一种基于二维广义预测控制的间接迭代控制算法的设计方法资料.docxVIP

一种基于二维广义预测控制算法的间接迭代学习控制的设计方法 师佳，周华，曹志恺，蒋庆银 摘要：间接迭代学习控制（ILC）已经简化了对学习型控制策略在重复/批量/周期过程的局部反馈控制的应用。基于二维广义预测控制（2D-GPC）算法，本文介绍了一种新的间接ILC系统的设计方法，该方法由内环的模型预测控制（MPC）和外环的简单迭代学习控制。所提出的设计方法的主要优点是实现对现有的反馈控制器参数和一个简单迭代学习控制器设计的综合优化，进而保证整个系统在二维广义预测控制中的最优控制性能。对控制规律进行分析，该间接迭代学习控制律可以直接从标准的广义预测控制律和可以用简单的判据分析得出的闭环控制系统的稳定性和收敛性来获得。对间接迭代控制方案在工业过程的应用，这是一个实用的、有效的方法，从与其他解决方案数值模拟的比较可以清楚地看到。 关键词：迭代???制算法（ILC） 二维广义预测控制（2D-GPC） 间接ILC 模型预测控制（MPC） 重复/批量/周期过程 引言 众所周知，ILC是对重复/批量/周期过程的一种有效的控制方案。迭代学习控制方案的主要特点，其过程的重复或周期性是通过不断循环来优化系统的控制或参数来提升系统性能。自从ILC的关键思想于1984提出，它已经引起了广泛的关注，不仅在理论研究上，也在许多工业应用，如参考文献所述。 根据应用于控制规律的过程信息，迭代学习控制方案可以分为两类。一个被称为简单类型，其中迭代学习控制算法只利用了历史循环过程的信息来确定当前周期的控制。它本质上是一个开环的前馈控制，所以每个周期的实时控制性能，如鲁棒性和抗干扰性，可能无法保证。另一种在本文中可以称为复杂型，包括所有迭代学习控制算法，该算法同时使用历史周期和当前周期的过程信息来确定控制输出。显然，实时反馈控制回路与学习型控制回路均包括在复杂型迭代学习控制系统中。根据系统结构，复杂型ILC可进一步分为直接控制和间接控制。根据参考文献[2]中给出的定义（在间接学习型控制的情况下，闭环系统中有两个循环：内环是局部控制器，外环是学习型控制算法。在这种情况下，学习型控制作为监督和优化模块作用于局部控制器组成闭环控制系统。），只有闭环控制系统可以被定义为一个内环为实时反馈控制，外环为迭代反馈控制的级联控制系统，如图1.8所示，该ILC才可以被定义间接迭代反馈控制，否则应视为一种直接迭代学习控制。 图1.8 间接控制框图 与直接控制相比，间接控制的主要优点是级联控制系统结构便于在某些实际情况下控制器的设计与实现。间接控制方案是非常适合重复/批量/周期与局部反馈控制过程的低成本改造，因为它不需要做任何改变现有的系统，只需为外环控制器的实现设计一个简单的迭代学习控制模块。 对一个间接的ILC计划，应首先考虑最重要的两个问题：如何设计用于局部控制的算法；哪些可用的局部控制系统信息是需要通过迭代学习控制律更新的。对于第二个问题，通常考虑如下两种信息：一是局部控制器的参数，用于生成迭代自适应控制方案；二是局部控制系统的设定值，用于生成迭代级联控制方案，如图2所示。无论迭代学习控制律更新了什么信息，当有两种控制器需要在间接迭代学习控制系统进行设计，设计的工作似乎比直接ILC更复杂。根据调查研究[ 2 ]的统计，在过去的二十年中，关于间接ILC的报告奇缺，尤其是ILC在级联控制方案中的案例[8,11,12]。在参考文献[ 11 ]中，ILC是用来更新PID控制器的设定值，之后用具有自适应PID增益标准替换基于ILC的PID。在参考文献[ 12 ]中，预期型迭代学习控制（A-ILC）是用来调整PID设定值并将所提出的方案在X–Y坐标轴上实现。在2009年，基于一个精心设计的模型预测控制，王等人在参考文献[ 9 ]中提出了一种间接ILC，称为基于ILC的MPC，用于人工胰腺的控制单元。他们还为所提出的P型ILC作为外环模块的情况进行了稳定性分析[ 13 ]。所有这些研究中，设计方法都是基于两步设计算法：首先设计一个反馈控制器来保证过程在每个周期的实时控制性能，然后，在其上设计并实现一个简单的ILC方案来调整反馈控制系统的设定值从而循环改进控制性能。显然，两步设计算法的主要问题是内外两个控制回路被分开设计并优化，这可能无法保证整个系统的最优控制。 基本上，一个迭代学习控制律的结果总是产生一个动态受时间和周期同时影响的控制系统，称为二维（2D）系统。因此，ILC系统可以在二维控制系统框架的形成。在2012年，基于二维系统的框架，一个间接ILC的设计方法，称为包含简单学习型设定值的高级PI控制，被用于开发了一批CSTR过程[ 14 ]，实现了内环鲁棒PI控制和外环的一个简单的迭代学习控制的集成设计。基于二维控制理论框架下设计迭代学习控制系统的优点是使得实时反馈控制和简单的ILC可以共同