翟廉飞-基于神经网络的多变量非线性系统解耦控制和应用.docVIP

分类号 密 级 U D C 学 位 论 文 基于神经网络的多变量非线性系统解耦控制及应用 作 者 姓 名 ： 翟廉飞 指 导 教 师 ： 柴天佑 教授 东北大学自动化研究中心 申请学位级别： 博士 学 科 类 别 ： 工学 学科专业名称： 控制理论与控制工程 论文提交日期： 2008年11月20日 论文答辩日期： 2008年12月31日 学位授予日期： 答辩委员会主席： 评 阅 人 ： 东 北 大 学 2008 年12月 A Dissertation for the Degree of Doctor in Control Theory and Control Engineering Neural-Network-Based Decoupling Control of Multivariable Nonlinear Systems and Application by Zhai Lianfei Supervisor: Professor Chai Tianyou Northeastern University December 2008 独创性声明 本人声明所呈交的学位论文是在导师的指导下完成的。论文中取得的研究成果除加以标注和致谢的地方外，不包含其他人己经发表或撰写过的研究成果，也不包括本人为获得其他学位而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。学位论文作者签名：日 期： 本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论文的规定：即学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人同意东北大学可以将学位论文的全部或部分内容编入有关数据库进行检索、交流。作者和导师同意网上交流□ 一年□ 一年半□ 两年□ 学位论文作者签名： 导师签名： 签字日期： 签字日期基于神经网络的多变量非线性系统解耦控制及应用 摘 要 工业生产过程控制中的被控对象往往是多输入多输出系统。对于一些多变量工业过程采用分散控制将其化成单回路系统，采用多个单回路控制器进行控制可以取得满意的控制效果。然而，对于具有多变量强耦合强非线性的工业过程，特别是对于一类具有多变量强耦合、强非线性和动态特性随运行条件变化的复杂工业过程，即使采用合理的变量配对，将其化成单回路系统，采用单回路控制器也难以取得令人满意的控制效果。例如，在我国燃煤火力发电厂中广泛采用的将原煤研磨成煤粉的钢球磨煤机制粉系统，磨煤机出口温度、入口负压和进出口差压相互耦合，其动态特性随原煤水分等运行条件的变化而变化，长期以来，采用分散控制设计的单回路控制器组成的控制系统不能投入自动运行，只能靠人工控制，造成超温、堵磨和喷粉事故的发生。因此，强耦合强非线性系统的解耦控制，特别是强耦合强非线性且动态特性随运行条件变化的复杂工业过程的解耦控制，成为过程控制亟待解决的关键问题。 本文在国家重点基础研究发展计划（973）课题“复杂工业生产过程实时智能控制理论与算法研究”（2002CB312201）的支持下，开展了多变量非线性系统的解耦控制方法的研究。并以钢球磨煤机制粉系统作为一类具有多变量强耦合强非线性且动态特性随运行条件变化的复杂工业过程的典型实例，依托东北大学“985工程”流程工业综合自动化科技创新平台，设计与开发了钢球磨煤机制粉系统智能解耦控制的半实物仿真系统，并在仿真系统上验证了所提出控制方法的有效性以及可实现性。本文的主要工作归纳如下： (1) 针对一类多变量非仿射非线性系统，将加权一步超前开环解耦控制器与自适应神经网络控制项相结合，提出了基于神经网络的多变量非线性系统解耦控制方法。当上述非线性系统未知时，提出了基于神经网络的多变量非线性自适应控制方法。证明了上述两种控制方法均能在保证闭环系统稳定的同时，保证闭环系统的跟踪误差收敛。并通过仿真验证了控制方法的有效性。 (2) 针对一类具有多变量强耦合强非线性且动态特性随运行条件变化的复杂工业过程，采用解耦补偿器处理被控对象中的耦合影响，采用神经网络补偿非线性项对闭环系统的影响，采用多个控制器之间的合理切换来处理动态特性变化的影响，提出了基于神经网络和多模型的多变量非线性解耦控制方法。并给出了上述控制方法的闭环稳定性和收敛性分析，通过仿真验证了所提出方法的有效性。 (3) 针对上述被控对象，以增量式数字PID控制器为基础，提出了易于