簡單實用的自整定器已配置在DCS中。自整定器實質是根據對象的特性自動給出PID參數,這種自整定在正常工作過程中仍以固定參數PID調節(jié)器的形式工作,不進行在線參數辨識和修改控制,目前在化工過程中得到廣泛應用。
3.模糊控制
模糊控制器依照人工操作思維程序工作。它首先把測量輸出的精確量模糊化,變?yōu)槟:Z言變量,由模糊規(guī)則進行模糊決策,再把模糊決策量清晰化轉變成精確量進行控制。與傳統(tǒng)控制方法相比,模糊控制無須建立數學模型,被控對象的特性和參數變化對控制質量的影響較小(魯棒性強),對于非線性和大時滯對象采用模糊控制的效果要比PID效果好。因此很適合于過程控制,如pH值的控制,目前已有商品化軟件。
4.人工神經元網絡
人工神經元網絡是模仿人類腦神經活動的一種人工智能技術。由于反向傳遞學習算法BP網絡和Hopfield網絡的出現,使人工神經元網絡技術大為改觀,發(fā)展很快。目前已在過程控制的許多領域,如在非線性系統(tǒng)的辨識和控制、基于模型的軟測量、質量預報、故障診斷等方面獲得應用。
目前,控制策略上出現了多學科研究的交叉與滲透,它們之間相互取長補短,如神經網絡與模糊控制相結合構成了模糊神經網絡控制,它兼有模糊控制和神經網絡的優(yōu)勢,是一個很有前途的研究方向。
- OpenNI Cookbook
- Python 3網絡爬蟲實戰(zhàn)
- TypeScript圖形渲染實戰(zhàn):基于WebGL的3D架構與實現
- Nexus規(guī)模化Scrum框架
- QGIS By Example
- 快人一步:系統(tǒng)性能提高之道
- Unity Character Animation with Mecanim
- 工業(yè)機器人離線編程
- 深入理解Java虛擬機:JVM高級特性與最佳實踐
- Oracle SOA Suite 12c Administrator's Guide
- C語言程序設計
- 高性能MVVM框架的設計與實現:San
- OpenCV:Computer Vision Projects with Python
- Arduino Robotic Projects
- App UI設計案例實操