模糊控制在间歇式反应釜自动控制中的应用Word文件下载.docx
《模糊控制在间歇式反应釜自动控制中的应用Word文件下载.docx》由会员分享,可在线阅读,更多相关《模糊控制在间歇式反应釜自动控制中的应用Word文件下载.docx(40页珍藏版)》请在冰豆网上搜索。
目录
摘要I
AbstractII
第一章引言1
1.1课题研究的背景和意义1
1.2间歇式反应釜控制技术现状1
1.2.1基于模型的预测控制2
1.2.2神经网络控制2
1.2.3模糊控制3
1.2.4自适应控制3
1.3模糊控制理论的发展及应用4
1.3.1模糊复合控制5
1.3.2自适应和自学习模糊控制6
1.3.3专家模糊控制6
1.3.4基于神经网络的模糊控制7
1.4本文的主要工作7
第二章控制原理简述9
2.1PID控制理论9
2.1.1PID控制的原理和特点9
2.1.2位置式PID控制算法9
2.1.3增量式PID控制算法11
2.1.4PID控制器的参数整定12
2.2模糊控制理论13
2.2.1模糊控制的基本思想13
2.2.2模糊控制系统的组成14
2.2.3模糊控制器的设计原理15
第三章反应釜总体结构及过程特性分析24
3.1反应釜总体结构24
3.2间歇生产特性分析26
3.3间歇反应操作流程27
第四章反应釜模糊-PID复合控制器分析与设计30
4.1模糊控制器设计30
4.1.1模糊控制器的结构设计30
4.1.2模糊控制器规则的设计33
4.1.3求模糊查询表35
4.2模糊-PID复合控制器设计36
4.3模糊-PID复合控制器的几个重要问题37
4.3.1模式切换阀值的合理选取38
4.3.2模式切换瞬间系统输出问题38
第五章模糊-PID复合控制系统仿真研究39
5.1模糊控制系统仿真39
5.2PID控制系统仿真42
5.3模糊-PID复合控制系统仿真44
5.4仿真结果分析45
第六章结束语47
参考文献48
致谢50
第一章引言
一.1课题研究的背景和意义
为了适应产品多样化的市场需要,批量生产的控制问题就成为当前控制理论与控制工程领域研究的热点。
就目前发展趋势看,由于间歇式反应釜具有生产灵活、附加值高等柔性批量生产的特点,在精细化工及生物制药等方面得到了广泛的应用。
而间歇反应釜是高度非线性系统,包括了所有批量过程控制的难点,影响其控制品质的因素较多,如外界条件、原料纯度、催化剂的类型、原料添加数量的变化、循环水或加热蒸汽温度、流量的变化等,同时系统本身具有较大的时变性、非线性和时滞性,控制起来非常困难。
研究反应釜内化工生产过程的自动检测和控制技术,是适应当代信息技术革命和信息产业革命的需要,也是提高生产效率、改善劳动条件、保证安全生产的必然措施。
由于许多化学工业、生物制药工业具有规模小、产品更新换代快、各种化学反应过程差异大的特点,对多数的反应釜而言,缺少成熟、通用、制式化的智能控制设备。
因此研制适合于小规模反应釜的低成本、控制简便的智能控制器具有重要的理论和现实意义。
一.2间歇式反应釜控制技术现状
早期的反应釜控制多为位式调节的单回路调节系统,对于重要的环节设计有串级调节系统。
后来人们越来越多地使用PID控制,它的算法简单易于实现,控制效果较以前也有很大提高。
但是,由于PID控制对于具有精确数学模型的线性过程,可以取得良好的控制效果,而间歇反应过程分为多个阶段,每个反应阶段都有明显不同的特性,且反应釜本身具有非线性和时滞性等特点,其过程模型一般很难建立,故PID控制难以满足反应釜的过程控制要求。
随着控制理论的发展,尤其是智能控制理论的发展,人们开始研究智能化的反应釜过程控制装置,各种智能控制方法,如专家系统和专家控制、模糊控制、神经元网络控制、遗传算法等,都己在反应釜控制中有所应用。
目前最先进的反应釜智能控制系统多采用将先进的智能控制理论与传统的控制策略相结合的方法,比如直接使用模糊控制的反应釜温度控制方法、PID参数自适应的模糊控制方法、Smith-模糊控制方法、基于神经元网络的直接自适应控制、用遗传算法寻最优PID参数来控制非线性系统的模型参考自适应控制方法等。
下面简述几种应用于间歇过程的控制方法:
一.2.1基于模型的预测控制
模型预测控制是一种基于模型的闭环优化控制策略.其算法核心是使用可预测过程未来行为的动态模型,和引入模型误差的反馈校正机制,采用滚动式的有限时域优化策略,反复在线优化局部目标,以得到一个顾及了模型失配和干扰引起的不确定性的符合实际的最优控制。
模型预测控制具有控制效果好、鲁棒性强等优点,并能方便地处理过程被控变量和操纵变量中的各种约束[2]。
一.2.2神经网络控制
人工神经网络作为建模工具,不需要预先对模型的形式结构和参数加以限制,只需根据实际过程的运行数据就可自动寻找输入与输出的映射关系,因此神经网络对未知和熟知的系统都能建模。
在实际控制应用中,常采用一种基于反馈神经网络的预测控制,将两个神经元网络串联起来进行外部反馈,产生一个状态空间的映射。
在噪音、干扰、不可预测过程变动存在的情况下,可靠性和精确性不断提高。
文献[1]将基于反馈神经网络模型预测控制器应用于间歇式化学反应器的模型预测控制,并将其与传统的前馈神经元网络的预测器的控制性能进行了对比,在各种操作条件和干扰下的结果证明了此种方案的优越性。
文献[2]中提出了一种混合ANN模型的预测控制方法,将一个神经网络模型和过程数学模型组织,并将其用于间歇式聚合反应过程。
结果表明此模型比传统方法的“黑箱”模型具有更大优越性。
基于上述的思想,有人又提出了将多个神经网络与简化机理模型相结合的混合层叠式神经网络模型预测控制,并将其用于间歇式聚合反应。
在此种混合ANN模型的预测控制中,神经网络的训练数据是将聚合物质量的样本数据经3次样条插值后产生的。
与基于混合单一神经网络的预测控制相比,此种预测控制具有更好的鲁棒性[2]。
一.2.3模糊控制
影响间歇聚合反应过程的因素很多,因非线性、时滞、时变、反应机理复杂等因素,用常规控制方法难以有效控制。
然而,具有丰富经验的操作员却能运用人所特有的观察、推理和学习能力,通过直觉可以安全而有效地对反应过程进行控制。
因此,提炼和恰当地表达这些经验,将其与常规的控制理论互补地有机结合起来,可以有效地提高聚合反应过程的控制水平。
模糊控制的最大特征是它能够将操作者或领域专家的控制经验和知识表示成语言变量描述的控制规则,然后用这些规则去控制系统。
它具有高度的仿人智能特性、不依赖精确数学模型的特点,是解决间歇聚合反应过程控制问题的一种有效方法。
文献[3]以间歇聚丙烯反应器为对象,参考熟练操作工的控制经验,将模糊控制和常规的位式控制、PID控制方法结合起来,提出一套智能复合控制方案,得出了较好的实验结果。
文献[4]给出了基于规则的Takagi一Sugeno的比例一微分模糊控制算法在间歇式苯乙烯聚合反应器控制中的仿真研究情况。
文献[5]主要针对聚合反应釜的大惯性、大时滞特性进行多种模糊控制方案的研究。
根据模糊控制本身的特点,有效地克服实际系统中的非线性及干扰,而且完全符合系统的工作过程[2]。
一.2.4自适应控制
自适应控制是先进的辩识技术与现代控制理论相结合的产物,在历史上已有近50年的历史。
当对被控过程的本身特性及其外部环境了解不多,或者它们在运行过程中有变化时,设计一种高性能的控制系统,能根据对象实际运行情况自动调节控制规律,以达到实时控制的目的。
现在较为成熟的自适应控制主要为以下几种,PID参数自整定自适应控制、模型参考自适应控制、无模型自适应控制等,并已经实际应用于间歇化学反应器的温度生产控制当中。
另外,从系统结构来看,早期的反应釜自动控制装置主要采用单元组合仪表组成控制系统,然而由于反应过程存在严重的非线性和时滞特性,简单的位置式控制不仅较难达到预期精度,部分场合还因超调过大而导致生产产品失败。
后来有人使用PLC作为控制器,较大地提高了控制精度,但对于复杂的过程控制,则显得力不从心,在通信和管理方面也存在很多缺点。
目前广泛应用于间歇反应釜生产过程控制装置为集散控制系统(DCS)。
它把分散的、单回路的测量和控制系统用计算机进行统一管理,用各种I/O板卡代替控制室的各种仪表,利用计算机的强大功能,对工业生产过程集中进行实时检测、控制、参数调节、报警显示和存储历史数据等操作。
随着网络与通信技术的发展,总线的出现,一种集计算机、通信和控制技术(3C)为一体的现场总线(FieldBus)技术逐步成熟和发展起来,并己应用到工业过程控制领域,形成现场总线控制系统(FCS)。
一.3模糊控制理论的发展及应用
早期的模糊控制器普遍采用Mamdani的基于规则的控制器的结构。
针对这样的模糊控制系统,70年代末出现了大量的研究成果,如模糊控制的算法结构、模糊控制规则分析、模糊控制器的多值继电器模型、最优模糊控制概念、模糊控制器的代数模型及语言模型分析方法和自组织模糊控制器。
此外,在模糊模型辨识方面也进行了一些探索。
进入80年代,模糊控制器出现了多种改进形式,如各种自适应模糊控制方法、模糊PID混合控制、模糊Smith预估控制、预见式模糊控制等。
在原有的模糊控制系统稳定性研究结果的基础上,在能量稳定性方面取得了新的进展。
在此期间,基于规则的模糊模型、模糊关系模型和模糊分段线性模型的辨识形成了成熟的方法。
而对于模糊关系系统的同时辨识与控制、以及针对反馈解耦和串联解耦进行了理论探索。
这些工作为后来的模糊关系理论研究和工程应用奠定了基础。
90年代以来,在模糊控制技术大量的成功应用的促进下,模糊控制理论和应用研究也进入了新阶段。
人们试图在现有成果的基础上将自动控制学科中的一些成熟的理论和方法引入模糊控制以建立其理论框架,并和精确域控制方法以及其他智能化方法相结合形成了多种模糊控制新模式。
理论成果有模糊控制系统数学描述和分析、模糊控制系统的设计理论、自适应模糊控制、模糊建模和基于模糊模型的控制等。
在应用方面往往是将模糊控制或模糊推理的思想,与其他相对成熟的控制理论或方法结合起来,发挥各自的长处,改善模糊控制的不足,从而获得理想的控制效果。
由于模糊控制和语言很容易被人们广泛接受,加上模糊化技术在微处理器和计算机中能很方便地实现,所以这种结合展现出强大的生命力和良好的控制效果。
对模糊控制的改进方法可大致分为模糊复合控制、自适应控制和自学习模糊控制,以及模糊控制与智能化方法的结合等四个方面。
一.3.1模糊复合控制
模糊-PID复合控制:
即模糊-PID控制,通常是当误差较大时采用模糊控制,而误差较小时采用PID控制,从而既保证动态响应效果,又能改善稳态控制精度;
一种简便有效的做法是模糊控制器和PID调解器共同合成控制作用。
模糊-线性复合控制:
如模糊-前馈补偿控制等,实际利用了模糊控制是变增益PI控制器的特点,在实际系统的控制中取得了较好的效果。
Smith-模糊控制器:
针对系统的纯滞后特性设计,用模糊控制器替代PID可以解决常规Smith-PID控制器对参数变化适应能力较弱的缺陷;
此外模糊推理和模糊规则的运用有利于在一定程度上适应时延的变化,在更复杂的情况下对对象的纯滞后进行有效的补偿。
三维模糊控制器:
一种是利用误差E,误差变化EC和误差变化速率ECC作为三维量,可以解决传统二维模糊控制器的快速响应与稳定性要求之间的矛盾;
另一种方法是利用E,EC和误差的累积和
,这相当于变增益的PID控制器,提高了模糊控制的稳态精度。
多变量模糊控制:
一般采用结构分解和分层分级结构,利用多个简单的模糊控制器进行组合,并兼顾多规则集之间的相互关系[5]。
一.3.2自适应和自学习模糊控制
自校正模糊控制器:
修改控制规则的自校正模糊控制器,从响应性能指标的评价出发,利用模糊集合平移或隶属函数参数的改变,来实现控制规则的部分或全面修正,也可通过修正规则表或隶属函数本身进行调整;
基于模糊模型的自校正模糊控制器,包括利用模糊集理论辨识系统模型的语言化方法,基于参考模糊集的系统模糊关系模型辨识方法,以及I/O数据建立模糊规则模型,并以此作为自校正控制器设计的基础等。
参数自调整模糊控制:
自调整比例因子的模糊控制,引入性能测量和比例因子调整的功能,在线改变模糊控制器的参数,较大地增强了对环境变化的适应能力;
基于模糊推理的PID自整定控制,如参数自整定模糊PD控制,以及类似的PI及PID控制等。
模型参考自适应模糊控制器:
利用参考模型输出与控制作用下系统输出间的偏差来调整模糊控制器的输出,包括比例因子、解模糊策略、模糊控制规则等。
具有自学习功能的模糊控制:
包括多种对外扰影响或重复任务的性能具有自学习功能的模糊控制方法,以及自寻优模糊控制器等,其关键在于学习和寻优算法的设计,尤其是提高其速度和效率。
自组织模糊控制器:
将参考模型和自组织机制相结合的模糊模型参考学习控制,及自适应阶段模糊控制等更高级的自组织形式具有很大的发展潜力。
一.3.3专家模糊控制
专家系统能够表达和利用控制复杂过程和对象所需的启发式知识,重视知识的多层次和分类的需要,弥补了模糊控制器结构过于简单、规则比较单一的缺陷,赋予了模糊控制更高的智能;
二者的结合还能够拥有过程控制复杂的知识,并能够在更为复杂的情况下对这些知识加以利用。
一.3.4基于神经网络的模糊控制
神经网络实现局部或全部的模糊逻辑控制功能,前者如利用神经网络实现模糊控制规则或模糊推理,后者通常要求网络层数多于三层;
自适应神经网络模糊控制,利用神经网络的学习功能作为模型辨识或直接用作控制器;
基于模糊神经网络的隶属函数及推理获取方法,具有模糊连接强度的模糊神经网等,均在控制中有所应用。
此外,模糊预测控制,模糊变结构方法,模糊系统建模及参数辨识,模糊模式识别等的研究,也都属于前沿的研究方向。
虽然模糊控制理论己经在工程上获得了许多成功的应用,但目前模糊系统理论还有一些重要的理论课题还没有解决,其中两个重要的问题是:
如何获得模糊规则及隶属函数问题以及如何保证模糊系统的稳定性。
大体来说,在模糊控制理论和应用方面,众多学者研究的主要方面有:
模糊控制规则设计方法的研究,包括模糊集合隶属函数设定方法、量化水平、
采样周期的最优选择、规则的系数、最小实现以及规则和隶属函数参数自动生成等问题,以进一步给出模糊控制器的系统化设计方法。
模糊控制在非线性复杂系统中的模糊建模、模糊规则的建立和推理算法的深入研究。
一.4本文的主要工作
本课题以间歇式反应釜为研究背景对象,综合考虑间歇反应控制原理和装置本身的特点,设计高级控制算法;
并研究国内外间歇过程生产的控制方法,主要解决以下几个重要问题:
应用MATLAB对模糊-PID复合控制器进行仿真实验,并根据仿真结果对模糊控制规则进行了微调,然后与PID算法的比较。
模糊-PID复合控制器的工程应用,针对釜温在整个控制方案中的作用,设计其控制策略。
釜温分别采用模糊-PID复合控制与PID控制两种控制策略。
然后分别对两种控制方案进行仿真研究,比较两种控制方案的控制效果。
最后得出相关结论。
第二章控制原理简述
二.1PID控制理论
二.1.1PID控制的原理和特点
在工程实际中,应用最为广泛的调节器控制规律为比例、积分、微分控制,简称PID控制,又称PID调节。
PID控制器问世至今已有近70年历史,它以其结构简单、稳定性好、工作可靠、调整方便而成为工业控制的主要技术之一。
当被控对象的结构和参数不能完全掌握,或得不到精确的数学模型时,控制理论的其它技术难以采用时,系统控制器的结构和参数必须依靠经验和现场调试来确定,这时应用PID控制技术最为方便。
即当我们不完全了解一个系统和被控对象﹐或不能通过有效的测量手段来获得系统参数时,最适合用PID控制技术。
PID控制,实际中也有PI和PD控制。
PID控制器就是根据系统的误差,利用比例、积分、微分计算出控制量进行控制的。
二.1.2位置式PID控制算法
PID控制器的数学模型可以用下式表示
U(t)=Kp[e(t)+
+
](2.1)
式中:
u(t)一控制器的输出;
e(t)一控制器输入,它是给定值和被控对象输出值的差,称偏差信号;
Kp一控制器的比例系数;
Ti一控制器的积分时间;
Td一控制器的微分时间。
在PID控制器中,它的数学模型由比例、积分、微分三部分组成。
这三部分分别是:
(1)比例部分
比例控制是一种最简单的控制方式。
其控制器的输出与输入误差信号成比例关系。
当仅有比例控制时系统输出存在稳态误差(Steady-stateerror)。
控制作用强弱取决于比例系数Kp,Kp越大,则过渡过程越短,控制结果的稳态误差也越小;
但Kp越大,超调量也越大,越容易产生振荡,导致动态性能变坏,甚至会使闭环系统不稳定。
故而,比例系数Kp的选择必须适当,这样才能取得过渡时间少、稳态误差小而又稳定的效果。
(2)积分部分
在积分控制中,控制器的输出与输入误差信号的积分成正比关系。
对一个自动控制系统,如果在进入稳态后存在稳态误差,则称这个控制系统是有稳态误差的或简称有差系统(SystemwithSteady-stateError)。
为了消除稳态误差,在控制器中必须引入“积分项”。
积分项对误差进行积分,随着时间的增加,积分项会增大。
这样,即便误差很小,积分项也会随着时间的增加而加大,进而使稳态误差进一步减小,直到等于零。
积分时间
,对积分部分的作用影响极大。
当T较大时,则积分作用较弱,这时,有利于系统减小超调,过渡过程不易产生振荡。
但是消除静差所需的时间较长。
当
较小时,则积分作用较强,这时系统过渡过程中有可能产生振荡,但消除静差所需的时间较短。
所以积分系数的选择也应该适中.
(3)微分部分
在微分控制中,控制器的输出与输入误差信号的微分(即误差的变化率)成正比关系。
自动控制系统在克服误差的调节过程中可能会出现振荡甚至失稳。
其原因是由于存在有较大惯性组件(环节)或有滞后(delay)组件,具有抑制误差的作用,其变化总是落后于误差的变化。
解决的办法是使抑制误差的作用的变化“超前”,即在误差接近零时,抑制误差的作用就应该是零。
这就是说,在控制器中仅引入“比例”项往往是不够的,比例项的作用仅是放大误差的幅值,而目前需要增加的是“微分项”,它能预测误差变化的趋势,这样,具有比例+微分的控制器,就能够提前使抑制误差的控制作用等于零,甚至为负值,从而避免了被控量的严重超调。
所以对有较大惯性或滞后的被控对象,比例+微分(PD)控制器能改善系统在调节过程中的动态特性。
微分部分的作用强弱由微分时间
决定。
越大,则它抑制输出C(t)变化的作用越强,
越小,它反抗e(t)变化的作用越弱。
它对系统的稳定性有很大的影响。
二.1.3增量式PID控制算法
对2.1式离散化可得出:
令微分项
(2.2)
令积分项
(2.3)
式中,T为计算机采样周期。
将式(2.2)和(2.3)代入式(2.1),这样可得第k采样时刻的数字PID控制算式输出为:
(2.4)
因每个采样间隔由上式计算得到的值相应于执行机构的实际位置,因此称为位置式。
式(2.4)在运算时不仅需要计算当前的偏差e(k),同时要计算以前所有偏差的和,这种算法的计算量大,而且要有很大的偏差存储空