迭代学习控制系统仿真及其PID参数整定Word格式文档下载.docx
《迭代学习控制系统仿真及其PID参数整定Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《迭代学习控制系统仿真及其PID参数整定Word格式文档下载.docx（43页珍藏版）》请在冰豆网上搜索。
ABSTRACT
Thispaperfirstanalyzesthecharacteristicsofiterativelearningcontrolanditsapplications：
iterativelearningcontrol（ILC）isanimportantbranchoftheintelligentcontrol．Itsmainstrategiesaresimplestructure，perfecttrajectorytracking，lesspriorknowledgeofmodel．TheresearchofILCissignificantforplantswhicharenonlinear,strongcoupling,difficulttomodel，andtheremandofhighspeedandhighaccuracyformotioncontrol．suchasroboticmanipulatorsandsoon．SecondlybasedontheMatlabsoftware,dosomesimulationworkaboutILCandinjectionramvelocityofinjectionmodelingmachine;
FinallystudythetuningofiterativelearningcontrollerPIDparametersusinglineardiscrete-timesystemsandPIDparametertuninglawofILC,weusetwomethods:
thegeneralizedinversematrixandneuralnetworktofittingPIDparameters.
Keywords:
iterativelearningcontrol；
injectionramvelocity；
injectionmodelingmachine；
PIDparameterstuning
目录
第一章前言1
1.1课题研究的背景1
1.2注塑机注射速度问题的研究1
1.3PID参数整定1
1.4课题研究的意义1
1.5本文研究的主要内容1
第二章迭代学习控制研究3
2.1迭代学习控制综述3
2.2.迭代学习控制研究现状5
2.3迭代学习控制仿真研究6
2.3.1开环迭代学习控制6
2.3.2闭环迭代学习控制8
2.4小结14
第三章注塑机注射速度仿真研究15
3.1注塑机控制15
3.1.1注射阶段16
3.1.2保压阶段17
3.1.3预塑阶段17
3.2注射速度数学模型18
3.2.1伺服阀18
3.2.2阀控缸19
3.2.3注射速度模型20
3.3注射速度迭代学习控制21
第四章迭代学习控制与PID参数整定23
4.1PID型离散系统迭代学习控制器参数的优化设计23
4.2基于迭代学习控制的PID参数整定29
4.2.1利用广义逆阵拟合PID参数29
4.2.2利用神经网络拟合PID参数32
第五章结论35
致谢36
参考文献37
第一章前言
1.1课题研究的背景
1984年，Arimoto等人提出了迭代学习控制的概念，迭代学习控制（ILC，iterativelearningcontrol是智能控制中具有严格数学描述的一个分支[1]。
迭代学习控制适合于一类具有重复运行特性的被控对象，其任务是寻找控制输入，使得被控系统的实际输出轨迹在有限时间区间上沿整个期望输出轨迹实现零误差的完全跟踪，并且整个控制过程要求快速完成。
它不依赖于系统的精确数学模型，能以非常简单的方式处理不确定度相当高的非线性强耦合动态系统。
1.2注塑机注射速度问题的研究
注塑机是将颗粒状高分子材料经过预塑熔化后，由喷嘴高速射入模腔，再经过冷却成型塑料制品的设备，能够一次成型复杂制品，具有生产效率高、后加工量少、制品表面光洁程度好、废品率低等特点，并能够满足对于注塑制品尺寸精度和质量精度的要求。
因此，这种加工方法在近几年得到迅猛发展，注塑机的产量在塑料机械中所占比例达到32%左右。
注塑机的种类很多，根据注塑装置的构造可分为活塞式和螺杆式，前者目前不常用，文中只讨论螺杆式注塑机。
1.3PID参数整定
PID调节器因其具有使用范围广泛、参数整定简单、鲁棒性好诸优点长期受到控制界的关注，PID参数的整定随着控制理论与计算机技术的发展也发生了不小的变化．本文对离散的线性定常系统的迭代学习控制的PID参数进行优化，并提出了基于迭代学习控制的PID参数整定方法.
1.4课题研究的意义
迭代学习控制是控制行业比较热门的领域，目前已经应用于很多重复控制系统，由于迭代学习控制学习算法极为简单，且不依赖于动态系统的精确
数学模型，因而一经推出就引起人们的极大关注和兴趣。
许多学者从理论和
应用方面作了大量的工作，这也使迭代学习控制的应用更为广泛。
注塑机的速度控制是一个复杂的间歇重复过程，常规PID难以达到理想的控制效果。
而迭代学习控制利用迭代信息修正控制输入，使跟踪性能逐次提高，可以达到很好的控制效果。
PID控制是最早发展起来的控制策略之一，因为它所涉及的设计算法和控制结构都很简单，因此被广泛应用于过程控制和运动控制中。
但在实际系统设计过程中，设计师经常受到参数整定方法繁杂的困扰，PID控制器参数往往因整定不良性能欠佳，所以研究PID参数整定问题显得很重要。
1.5本文研究的主要内容
本文主要讨论以下三个方面的问题：
第一个问题是学习迭代学习控制理论，并进行迭代学习控制理论的分析研究，在熟悉的基础上进行ILC的仿真实验包括线性系统的开闭环迭代学习控制和多输入多输出的迭代学习控制，加深对迭代学习控制的理解和应用。
第二个问题是描述了注塑机的工作过程及各控制变量对制品质量的影响，建立了注射阶段的关键变量—注射速度的机理模型，将迭代学习控制应用于注塑机注射速度的控制上，并进行仿真，观察控制效果。
第三个问题主要是PID参数的整定，主要研究了现有的PID整定方法，并对线性离散系统，对其迭代学习控制器的PID参数基于一定的性能指标进行优化设计，并且基于迭代学习控制对系统的PID参数进行拟合整定，取得了很好的控制效果。
第二章迭代学习控制研究
2.1迭代学习控制综述
迭代学习控制是一种基于品质的智能控制方法。
70年代后期，日本学者Uchiyama针对高速运行的机械手，提出了迭代学习控制的基本思想:
不断重复一个轨迹，并以此修正控制律，能达到较好的控制效果后来Arimoto等人发展了Uchiyama的思想，于1984年提出了迭代学习控制（IterativeLearningControl，简称ILC）的概念，建立了实用的算法，并从理论上证明了这种算法的可行性，开创了一个新的研究方向[2]。
迭代学习控制，顾名思义，就是通过反复的迭代修正来达到某种控制目标。
迭代学习控制是智能控制领域中具有严格数学描述的一个分支，是集人工智能与自动控制于一体的新型控制技术，适合于诸如工业机器人那样的具有重复运动性质的被控对象，它的目标是实现有限时间区间上的完全跟踪任务。
它以系统的实际输出与期望输出之间的偏差修正不理想的控制信号，产生新的控制信号，使得系统的跟踪性能得以提高，如此迭代若干次后，系统的输出就会逼近理想的期望轨迹。
由于迭代学习算法极为简单，而且只需较少的先验知识，又能解决比较复杂的问题，故起了广泛的关注。
迭代学习控制可具体的从以下几个方面描述：
（1）.可重复受控对象
考虑如下的连续被控对象：
（2-1）
其中
分别为系统的状态向量，输出向量和控制量。
为相应维数的向量函数，其结构与参数未知，假设系统在有限的时间区间
上重复运行，如果向量函数
在每一次重复运行时所表示的函数关系不变，则称由式（2-1）描述的系统动力学特性具有可重复性。
用
表示重复操作的次数（也称为迭代次数），并以
分别表示第
次重复操作时的系统的状态向量，输出向量和控制向量，则可重复控制系统可表示为：
（2-2）
对于离散控制系统：
（2-3）
假设系统在有限离散时间区间
上重复运行，则
（2-4）
（2）.控制目标
具体地说，迭代学习控制问题就是，对于一个被控对象（2-1），给定时间区间
上可达的期望输出轨迹
及期望初态
，寻找一控制输入
，使得在控制输入作用下系统的输出
在区间
上尽可能跟踪上期望轨迹
。
（3）.迭代学习律
迭代学习控制是通过函数迭代方法寻找
的，即构造用于修正控制的学习律，使得它产生一函数序列
开环迭代学习控制的方法是：
第
次的控制等于第
次控制再加上第
次输出误差的校正项，即
（2-5）
闭环迭代学习控制的方法是：
（2-6）
式中，L为线性或非线性算子。
开环迭代学习控制的基本结构如图2.1。
图2-1开环学习的基本结构
闭环迭代学习控制的基本结构如图2.2。
图2-2闭环学习的基本结构
（4）.停止条件
在每一次重复操作结束时，需要检验停止条件。
若停止条件成立，则停止迭代运行。
常见的停止条件为:
（2-7）
式中
为给定的允许跟踪精度。
另外，停止条件也可以通过限定最大迭代次数给出。
2.2.迭代学习控制研究现状
迭代学习控制的研究内容主要包括学习律、学习算法的收敛性、鲁棒性、收敛速度、迭代学习控制的分析方法、初值问题及迭代学习控制的应用等问题。
随着迭代学习控制研究的不断深入及智能控制的不断发展，在近年来出现了迭代学习控制与其它控制方法的结合[3]。
先进的控制技术越来越多地与迭代学习控制相结合，由此产生了各种新的算法，如模型参考学习律，自适应学习律，遗忘因子学习律以及分别基于模糊控制优化理论、神经网络、系统辨识等的新型学习律。
迭代学习控制技术以非常简单的方式，且仅需少量的先验知识来控制不确定度相当高的动态系统。
该技术，适合具有重复运动性质的被控对象可以实现完全轨迹跟踪;
迭代学习控制理论最初是针对机器人系统的跟踪控制问题提出的，经过几十年的发展，迭代学习控制在机器人领域取得了很大的成果。
除机器人系统外，目前迭代学习控制的应用主要集中在工业生产过程中的数控车床、电力系统、注塑机、周期信号跟踪、半导体晶片生产和过程工业中的批处理过程等，主要原因在于它们
升级会员 