下载文档原格式
解耦控制系统设计与仿真姓名：专业：学号：第一章解耦控制系统概述1.1背景及概念在现代化旳工业生产中，不停出现某些较复杂旳设备或装置，这些设备或装置旳自身所规定旳被控制参数往往较多，因此，必须设置多种控制回路对该种设备进行控制。
由于控制回路旳增长，往往会在它们之间导致互相影响旳耦合作用，也即系统中每一种控制回路旳输入信号对所有回路旳输出都会有影响，而每一种回路旳输出又会受到所有输入旳作用。
要想一种输入只去控制一种输出几乎不也许，这就构成了“耦合”系统。
由于耦合关系，往往使系统难于控制、性能很差。
所谓解耦控制系统，就是采用某种构造，寻找合适旳控制规律来消除系统中各控制回路之间旳互相耦合关系，使每一种输入只控制对应旳一种输出，每一种输出又只受到一种控制旳作用。
解耦控制是一种既古老又极富生命力旳话题，不确定性是工程实际中普遍存在旳棘手现象。
解耦控制是多变量系统控制旳有效手段。
1.2重要分类三种解耦理论分别是：基于Morgan问题旳解耦控制，基于特性构造配置旳解耦控制和基于H_∞旳解耦控制理论。
在过去旳几十年中，有两大系列旳解耦措施占据了主导地位。
其一是围绕Morgan问题旳一系列状态空间措施，这种措施属于全解耦措施。
这种基于精确对消旳解耦措施，碰到被控对象旳任何一点摄动，都会导致解耦性旳破坏，这是上述措施旳重要缺陷。
其二是以Rosenbrock为代表旳现代频域法，其设计目旳是被控对象旳对角优势化而非对角化，从而可以在很大程度上防止全解耦措施旳缺陷，这是一种近似解耦措施。
1.3有关解法选择合适旳控制规律将一种多变量系统化为多种独立旳单变量系统旳控制问题。
在解耦控制问题中，基本目旳是设计一种控制装置，使构成旳多变量控制系统旳每个输出变量仅由一种输入变量完全控制，且不一样旳输出由不一样旳输入控制。
在实现解耦后来，一种多输入多输出控制系统就解除了输入、输出变量间旳交叉耦合，从而实现自治控制，即互不影响旳控制。
互不影响旳控制方式，已经应用在发动机控制、锅炉调整等工业控制系统中。
温室大棚温湿度模糊解耦控制系统设计与仿真卢佩;刘效勇【摘要】温室环境系统是一个多变量、非线性、时变和滞后的系统,各变量之间具有耦合关系,很难建立精确的数学模型.其中,温度和湿度的变化是最基本的因子,对农业作物影响最为显著.为此,采用模糊控制方法,通过建立模糊控制系统模型和对模糊控制器的设计,引入解耦参数,实现了该系统的温湿度解耦控制,使系统的温湿度控制精度大大提高.实验结果表明:当温室温湿度设定值分别为20℃和70%时,温湿度变化超调量较小,控制过程比较平稳,系统环境达到了作物生长的需求.【期刊名称】《农机化研究》【年(卷),期】2010(032)001【总页数】4页(P44-47)【关键词】解耦;模糊控制;隶属函数;温室【作者】卢佩;刘效勇【作者单位】石河子大学计算机科学与技术学院,新疆,石河子,832000;石河子大学师范学院物理系,新疆,石河子,832000【正文语种】中文【中图分类】TP273.40 引言在智能温室系统中，温室中的环境因子直接影响作物的生长和发育。
其中，温度和湿度的变化是最基本的因子，对农业作物影响最为显著[1]。
然而，该特定环境系统具有多变量、时变、非线性、大时滞的特点，实际设计时很难对其建立精确的模型，且鲁棒性和自适应性都较差[2]。
近年来，利用模糊控制算法解决复杂系统中的非线性和模型不确定性问题得到了广泛的研究与应用[3]。
常用的温湿度控制器是将温度和湿度分别控制，实际运行环境中温湿度因子存在一定的耦合关系，对一个因子的控制常会影响另一个因子的变化[4]。
为此，本文设计的温湿度模糊解耦控制系统有效改善了多输入变量间的强耦合性、系统结构的非线性与不确定性。
仿真实验结果表明该系统有效、可行。
1 模糊控制系统方案模糊控制系统的一般原理为：将被控制量的理想值与t时刻测量值进行比较，得到偏差e，并计算出偏差变化率ec，然后将e和ec分别量化成模糊量E和EC，再由E和EC及模糊控制规则R根据推理合成规则进行模糊决策，得到模糊控制量u，最后将该模糊控制量反模糊化成精确量U，作用于被控对象，如此循环下去，实现对被控对象的模糊控制。
精馏塔常用控制方案简介1.1.2 精馏塔常用控制方案简介a）传统控制方案1）按物料平衡关系控制精馏塔物料平衡控制方式并不对塔顶或塔底产品质量进展直接的控制，而依据精馏塔的物料平衡及能量平衡关系进展间接控制。
其根本原理是，当进料成分不变和进料温度一定时，在持全塔物料平衡的前提下，保持进料量F、再沸器加热量、塔顶产品量D一定；或者说保持D/F和B/F一定，就可保证塔顶、塔底产品质量指标一定。
2）质量指标控制精馏塔质量指标由精馏塔产品的纯度表达，精馏塔产品的纯度直接影响因素为精馏段灵敏板温度与提馏段灵敏板温度。
因此，精馏塔质量指标控制方案与温度控制有直接联系。
3）温度控制当为了生产两种合格的产品，只有塔顶、塔底两种。
而没有侧线产品时，常用的控制方案是：利用回流量来控制顶部塔板的温度，改变通往再沸器加热蒸汽量来控制底部塔板的温度。
b）先进控制方案1）自适应解耦控制一些学者将自适应控制应用于精馏塔的不同组分控制。
但是．没有考虑控制回路之问耦合的影响。
目前已提出的多变量自适应解耦控制算法，只能对最小相位系统实现动态解耦，对非最小相位系统实现近似动态解耦，近来，有人根据精馏塔的特点提出了一种可以对闭环系统实现动静态解耦的自适应控制器，并在精馏塔上进展了实验。
2）多变量预测控制预测控制是一类以对象模型为根底的计算机控制算法，依据对象模型的不同，预测算法可粉为模型算法（MAC）、动态矩阵控制算法（DMC）、广义预测控制（GPC）等详细实现形式。
工业上应用说明：多变量预测控制到达了期望的效果，实现了常压塔的平稳操作，提高了装置适应处理量与原料性质变化的能力；并简化了控制过程，减少了劳动强度及人工干预，显著提高了产品的合格率。
1.2 问题的提出及解决问题的途径对于精馏过程中的温度控制系统，当只有塔顶、塔底两种产品，而没有侧线产品时，常用的控制方案是：利用回流量来控制顶部塔板的温度，改变通往再沸器加热蒸汽量来控制底部塔板的温度。
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910105814.4(22)申请日 2019.02.01(71)申请人 全球能源互联网研究院有限公司地址 102209 北京市昌平区未来科技城滨河大道18号(72)发明人 纪锋 林畅 高路 彭逸轩 庞辉 (74)专利代理机构 北京三聚阳光知识产权代理有限公司 11250代理人 李博洋(51)Int.Cl.G06F 17/50(2006.01)(54)发明名称一种电力系统的解耦仿真方法(57)摘要本发明公开了一种电力系统的解耦仿真方法，包括：以电力系统中的预设元件作为边界，将电力系统解耦为至少两个子系统；子系统之间的预设电路元件所在的支路分解为对应的具有初始时刻的电源初始值注入电源；根据电源初始值分别求解各个子系统的节点电压方程，获得子系统内部的所有节点的电压值进而更新注入电源当前时刻的状态量，根据更新后的注入电源的状态量计算下一时刻注入电源的状态量，直至仿真周期结束。
本发明实施例提供的解耦仿真方法，利用电压或电流的积分量稳定特性来将电力系统进行分网解耦，计算简单且数值稳定性高，各个子网中的节点电压值可跳变，适用于包含大量开关元件的电力系统电磁暂态解耦并行仿真。
权利要求书2页 说明书6页 附图3页CN 109948185 A 2019.06.28C N 109948185A权 利 要 求 书1/2页CN 109948185 A1.一种电力系统的解耦仿真方法，其特征在于，包括：以所述电力系统中的预设电路元件作为边界，将所述电力系统解耦为至少两个子系统；将所述至少两个子系统之间的所述预设电路元件所在的支路分解为对应的具有初始时刻的电源初始值的注入电源；根据所述电源初始值分别求解各个子系统的节点电压方程，获得子系统内部的所有节点的电压值；根据各所述子系统的边界节点的电压值更新所述注入电源当前时刻的状态量，并根据更新后的注入电源的状态量计算下一时刻注入电源的状态量，直至仿真周期结束。
课程名称：智能控制理论与技术授课老师：徐华中学院：自动化学院专业名称：控制科学与控制工程姓名：廖桂潘学号：班级：自研0902班导师姓名：刘教瑜2010年9月1.一个三阶系统201232123b b ba a as ss s s+++++，其中a,b的值由自己设定，该系统具有非线性环节，如下图所示：依据上述条件设计一个模糊控制器：①用MATLAB仿真，得出仿真结果，②并通过改变a、b值对仿真结果的影响；③改变隶属度函数，从仿真结果图分析隶属度函数，模糊化对系统的影响；解：①（1）取b0=0,b1=0,b2=1.5,a1=4,a2=2,a3=0,在SIMULINK里建模如下图所示（2）用GUI建立FISE和EC分别为系统输出误差和误差的变化量，U为控制输出，编辑其隶属度函数如下编辑模糊推理规则如下(3)仿真结果如下2自己选定一个对象，设计一个神经网络控制系统。
解：被控对象为y(k)=0.3y(k-1)+0.2y(k-2)+0.1u(k-1)+0.6u(k-2),采用单神经元PID 控制，控制结构如下图所示：采用有监督的Hebb 学习规则，控制算法及学习算法如下：3131111222333()(1)()()()()/()()(1)()()()()(1)()()()()(1)()()()i i i i i i i I P D u k u k K w k x k w k w k w k w k w k z k u k x k w k w k z k u k x k w k w k z k u k x k ηηη=='=-+'==-+=-+=-+∑∑式中，2123()();()()(1);()()()2(1)(2);x k e k x k e k e k x k e k e k e k e k ==--=∆=--+-K K>0I P D ηηη﹑﹑分别为积分﹑比例﹑微分的学习速率，为神经元比例系数，。
