间歇过程2D-PID自适应迭代学习控制研究

发布时间：2017-08-28 14:29

  本文关键词：间歇过程2D-PID自适应迭代学习控制研究

  更多相关文章： 间歇过程 发酵过程 搅拌反应釜 PID控制 迭代学习控制 粒子群优化算法

【摘要】：研究简单高效的过程设备控制技术,具有重要的应用价值。然而,目前过程设备和单元广泛采用的比例-积分-微分(Proportional Integral Derivative,PID)控制器存在参数固定且不能在线自适应调节的缺点。为了适应多品种、小批量的生产要求,操作性更强和灵活度更高的间歇操作越发重要。相比较于连续过程,间歇过程的动态性、非线性、时变性都更加显著,这也对其控制器提出了更高的要求。针对发酵和搅拌反应釜两类典型的间歇过程,从批次内和批次间两方面对PID控制器进行改进研究。首先综述了间歇过程控制方法的研究现状,提出将粒子群算法(Particle Swarm Optimization,PSO)和自调整神经元PID(Auto-tuning Neuron PID)控制相结合应用于间歇过程中。进一步,结合间歇过程存在的重复特性,提出基于二维PID(2D-PID)迭代学习框架的自适应控制方法。本文的创新研究方面主要包括:(1)为了满足实际过程的应用要求,提出将可快速获取高质量PID参数的PSO算法与结构简单的ANPID方法相结合应用于间歇过程中,更好地克服过程的非线性、时变不确定等特性。以发酵过程和搅拌反应釜为仿真例子,表明了PSO-ANPID具有良好的跟踪控制性能,适用于非线性时变间歇过程的批次内实时控制。(2)结合间歇过程的重复性,提出2D-PID自适应控制方法。首先,结合PID控制和迭代学习控制,设计基于粒子群算法的2D-PID控制框架,研究过程定期望值批次间控制的可能性。进一步,在批次内采用ANPID控制器对其进行在线自适应调节。在批次间,考虑其重复特性,通过PID型迭代学习控制,利用历史批次信息来修正当前批次的调节变量,最终提高控制性能。以发酵过程和搅拌反应釜两类典型的间歇过程为例,验证了所提出方法的有效性。
【关键词】：间歇过程 发酵过程 搅拌反应釜 PID控制 迭代学习控制 粒子群优化算法
【学位授予单位】：浙江工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP273
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 缩略语列表10-12
• 符号说明12-15
• 第1章 绪论15-25
• 1.1 背景意义15-16
• 1.2 过程设备与间歇操作16-17
• 1.3 过程设备控制研究现状17-23
• 1.3.1 过程设备单元控制17-19
• 1.3.2 多批次过程的设备单元控制19-21
• 1.3.3 过程设备智能控制21-23
• 1.4 内容概要23-25
• 第2章 间歇过程PID控制器参数优化25-39
• 2.1 引言25
• 2.2 粒子群优化算法25-30
• 2.2.1 标准粒子群算法（PSO）25-26
• 2.2.2 被动聚集粒子群算法（PSOPC）26-27
• 2.2.3 平滑粒子群算法（UPSO）27-28
• 2.2.4 遗传粒子群算法（HGAPSO）28-29
• 2.2.5 综合学习粒子群算法（CLPSO）29-30
• 2.3 间歇过程批次内PID控制30-37
• 2.3.1 间歇发酵过程30-31
• 2.3.2 参数优化31-32
• 2.3.3 仿真与讨论32-37
• 2.4 本章小结37-39
• 第3章 间歇过程批次内PSO-ANPID控制39-55
• 3.1 引言39
• 3.2 PSO-ANPID控制39-42
• 3.2.1 ANPID方法39-41
• 3.2.2 方案设计41-42
• 3.3 调节参数分析42-44
• 3.4 仿真与讨论44-53
• 3.4.1 间歇发酵过程44-48
• 3.4.2 间歇反应釜48-53
• 3.5 本章小结53-55
• 第4章 间歇过程二维PID控制方法55-73
• 4.1 引言55
• 4.2 基于粒子群算法的 2D-PID控制55-61
• 4.2.1 控制结构设计55-56
• 4.2.2 参数优化56-57
• 4.2.3 仿真与讨论57-61
• 4.3 间歇过程 2D-PID自适应控制61-71
• 4.3.1 控制方案设计61-64
• 4.3.2 方案分析64
• 4.3.3 仿真与讨论64-71
• 4.4 本章小结71-73
• 第5章 结论与展望73-75
• 5.1 结论73
• 5.2 创新点73
• 5.3 展望73-75
• 附录A75-76
• 附录B76-77
• 附录C77-79
• 参考文献79-85
• 致谢85-87
• 攻读学位期间参加的科研项目和成果87

【参考文献】

中国期刊全文数据库 前8条

1 陈宸;熊智华;钟宜生;;间歇过程综合预测迭代学习控制方法基于二维理论的分析(英文)[J];Chinese Journal of Chemical Engineering;2014年07期

2 陈宸;熊智华;;一种间歇过程的综合预测迭代学习控制方法(英文)[J];控制理论与应用;2012年08期

3 刘毅;林传东;高增梁;;基于粒子群优化的连续发酵过程PID控制[J];石油化工自动化;2012年01期

4 王建林;薛尧予;于涛;赵利强;;应用群能量恒定粒子群优化算法的批次流加发酵过程批次间优化(英文)[J];Chinese Journal of Chemical Engineering;2010年05期

5 王建林;赵利强;于涛;;利用状态空间模型和不敏卡尔曼滤波的分批补料发酵过程在线估计(英文)[J];Chinese Journal of Chemical Engineering;2010年02期

6 王树青;张学鹏;陈良;;半导体生产过程的Run-to-Run控制技术综述[J];浙江大学学报(工学版);2008年08期

7 熊智华;董进;;基于线性时变扰动模型的间歇过程最优迭代学习控制(英文)[J];Chinese Journal of Chemical Engineering;2008年02期

8 陈治纲,许超,邵惠鹤;间歇过程优化与先进控制综述[J];化工自动化及仪表;2003年03期

中国博士学位论文全文数据库 前1条

1 刘毅;间歇过程的核学习自适应建模与控制研究及工业应用[D];浙江大学;2009年

，

本文编号：748098