大时滞过程的控制方法
第24卷第3期 2008年9月
上海电力学院学报
Vol . 24, No . 3Sep. 2008
Journal of Shanghai U niversity of E lectric Pow er
文章编号:1006-4729(2008) 03-0248-06
大时滞过程的控制方法
郭瑞青, 程启明, 勇
1
1
1
2
(1. 上海电力学院, 2000902. , 上海 200072)
摘 . 介绍了大时滞系统的特点, 全面总结了P I D 控制、
S m ith 、、预测控制、智能控制等各种控制方法, 分析了各种控制方法的特点、改进
方向, . 最后指出高级控制技术和传统控制方法的结合是未来时滞过程控制的发展方向.
关键词:大时滞系统; S m ith 预估控制; 智能控制; 复合控制中图分类号:TP273 文献标识码:A
The Overvi ew of the ControlM ethods on Large
Ti m e Del ay Syste m s
G UO Rui 2qing , CHENG Q i 2m ing , DU Xu 2feng , ZHE NG Yong
Shanghai 200090, China; 2. College of M echatronics Engineering and
A uto m ation , Shanghai U niversity, Shanghai 200072, China )
1
1
1
1, 2
(1. School of Electric Po w er and A uto m ation Engineering, Shanghai U niversity of E lectric Po w er ,
Abstract : The contr ol of large ti m e delay syste m is one of the research hots pots in contr ol field . The characteristics of large ti m e delay syste m s are intr oduced, and the several contr ol methods are fully su mmed up, including P I D contr ol, S m ith Predictive Contr ol, Dahlin algorithm , I nternal model contr ol, p redictive contr ol, intelligent contr ol, etc . The features, the i m p r ove ment directi ons and the app licati ons in large ti m e delay syste m s f or each contr ol method are als o analyzed . Finally, the p r ogressive tendency f or the contr ol of large ti m e delay syste m is pointed out that the advanced contr ol methods are combined with the traditi onal contr ol strategies .
Key words : large ti m e delay syste m; S m ith p redictive contr ol; intelligent contr ol; compounded contr ol
时滞现象是一种时间上的延迟, 是指系统的扰动不能被及时反映到控制作用上面, 控制作用
往往滞后一定时间才能反映到对象输出上, 调节
收稿日期:2008-08-27
效果不能被适时反映的现象. 一般用系统纯滞
后时间τ和惯性时间T 的比值θ=τ/T 来反映滞后程度, θ越小越易控制. 若θ≤0. 5时,
称该过程
[1]
作者简介:郭瑞青(1985-) , 男, 硕士研究生, 山西长冶人. 研究方向为智能控制、计算机测控等. E 2mail:fr1213@
126. com.
基金项目:上海市教委重点科研项目(06ZZ69) ; 上海市教委重点学科建设项目(J51301) ; 上海市电站自动化技术
重点实验室资助项目.
郭瑞青, 等:
大时滞过程的控制方法249
为一般时滞过程, 当θ>0. 5~0. 6时, 则称该过程为大时滞过程. 对于一般时滞过程采用常规控制即可获得较好的控制效果, 而对于大时滞过程采用常规控制通常难以奏效, 由于不能及时得到控制作用的反馈信息, 等到控制效果能通过输出测量体现时, 此时的控制作用强度往往已过头了, 大时滞的存在使得控制系统超调量增大、稳定性变差、调节时间加长, 甚至会出现震荡、发散, 系统的控制性能明显变差. 因此, 大时滞过程需采取特殊的高级控制.
在实际的复杂工业生产过程(、、冶金、化工等) 的控制中象
[2]
控制器只有在参数得到良好整定的前提下才能达
到令人满意的效果.
对于一般工业控制或(τ/T ) 0. 6时, 常规P I D , 无法得到
满意的效果.
, , P I D 控制与各种, 这些方法在控制大时滞系统时取得了良好效果. 1. 2 S m ith 预估控制
S m ith 预估控制
[6]
, 、皮带传
送、的时滞. 此外, 展, 结合了控制技术与通信技术的网络控制系统(NCS ) 已成为工业控制发展的趋势. NCS 是指传感器、控制器、执行器等节点通过串行通讯网络形成闭环的控制系统, 由于信息的传输要分时占用总线, 这就使其传输不可避免地存在着延迟
[3]
是瑞典科学家S m ith 于
1957年提出的一种解决时滞系统控制问题的预
估控制方法, 其控制思路是预先估计出系统在基本扰动下的动态特性, 然后通过构造函数以内反馈的方式来包围常规控制器对时滞进行补偿, 力图使被延迟了的被调量超前反映到调节器, 使调节器提前动作, 实现类似于无纯滞后过程的控制.
理论上, S m ith 预估器可以完全消除时滞的影响, 但是在实际应用中却不尽如人意. S m ith 预估器的实现依靠被控对象的精确数学模型, 当预估模型与实际对象有偏差时, 控制器的控制效果会严重恶化, 甚至会导致发散. 此外, S m ith 预估器的
控制品质对于外部扰动、参数变化和过程增益也很敏感, 并且鲁棒性能也较差. 因此, 一般的S m ith 预估控制系统难以在实际中得到真正的应用.
很多学者提出了基于常规S m ith 预估器的各种改进方法, 大致可以分为以下两种:一是基于结构上的改进, 通过在不同位置增加一些并联或串联环节进行补偿:二是参数整定上的改进, 通过泰勒级数或Pade 近似展开时滞部分, 用鲁棒性能指标或其他指标函数对控制器进行解析设计, 或者对其中的控制参数通过鲁棒性指标进行调整等. 例如, Hang 等
[7]
.
因此, 时滞问题是工业生产过程或网络化控制中普遍存在的问题, 大时滞的过程一直是控制领域中的一个难点. 大时滞控制方法包括经典控制方法、现代控制方法、智能控制方法, 以及其他控制方法. 本文综述了各种大时滞过程控制方法的特点.
1 经典控制方法
经典控制方法主要包括P I D 控制、S m ith 预估控制和Dahlin 控制. 1. 1 P I D 控制
P I D 控制是控制领域里生命力最强的经典控
制方式, 具有算法简单、鲁棒性强和可靠性高等特点. 尽管控制理论及控制技术发展迅速, 各种先进控制方法层出不穷, 但是P I D 控制器仍广泛地应用于工业控制系统. 目前, 在工业过程中采用P I D 控制的占90%以上. P I D 控制器设计的关键问题是P I D 参数的设置和整定, 这直接影响系统的控制品质和控制器的鲁棒性. P I D 控制器参数整定的方法很多
[4, 5]
提出了一种改进S m ith 预估器,
[8]
此法在反馈通道中加了一个滤波器, 实现了对系统的动态修正, 降低了模型的依赖. Giles 等
W tanaba 等
[9]
在
S m ith 方法的基础上提出了增益自适应补偿方案.
, 主要有理论计算整定法、临界比
提出的改进型S m ith 预估控制系
例法、反应曲线法和衰减法等. 这些方法在整定后还需要在工程实践中不断进行调整和修改, P I D
统, 采用了抑制扰动影响的动态补偿器, 通过配置补偿器的极点, 能获得较满意的扰动响应, 并使扰
[10]
动稳态误差为零. 蒋爱平等提出的两种带独立
微分环节的改进方案, 与S m ith 方案相比, 其克服干扰的能力有较大的提高, 且对模型误差有一定的适应能力. 1. 3 Dahli n 控制
Dahlin 控制
[11]
很简单. 基于采用I M C 整定的P I D 控制器保持了
M C 设计思想的优点, 具有良好的鲁棒性, 对于大I
时滞系统更显示出其优越性. 汤伟等
[17]
借助双控
制器设计技术和继电反馈辨识方法, 提出了一种双自由度自整定内模控制器, 通过改进的继电反, 根据所得模
是Dahlin 于1968年提出的一
型分别设计设定值跟踪I I M C, 并给出T DF C , 提高. 陈娟等
[18]
种针对纯滞后系统的直接数字控制方法. 它的设计目标是使得闭环系统的响应为一个一阶惯性环节加纯滞后环节, 环系统的滞后时间. Dahlin 可以看作是S m ith 等[针
I M C 结构, 首先, 然后设计前馈2反馈控制来抑制被控过程的扰动, 最后使用内模控制方法对时滞被控过程进行串级外环控制. 该方法很好地解决了稳定鲁棒性和抑制扰动的均衡, 并且控制系统过程变化引起的模型失配问题也得到抑制. 谷俊杰等
[19]
.
Dahlin 1, 具有良
. 简单, ; 其缺点是对被控对象的参数变化很敏感, 存在“振铃”现象.
在多模型辨识的基
2 现代控制方法
常见的现代控制方法主要有内模控制(I M C ) 、预测控制(PC ) 和自适应控制(AC ) . 2. 1 内模控制
础上, 实现了电厂过热气温控制的内模控制, 获得了比常规的单内模控制更好的控制品质. 此外, S m ith 预估控制作为I M C 的特殊情况, 两者在结
构上可以相互转换, 可以将它们结合起来2. 2 预测控制
[20]
.
内模控制是1982年由Garcia 和Motari
[13]
提预测控制是一种根据预测的过程模型的控制算法, 它根据过程的历史信息判断将来的输入和输出. 它注重的是模型函数、对于如状态方程、传递函数、阶跃响应等都可作为预测模型. 预测控制是一种最优控制算法, 它根据性能函数计算将来的控制动作. 由于它采用多步测试、滚动优化和反馈校正等控制策略, 因而建模容易、鲁棒性强、控制效果好. 由于时滞控制系统解决问题的关键是对系统输出的预测, 而预测控制可以根据过去和现在的输出来预测未来的输出, 可以说预测控制有着天生克服滞后的优点, 因此, 预测控制非常适用于时滞系统. 从1978年R ichalet 等学者首次提出预测控制以来, 已经有几十种控制算法相继产生, 并已得到广泛应用, 其中比较典型的有模型算
[21][22]
法控制(MAC ) 、动态矩阵控制(DMC ) 、广
[23][24]义预测控制(GPC ) 、预测函数控制(PFC ) 、极点配置GPC (GPP ) 、内模控制(I M C ) 、推理控制
出的一种基于过程数学模型进行控制器设计的新型控制策略. I M C 是S m ith 预估器的一种扩展, 具
有很强的实用性. 其主要特点是结构简单, 设计直观简便, 在线调节参数少, 调整方针明确且调整容易, 特别适用于大时滞系统控制的鲁棒性和抗扰性的改善, 但其需要建立被控对象的数学模型, 即内部模型, 当模型失配严重时, 控制效果变差, 甚至导致系统不稳定. I M C 方法不仅已扩展到了多变量和非线性系统, 还产生了多种设计方法, 较典型的有零极点对消法、预测控制法、针对P I D 控制器设计的I M C 法、有限拍法等. 尚需深入研究的主要是如何更有效地利用反馈滤波器来改善鲁棒性、抗扰性以及实际的工业应用问题
[14, 15]
.
采用内模控制及其改进方法极大地改善了时滞控制系统的控制效果, I M C 与其他控制方法的结合也是很容易的, 如自适应I M C, 采用模糊决策、仿人控制、神经网络的智能型I M C 等. 龚晓峰等
[16]
(I C ) 等. 常用的是前4种方法.
提出了一种基于I M C 的P I D 控制器扩展设预测控制往往与其他高级控制方法结合, 或者通过结构上的改进来获得对大时滞系统良好的控制效果. 靳其兵等
[25]
计方法, 该方法无需前置滤波器, 其P I D 控制器可由实际的模拟结构来实现, 且整定参数的计算也
提出的方法将时间滞后因
子自然纳入系统的控制机制, 利用GPC 实现完全无误差的时滞系统的控制, 克服了传统近似法解决时滞所带来的误差问题. 赵彬等
[26]
时滞的动态特性, 只需用一定的输入和输出样本
来训练网络即可, 既不需要复杂的控制结构, 也不需要精确的数学模型, 很适合工业应用. 神经网络控制的缺点是对训练集的要求也很高, 学习收敛速度慢, 很难收敛到局部最小点, 网络计算量大.
(3) 专家控制 , 它, . 专家控制缺乏自学习能力, , .
, 也存在着各自的缺点, 因此智能控制和其他控制方法的结合与互补是解决工业大时滞过程的有效途径.
基于智能控制理论, 许多学者对传统方法提出了许多改进方法. 在改进P I D 控制方面, 谢书明等
[29]
针对典型
[27]
的工业一阶生产过程, 采用单值模型算法预测控制, 完成了时滞系统单值MAC 的设计. 华 等测控制器. 潘红华等
[28]
设计了电阻炉炉温微机控制系统, 并采用DMC 预
提出了一种新的多变量系
统PFC, 利用该控制算法可得到一个解析的控制量计算方程, 其中各个控制器参数均可离线计算, 因此在线时算法简单、计算量小, . 2. 3 自适应控制
, 不断, 并自动调整控制器控制规则与参数, 以补偿过程特性或环境条件的变化, 保证整个控制系统具有良好的性能指标. 现已提出的控制方法有模型参考自适应控制、自校正控制、P I D 自整定调节器、神经网络的自适应控制等, 各种自适应控制系统的区别仅仅在于控制器参数调整方式的不同. 由于自适应控制具有对时变参数的良好的自适应能力, 因而在时变时滞系统中得到了广泛的应用. 但是自适应在滞后中的实现并非单一存在, 而往往是以与其他方法结合的形式存在. 自适应控制虽然对时变系统具有良好的控制效果, 但是它也依赖于对象的数学模型, 所以实际应用中存在许多制约.
提出了一种参数自适应T 2S 模糊P I D 控制
器, 该控制器的参数调整也采用确定性模糊调整规则, 从而使控制器的设计简单、容易, 同时与一般的参数自适应相比具有很强的适应性和鲁棒性. 睢刚等
[30]
提出了一种模糊预估P I D 控制方
法, 即在常规P I D 控制器前串联一个模糊预估器, 通过模糊预估器对过程未来输出的预估作用来补偿被控过程的惯性和滞后对控制系统性能的影响. 杨智等
[31]
提出了神经元自适应预测P I D 控
制, 利用模型加权函数的误差函数确定时滞, 再与预测控制的超前预测功能结合, 起到了克服时变时滞的作用, 并利用神经元构成P I D 控制器实现参数自适应.
仇俊杰等
[32]
3 智能控制方法
常见的智能控制方法有模糊控制(FC ) 、神经
网络控制(NNC ) 、专家控制(EC ) 等.
(1) 模糊控制 是一种基于规则的非线性控
设计了一种基于神经网络的模
糊P I D 控制器, 综合了模糊逻辑、神经网络与P I D 调节的各自优点, 既具有模糊控制简单和有效的非线性控制作用, 又具有神经网络的学习和适应能力, 同时还具备P I D 控制的广泛适应性. 在改进S m ith 预估控制方面, 张平等
[33]
制, 非常适用于时滞过程, 因为时滞系统的难以定量化和不确定性决定了它需要不确定的处理手段, 而模糊控制具有处理不精确信息的能力, 具有很强的鲁棒性, 从而使模糊控制能模仿人的经验对复杂被控对象进行专家式的控制. 但模糊控制的显著缺点是控制精度不高, 自适应能力有限, 存在稳态误差, 可能引起振荡, 简单模糊控制器仍然缺乏对大时滞系统的控制能力.
(2) 神经网络控制 神经网络具有任意逼近非线性, 学习能力、自适应性和容错性均强等优点, 将神经网络应用于滞后系统的控制, 可以逼近
提出自适应模糊
S m ith 控制器, 把S m ith 预估控制原理和模糊控制
器参数的自适应调整方法结合起来, 即在S m ith 预估控制系统中, 利用自适应机制在线整定模糊控制器的参数, 以适应对象特性的变化. 毛恒等
[34]
针对系统的时滞问题提出了一种神经网络
S m ith 预测控制系统, 将神经网络S m ith 预估器与
神经元控制器通过预测误差有效结合在一起, 起到预测控制目的. 樊秀芬等
[35]
提出了单神经元-
S m ith 控制, 充分发挥了神经元自适应、自学习的
功能, 弥补了单纯的S m ith 控制器在处理纯滞后
问题中的不足, 具有良好的抗干扰能力和适应性. 此外, 罗安
[36]
中的研究越来越受到重视. 鲁棒控制控制
[42]
[41]
和变结构
针对大时滞控制系统的理论研究取得了
还提出了一种专家S m ith 预估控一定的成功, 但它们计算复杂, 有时会出现找不到解的情况. 因此, 其应用价值在当前仍然有限, 需要进一步的研究来实现使用价值.
制, 提出采用专家方法实时调节控制参数, 改善了S m ith 预估控制的性能.
在改进传统控制方法的同时, 其他高级控制与智能方法的复合控制也有了一定的进展.
5 结束语
, 因而自对模型精确性要求高、抗干扰能力差; , 因而在鲁棒性、抗干扰能力方面有很大的优势, 但智能控制理论性太强, 算法过于复杂, 还有待于进一步发展. 因此, 大时滞系统的控制不是用单一的方法就可以完善解决的, 将传统控制方法与先进控制方法结合起来进行复合控制是一种有效的时滞系统控制策略, 它既具有传统控制方法结构简单、可靠性和实用性强的特点, 又能发挥先进控制自适应性和鲁棒性好、抗干扰能力强的优势. 参考文献:
[1] 王永初. 滞后过程的预估与控制[M].北京:机械工业出
4 其他控制方法
除了上述控制方法外, 还有灰色控(G MC ) 、无模型控制(MF AC ) 、(RC 变结构控制(VSC ) , . 4. 1 灰色系统理论由邓聚龙教授
[37]
于1982年首
先提出. 难于建立精确数学模型的系统都属于灰色系统的范畴, 灰色预测通过原始数据的处理和灰色模型的建立, 发现和掌握系统发展规律, 对系统的未来作出科学的定量预测. 灰色系统控制利用灰色预测模型的超前预测功能, 提前预测出系统变化的趋势, 并采取控制措施, 在一定程度上克服了系统时滞的不利影响, 改善了大时滞控制系统的控制品质
[38]
. 灰色系统控制具有原理简单、
社, 1987:23227.
[2] 金以惠. 过程控制[M].北京:清华大学出版社, 1996:
1362140.
[3] 张庆灵, 张雪峰. 网络控制系统研究综述与前景展望
[J ].信息与控制, 2007, 36(3) :3642370.
[4] 邵惠鹤. 工业过程高级控制[M].上海:上海交通大学出
所需样本少、计算方便等特点, 因此灰色控制应用于大时滞系统控制也是一个重要研究方向. 4. 2 无模型控制
无模型控制也是值得关注的一种可用于大时滞控制的方法
[39]
版社, 1997:1002105.
[5] 蒋慰孙. 过程控制工程[M].北京:化学工业出版社,
1988:51254.
[6] S M I TH O J M. Cl oser contr ol of l oop s with dead ti m e [J ].
Che m ical Engineering Pr ogress, 1957, 53(2) :2172219.
[7] HANG C C . A perfor mance study of contr ol syste m with dead
ti m e [C ]//I EEE Trans I EC I, 1980, 27(1) :2342241.
[8] GI L ES R F, BART LEY T M. Gain 2adap tive dead ti m e com 2
pensati on [J ].I S A, 1977, 26(1) :46249.
[9] W AT ANABE K A. Pr ocess 2model contr ol f or linear system
with delay [C ]//I EEE Trans 2AC, 1981, 26(6) :126121269.
[10] 蒋爱平, 俞金寿. 改进结构的S m ith 预估器[J ].石油化
, 是由韩志刚等
[40]
于20世纪80
年代首先提出的. 模型控制的基本思想是利用一个新引入的伪梯度向量的概念, 用动态线性时变模型来替代一般非线性系统, 并仅用受控系统的I/O数据在线估计系统的伪梯度向量, 从而实现
非线性系统的无模型学习自适应控制. 无模型自适应控制律既是参数自适应, 又是结构自适应, 它无需受控系统的数学模型, 无需辨识过程和控制器设计, 也不需要对控制器参数进行复杂的人工整定, 不易陷入局部最优, 但其可移植性好, 跟踪性能良好, 鲁棒性较强, 能保证系统的闭环稳定. 4. 3 鲁棒控制与变结构控制
工自动化, 1998, 22(3) :22228.
[11] 刘金琨. 先进P I D 控制MAT LAB 仿真:2版[M].北京:电
力工业出版社, 2004:76278.
[12] 朱学峰. 达林算法研究[J ].化工自动化仪表, 1989, 14
(5) :23227.
近年来, 鲁棒控制与变结构控制在滞后系统
[13] G ARC I A C E, MORAR I M.
I nternal model contr ol , 1. A
应用[J ].冶金自动化, 1999, 23(3) :20222.
[28] 潘红华, 苏宏业, 褚健. 具有时滞和干扰的多变量系统预
unifying review and s ome new results [J ].I &ECPr ocess Des Dev . , 1982, 21(2) :3082323.
[14] 赵曜. 内模控制发展综述[J ].信息与控制, 2000, 29
(6) :5262530.
[15] 钟庆昌, 谢剑英. 纯滞后对象的内模控制[J ].电气自动
测函数控制方法的研究[J ].控制理论与应用, 2006, 17
(6) :8132818.
[29] 谢书明, 柴天佑. 一种参数自适应模糊P I D 控制器[J ].
信息与控制, 1998, 27(4) :2552259.
[30] 睢刚, 陈绍炳, 徐治皋. 模糊预估P I D 控制及其应用[J ].
化, 2000, 22(1) :23225.
[16] 龚晓峰, 高衿畅, 周春晖. 时滞系统P I D 控制器内模整定
东南大学学报, 1998, 28(1) :[31] 杨智, . I 控制器及实现[J ].
方法的扩展[J ].控制与决策, 1998, 13(4) :3372341.
[17] 汤伟, 施颂椒, 王孟效. 大时滞过程双自由度自整定内模
, () [32], . P I D
控制[J ].上海交通大学学报, 2003, 37(4) :4932498.
[18] 陈娟, 张磊. 时滞不稳定系统的串级内模控制[J ].[J , 2006, (4) :30232.
[], , 王宏. 大时滞系统自适应模糊S m ith 控制
[J ].计算机仿真, 2006, 23(9) :87290.
[34] 毛恒, 王永初. 时滞对象的神经网络S m ith 预测控制[J ].
大学学报:自然科学版, 2006, 26(1) :181[19] 谷俊杰, 米翠丽. 热汽温中的应用]., (2) :
83286.
[20] 谷俊杰, 关于内模控制的一些研究[J ].计算技
南昌航空工业学院学报, 2003, 17(1) :49253.
[35] 樊秀芬, 付兴武. 纯滞后系统的单神经元2S m ith 控制器及
术与自动化1993, 12(1) :24226.
[21] ROUHAN I R, MEHRA R. K . Model A lgorithm ic Contr ol
(MAC ) basic theoretical p r operties [J ].Aut omatic, 1982, 18(4) :4012414.
[22] CULTER C R, RAMAKER B L. Dynam ic Matrix Contr ol
W P52B.
其仿真[J ].计算机仿真, 2003, 20(9) :1352139.
[36] 罗安. 时滞参数不确定的专家S m ith 预估控制[J ].中南
工业大学学报, 1995, 26(5) :6652669.
[37] 邓聚龙. 灰色控制系统[M].武汉:华中理工大学出版
a 社, 1993:1222.
[38] 吴裕高, 朱学峰, 史步海. 基于灰色预测的大时滞过程的
computer contr ol algorithm [M].JACC, San Fransico, 1980:
[23] CLARK D W , MOHT AD I C, T UFFS P S . Generalized Pre 2
dictive Contr ol [J ].Aut omatic, 1987, 23(2) :1372160.
[24] R I CHALET J A. Model p redictive heuristic contr ol:app li 2
cati on t o industrial p r ocesses [J ].Aut omatic, 1978, 14(5) :4132428.
[25] 靳其兵, 程云娃. 时滞过程的多变量广义预测控制算法
[J ].计算机测量与控制, 2005, 13(6) :5652566.
[26] 赵彬, 尤文. 一阶惯性加纯滞后过程的模型算法控制研
控制研究[J ].控制工程, 2007, 14(3) :2782280.
[39] 薛荆岩, 巫红, 韩志刚. 无模型控制方法在复杂大时滞系
统控制中的应用研究[J ].自动化技术与应用, 2004, 23
(4) :126.
[40] 韩志刚. 一类复杂系统非建模控制方法的研究[J ].控制
与决策, 2003, 18(4) :3982402.
[41] 张卫东, 孔优贤. 大纯滞后对象的H 2鲁棒控制[J ].控制
理论与应用, 1996, 13(4) :4952499.
[42] 蔡乐才, 张仕斌, 柏建国, 等. 一类不确定时滞系统的变
究[J ].石油化工自动化, 2008, (1) :42244.
[27] 华 , 徐桂英, 王永骥. 动态矩阵算法在大时滞环节中的
结构控制[J ].自动化与仪器仪表, 1999, (4) :14218.