网站大量收购独家精品文档,联系QQ:2885784924

基于模型集鲁棒PID控制器自整定方法应用.pdfVIP

基于模型集鲁棒PID控制器自整定方法应用.pdf

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
优秀毕业论文,完美PDF格式,可在线免费浏览全文和下载,支持复制编辑,可为大学生本专业本院系本科专科大专和研究生学士相关类学生提供毕业论文范文范例指导,也可为要代写发表职称论文提供参考!!!

基于模型集的鲁棒基于模型集的鲁棒 PIDPID 控制器控制器 自整定自整定方法及应用方法及应用 基于模型集的鲁棒基于模型集的鲁棒 PIDPID 控制器控制器自整定自整定方法及应用方法及应用 李全善 1,2 曹柳林 1 潘立登 1 林晓琳 2 崔佳 2 1(北京化工大学信息科学与技术学院 北京 100029) 2(北京世纪隆博科技有限责任公司 北京 100020) 摘要 基于装置控制系统的运行操作数据,在线自动获取不同操作条件下被控对象的动态响应,应用 闭环辨识方法获取被控对象传递函数模型集,通过给定ε -不敏感损失函数、模型可信度函数,建立 被控对象不同工况下的模型集 PID 控制结构。应用随机数搜索的优化算法,实现基于模型集的 PID 参数自整定。新方法无需进行现场测试,在装置正常生产条件下自动完成模型辨识与参数整定。该方 法已在工业现场成功应用。 关键词关键词:PID整定,闭环辨识,模型集,在线自整定 关键词关键词 中图分类号中图分类号:TP 273.2 文献标识码文献标识码:A 文章编号文章编号:1005-9830(2011)00-0000-00 中图分类号中图分类号 文献标识码文献标识码 文章编号文章编号 Self-tuning Robust PID Controller Based on Model-Set and its Application 1, 2 1 1 2 2 LI Quan-shan , CAO Liu-lin ,PAN Li-deng , LIN Xiao-lin , CUI Jia 1 (Institute of Automation ,Beijing University of Chemical Technology, Beijing, 100029) 2(Beijing Century Robust Technology Co., Ltd. ,Beijing, 100020) Abstract: Based on the real operating data of plant control system, the dynamic response data of controlled object is obtained automatically on different operating conditions. The transfer function model-set is achieved by using the closed-loop identification method. A model-set PID control structure is built with the defined ε -insensitive loss function and model confidence function. The self-tuning of PID parameters of model-set can be obtained by using optimal stochastic algorithm. Without the need of field testing, the new method can complete the model identification and parameters tuning under the normal pro

文档评论(0)

sjatkmvor + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档