论文部分内容阅读
复杂化工过程由于具有多变量、时滞和非线性等特性而难于对其建立机理模型并据此进行控制系统的设计;同时,化工生产过程中存在大量的过程数据,而这些数据包含的信息却很少得到利用。针对上述问题,本论文针对非线性的化工过程,基于化工过程中产生的过程输入输出（Input and Output,I/O）数据,抛去过程建模的步骤,对无模型控制系统的设计方法进行了研究,即利用即时学习（Just-in-time Learning,JITL）和增强的虚拟参考反馈整定（Enhanced VRFT,EVRFT）两种方法对化工过程直接设计自适应比例积分微分（Proportional-Integral-Derivative,PID）控制系统。本论文的主要研究工作包括:（1）针对单变量的非线性化工过程,利用JITL方法,提出一种新的基于数据的无模型自适应PID控制系统方法。该方法首先利用过程开环数据和闭环参考模型构建参考数据库,并利用JITL的自适应特性以及良好的预测能力,用JITL直接从参考数据库中选取相关数据集获得PID控制系统的参数,整个过程不需要建立数学模型。由于不同闭环参考模型将产生不同的参考数据库并进而影响到控制系统的控制效果,因此本论文同时采用了一阶虚拟参考模型T1和二阶虚拟参考模型T2,并对这两种模型产生的控制效果进行了比较。此外,由于不同的JITL方法具有不同的数据集选取准则,从而导致所设计的PID控制系统参数不同,本论文分别对采用两种不同JITL方法（E-JITL和Co-JITL）所设计的无模型自适应PID控制系统的性能进行了比较。最后通过对两个非线性单变量化工过程的仿真实验,结果表明:利用Co-JITL和E-JITL方法设计的无模型自适应PID控制系统具有较强的鲁棒性、抗干扰性以及稳定性,且比基于VRFT方法设计的无模型PID控制系统具有更好的控制性能。对于利用Co-JITL和E-JITL方法设计的无模型自适应PID控制系统,采用二阶虚拟参考模型T2设计的PID控制系统具有比一阶虚拟参考模型T1设计的PID控制系统更好的控制性能。利用Co-JITL和E-JITL方法设计的无模型自适应PID控制系统都取得了不错的控制效果,但利用E-JITL方法设计的PID控制系统的控制性能略好于利用Co-JITL方法设计的PID控制系统。（2）针对多变量的非线性化工过程,利用JITL方法,提出了一种新的基于数据的多变量无模型自适应PID控制系统的方法。该方法采用了解耦控制系统,与上述针对单变量化工过程的基于JITL无模型PID控制系统的设计方法类似。通过对两个非线性多变量化工过程的仿真实验,结果表明:利用Co-JITL方法设计的多变量无模型自适应PID控制系统具有较强的鲁棒性、抗干扰性以及稳定性,其控制性能同样优于基于VRFT方法设计的多变量无模型PID控制系统,而利用E-JITL方法设计的多变量无模型自适应PID控制系统的控制效果不佳。因此,综合来看,利用Co-JITL方法所设计的无模型自适应PID控制系统的性能更好。（3）针对多变量的非线性化工过程,将单变量过程中采用的EVRFT方法推广到多变量过程,采用解耦控制系统,直接设计多变量无模型自适应PID控制系统。在该方法中,采用了二阶虚拟参考模型T2,此外,为了增强其算法性能,虚拟参考模型参数也随着过程动态的变化而更新。通过对两个非线性多变量化工过程的仿真实验,结果表明:基于EVRFT方法设计的多变量无模型自适应PID控制系统的控制系统具有一定的鲁棒性、抗干扰性以及稳定性,其控制性能优于基于VRFT方法设计的多变量无模型PID控制系统,但总体控制效果不如基于Co-JITL方法所设计的多变量无模型自适应PID控制系统。