先进控制技术综述Word文件下载.docx

先进控制技术综述Word文件下载.docx

《先进控制技术综述Word文件下载.docx》由会员分享，可在线阅读，更多相关《先进控制技术综述Word文件下载.docx（9页珍藏版）》请在冰点文库上搜索。

目前自适应控制的种类很多，从总体上可以分为三大类：

自校正控制、模型参考自适应控制和其他类型的自适应控制。

自校正控制的主要问题是用递推辨识算法辨识系统参数，根据系统运行指标来确定调节器或控制器的参数。

其原理简单、容易实现，现已广泛地用在参数变化、有迟滞和时变过程特性，以及具有随机扰动的复杂系统。

自校正控制系统的一般结构图如图1所示。

自校正控制适用于离散随机控制系统[2]。

图1自校正控制结构图

模型参考自适应控制，利用可调系统的各种信息，度量或测出各种性能指标，把模型参考自适应控制与参考模型期望的性能指标相比较；

用性能指标偏差通过非线性反馈的自适应机构产生自适应律来调节可调系统，以抵消可调系统因“不确定性”所造成的性能指标的偏差，最后达到使被控的可调系统获得较好的性能指标的目的。

模型参考自适应控制可以处理缓慢变化的不确定性对象的控制问题。

由于模型

了自适应控制与预测控制的基本思想，与模型算法控制（MAC）和动态矩阵控制（DMC）的主要区别在于采用受控可控自回归积分滑动平均模型（CARIMA）。

广义预测控制改进了最小方差自适应控制中对非最小相位系统敏感等缺点，具有模型参数少，对扰动、随机噪声、时滞变化有较强的鲁棒性等特点[3]，GPC方法的结构如图4所示。

图4GPC控制结构框图

在广义预测控制中，通过输出的测量值与模型的预估值，得到模型的预测误差，在利用模型预测误差来校正模型的预测值，从而得到更为准确的将来输出的预测值[4]，文献[5]中给出了一种PID结构的广义预测控制控制，并分析了该方法在智能车转向上的应用。

内模控制（IMC）是预测控制的重要组成部分，最先由Garcia于1982年提出的，因为它的设计简单、跟踪调节性能好、鲁棒性强、可以消除不可测干扰的影响，可以用来分析和设计预测控制系统。

1989年Morari透彻研究了内模控制的鲁棒性和稳定性，并且由其他学者推广到非线性系统，蓬勃发展中的神经网络也引入到内模控制中。

内模控制还和许多其它控制方式相结合，如内模控制与模糊控制、内模控制和自适应控制、内模控制和最优控制、预测控制的结合使内模控制不断得到改进并广泛应用于工程实践中，取得了良好的效果。

内模控制的基本控制如图5所示：

图5内模控制结构框图

在上图中给出的是连续系统的内模控制结构框图，其中R（s）为给定输入；

为参考输入滤波器；

为内模控制器；

为反馈滤波器；

为被控对象模型；

为预测对象模型，也称为内部模型；

为外部不可测扰动；

为反馈差值；

为被控对象的输出量。

内部模型

的选取可以有多种方法，可以为参数模型，也可以是非参数模型，人们常常将预测控制算法等价变换为相应的内模结构，通过内模控制理论的结果来分析预测控制的稳定性和鲁棒性[6]。

当内部模型与实际模型精确相等（

），且没有扰动时时开环控制，但实际生产过程中系统模型是无法准确的得到的，因此内模控制实际应用中是一种闭环控制方法，

反映了模型不确定性与外加扰动对系统的影响。

IMC系统具有对偶稳定性、理想控制器特性、零稳态偏差特性等优良特征。

内模控制器设计可分为两个阶段：

首先，设计一个稳定的理想控制器，而不考虑系统的鲁棒性和约束；

其次，引进滤波器，通过调整滤波器的结构和参数来获得期望的动态品质和鲁棒性[8]。

3.2预测控制应用及其优缺点

预测控制控制效果好、鲁棒性强，适用于控制不易建立精确数学模型，且比较复杂的工艺过程，并已在许多不同的控制对象中取得了成功的应用，如电力、化工、冶金、机器人手臂、投资决策、医疗、飞机自动驾驶仪、船舶自动舵、故障诊断等[7]。

目前，常用的预测控制应用于变化比较缓慢的生产过程或对象时，一般能取得较好的结果，而对于变化迅速而复杂的过程或对象，由于模型不精确、控制算法复杂和运算量大，往往难以实现在线实时控制。

因此，寻找算法简单，建模容易，控制迅速而有效的方法一直是人们努力的方向。

将智能技术引入控制系统是控制学科发展的必然趋势，对于大滞后过程来说，由于当前施加的控制作用，需要经过较长的时间才会在输出中反映出来，可见实现大滞后过程控制的关键在于对系统输出的预测。

二十世纪70年代末从实践中发展起来的预测控制算法为大滞后系统的控制提供了一种方法。

但现有的一些预测方法，如史密斯预估法，模型算法控制，动态矩阵预报控制等，都需要较精确的系统数学模型，因此建模成了预测控制发展的一个瓶颈。

目前，预测控制系统的研究方向，不仅先进预测控制和智能预测控制的研究备受人们关注，预测函数控制、多速率采样预测控制、多模型切换预测控制和有约束预测控制的研究也使很多专家学者产生了浓厚的兴趣，并且在这些方面的研究也取得了不少有意义的研究成果[9]。

预测控制是基于模型的算法，而复杂时变的非线性系统难以用常规的方法来建立模型，致使常规的预测控制算法难以实现，其次预测控制算法中不可避免的存在着大量大矩阵的相乘、求逆等运算，计算周期过长，不适合于那些动态过程比较快的对象实时控制要求。

还有由于预测控制采用以大范围输出预测为基础的在线滚动优化控制策略，使得预测控制闭环输入输出方程非常复杂，其主要设计参数都是以蕴含的方式出现在闭环传递函数中，而难以用解析表示式表示出各参数变化对闭环系统动静态特性、稳定性和鲁棒性的影响，难以给出设计参数变化的选择准则。

这表明现有的理论研究仍远远落后于工业生产实际。

因此，突破现状解决预测控制中存在的问题，对促进这类富有生命力的新型计算机控制算法的进一步发展具有重要意义。

4总结

在今后一段时间内，相对简单的反馈、前馈和其他成熟的控制技术仍将继续显示出其优点。

由此，自适应控制和预测控制必须有新的突破性进展，在工程应用中才有可能对PID控制等传统方法取得压倒性优势，结合神经网络、模糊逻辑、知识库和专家系统等人工智能技术是最终实现这一远景的可能途径。

参考文献

[1]毛志忠,常自清.先进控制技术[M].北京：

科学出版社，2012.

[2]刘楚辉.自适应控制的应用研究综述[J].组合机床与自动化加工技术，2007.

[3]刘桂波.广义预测控制系统的闭环特性分析[J].黑龙江工程学院学报，2012（26）,6:

47-49.

[4]李伟,杜玉蕾.广义预测控制在时滞系统中的应用[J].电脑应用技术，2009,67:

32-37.

[5]秦刚,王新茹.PID结构广义预测控制算法的仿真及分析[J].西北工业大学学报.2012（32）,2:

162-166.

[6]马辉.先进控制技术的性能分析[D].硕士学位论文，黑龙江大学，2009.

[7]李峰,王京.内模控制在高温湿热控制系统中的应用[J].自动化仪表，2012（33）,3:

57-59.

[8]胡耀华,贾欣乐.广义预测控制综述[J].信息与控制，2000.6.

[9]禹柳飞.神经网络技术在预测控制中的应用研究[D].硕士学位论文，湖南大学论文，2003.

基于故障树分析法的智能故障诊断方法

故障树分析（FaultTreeAnalysis，简称FTA），是用于大型复杂系统可靠性、安全性分析、风险评价和故障诊断的一种方法。

1961年美国贝尔实验室首先应用FTA在民兵导弹的发射控制系统可靠性研究中获得成功。

1965年波音公司在系统安全年会上正式发表了在故障树方面的研究成果的报告，引起了科研人员的高度重视。

1974年美国原子能委员会发表的核电站安全评价报告中，主要的分析技术就是事件树分析和故障树分析。

故障树分析这种图形化的分析方法随着计算机技术的发展已经逐渐的渗入到其他科技领域，例如，化工、电力、航空、航天等，并且逐步地形成了完整的理论、工程分析方法和程序。

我国从1978年开始了FTA的研究。

经过几十年的发展，我国的FTA技术得到了极大的发展，并广泛运用于核工业、航天、航空、机械、电子、化工等各领域。

1、故障树分析法的应用和特点

FTA法可用于系统的设计、试制和服役等各阶段，作为判明基本故障并确定其原因和影响以及发生概率的一种分析工具，大致来说，FTA已经在以下八个方面获得了成功：

（1）预测系统安全性和可靠性。

（2）系统的风险评估。

（3）寻找系统薄弱环节，制定预防措施。

（4）事故分析。

（5）系统故障分析，指定故障查找程序，寻找故障检测最佳部位。

（6）系统元、部件的重要度分析。

（7）制定维修决策。

（8）故障树模拟分析，实现系统优化。

2、故障树具有以下优点：

（1）故障树是一种图形演绎法，它用图形清晰的表达了系统故障事件的内在联系并指出了单元故障与系统故障之间的逻辑关系。

（2）故障树分析法能够把系统故障各种可能因素联系起来，有利于找到系统的薄弱环节和系统的故障谱。

（3）故障树可以作为管理和维修人员的一个形象的管理、维修指南，可以大大缩短维修人员的培训时间。

（4）通过故障树可以定量的计算复杂系统的失效概率和可靠性参数，可以求出复杂系统的一些可靠性特征量，还能让设计人员弄清楚系统故障模式和成功模式，衡量元、部件对系统的危害度和重要度，为改进和评估系统提供定量的依据。

（5）故障树分析和计算机技术的结合，计算机程序已成为故障树分析中不可缺少的工具。

3、故障树具有以下局限性

（1）复杂系统的建树工作量大，容易导致错漏。

对于研究目标的系统故障，各个分析人员所取的范围会有所不同，因而可能漏掉重大的系统故障。

同样，在系统故障逐步向元、部件做演绎分析时，也有可能漏掉一些元、部件故障模式。

（2）FTA法理论性较强，逻辑性比较严密。

对分析人员的经验和知识水平要求较高。

（3）收集数据困难。

在故障树诊断系统中，顶事件的概率是由若干底事件的概率按照一定的规律求得。

当数据不可信时，故障分析的结果亦不可信。

（4）无法解决顶事件和底事件的发生概率不确定（模糊概率）问题，故障树分析法要求系统的底事件和顶事件是一个确定性的事件，即要么发生故障要么正常，这样才能确定顶事件是否处于正常状态。

然而对于非确定性的模糊事件构成的故障树，用传统的故障树分析方法就显得无能为力了。

一般来说，模糊事件在实际中是大量存在的，事件发生的不确定性才是事件的本质。