论文部分内容阅读
迭代学习控制(ILC)经历了二十年的发展，不仅在实际应用中取得了良好效果，而且在理论上也取得了丰硕成就，其强大的生命力受到控制界的极大关注，已经成为智能控制的一个研究方向。ILC在解决由于对象存在非线性或建模误差所造成的不确定性问题方面具有优越性，它能在系统运行过程中，对未知信息进行在线学习，在学习过程中不断弥补缺乏的先验知识，进而使系统性能得到逐步改善。最初的ILC以开环形式出现，尽管开环ILC的理论研究已经取得了长足进展，但是，在实际应用中也暴露出许多弊端。因此借助反馈控制的优点，在ILC中引入当前反馈控制(FBC)已经成为ILC的另一种形式。由于反馈和ILC的有机结合、取长补短，极大地提高了ILC的实用性，受到广大学者的关注，在理论和应用上做了大量研究，因此具有反馈控制ILC(亦称辅助反馈迭代学习控制——FBAILC)的研究对于推动ILC的理论和应用的发展具有深远意义。
本文主要研究内容：辅助反馈迭代学习控制与反馈控制的等价分析；分批重复过程迭代学习广义预测控制；纯滞后过程2自由度PI-PDSmith补偿ILC；间歇式聚合反应过程迭代学习辅助反馈控制。
主要贡献可概括如下：1.理论方面对于确定的被控过程，分析了FBAILC和FBC的等效性，提出一个具有无限大增益的FBC，该FBC经过一次反馈控制达到与FBAILC具有相同的稳态误差。由此得出结论：FBAILC的系统稳定裕度一定时，提高对过去偏差的ILC，就会降低FBC的校正作用。进一步说，由于FBC的控制作用降低，对当前干扰的抑制能力将下降，如果对于每次重复过程、此干扰是完全可重复的，则对此干扰的抑制作用将通过多次的ILC来完成。而对于不可重复的随机干扰，由于FBC控制作用的降低，又因为ILC对不可重复的随机干扰是无能为力的，所以当前控制品质将变差。
2.算法方面提出两种算法：迭代学习广义预测控制ILGPC算法和纯滞后过程2自由度PI-PDSmith补偿迭代学习控制算法。
广义预测控制(GPC)与ILC结合改善了GPC控制系统的性能，特别是对部分可重复干扰具有较好的抑制作用。ILGPC通过对干扰的预测和学习，随着重复次数的增加，系统的动态品质明显提高。理论分析说明了ILGPC算法的收敛性和稳定性。针对一类分批重复聚合反应过程，仿真分析了ILGPC的性能，并对其鲁棒性做了仿真分析，仿真结果验证了ILGPC的有效性。
针对具有时滞的重复操作过程提出三种不同的2自由度PI-PDSmith的FBAILC算法，过程采用传递函数加纯滞后的模型描述，用时域方法推导了算法的收敛条件。当过程模型估计存在误差时，对提出的算法鲁棒性进行了分析，给出并证明了鲁棒稳定定理。仿真结果表明在PI-PDSmith控制中引入ILC算法后，经过几次迭代以后，控制效果比单纯PI-PDSmith控制有明显的改善。
3.应用方面针对石化企业间歇式聚合反应过程设计了FBAILC算法，FBAILC的ILC律采用过程模型的逆，在迭代学习中加入滤波多项式，并对FBAILC算法的收敛性做了分析。在应用上提出了过程参数在线估计方法，实现FBAILC算法的参数自整定，通过仿真验证了算法的有效性。
实验应用研究，针对2阶串联水槽作了FBAILC应用研究，把本文提出的2自由度PI-PDSmith的ILC算法成功地应用到2阶水槽液位控制中。针对间歇式聚合反应过程设计的FBAILC算法应用于一阶水槽液位控制，实验验证了算法的有效性。尝试把ILGPC算法应用到TE连续化学反应过程控制中，取得了一定效果。