论文部分内容阅读
PVC树脂的生产是在间歇反应釜中进行的,其生产具有重复运行的特点。由于反应釜具有非线性、不确定性和外界干扰等特点,因此往往很难建立精确的数学模型,采用传统的控制方法无法满足工业控制的要求,迫切需要一类合适的先进控制策略。迭代学习控制是近二十年来发展起来的一种新的智能控制方法,这种控制方法特别适合于具有重复运行特性的场合。它不依赖于动态系统的精确数学模型,只是利用控制系统先前的控制经验,根据测量系统的实际输出信号和期望输出信号来寻找一个理想的输入信号,是一种以迭代产生优化输入信号,通过重复执行同一任务来减少误差,使系统输出尽可能逼近理想值的方法。它的研究对那些有着非线性、复杂性、难以建模以及高精度轨迹控制问题有着非常重要的意义。由于开环迭代学习控制算法只利用了系统前次运行的信息,所以对不可重复的干扰不具有鲁棒性,对被控对象无镇定作用,在学习过程中即使学习律满足收敛条件也有可能产生很大的跟踪误差;而闭环迭代学习控制算法只利用了系统当前运行的信息,反馈增益必须很大,才能精确地跟踪期望轨迹。但实现中由于执行器饱和等因素,使得高增益反馈失去意义。所以,从控制信息的使用方面看,两者都存在一些缺陷。为此,本文针对PVC聚合反应釜的温度控制,为了提高迭代学习控制系统的跟踪性能和增强系统的鲁棒性,在开环PID型迭代学习控制器的基础上引入一PID反馈控制器,构成反馈-前馈迭代学习控制系统。该控制器由反馈控制器和前馈控制器两部分组成,它使用开闭环配合的学习律,即综合利用系统当前和过去运行信息修正被控对象当前控制输入的学习控制策略。反馈控制器主要用于实现系统镇定任务,它使得系统输出不偏离期望轨迹太远,保证系统的稳定性,加快学习收敛速度;同时,还可利用反馈能抑制干扰影响的内在优点,增强学习控制的鲁棒性。本文将开闭环迭代学习控制的鲁棒性推广到开闭环PID型,从而可同时调整比例增益、积分增益和微分增益来克服系统的扰动,使调节手段更为灵活,提高了系统的跟踪性能。在开闭环PID型迭代学习控制律的控制下对该受扰系统的鲁棒性进行了研究,给出了反应釜系统开闭环PID型迭代学习控制的鲁棒条件,并证明了反应釜系统存在不确定性和初态偏移、状态干扰、输出干扰有界的情况下,系统输出在一定条件下有界收敛,且界的大小与相邻两次迭代运行中这些干扰的界大小有关,若这些干扰渐进重复,即当这些干扰被消除时,则系统输出一致收敛到期望轨迹。最后的仿真结果也表明了该方法的有效性。