多变量过程的耦合性分析及其分散PID控制器设计

多变量过程的耦合性分析及其分散PID控制器设计

论文摘要

大多数大规模复杂的工业过程都是多变量系统。与单变量系统相比,由于输入变量和输出变量之间的耦合,多变量系统更难控制。多变量系统的控制器有两种结构形式:即一个多变量控制器和一组分散控制器,控制器结构的复杂程度和参数整定的难易程度取决于变量之间的耦合程度。因此,如何衡量变量之间的耦合作用强弱,并依据耦合作用分析对操纵变量和被控变量进行配对,是多变量系统控制器设计的重要步骤。本文主要围绕这一问题,从以下三方面进行了系统地研究:(1)通过系统内部闭合回路个数变化时,各个回路开环稳态增益的变化情况反映回路之间耦合作用的强弱。稳态增益变化幅度越大说明回路之间的耦合作用越强。本文引入各个回路的增益变化表和增益变化图,形象直观地对任意两个回路之间的耦合关系加以分析,在此基础上提出了一种描述回路间耦合作用强弱的新指标,并提出了相应的配对方法。(2)从系统的动态特征出发,分析不同回路之间耦合作用的强弱。利用等效开环过程(EOP)计算考虑其他回路耦合作用下各个回路的开环等效传递函数,通过分析各个回路在不考虑其他回路的耦合作用和考虑其他回路耦合作用两种情况下有效增益的变化,计算有效相对增益序列(ERGA)来分析回路之间耦合作用的强弱。(3)在(2)提出的EOP基础上,提出了一种多变量过程分散PID控制器的设计方法。首先对多变量过程进行变量配对,然后利用EOP将多变量系统等效为一组SISO系统,对EOP进行近似和模型简化,针对简化的EOP分别设计独立的控制器,并且给出了所设计的分散控制系统的稳定性条件。

论文目录

  • 摘要
  • ABSTRACT
  • 目录
  • 第一章 绪论
  • 1.1 引言
  • 1.2 多变量过程的耦合性分析方法
  • 1.2.1 基于稳态响应的耦合性分析
  • 1.2.2 基于动态响应的耦合性分析
  • 1.3 分散控制器设计方法
  • 1.4 本文研究的主要内容及章节安排
  • 第二章 基于系统稳态响应的耦合性分析
  • 2.1 引言
  • 2.2 耦合性分析的基本描述
  • 2.2.1 2×2 系统回路间耦合作用的分析
  • 2)系统回路间耦合作用的分析'>2.2.2 n×n(n>2)系统回路间耦合作用的分析
  • 2.3 衡量任意两个回路之间耦合作用的指标
  • 2.3.1 增益变化表
  • 2.3.2 增益变化图
  • 2.3.3 任意两个回路之间耦合作用的衡量指标
  • 2.4 基于回路之间相互耦合作用的配对方法
  • 2.5 仿真研究
  • 2.6 本章小结
  • 第三章 基于系统动态响应的耦合性分析
  • 3.1 引言
  • 3.2 等效开环过程(EOP)
  • 3.3 基于频率特性的耦合性分析方法
  • 3.3.1 有效相对增益序列(ERGA)
  • 3.3.2 基于 EOP 的 ERGA 的计算方法
  • 3.3.3 ERGA 的性质
  • 3.3.4 基于 ERGA 的配对规则
  • 3.4 仿真研究
  • 3.5 本章小结
  • 第四章 多变量过程分散 PID 控制器设计
  • 4.1 引言
  • 4.2 分散 PID 控制器设计
  • 4.2.1 等效开环过程近似
  • 4.2.2 基于相角裕度和幅值裕度的 PID 控制器设计
  • 4.3 系统稳定性条件
  • 4.4 仿真研究
  • 4.5 本章小结
  • 第五章 总结与展望
  • 5.1 全文的研究内容
  • 5.2 未来工作展望
  • 参考文献
  • 致谢
  • 攻读硕士学位期间已发表或录用的论文
  • 上海交通大学学位论文答辩决议书
  • 相关论文文献

    • [1].PID性能评估与整定软件的开发及应用[J]. 炼油与化工 2019(05)
    • [2].基于模糊PID的步进电机速度控制[J]. 软件 2019(12)
    • [3].采用改进模糊神经网络PID控制的移动机器人运动误差研究[J]. 中国工程机械学报 2019(06)
    • [4].基于改进模糊PID的轮式机器人速度控制器设计[J]. 河北科技大学学报 2020(01)
    • [5].基于模糊PID的高速列车车内压力主被动控制[J]. 中国测试 2020(01)
    • [6].混合式步进电机模糊PID控制器设计仿真[J]. 安徽工程大学学报 2019(06)
    • [7].基于模糊PID控制的列车主动悬架振动控制研究[J]. 工业控制计算机 2020(01)
    • [8].拖拉机液压机械式变速器小波神经网络PID控制[J]. 合肥工业大学学报(自然科学版) 2020(01)
    • [9].雷达稳定平台模糊PID串级控制设计与仿真[J]. 计算机测量与控制 2020(02)
    • [10].基于模糊神经网络PID控制的粉体包装计量控制系统[J]. 食品与机械 2020(01)
    • [11].考虑路面时变的整车主动悬架的改进模糊PID集成控制策略[J]. 现代制造工程 2020(02)
    • [12].基于广义预测控制PID算法的桥式起重机吊钩防摆控制器设计[J]. 制造业自动化 2020(03)
    • [13].面向抽水蓄能电站区域负荷频率的分数阶PID控制研究[J]. 电网技术 2020(04)
    • [14].基于智能控制的PID控制方式的研究[J]. 电子测试 2020(05)
    • [15].基于变速积分与微分先行PID的无刷直流电机串级调速控制[J]. 齐齐哈尔大学学报(自然科学版) 2020(01)
    • [16].基于模糊PID算法吸附机器人转向控制系统[J]. 精密制造与自动化 2020(01)
    • [17].农用车辆路径跟踪预瞄控制研究——基于免疫模糊PID算法和视觉导航[J]. 农机化研究 2020(11)
    • [18].基于模糊PID算法吸附机器人转向控制[J]. 软件 2020(04)
    • [19].基于模糊PID算法的臭氧发生器控制系统优化措施[J]. 自动化应用 2020(04)
    • [20].基于遗传算法的智能PID系统设计和分析[J]. 设备管理与维修 2020(10)
    • [21].基于模糊PID的电力巡检机器人路径纠偏[J]. 智慧工厂 2020(04)
    • [22].基于PID的多电发动机磁轴承控制系统设计与验证[J]. 微特电机 2020(06)
    • [23].基于遗传算法的全自动除泡机腔体充排气PID控制研究[J]. 机械管理开发 2020(05)
    • [24].基于吸收塔动态模型的PID控制模拟研究[J]. 辽宁化工 2020(06)
    • [25].基于PID的光伏清洁机器人速度控制及仿真研究[J]. 造纸装备及材料 2020(03)
    • [26].基于改进模糊-PID的船舶自动舵控制方法[J]. 船舶物资与市场 2020(06)
    • [27].运用启发式算法优化一阶倒立摆PID参数研究[J]. 产业科技创新 2020(10)
    • [28].基于前馈补偿PID控制的轮式机器人轨迹跟踪[J]. 河南工程学院学报(自然科学版) 2020(03)
    • [29].基于模糊PID的驾驶模拟器方向盘力反馈系统设计[J]. 机电技术 2020(04)
    • [30].基于模糊PID的小型冷库过热度控制方法[J]. 湖北工业大学学报 2020(04)

    标签:;  ;  ;  ;  ;  ;  ;  

    多变量过程的耦合性分析及其分散PID控制器设计
    下载Doc文档

    猜你喜欢