DMC控制算法(模型预测控制算法及仿真) PPT 多媒体 课件.ppt

基于PLC的动态矩阵控制（DMC）算法实现杨俊2007.12.14 报告提纲 先进过程控制策略的发展现状 动态矩阵控制算法的原理 动态矩阵控制算法的参数设计 动态矩阵控制算法的计算机实现 一阶惯性纯滞后对象的DMC算法实现 先进过程控制策略的发展现状 众所周知，传统PID控制策略可以满足一般工业生产的控制要求，但对于复杂的工业过程，常规PID控制策略往往难以适应。 工业过程中往往存在着不确定性，基于被控对象数学模型的控制方法在理论仿真时效果优异，而在实际应用中往往不能取得满意的控制效果。以知识工程为指导的智能控制理论和方法，在处于高度复杂性和不确定性方面表现出的灵活决策方式和应变能力，近年来备受重视。所以产生了包括内膜控制、模型预测控制、模糊控制、神经网络控制和专家控制等一系列的先进过程控制策略。 先进过程控制策略的发展现状 现代控制理论和人工智能的发展为先进控制奠定了应用理论基础，而计算机控制系统的普及与提高为先进控制的应用提供了强有力的硬件和软件平台。 先进控制策略如果应用得当则具有比常规PID更好的控制效果，给企业带来显著的经济效益。国外许多从事过程控制的知名公司都开发了各自的商品化先进控制软件，并已广泛应用于各类工业过程，而且这些软件尚在不断的升级完善之中。积极开发和应用先进控制技术是国内众多过程工业企业提高企业经济效益、增强自身竞争力的重要途径。 模型预测控制算法简介 模型预测控制算法MPC（model predictive control)是20世纪70年代后期发展起来的一种基于模型的新型实用控制算法。它以对象的典型输入信号作用下的时间响应为基础，通过采集对象输入/输出信号序列以确定控制量的时间序列，并对系统未来输出进行预测。通过将系统未来输出与期望的轨迹进行在线比较反复优化，从而使系统的输出误差达到最小。MPC具有以下三个特点，即模型预测、滚动优化和反馈校正。采用不同的模型形式、优化策略和校正措施，可以形成不同的MPC算法，主要有：模型算法控制MAC（model algorithm control)、动态矩阵控制DMC（dynamic matrix control)、广义预测控制GPC（global predictive control)等。 动态矩阵控制算法简介 动态矩阵控制算法原理 DMC算法的模型预测 DMC算法的模型预测 DMC算法的模型预测 DMC算法的滚动优化 DMC算法的滚动优化 DMC算法的滚动优化 DMC算法的滚动优化 DMC算法的滚动优化 DMC算法的反馈校正 DMC算法的反馈校正 DMC算法的反馈校正 DMC算法的反馈校正 DMC算法的反馈校正 DMC算法的结构框图 动态矩阵控制算法的参数设计 动态矩阵控制算法的参数设计 采样周期T 与模型长度N 的选取原则1 采样周期T 与模型长度N 的选取原则2 采样周期T 与模型长度N 的选取原则3 优化时域P和误差权矩阵Q选取原则1 优化时域P和误差权矩阵Q选取原则2 控制时域M 的选取原则 控制权矩阵R 的选取原则 校正参数hi 的选取原则1 校正参数hi 的选取原则2 一般对象DMC控制的参数整定步骤1 一般对象DMC控制的参数整定步骤2 动态矩阵控制算法的计算机实现1 动态矩阵控制算法的计算机实现2 一阶惯性纯滞后对象的DMC算法实现 一阶惯性纯滞后对象的DMC算法参数选择 一阶惯性纯滞后对象DMC控制效果图 一阶惯性纯滞后对象PID控制效果图 DMC算法的PLC实现 DMC算法中用到的模块及功能 DMC算法中各模块的调用关系 谢谢大家的宝贵时间！！！ 误差校正向量h中各元素hi的选择独立于其他设计参数，是DMC算法中唯一直接可调的运算参数。它仅在对象受到未知干扰或存在模型失配造成预测输出与实际输出不一致时才起作用，而对控制的动态响应没有明显的影响。 存在着两种典型的校正参数选择方法，一种为滤波器形式：控制系统的鲁棒性将随a的减小而增强。a越接近于0，反馈校正越弱，鲁棒性有所增强，但对扰动的敏感程度下降，抗干扰性差。a接近于1，则情况正好相反。 相对于滤波器形式的另一种取法其滤波器中近似引入了一个零点，有助于部分抵消扰动响应的极点，故有较好的抗干扰性，但对模型失配的鲁棒性将会变差。 hi区别于其他设计参数的最有利之处在于，由于它是直接可选的，因而可在算法中在线设置和改变。