工业时滞过程的采样控制设计与批量优化

摘要

随着数字控制系统的迅速发展，基于采样数据的计算机控制系统在实际工业中得到了越来越广泛的应用。本文基于实际工程中常用的采样系统离散域低阶时滞模型，分别对具有时滞响应的稳定型、积分型和不稳定型过程提出了离散域两自由度控制设计方法。采用近期文献提出的两自由度控制结构，解析地设计了设定点跟踪控制器和闭环系统抗扰控制器，可以分别对系统设定点跟踪响应和负载扰动响应进行独立调节和优化。根据H2最优控制性能指标设计设定点跟踪响应控制器，闭环系统抗扰控制器是通过提出期望的闭环系统互补灵敏度函数，反向推导而确定。该控制方案的突出优点是设定点跟踪响应的时域指标可以通过单调地调节控制器中唯一的调节参数定量整定。对于稳定型、积分型过程，根据期望闭环抗扰传递函数反向推导得出的抗扰控制器可以物理实现，然而对于不稳定过程，由于期望的抗扰控制器分子分母中存在隐含的不稳定零极点对消，使得闭环控制系统不能保证内部稳定性。为此本文采用有理Páde近似来逼近期望抗扰控制器形式，以便实际应用。关于所设计的控制系统稳定性，应用小增益定理分析得出在一些典型的模型不确定性情况下，闭环控制系统能够保持鲁棒稳定性的充要条件，并且利用图形化数值分析的方法给出抗扰控制器中单一的调节参数的整定范围。应用近期文献中的案例来验证说明本文中所提出的离散域两自由度控制设计方法的有效性和优越性。
　　在上述两自由度控制设计方案的基础之上，提出了一种可以应用于带时滞批量生产过程的迭代学习控制方法。该控制方法的主要思想是利用历史批次中的信息来改善当前批次的控制性能，为此在上述两自由度控制结构中引入一个“存储器”，用来存储历史和当前批次中的过程输出、模型输出和控制信号，并且为控制当前生产过程周期提供前一批次中的过程输出、模型输出和控制信号，以便迭代学习控制和性能优化。在实际应用中，初始批次采用上述两自由度控制方案来保证控制系统的鲁棒稳定性，然后从下一批次开始采用迭代学习控制律，逐步实现完全跟踪期望设定点轨迹。此外，在所提出的迭代学习控制算法中引入一个滤波器来保证迭代误差的收敛性，并且给出误差收敛的充分条件。最后，通过应用一个仿真案例来说明该迭代学习控制方法的可行性和有效性。

目录

声明

摘要

1 绪论

1．1 课题背景及意义

1．2 课题研究现状

1．3 本文主要工作

2 时滞过程的离散域两自由度控制设计

2．1 两自由度控制结构

2．2 离散域控制器设计

2．2．1 设定点跟踪控制器设计

2．2．2 抗扰控制器设计

2．3 鲁棒稳定性分析

2．4 案例分析

2．5 本章小结

3 含时滞的积分和不稳定过程两自由度控制设计

3．1 两自由度控制结构

3．2 离散域控制器设计

3．2．1 设定点跟踪控制器设计

3．2．2 抗扰控制器设计

3．3 鲁棒稳定性分析

3．4 案例分析

3．5 本章小结

4 批量生产过程的迭代学习控制

4．1 基于两自由度控制结构的迭代学习控制方案

4．2 迭代学习控制设计

4．3 案例分析

4．4 本章小结

结论

参考文献

攻读硕士学位期间发表学术论文和申请专利情况

致谢