预测控制在啤酒发酵温度控制中的应用研究

发布时间：2017-09-18 10:13

  本文关键词：预测控制在啤酒发酵温度控制中的应用研究

  更多相关文章： 啤酒发酵 PID 时滞时变不确定性 预测控制 动态矩阵控制

【摘要】：在石油、化工、啤酒发酵等一些复杂的工业生产过程中,时滞和时变不确定性往往是一类不可避免的问题。而针对复杂对象的时滞问题,采用常规的控制算法如PID控制算法,取得较为满意的控制效果是不容易的。啤酒发酵过程伴随有热量的产生,温度是此过程的一个重要因素。温度控制的好坏直接关系到啤酒的质量和口感。而啤酒发酵的温度对象具有典型的时滞性和时变不确定性。在此背景下,经过许多学者的不懈研究,提出了针对时滞对象改进的PID算法,以及模糊控制、神经控制、自适应控制、鲁棒性控制等一些先进的智能算法也逐步发展并适用起来,并为预测控制的发展奠定了基础。因此本文以啤酒发酵的温度对象为背景,建立被控对象数学模型,将动态矩阵控制算法应用到啤酒发酵的温度控制上。本文的研究建立在实验室微型啤酒生产装置之上,其具体内容主要如下:针对啤酒发酵的工艺要求,提出了两种给发酵罐中发酵液温度降温的方式即通过改变调节阀开度大小来控制冷媒流量的方式,以及通过改变酒精泵电机转速来控制冷媒流量的两种控制方式。紧接着介绍了预测控制的几种算法:内模控制、模型算法控制和动态矩阵控制。并主要对动态矩阵控制算法进行了仿真研究,包括动态矩阵控制算法下对象的阶跃响应、控制器输出和误差信号曲线;不同控制器参数主要是不同优化时域及不同控制时域下,对象的阶跃响应和控制器输出曲线的对比效果图;当被控对象模型失配的情形下,系统的动态特性曲线以及控制器输出曲线。其仿真及实验结果证明了本文控制算法在啤酒发酵温度控制中得到了良好的效果。
【关键词】：啤酒发酵 PID 时滞时变不确定性 预测控制 动态矩阵控制
【学位授予单位】：哈尔滨理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TS262.5;TP273
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-17
• 1.1 研究目的及意义9-10
• 1.2 预测控制理论概述10-12
• 1.2.1 预测控制的研究现状10-11
• 1.2.2 预测控制的优点11
• 1.2.3 预测控制的几种基本类型11-12
• 1.3 啤酒发酵过程中的控制难点12-13
• 1.4 啤酒生产的温度控制技术13-15
• 1.4.1 啤酒发酵过程常见的监控方式13-14
• 1.4.2 啤酒发酵过程相关控制算法介绍14-15
• 1.5 主要研究内容15-17
• 第2章 发酵温度控制系统硬件设计方案17-27
• 2.1 实验室小型啤酒生产基本装置的简介17-18
• 2.2 调节阀的介绍18-20
• 2.2.1 调节阀的结构原理18-19
• 2.2.2 调节阀的分类方式19
• 2.2.3 调节阀的流量特性19-20
• 2.3 IPC-PLC集散控制系统介绍20-21
• 2.3.1 工控机（IPC）的特点20
• 2.3.2 可编程控制器的发展趋势20-21
• 2.4 啤酒生产中计算机控制系统结构21-22
• 2.5 CJ1W-DA041模拟量输出单元22-24
• 2.5.1 CJ1W-DA041配线端子排列23
• 2.5.2 控制量输出规格23-24
• 2.6 发酵温度控制系统的方式介绍24-26
• 2.6.1 冷气阀开度大小控制方式24
• 2.6.2 通过变频器实现对酒精泵电机的控制24-26
• 2.7 本章小结26-27
• 第3章 预测控制算法的分析27-46
• 3.1 内模控制基本原理27-30
• 3.1.1 内模控制的基本结构27
• 3.1.2 内部模型27-29
• 3.1.3 内模控制器的基本特性29-30
• 3.2 模型算法控制30-33
• 3.2.1 单步模型算法控制输出预测31-32
• 3.2.2 参考轨迹32
• 3.2.3 最优控制律计算32-33
• 3.3 动态矩阵控制算法33-37
• 3.3.1 预测模型34-35
• 3.3.2 滚动优化35-36
• 3.3.3 反馈校正36-37
• 3.4 DMC控制器参数整定37-38
• 3.4.1 采样周期和模型长度37
• 3.4.2 性能优化指标参数37-38
• 3.4.3 误差校正参数38
• 3.5 DMC算法的主要优点38-39
• 3.6 DMC算法仿真分析39-45
• 3.7 本章小结45-46
• 第4章 动态矩阵控制在发酵过程中的应用46-52
• 4.1 啤酒生产工艺简介46-49
• 4.1.1 啤酒生产工艺流程及设备46-48
• 4.1.2 温度检测部分48
• 4.1.3 手/自动切换电路的设计48-49
• 4.2 被控对象数学模型的建立49-50
• 4.3 本文算法的应用50-51
• 4.4 本章小结51-52
• 结论52-53
• 参考文献53-56
• 攻读学位期间发表的学术论文56-57
• 致谢57

【相似文献】

中国期刊全文数据库 前10条

1 黄湘云,朱学峰;预测控制的研究现状与展望[J];石油化工自动化;2005年02期

2 李平，王树青，，王骥程;预测控制研究的概况[J];化工自动化及仪表;1995年06期

3 夏伯锴,袁璞;变结构过程的协调预测控制及其应用[J];化工自动化及仪表;2002年06期

4 匡卓贤,李平;过阻尼过程的预测控制[J];抚顺石油学院学报;1996年02期

5 王蕾,李平,蒋丽英;一类非自衡系统的简化模型鲁棒预测控制[J];抚顺石油学院学报;2002年01期

6 刘雨波;罗雄麟;许锋;;分布式预测控制全局协调及稳定性分析[J];化工学报;2013年04期

7 肖海力,田学民;鲁棒线性规划在预测控制中的应用[J];石油大学学报(自然科学版);2003年06期

8 那思佳;预测控制在分子筛装置中的应用[J];辽宁科技学院学报;2005年03期

9 徐烨;;预测控制在机加工设备上的实施探讨[J];内燃机;2006年01期

10 祁军;范燕;张郁中;;禁忌搜索算法在预测控制中的应用[J];辽宁石油化工大学学报;2008年02期

中国重要会议论文全文数据库 前10条

1 张峻;席裕庚;;输入受限时预测控制的一种简易算法[A];1996中国控制与决策学术年会论文集[C];1996年

2 魏善碧;柴毅;丁宝苍;;独立动态系统分布式预测控制研究[A];第二十七届中国控制会议论文集[C];2008年

3 任作新;;一种预测控制新算法[A];1995中国控制与决策学术年会论文集[C];1995年

4 陈虹;;预测控制鲁棒性研究的若干问题[A];第二十二届中国控制会议论文集（下）[C];2003年

5 刘兵;徐立鸿;冯纯伯;;连续系统预测控制[A];1994中国控制与决策学术年会论文集[C];1994年

6 崔小第;卢准炜;徐荣良;;一类非线性模型的预测控制[A];1994年中国控制会议论文集[C];1994年

7 刘兵;徐立鸿;冯纯伯;施建华;;具有饱和输入的预测控制[A];1995年中国控制会议论文集（上）[C];1995年

8 罗国娟;吴刚;;预测控制中柔化因子与控制增量权重的关系[A];第二十四届中国控制会议论文集（上册）[C];2005年

9 刘燕卿;刘飞;;约束预测控制软件实现及仿真研究[A];2007中国控制与决策学术年会论文集[C];2007年

10 柴毅;魏善碧;郭茂耘;凌睿;;带通信完全失效的多飞行器编队分布式预测控制研究[A];2009中国控制与决策会议论文集（3）[C];2009年

中国重要报纸全文数据库 前1条

1 陈倩;南屯矿运搬工区巧打安全“预防针”[N];经理日报;2008年

中国博士学位论文全文数据库 前10条

1 张隆阁;基于多胞的鲁棒预测控制研究[D];华北电力大学;2015年

2 罗奇;自适应光学优化控制技术研究[D];中国科学院研究生院(光电技术研究所);2016年

3 王龙生;基于多质点模型的高速列车自动驾驶预测控制[D];北京交通大学;2016年

4 李德伟;预测控制在线优化策略的研究[D];上海交通大学;2009年

5 林永君;基于复杂机理模型的过程预测控制研究[D];华北电力大学;2002年

6 徐湘元;预测控制的线性方法、非线性方法和神经网络方法[D];华南理工大学;2000年

7 盛云龙;离散时间约束不确定线性系统的鲁棒预测控制[D];浙江大学;2003年

8 徐祖华;模型预测控制理论及应用研究[D];浙江大学;2004年

9 安爱民;基于预测控制的先进过程控制技术研究[D];兰州理工大学;2010年

10 陈进东;基于模糊在线支持向量回归的建模与预测控制研究[D];江南大学;2013年

中国硕士学位论文全文数据库 前10条

1 冯凯;基于最小二乘支持向量机的参数变化模型辨识及其预测控制[D];浙江大学;2015年

2 徐进;基于预测控制的电梯永磁曳引机无称重传感器起动策略研究[D];哈尔滨工业大学;2015年

3 王会卿;大型直流锅炉机组预测控制方法应用研究[D];山东大学;2015年

4 刘博;基于扰动观测的永磁同步电机电流预测控制研究[D];哈尔滨工业大学;2015年

5 胡婧;随机模型预测控制在风力发电系统的应用[D];华北电力大学;2015年

6 倪虹;基于智能计算的预测控制及应用[D];宁波大学;2015年

7 孙志民;基于改进粒子群优化的磨矿过程预测控制[D];大连理工大学;2015年

8 武晓英;预测控制在同步发电机励磁非线性控制中的应用[D];河北工业大学;2015年

9 田恒锋;多变量约束预测控制在超超临界机组协调控制中的应用研究[D];上海交通大学;2013年

10 高山;300MW机组主汽温系统预测控制方案研究[D];华北电力大学;2015年

本文编号：874907