基于工业过程的现代控制理论的应用研究.doc

1、基于工业过程的现代控制理论的应用研究【摘要】结合现代控制理论的相关分类和研究特点，从当前留下的预测控制系统及过程控制领域来探讨智能控制的理论分支，指出未来智能控制技术在工业过程研究和应用发展中的方向。 【关键词】现代控制理论 过程控制工程 预测控制 智能控制 以状态空间方法为主体的现代控制理论，借助于多变量控制系统的设计，能够实现对工业过程的状态采集、输出反馈，以及解耦控制等操作，尤其是现代计算机技术的发展和在工业生产中的应用，更使得现代控制理论获得了新的突破。自上世纪 80 年代基于实时动态环境下对多变量耦合系统控制技术的问世，以模型预测启发式控制和动态矩阵控制技术为代表的预测技术，逐渐成为

2、工业过程控制应用的主角，同时，随着工业过程控制技术的不断深入，基于模型的控制理论体系也得到了完善。一、先进控制理论的技术理论特点分析 与传统基于模型的过程控制相比，对于先进控制技术来说，如神经网络、专家控制，以及模糊控制等智能化技术，已经成为当前发展的主要方向。结合先进控制的应用实践，以多变量耦合、大时滞、被控变量与控制变量间的关系约束等方面来看，先进控制技术可以实现在常规回路上的动态约束控制，即能够适应实际工业生产过程的动态操作要求。另外从对计算功能的支持上，实时性是先进控制技术的主要特征，并能够依托先进的计算机技术来完成对控制可靠性、可维护性的高效操作。 二、基于工业过程的控制技术分类策略

3、 从过程控制策略来看，主要分为五类，一是传统控制策略，如 PID控制、手动控制、比值控制、前馈控制等；二是经典技术控制策略，如增益调整策略、解耦控制策略、时滞补偿策略等；三是统行技术控制策略，如模型预测控制策略、自适应控制策略、内模控制策略等；四是潜在技术控制策略，如专家控制策略、最优控制策略、神经控制策略、非线性控制策略、及模糊控制策略等；五是研究上的策略，如 U 综合策略、鲁棒控制策略等。对于不同控制技术来说，结合不同的应用领域选择适应的控制策略来完成具体的应用操作。 三、对预测控制技术的研究与分析 自上世纪 60 年代卡尔曼将状态空间法引入到控制理论中，从而揭开了现代控制理论的序幕。特别

4、是在自动化控制技术日益发展的今天，借助于多变量、时变和非线性等特点，在工业过程控制中将时效性和经济性作为控制模型的基础，并从最优化性能指标算法中实现了对复杂工业过程的控制。同时，为了克服数学模型精度和不确定性因素的影响，从工业过程建模、鲁棒控制及自适应控制中进一步突破传统思想的束缚，以现代计算机技术为支撑的高性能计算平台来完善控制新算法，以实现对预测控制技术的有效改进。 基于非参数模型的模型预测控制技术。以 Richalet（1987） 、Mehra（1982）等提出在脉冲响应模型基础上而改进的模型预测启发控制系统，其原理是利用脉冲响应来实现对工业现场的控制，不需要额外系统来进行系统识别，从而

5、避免不确定性的运行，提高了控制的鲁棒性。如在炼油厂催化裂化装置中，对于原油预热过程进行控制，能够获得较好的控制效果。再如对于某钢厂加热炉进行综合控制时，从多变量约束条件控制算法中来获得各环节的预测参数值，并从工业现场过程中的解耦、跟踪上来优化控制算法，从而获得良好的控制目标。 基于参数化模型的预测控制技术。为了在自适应控制理论中增强系统的鲁棒性，从广义最小方差的基础上，Clarke（1987）提出的广义预测控制技术。其原理是吸取预测控制技术中多步预测优化策略，并从过程参数识别控制中，来提高系统的自适应控制能力。如将自适应控制技术与预测控制技术进行结合，从参数修正过程中来实现对预测模型的动态修正

6、，从而改善系统的控制性能。如在联铸工业生产过程中对结晶液位的控制上，从广义预测控制技术上克服了拉速变化产生的有色噪声，提高了过程控制的鲁棒性。预测控制技术的成功源自工业实践，更因为预测控制技术能够从控制目标的优化、约束条件的广泛性，以及控制算法、鲁棒性等的优越性，使其能够获得更好的应用前景。 四、智能控制在工业控制过程中的应用研究 智能控制技术作为一门新的学科分支，在以现代信息技术、人工智能技术的支撑下，信息论、控制论、系统论理论的日益成熟，将控制技术进行高度分化和综合，从而获得了对控制对象时变性、时滞性、非线性的有效控制，也使得智能控制技术能够从模拟人类思维的方式来解决复杂的控制策略，并取得

7、了较好的应用效果。如在工业领域中的材料加工、冶炼、化工等过程控制中，面对复杂的反应机理，从不确定的外界环境干扰中对系统运行过程进行实时自动化控制，如引入专家控制系统，神经元网络控制系统，从对整个生产现场实际控制中来提高自动化水平，其中包含对相关操作工艺的优化控制，对控制过程不同故障的诊断和改进等。 在专家控制系统中，优点是借助于专家操作经验和计算机信息处理能力，来实现对现场工业过程中时变性、非线性、以及负责控制对象的控制效果，其应用主要从系统设计、建模、参数整定、以及过程故障检测和监控，不足是专家控制系统因知识库更新困难而难以实现同步提升。在模糊控制系统中，利用人类模糊语言系统可以实现对现场过

8、程的判定和决策，不足是稳态精度不高，自适应能力差。对于神经网络控制系统来说，以其高度组织性、学习性和自适应性为特征的智能控制，因无法对模糊信息的有效处理，也使其具有局限性。为此，结合复杂控制环境下的过程控制，将智能控制与常规控制进行统合，以充分发挥各自优势，并从人工智能技术上来提高整个系统的智能化水平。如将模糊控制技术与滑模控制技术进行结合来实现对水下机器人的控制；利用模糊 C 均值聚类算法来对电容进行分组，并借助于神经网络算法来进行补偿导纳，以实现对电网电压、无功功率和不平衡的综合补偿。需要说明的是，在工业生产控制过程中，对于模型化研究的目标旨在从工业过程中来实现故障诊断和控制决策，其方法体现了模糊识别、统计分析和归纳推理等知识，以满足实际工程控制的需要。 五、结语 现代控制理论与控制工程的不断发展，特别是对于工业生产大型化、集成化、复杂化趋势来说，借助于现代控制技术，融入先进计算机技术、信息分析技术来实现对工业过程的准确控制，如以现场总线为基础的企业生产、经营、管理综合控制系统的实现，必将成为未来工业生产自动化发展的方向。 参考文献： 1李平.非线性系统自适应模糊控制方法研究D.东北大学，2010. 2魏晋宏，袁贺强.预测控制在二次网供暖控制系统中的应用J.暖通空调，2012， （05）.