一种新型RTD-A控制器在过程系统中的研究与应用
【摘要】:
RTD-A控制器(Robustness,Tracking,Disturbance rejection—overall Aggressiveness,以下简称RTD-A)是一种结构相对简单而控制性能十分优异的新型控制器形式,具备参数整定意义明确,实施方便,鲁棒性强等诸多优点。RTD-A控制器主要由三部分组成:对象辨识模型,误差预测更新,目标函数优化计算组成。目前,关于RTD-A控制器的研究还仅限于单变量系统之中,对于多变量系统未有相关报导,因而本论文的重点研究是RTD-A控制器在多变量系统中的扩展应用以及控制器参数的整定优化等相关内容。
论文中,首先针对单变量RTD-A控制器算法原理进行了详细论述,然后通过仿真实例探讨了控制器四个整定参数的意义及在控制系统中各自所起的作用,最后通过仿真实例与内模PID控制器在控制性能上进行对比,检验该控制算法的有效性。
对于RTD-A控制器在多变量系统的研究中,从理论上成功地推导出了多变量RTD-A控制器算法公式,并对推导结果的正确性给出了理论上的数学证明。在仿真实例中,将本文推导出的多变量RTD-A控制器分别与单变量RTD-A控制器还有内模PID控制器进行了控制性能对比,验证了该推导算法的正确性和优越性。
在RTD-A控制器参数整定优化部分,引入粒子群优化算法(Particle Swarm Optimization,以下简称PSO),该算法的原理是依据每个粒子对环境的适应度将个体逐步移到较优的区域,并最终搜索、寻找到问题的最优解。本文将该算法应用在RTD-A控制器参数的优化上面,成功地解决了手工整定参数问题。仿真实例效果表明:PSO优化算法可获得很好的参数优化效果,具有较好的实用性。
|
|
|
|
1 |
刘彤彤;;基于小波网络的复杂系统建模方法研究[J];科技咨询导报;2007年11期 |
2 |
吴文珍;梁兴柱;房会军;马爱琴;;粒子群优化算法在管道保温优化设计中的应用[J];大庆石油学院学报;2007年03期 |
3 |
史海军;王志刚;郭广寒;;引入变异算子的粒子群优化算法[J];长春理工大学学报(自然科学版);2007年03期 |
4 |
郭伟;陈广义;;神经网络基于改进型粒子群算法的研究[J];佛山科学技术学院学报(自然科学版);2007年05期 |
5 |
关圣涛;楚纪正;邵帅;;粒子群优化算法在非线性模型预测控制中的研究应用[J];北京化工大学学报(自然科学版);2007年06期 |
6 |
林令娟;刘希玉;;动态自适应微粒群优化算法[J];信息技术与信息化;2009年02期 |
7 |
杨晓燕;;一种离散型多目标粒子群优化算法[J];莆田学院学报;2010年02期 |
8 |
赵建辉;张宪;李志勇;李良洪;付少波;;粒子群优化点匹配算法[J];微计算机信息;2010年15期 |
9 |
湛燕;陈昊;;使用粒子群优化算法学习聚类算法的参数[J];大众科技;2010年06期 |
10 |
周洪斌;;基于OpenMP求解QAP的并行粒子群优化算法[J];微型机与应用;2010年10期 |
11 |
李炳宇;萧蕴诗;;新的进化计算算法——粒子群优化算法[J];计算机科学;2003年06期 |
12 |
李炳宇,萧蕴诗,汪镭;PSO算法在工程优化问题中的应用[J];计算机工程与应用;2004年18期 |
13 |
李辉,张安,赵敏,徐琦;粒子群优化算法在FIR数字滤波器设计中的应用[J];电子学报;2005年07期 |
14 |
刘玉敏,俞重远,张建忠,张晓光,杨红波,张娜,杨伯君;粒子群优化算法用于光纤布拉格光栅综合问题的研究[J];激光杂志;2005年04期 |
15 |
邹彤;李宁;孙德宝;岑翼刚;;带阴性选择的粒子群优化算法[J];华中科技大学学报(自然科学版);2006年02期 |
16 |
潘昊;侯清兰;;基于粒子群优化算法的BP网络学习研究[J];计算机工程与应用;2006年16期 |
17 |
葛晓慧;黄进;;一种基于粒子群优化算法的混沌控制方法[J];电路与系统学报;2006年06期 |
18 |
文瑾;;基于VB语言的粒子群优化算法描述[J];昆明大学学报;2006年04期 |
19 |
付晓刚;计丽霞;;粒子群算法优化PID控制参数研究[J];电气自动化;2006年04期 |
20 |
王亚利;王宇平;;基于混合的GA-PSO神经网络算法[J];计算机工程与应用;2007年02期 |
|