论文导读:针对电炉温度控制问题,设计了一种极点配置自校正PID控制器,给出了系统的CARMA模型,介绍了带遗忘因子的递推最小二乘实时参数估计算法,以及极点配置自校正PID算法,建立PID参数与系统参数及控制性能指标之间的关系式,并进行了MATLAB仿真。仿真结果表明,自校正PID控制能使系统的性能达到了预期的效果,提高了系统的动态特性。
关键词:自校正PID,系统辨识,温度控制,最小二乘法
1.引言
温度控制是工业生产过程中很重要的一种控制。就控制系统本身的动态特性来说,基本上都属一阶纯滞后环节, 具有大惯性、大延时的特点[1]。本文讨论的电炉这类热工对象的动态性能复杂多变,加之外界干扰因素多。本文介绍的自校正PID控制系统,将自适应控制与经典的PID控制相结合,很好的解决了在系统模型不能精确确定情况下,这类大惯性、大延时系统,在外界干扰严重情况下的控制问题。在外界干扰使系统的参数发生波动时,通过在线辨识,得到系统的参数,然后根据参数的变化,调整PID控制参数使系统达到期望的输出,以提高系统的稳定性、响应速度以及控制精度。
2.在线系统辨识
受控对象的数学模型可用受控自回归滑动平均(CARMA) 模型描述。要辨识系统的在线参数,通常采用参数估计中的递推最小二乘法[2]。设单输入输出系统的模型为:
(2.01)
其中
式中为待估计的参数。设系统的阶数已知。
参数估计的任务就是根据测得的输入、输出数据、,来估计未知参数。
定义
将式(2.01)写成如下的最小二乘格式,
(2.02)
其中为输入-输出观测向量,为未知参数向量,为噪声。根据系统的次观测对的估计值为。对于第次观测,实际观测值与估计模型计算值之间的偏差为,称为残差,有
(2.03)
残差向量为系统模型固有误差、测量噪声误差以及计算误差等构成的综合误差。引入符号
对应(2.03)式的向量矩阵方程为
(2.04)
利用最小二乘法求参数向量的最小二乘估计,就是目标函数
(2.05)
令,得(2.06)
当矩阵为非奇异矩阵,即存在时,由(2.06)求得的称为系统参数的最小二乘估计。
为了解决矩阵求逆运算,减少运算量,强调新数据在估计中的作用,此可以采用“渐消记忆法”,在递推公式中加入遗忘因子。
式中,一般取,取的小,系统跟踪能力变强,过小的话,噪声干扰影响加大。另外,的初值的选取一般为
1/3 1 2 3 下一页 尾页 |