基于pac的dmc算法研究及改进.docVIP

FILENAME chinese_format.doc PAGE - 基于PAC的DMC算法研究及改进 白英杰 大连理工大学电信学院，辽宁 大连 116024 E-mail： baiyingjie214@ 摘 要：本文针对PAC系统，对动态矩阵算法（DMC）进行了相关研究和改进。普通的DMC算法要处理矩阵求逆，相乘等运算，需要大量运行时间，在PAC中运行时受到时间的限制。而模糊动态矩阵算法（FuzzyDMC）在DMC的基础上对算法优化部分进行了改进，用模糊理论作为优化准则，这样减少了大量运算时间。文中首先利用MATLAB和模糊工具箱对DMC和FuzzyDMC算法的可行性进行了仿真，得到较好的控制效果之后，用适用于PAC系统的C语言编写算法，并对两种算法的运行时间进行了对比研究。 关键词：DMC；FuzzyDMC；PAC；运行时间；C语言 中图分类号：TP29 引 言 PAC（Programmable Automation Controller，可编程自动化控制器）的概念是由美国自动化研究机构提出的一种基于开放的工业标准、具有多领域功能和通用开放平台、高性能的控制器。它集合了PLC和PC控制的优点，得到了各大自动化厂商的重视。GE、Rockwell Automation、NI、台湾泓格等公司都相继推出各自的PAC系统。 针对PAC的控制算法研究也越来越受到关注，预测控制算法的研究是其中的一个方向。预测控制是上世纪70年代后期从工业生产过程中发展出来的一种先进控制算法。这种算法不需要十分精确的数学模型，鲁棒性较好，一经发现便受到高度重视，现在成功应用于化工，石油，电力等行业。应用较广的三种预测算法是模型预测控制（MAC）、动态矩阵控制（DMC）、广义预测控制（GPC）。 预测控制算法在计算时间和内存分配上对硬件都有一定要求，而现在PAC硬件发展迅速，无论是在控制器主频还是存储器容量上都有了很大的进步，所以预测控制算法在PAC上的实现成为可能。但是如何使算法实现上更简洁，更高效仍然是算法研究的重心。 模糊理论与预测控制的结合有两个方向，一个是利用模糊理论建模，针对一些比较复杂，难以建立精确数学模型的系统；另一方向是利用模糊理论做优化决策，这种方法使算法运行时间更短，对于PAC系统更有实际意义。 本文针对预测控制中比较典型的算法DMC（动态矩阵法）做了相关研究，并对其进行了适应PAC的C语言实现和改进，在优化计算上使用了模糊理论，节省了大量计算时间。 动态矩阵算法 动态矩阵法是一种较早应用于工业生产过程的预测控制算法。在近30年来广泛应用于石油化工等行业。它适用于渐进稳定的线性系统，对于不稳定系统可以先用PID控制其稳定，对于弱非线性系统，可以在工作点处线性化。算法由预测模型、滚动优化和反馈校正三部分组成。 图1 DMC算法结构图 Fig.1 The Structure of DMC 2.1 预测模型 DMC算法所用到的预测模型是以单位阶跃响应得到的非参数模型为基础建立起来的。首先需要测定系统的单位阶跃响应的采样值。T为采样周期，采样个数以采样值达到阶跃响应稳定值为止。这样系统的动态信息就可以用来加以描述。所以利用此非参数模型可以预测系统在未来时刻的输出值。在k时刻，控制作用保持不变时对未来N个时刻输出初始预测值为,当在k时刻出现控制作用时，可计算其输出值 (1) 根据上式可得到在M个连续控制增量作用下，未来各时刻的输出值为 (2) 根据上式可以得到一个单输入、单输出的阶跃响应预测模型。 2.2 滚动优化 确定控制增量是控制算法的核心部分。DMC算法中要求在连续M个控制增量的作用下，使被控系统在未来P个时刻的预测输出值尽量接近期望值。控制过程中，是用性能指标来确定控制增量的，而在此算法中k时刻的性能指标可以由下式表示 (3) 式中，和为加权系数，为期望值，为预测值。通过上式我们可以看出，性能指标由两部分组成，一部分是期望值与预测值的差，另一部分则是控制量增量，使二者的和取最小。 在不考虑约束的情况下，求性能指标（3）的最小值，可以转化为最小优化问题。可以利用（2）得到的与的关系，将性能指标转化为只包含变量的式子，写成向量形式有 （4） 其中 ， 上式中A的元素即为单位阶跃响应得到的系数。Q和R则为对角矩阵，称为误差加权矩阵和控制作用加权矩阵。对于（4）式，可通过极值的必要条件求得 （5） 式中，若令，则有。 2.3 反馈校正 当k时刻控制作用施加在系统上，可按照（1-1）式得到下一时刻的预测输出，实际情况中，输出可能受到干扰等因素的影响，预测值可