下载文档原格式
一、题目题目5：以中等纯度的精馏塔为研究对象，考虑到不等分子溢流的影响和非理想的汽液平衡，可以得到塔顶产品轻组分含量Y 与回流量L 之间的传递函数为：s e s s s s L s Y 12)15.17)(13.28()19.0(4.3)()(-⋅+++= 控制要求：1、采用Smith 纯滞后补偿PID 控制算法将塔顶轻组分含量控制在0.99。
2、采用继电法整定PID 参数。
3、整定效果验证：当被控过程参数时变时，如滞后时间由12→24，开环增益由3.4→6时，讨论PID 控制的响应速度及鲁棒性问题，考察当系统参数发生改变时，上述PID 参数是否选取合适。
二、Smith 纯滞后补偿控制原理针对纯滞后系统闭环特征方程含的影响系统控制品质的纯滞后问题，1957年Smith 提出了一种预估补偿控制方案，即在PID 反馈控制基础上，引入一个预估补偿环节，使闭环特征方程不含有纯滞后项，以提高控制质量。
如果能把图2-1中假想的变量B 测量出来，那么就可以按照图2-1所示的那样，把B 点信号反馈到控制器，这样就把纯滞后环节移到控制回路外边。
图2-1 反馈回路的理想结构示意图由图2-1可以得出闭环传递函数为G (s )=D (s )G P (s)e −τs1+D(s)G P (s)由上式可见，由于反馈信号B 没有延迟，闭环特征方程中不含有纯滞后项，所以系统的响应将会大大地改善。
但是由于B 点信号是一个不可测(假想)的信号，所以这种方案是无法实现的。
为了实现上面的方案，假设构造了一个过程的模型，并按图2-2所示那样把控制量U(S)加到该模型上去。
在图 2-2中，如果模型是精确的，那么虽然假想的过程变量B 是得不到的，但能够得到模型中的B m 。
如果不存在建模误差和负荷扰动，那么B m 就会等于B ， E m (s )= Y (s )−Y m (s )=0 ，可将B m 点信号作为反馈信号。
但当有建模误差和负荷扰动时，则E m (s )= Y (s )−Y m (s )≠0 ，会降低过程的控制品质。
控制系统参数优化算法的综述及比较引言：控制系统参数优化是控制理论与应用中的重要研究方向之一。
通过调整控制系统中的参数，可以改善系统的性能指标，提高系统的稳定性、响应速度和抗干扰能力。
针对不同的控制系统和性能需求，研究者提出了许多参数优化算法。
本文将综述常用的控制系统参数优化算法，并进行比较分析，旨在为研究者提供选择合适算法的参考。
一、PID算法PID（比例-积分-微分）算法是目前最常用的控制系统参数优化算法之一。
PID算法根据系统的误差、偏差和变化率进行计算，通过调整比例、积分和微分增益参数，可以实现系统的稳定控制和良好的响应速度。
PID算法简单易懂，计算速度快，但对于非线性系统和时变系统效果有限。
二、遗传算法遗传算法是一种模拟生物进化过程的优化算法，通过模拟遗传、变异和选择等操作，在参数空间中搜索最优解。
遗传算法具有全局优化能力，适用于非线性、多约束的复杂系统。
遗传算法的优点是可以通过引入随机性来避免陷入局部最优解，但算法收敛速度较慢，需要大量的计算资源。
三、模糊控制算法模糊控制算法模拟人类的模糊推理过程，基于模糊逻辑进行控制规则的设计。
模糊控制算法适用于具有模糊规则和模糊输入输出的系统，可以处理一些非精确性和模糊性较强的问题。
模糊控制算法的优点是简化了控制系统的建模过程，但在应对高精度控制和复杂的非线性系统时表现一般。
四、人工神经网络算法人工神经网络算法模拟人脑的神经网络结构和工作方式，通过学习和适应来进行参数优化。
人工神经网络算法适用于非线性、时变的系统，能够处理大量的输入输出数据。
人工神经网络算法的优点是具有自适应能力和非线性逼近能力，但需要大量训练数据和较长的训练时间。
五、粒子群优化算法粒子群优化算法模拟鸟群觅食行为，并通过互相通信和合作来搜索最优解。
粒子群优化算法具有简单、快速和全局搜索能力的优点，对于参数优化问题具有一定的适应性。
但在处理高维参数空间和复杂约束时效果较差。
六、灰色系统理论灰色系统理论通过将数据处理为灰色数列，利用灰色关联度分析和灰色预测等方法来进行参数优化。
含有纯滞后系统的几种控制算法的比较与评述
【摘要】针对时滞对象的控制问题，着重选取几种控制方法，论述了各种控制方法的原理和优缺点，比较控制性能，以期对含有大时滞的实际对象的控制起到方法上的指导作用。
【关键词】纯滞后Smith预估控制
智能控制
1纯滞后问题
大家都知道，纯滞后在工业上是一种普通的现象。
例如冶金、玻璃、造纸工业中板材厚度的控制、加热炉、炉窖的传热，化工炼油生产中物料的传输，反应器的化学合成等系统都存在纯滞后。
在工业过程闭环控制系统控制回路中，若存在纯滞后，闭环特征方程中就存在纯滞后，由于纯迟延的存在使得被调量不能及时反映控制信号的动作，控制信号的作用只有在延迟了以后才能反映到被调量；另一方面，当对象受到干扰而引起被调量改变时，控制器产生的控制作用不能即时对干扰产生抑制作用。
因此，含有纯滞后环节的闭环控制系统必然存在较大的超调量和较长的调节时间。
纯滞后对象也因此而成为难控的对象。
本文针对时滞的控制问题，着重选取常用的几种控制方法，比较控制性能，以期对含有大时滞的实际对象的控制起到方法上的指导作用。
2时滞过程的各种控制方法
2.1PID控制。
PID控制是迄今为止最通用的控制算法，大多数反馈回路都采用PID或其改进型来控制。
其控制规律为
然而，PID在纯滞后系统中的应用是有一定限制的。
这是因为其控制效果无法通过反馈回路及时反馈，因而使得控制问题复杂化了。
2.2Smith预估控制及改进算法。
当前，含较大纯滞后的系统大多采用Smith 预估及其改进型来控制。
Smith预估器控制基本思路是，预先估计出过程在基本扰动下的动态特性，然后由预估器进行补偿控制，力图使被延迟了的t的被调量提前反馈到调节器，使调节器提前动作，从而明显地减小超调量和加速调节过程。
Smith控制系统最大的优点是将时滞环节移到了闭环之外，使控制品质大大提高。
但Smith控制仍有缺陷：①对某些干扰信号的适应能力差；②当对象模型参数变化时适应能力差；③对无自衡对象产生稳定偏差。
针对Smith控制存在的问题，提出了基于常规Smith预估控制器的各种改进方法，大致可以分为两种：一种是基于结构上的改进，它们结合智能控制的各种方法，即通过在不同位置增加一些并联或者串联的环节进行补偿；还有就是在参数整定上的改进，它们或者将e-TS项通过泰勒多项式展开，用鲁棒性能指标及其它指标函数对控制器进行解析设计，或者对其中的控制参数进行鲁棒调整，或者对Smith预估系统的反馈传递函数进行改进，以增强它的鲁棒性和稳定性。
2.3Dahlin算法。
它是一种计算机控制算法，Dahlin控制器是一种常见的控制器，它有个可在线调整的参数，给实际应用带来了很大的方便。
Dahlin控制器设计的出发点是选择一个具有纯滞后的一阶特性作为所需的闭环特性，据此来推导控制器。
对具有纯滞后的一阶非周期特性的对象有较好的控制品质。
它在很早就被提出，在一定条件下可以和Smith预估器等效，但是Dahlin算法的一个缺点是可能存在着“振铃”现象：且对过程的模型误差仍比较敏感。
2.4神经网络控制。
神经网络是多个学科交叉而形成的一个技术领域，它对信息的加工、处理、存储和收索的过程具有很多其它方法没有的特点。
它对信息的存储是分布式的；对信息的处理和推理是并行的；对信息的处理还有自组织和自学习的特点，所以可以任意精度逼近非线性函数，可进行在线和离线学习，容错性比较强。
它被应用在时滞控制系统中也是因为它可以逼近时滞的动态特性，只需要用一定的输入和输出样本来训练网络就可以了，它不需要复杂的控制结构，也不需要精确的数学模型，因此它简单而有效的特点适合工业的应用。
2.5模糊控制。
模糊控制是一种基于专家规则的控制方法，属于智能控制的范畴。
在时滞系统中，模糊控制一般是针对误差和误差变化率而进行的，将输入变量的精确值模糊化，根据输入变量和模糊控制规则，按照模糊推理合成规则计算控制量，再将它反模糊化，得到精确输出去控制过程。
其中，模糊规则是最重要的，应该根据实际情况来具体制定。
模糊算法用在时滞系统中其实是非常适用的，因为时滞系统的难以定量化和不确定性决定了它需要用不确定处理手段。
但是，如果用普通的模糊控制器来控制大时滞、大惯性系统，当稳态误差较小时很容易出现振荡。
因此如果能结合其它算法来提高它的控制精度，那么将是非常有效的。
目前，大致有几种模糊算法在时滞系统中得到应用，如模糊控制器、模糊预估控制方法和模糊自整定方法等。
2.6其它方法。
对于时滞过程的控制，除了以上所述的方法外，还有许多其它的方法。
如预测控制、自适应控制、鲁棒控制、变结构控制和灰色预测控制等。
它们往往是和其它方法加以结合来克服时滞的影响。
预测控制与其它方法不同，它是在工业实践过程中逐步发展起来的。
到现在已经有几十种预测控制算法相继产生，比较典型的有非参数模型的模型预测启发控制(MPHC)、模型算法控制(MAC)和动态矩阵控制(DMC)等。
因为时滞控制系
统解决问题的关键是对系统输出的预测，因此。
预测控制非常适用于时滞系统，它可以和人工智能等方法结合，或者进行结构上的改进来满足应用的要求。
3几种控制方法的比较
经典的PID控制对具有纯滞后的对象，特别是滞后较大的对象，不能得到满意的控制效果，当滞后增大时，甚至有可能出现不稳定的情况。
因此，PID只能用于无时滞或时滞时间较短的系统。
用于克服滞后影响的传统控制方法Smith预估控制，虽然在较大滞后时仍可以保证稳定的控制，但其调节时间也较长，在要求快速控制的场合不能应用。
当对象模型不精确时，Smith控制的超调量大，调节时间长，模型失配较大时，甚至可能不稳定。
改进的Smith预估控制较好的解决了上述问题，在实际工程中得到了广泛的应用。
Dahlin算法对具有纯滞后的一阶非周期特性的对象有较好的控制品质，但是它的一个缺点是可能存在“振铃”现象，对过程的模型误差比较敏感。
工业生产的大规模化使工业过程变得更为复杂，大时滞、不确定性、严重非线性、时变性对工业过程控制系统的设计提出了更高的要求。
因此，这需要更高级、更快速、更可靠、更有效的控制方法。
针对时滞系统的模型不确定性和干扰的不可知性，智能控制开始进入时滞系统，其中模糊控制和神经网络控制可以发挥很大的作用。
但是，对于时滞过程，如何获取有效的控制规则仍然是一难题，自适应控制方法的出现无疑又丰富了时滞系统的控制方法，有很大的优越性。
鲁棒控制和变结构控制针对时滞系统的控制在理论上的研究也很成功，但是它们计算复杂，有时会出现找不到解的情况，因此，其应用价值在当前仍然有限。
因此，大时滞系统的控制不是单一的方法就可以完善解决的，工业计算机的出现与完善可以很容易地实现各种复杂、高级控制算法，因此，针对大时滞过程的特点，开发与设计出各种智能控制方法或以不同的形式结合在一起，将是解决工业时滞过程的有效途径。
