灰色算法和预测PI算法混合控制的研究应用.docVIP

灰色算法和预测PI算法混合控制的研究应用.doc

  1. 1、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。。
  2. 2、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
  3. 3、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)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、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
  6. 6、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。
  7. 7、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
灰色算法和估计PI算法混合控制研究 李鹏飞 重庆科技学院 摘要:基于灰色算法和估计PI算法混合控制设计思想,本文提出一个新型自调整估计控制方法,经复杂大惯性、大滞后系统控制研究表明,该控制方法能有效地克服灰色估计控制或估计PI控制不足,使复杂大惯性、大滞后系统控制性能极大改善。系统仿真结果证实,很适合于复杂大惯性、大滞后对象平稳控制,含有一定应用价值。 关键词:灰色估计控制 大滞后系统 PI 控制 GM(1,1)模型 Study of Grey Algorithm and Forecast PI Algorithm Hybrid Control Li Pengfei Abstract:Based on the grey algorithmand and forecast PI algorithm hybrid control design theory, This article puts forward a new method of self-regulated control,after a research on the great inertia and large dead time of?complex system control , it has been indicated that this hybrid control method?can overcome the disadvantage of Grey algorithm or forecast PI algorithm . it can make a great improvement to sophisticated great inertia and large dead time control , The system simulation examples show that this method is very suit for stability control of sophisticated great inertia and large dead time control object and have a certain value of applications.□□□□□ Key words:grey prediction control large dead time system PI control GM(1,1)model 1 引言 在工业过程控制中,对复杂大惯性、大滞后系统控制,一直是控制领域教授学者研究热点,因为复杂系统无律性现象普遍存在,它增加了控制系统控制难度,使控制系统响应性能变差,甚至造成控制系统不稳定。一些针对复杂系统优异控制算法,常常是专用性强、适应性差、鲁棒性弱、算法复杂、实施和维护成本高,极大地限制了它们推广和发展。现在工业界迫切需要处理是大滞后、强耦合、时变、严重干扰和非线性对象控制,若采取纯估计控制方法不仅算法繁杂,而且系统控制实施难度较大,在实际应用中常常会使被控过程波动加大,甚至轻易引发控制系统振荡。所以,研究算法简单、实施轻易、鲁棒性能好、通用性强控制算法十分必需。为了改善复杂大惯性、大滞后系统控制性能,研究复杂大惯性、大滞后系统控制决议,在理论和实际应用中也是含有十分关键现实意义。 2 问题提出 从1992 年Hagglund提出估计PI控制器思想以来,估计PID算法得到了逐步发展和完善,并成功应用在部分复杂对象控制上。现在估计PID控制算法能够归纳为两种:一是有估计功效PID控制器。本质上,它是一个PID控制器,只不过依据部分优异控制机理,如内模原理、广义估计原理、H2/H∞原理、模糊理论、遗传算法和人工智能原理来设计PID控制器参数而已,使其含有估计功效。二是估计算法和PID算法组合在一起控制器。在这种控制器中,包含估计控制器和PID控制器,因为PID控制器和过程滞后时间无关,所以估计控制器则关键依靠过程滞后时间,并依据以前控制作用给出现在控制作用。所以这种估计PID算法是一个极具发展前景现代控制方法,值得学者们研究和探讨。 De(1993)提出一个鲁棒估计PI控制器,能够认为是内模控制器(IMC)一个,比较适合于大滞后对象控制,但系统实际动态响应速度较慢。基于神经网络Asano(1999)可作为在线给定PID参数控制模式,虽能达成时滞赔偿和估计控制目标,可对训练样本依靠性较高,当被控过程发生改变(如当滞后时间不确定性、时变性及非线性等原因存在)时,其控制性能将显著恶化,极难实际应用。对于一阶加纯滞后对象和二阶加纯滞后对象,即使利用Pade进行近似处理,可简化为常规PI和PID控制器进行设计,但在参数时变过程中误差极难估量,从而严重影响控制系统动态响应性能。

文档评论(0)

132****5705 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:5104323331000004

1亿VIP精品文档

相关文档