CN105334736B - 一种分数阶模型预测控制的加热炉温度控制方法 - Google Patents

一种分数阶模型预测控制的加热炉温度控制方法 Download PDF

Info

Publication number
CN105334736B
CN105334736B CN201510844115.3A CN201510844115A CN105334736B CN 105334736 B CN105334736 B CN 105334736B CN 201510844115 A CN201510844115 A CN 201510844115A CN 105334736 B CN105334736 B CN 105334736B
Authority
CN
China
Prior art keywords
model
fractional
order
time
state space
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510844115.3A
Other languages
English (en)
Other versions
CN105334736A (zh
Inventor
张日东
勒其兵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Chemical Technology
Hangzhou Electronic Science and Technology University
Original Assignee
Beijing University of Chemical Technology
Hangzhou Dianzi University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Chemical Technology, Hangzhou Dianzi University filed Critical Beijing University of Chemical Technology
Priority to CN201510844115.3A priority Critical patent/CN105334736B/zh
Publication of CN105334736A publication Critical patent/CN105334736A/zh
Application granted granted Critical
Publication of CN105334736B publication Critical patent/CN105334736B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种扩展状态空间分数阶模型预测控制的加热炉温度控制方法，以维持分数阶***的稳定性并保障良好的控制性能。本发明首先采用Oustaloup近似方法将分数阶模型近似为整数阶高阶模型，基于近似高阶模型建立扩展状态空间模型，然后将分数阶微积分算子引入目标函数，进而基于扩展状态空间模型和选取的目标函数设计了分数阶预测函数控制器。本发明可以很好地运用于分数阶模型描述的实际过程对象，改善了整数阶MPC方法控制分数阶***的不足之处，同时增加了调节控制器参数的自由度，获得了良好的控制性能，并能很好地满足实际工业过程的需要。

Description

一种分数阶模型预测控制的加热炉温度控制方法
技术领域
本发明属于自动化技术领域，涉及一种分数阶模型预测控制(FMPC)的加热炉温度控制方法。
背景技术
在实际工业控制过程中，随着对产品的控制精度和安全操作的要求越来越高，但许多复杂的对象是整数阶微分方程无法精确描述的，用分数阶微分方程能更精确地描述对象特征和评估产品性能。PID控制在工业过程控制领域的应用较为广泛，但是传统PID控制方法和模型预测控制(MPC)方法对分数阶***的控制效果并不能满足越来越高的控制精度的要求，这就需要我们研究具备良好控制性能的控制器来控制用分数阶模型描述的实际被控对象。如果我们将被控对象的状态空间模型进行扩展，并将整数阶模型预测控制方法扩展到分数阶模型预测控制方法中，那将能有效弥补整数阶模型预测控制方法在控制分数阶***中的不足，并能获得更好的控制效果，同时也能促进MPC在分数阶***中的运用。
发明内容
本发明的目的是针对分数阶模型描述的加热炉温度过程，提供一种扩展状态空间分数阶模型预测控制的加热炉温度控制方法，以维持分数阶***的稳定性并保障良好的控制性能。该方法首先采用Oustaloup近似方法将分数阶模型近似为整数阶高阶模型，基于近似高阶模型建立扩展状态空间模型，然后将分数阶微积分算子引入目标函数，进而基于扩展状态空间模型和选取的目标函数设计了分数阶预测函数控制器。
该方法可以很好地运用于分数阶模型描述的实际过程对象，改善了整数阶MPC方法控制分数阶***的不足之处，同时增加了调节控制器参数的自由度，获得了良好的控制性能，并能很好地满足实际工业过程的需要。
本发明的技术方案是通过数据采集、模型建立、预测机理、优化等手段，确立了一种扩展状态空间分数阶模型预测控制的加热炉温度控制方法，该方法可有效提高***的控制性能。
本发明方法的步骤包括：
步骤1、建立实际过程中被控对象的扩展状态空间模型，具体方法是：
1.1采集实际过程对象的实时阶跃响应数据，利用该数据建立被控对象的分数阶传递函数模型，形式如下：
其中，α1为微分阶次，c0,c1为相应的系数，s为拉普拉斯变换算子，K为模型增益，τ为模型的滞后时间。
1.2由Oustaloup近似方法得到微分算子sα的近似表达形式如下：
其中，α为分数阶微分阶次，0<α<1，N为选定的近似阶次， wb和wh分别为选定的拟合频率的下限和上限。
1.3根据步骤1.2中的方法，将步骤1.1中的分数阶传递函数模型近似为整数阶高阶模型，进而将其在采样时间Ts下加零阶保持器离散化，得到如下形式的离散模型：
其中，Fj,Hj(j＝1,2,…,LS)均为离散近似后得到的系数，实际过程的时滞d＝τ/Ts，LS为离散模型的长度，y(k)为k时刻的实际过程对象的模型输出,u(k-d-1)为实际过程对象在k-d-1时刻的输入值。
进一步将上述模型取一阶向后差分，得到如下形式：
其中，Δ是差分算子。
1.4选取如下状态变量：
Δxm(k)＝[Δy(k),Δy(k-1),…,Δy(k-LS+1),Δu(k-1),…,Δu(k-LS+1-d)]T
结合步骤1.3，得到被控对象的状态空间模型，形式如下：
Δxm(k+1)＝AmΔxm(k)+BmΔu(k)
Δy(k+1)＝CmΔxm(k+1)
其中，T为矩阵的转置符号，Δxm(k)的维数为(2LS+d-1)×1。
Bm＝[0 … 0 1 0 … 0]T
Cm＝[1 0 0 … 0 0 0 0]
1.5将步骤1.4中得到的状态空间模型转换成包含状态变量和输出跟踪误差的扩展状态空间模型，形式如下：
z(k+1)＝Az(k)+BΔu(k)+CΔr(k+1)
其中，
e(k)＝y(k)-r(k)
e(k+1)＝e(k)+CmAmΔxm(k)+CmBmΔu(k)-Δr(k+1)
r(k)为k时刻的跟踪设定值，e(k)为k时刻的输出误差，0为(2LS+d-1)×1维的零矩阵,A为(2LS+d)×(2LS+d)维矩阵，B,C均为(2LS+d)×1维矩阵。
步骤2、基于扩展状态空间模型设计被控对象的分数阶模型预测控制器,具体方法如下：
2.1预测未来k+i时刻模型输出的向量形式，
Z＝Gz(k)+SΔU+ΨΔR
其中，
ΔU＝[Δu(k) Δu(k+1) … Δu(k+M-1)]T
ΔR＝[Δr(k+1) Δr(k+2) … Δr(k+P)]T
r(k+i)＝λiy(k)+(1-λi)c(k)
c(k)为k时刻的设定值，λ为柔化因子，P为预测时域，M为控制时域，y(k+i)为k+i时刻过程的预测模型输出，i＝1,2,…,P。
2.2选取被控对象的目标函数J，其形式如下：
其中，γ1,γ2为任意实数，表示函数f(t)在[t1,t2]上的γ次积分，D为微分符号。
依据Grünwald-Letnikov分数阶微积分定义，对上述目标函数在采样时间TS进行离散化，得到：
J＝ZTΛ(γ1,Ts)Z+ΔUTΛ(γ2,Ts)ΔU
其中，
时，对
2.3依据步骤2.2中的目标函数求解得到控制量，形式如下：
ΔU＝-(ST Λ(γ1,Ts)S+Λ(γ2,Ts))-1SΛ(γ1,Ts)(Gz(k)+ΨΔR)
Δu(k)＝[1,0,…,0]ΔU
u(k)＝u(k-1)+Δu(k)
2.4在k+l时刻，l＝1,2,3，…，依照2.1到2.3中的步骤依次循环求解分数阶模型预测控制器的控制量u(k+l)，再将其作用于被控对象。
本发明提出了一种扩展状态空间分数阶模型预测控制的加热炉温度控制方法，该方法将整数阶模型预测控制方法扩展到分数阶模型预测控制方法中，该方法，建立了被控对象的扩展状态空间模型，将微分算子引入控制器增加了控制器参数调节的自由度，有效地弥补了整数阶预测函数控制针对分数阶***的不足之处，提高了***的控制性能，同时促进了模型预测控制方法在分数阶***中的运用。
具体实施方式
以实际过程中加热炉的温度过程控制为例：
由加热炉的实时温度数据得到分数阶模型，通过控制占空比来调节一个控制周期内的加热时间，从而实现加热炉的温度控制。
步骤1、建立实际过程中加热炉温度对象的扩展状态空间模型，具体方法是：
1.1采集实际加热炉温度对象的实时阶跃响应数据，利用该数据建立温度对象的分数阶传递函数模型，形式如下：
其中，α1为微分阶次，c0,c1为相应的系数，s为拉普拉斯变换算子，K为温度对象的模型增益，τ为温度对象模型的滞后时间。
1.2由Oustaloup近似方法得到微分算子sα的近似表达形式如下：
其中，α为分数阶微分阶次，0<α<1，N为选定的近似阶次， wb和wh分别为选定的拟合频率的下限和上限。
1.3根据步骤1.2中的方法，将步骤1.1中的分数阶传递函数模型近似为整数阶高阶模型，进而将其在采样时间Ts下加零阶保持器离散化，得到如下形式的模型：
其中，Fj,Hj(j＝1,2,…,LS)均为离散近似后得到的系数，实际温度控制过程的时滞d＝τ/Ts，LS为离散模型的长度，y(k)为k时刻的实际过程对象的模型输出,u(k-d-1)为实际过程对象在k-d-1时刻的加热时间占空比。
进一步将上述模型取一阶向后差分，得到如下形式：
其中，Δ是差分算子。
1.4选取如下状态变量：
Δxm(k)＝[Δy(k),Δy(k-1),…,Δy(k-LS+1),Δu(k-1),…,Δu(k-LS+1-d)]T
结合步骤1.3，得到温度对象的状态空间模型，形式如下：
Δxm(k+1)＝AmΔxm(k)+BmΔu(k)
Δy(k+1)＝CmΔxm(k+1)
其中，T为矩阵的转置符号，Δxm(k)的维数为(2LS+d-1)×1。
Bm＝[0 … 0 1 0 … 0]T
Cm＝[1 0 0 … 0 0 0 0]
1.5将步骤1.4中得到的状态空间模型转换成包含状态变量和输出跟踪误差的扩展状态空间模型，形式如下：
z(k+1)＝Az(k)+BΔu(k)+CΔr(k+1)
其中，
e(k)＝y(k)-r(k)
e(k+1)＝e(k)+CmAmΔxm(k)+CmBmΔu(k)-Δr(k+1)
r(k)为k时刻的跟踪设定值，e(k)为k时刻的输出误差，0为(2LS+d-1)×1维的零矩阵,A为(2LS+d)×(2LS+d)维矩阵，B,C均为(2LS+d)×1维矩阵。
步骤2、基于扩展状态空间模型设计加热炉温度控制过程的分数阶模型预测控制器,具体方法如下：
2.1预测未来k+i时刻模型输出的向量形式，
Z＝Gz(k)+SΔU+ΨΔR
其中，
ΔU＝[Δu(k) Δu(k+1) … Δu(k+M-1)]T
ΔR＝[Δr(k+1) Δr(k+2) … Δr(k+P)]T
r(k+i)＝λiy(k)+(1-λi)c(k)
c(k)为k时刻的设定温度，λ为柔化因子，P为预测时域，M为控制时域，y(k+i)为k+i时刻加热炉的预测模型输出，i＝1,2,…,P。
2.2选取加热炉温度对象的目标函数J，其形式如下：
其中，γ1,γ2为任意实数，表示函数f(t)在[t1,t2]上的γ次积分，D为微分符号。
依据Grünwald-Letnikov分数阶微积分定义，对上述目标函数在采样时间TS进行离散化，得到：
J＝ZTΛ(γ1,Ts)Z+ΔUTΛ(γ2,Ts)ΔU
其中，
Λ(γε,TS)＝TS γεdiag(wP-1,wP-2,…,w1,w0)
时，对
2.3依据步骤2.2中的目标函数求解得到控制量u(k)即加热时间占空比，形式如下：
ΔU＝-(ST Λ(γ1,Ts)S+Λ(γ2,Ts))-1SΛ(γ1,Ts)(Gz(k)+ΨΔR)
Δu(k)＝[1,0,…,0]ΔU
u(k)＝u(k-1)+Δu(k)
2.4在k+l时刻，l＝1,2,3，…，依照2.1到2.3中的步骤依次循环求解分数阶模型预测控制器的控制量u(k+l)，再将其作用于加热炉。

Claims (1)

1.一种分数阶模型预测控制的加热炉温度控制方法，其特征在于该方法的具体步骤是：
步骤1、建立实际过程中被控对象的扩展状态空间模型，具体是：
1.1采集实际过程对象的实时阶跃响应数据，利用该数据建立被控对象的分数阶传递函数模型，形式如下：
<mrow> <mi>G</mi> <mrow> <mo>(</mo> <mi>s</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <msup> <mi>Ke</mi> <mrow> <mo>-</mo> <mi>&amp;tau;</mi> <mi>s</mi> </mrow> </msup> </mrow> <mrow> <msub> <mi>c</mi> <mn>1</mn> </msub> <msup> <mi>s</mi> <msub> <mi>&amp;alpha;</mi> <mn>1</mn> </msub> </msup> <mo>+</mo> <msub> <mi>c</mi> <mn>0</mn> </msub> </mrow> </mfrac> </mrow>
其中，α1为微分阶次，c0,c1为相应的系数，s为拉普拉斯变换算子，K为模型增益，τ为模型的滞后时间；
1.2由Oustaloup近似方法得到微分算子sα的近似表达形式如下：
<mrow> <msup> <mi>s</mi> <mi>&amp;alpha;</mi> </msup> <mo>&amp;ap;</mo> <msub> <mi>K</mi> <mi>&amp;alpha;</mi> </msub> <munderover> <mo>&amp;Pi;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <mfrac> <mrow> <mi>s</mi> <mo>+</mo> <msubsup> <mi>w</mi> <mi>n</mi> <mo>&amp;prime;</mo> </msubsup> </mrow> <mrow> <mi>s</mi> <mo>+</mo> <msub> <mi>w</mi> <mi>n</mi> </msub> </mrow> </mfrac> </mrow>
其中，α为分数阶微分阶次，0<α<1，N为选定的近似阶次，wb和wh分别为选定的拟合频率的下限和上限；
1.3根据步骤1.2中的方法，将步骤1.1中的分数阶传递函数模型近似为整数阶高阶模型，进而将其在采样时间Ts下加零阶保持器离散化，得到如下形式的离散模型：
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>y</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <mo>-</mo> <msub> <mi>F</mi> <mn>1</mn> </msub> <mi>y</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>F</mi> <mn>2</mn> </msub> <mi>y</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mn>2</mn> <mo>)</mo> </mrow> <mo>-</mo> <mn>...</mn> <mo>-</mo> <msub> <mi>F</mi> <msub> <mi>L</mi> <mi>S</mi> </msub> </msub> <mi>y</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <msub> <mi>k</mi> <mi>S</mi> </msub> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>+</mo> <msub> <mi>H</mi> <mn>1</mn> </msub> <mi>u</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> <mo>-</mo> <mi>d</mi> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>H</mi> <mn>2</mn> </msub> <mi>u</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mn>2</mn> <mo>-</mo> <mi>d</mi> <mo>)</mo> </mrow> <mo>+</mo> <mn>...</mn> <mo>+</mo> <msub> <mi>H</mi> <msub> <mi>L</mi> <mi>S</mi> </msub> </msub> <mi>u</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <msub> <mi>L</mi> <mi>S</mi> </msub> <mo>-</mo> <mi>d</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced>
其中，Fj,Hj(j＝1,2,…,LS)均为离散近似后得到的系数，实际过程的时滞d＝τ/Ts，LS为离散模型的长度，y(k)为k时刻的实际过程对象的模型输出,u(k-d-1)为实际过程对象在k-d-1时刻的输入值；
进一步将上述模型取一阶向后差分，得到如下形式：
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>&amp;Delta;</mi> <mi>y</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>F</mi> <mn>1</mn> </msub> <mi>&amp;Delta;</mi> <mi>y</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>F</mi> <mn>2</mn> </msub> <mi>&amp;Delta;</mi> <mi>y</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mn>2</mn> <mo>)</mo> </mrow> <mo>+</mo> <mn>...</mn> <mo>+</mo> <msub> <mi>H</mi> <msub> <mi>L</mi> <mi>S</mi> </msub> </msub> <mi>&amp;Delta;</mi> <mi>y</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <msub> <mi>L</mi> <mi>S</mi> </msub> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <msub> <mi>H</mi> <mn>1</mn> </msub> <mi>&amp;Delta;</mi> <mi>u</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> <mo>-</mo> <mi>d</mi> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>H</mi> <mn>2</mn> </msub> <mi>&amp;Delta;</mi> <mi>u</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mn>2</mn> <mo>-</mo> <mi>d</mi> <mo>)</mo> </mrow> <mo>+</mo> <mn>...</mn> <mo>+</mo> <msub> <mi>H</mi> <msub> <mi>L</mi> <mi>S</mi> </msub> </msub> <mi>&amp;Delta;</mi> <mi>u</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <msub> <mi>L</mi> <mi>S</mi> </msub> <mo>-</mo> <mi>d</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced>
其中，Δ是差分算子；
1.4选取如下状态变量：
Δxm(k)＝[Δy(k),Δy(k-1),…,Δy(k-LS+1),Δu(k-1),…,Δu(k-LS+1-d)]T
结合步骤1.3，得到被控对象的状态空间模型，形式如下：
Δxm(k+1)＝AmΔxm(k)+BmΔu(k)
Δy(k+1)＝CmΔxm(k+1)
其中，T为矩阵的转置符号，Δxm(k)的维数为(2LS+d-1)×1；
Bm＝[0 … 0 1 0 … 0]T
Cm＝[1 0 0 … 0 0 0 0]
1.5将步骤1.4中得到的状态空间模型转换成包含状态变量和输出跟踪误差的扩展状态空间模型，形式如下：
z(k+1)＝Az(k)+BΔu(k)+CΔr(k+1)
其中，
<mrow> <mi>z</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <mi>e</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&amp;Delta;x</mi> <mi>m</mi> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>;</mo> <mi>z</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <mi>e</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&amp;Delta;x</mi> <mi>m</mi> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
e(k)＝y(k)-r(k)
e(k+1)＝e(k)+CmAmΔxm(k)+CmBmΔu(k)-Δr(k+1)
<mrow> <mi>A</mi> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mn>1</mn> </mtd> <mtd> <mrow> <msub> <mi>C</mi> <mi>m</mi> </msub> <msub> <mi>A</mi> <mi>m</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <msub> <mi>A</mi> <mi>m</mi> </msub> </mtd> </mtr> </mtable> </mfenced> <mo>;</mo> <mi>B</mi> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <msub> <mi>C</mi> <mi>m</mi> </msub> <msub> <mi>B</mi> <mi>m</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <msub> <mi>B</mi> <mi>m</mi> </msub> </mtd> </mtr> </mtable> </mfenced> <mo>;</mo> <mi>C</mi> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> </mtr> </mtable> </mfenced> </mrow>
r(k)为k时刻的跟踪设定值，e(k)为k时刻的输出误差，0为(2LS+d-1)×1维的零矩阵,A为(2LS+d)×(2LS+d)维矩阵，B,C均为(2LS+d)×1维矩阵；
步骤2、基于扩展状态空间模型设计被控对象的分数阶模型预测控制器,具体如下：
2.1预测未来k+i时刻模型输出的向量形式，
Z＝Gz(k)+SΔU+ΨΔR
其中，
<mrow> <mi>Z</mi> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <mi>z</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>z</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>z</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mi>P</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>;</mo> <mi>G</mi> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mi>A</mi> </mtd> </mtr> <mtr> <mtd> <msup> <mi>A</mi> <mn>2</mn> </msup> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <msup> <mi>A</mi> <mi>P</mi> </msup> </mtd> </mtr> </mtable> </mfenced> </mrow>
ΔU＝[Δu(k) Δu(k+1) … Δu(k+M-1)]T
ΔR＝[Δr(k+1) Δr(k+2) … Δr(k+P)]T
r(k+i)＝λiy(k)+(1-λi)c(k)
c(k)为k时刻的设定值，λ为柔化因子，P为预测时域，M为控制时域，r(k+i)为k+i时刻过程的跟踪设定值，i＝1,2,…,P；
2.2选取被控对象的目标函数J，其形式如下：
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>J</mi> <mo>=</mo> <mmultiscripts> <mi>I</mi> <msub> <mi>T</mi> <mi>S</mi> </msub> <mrow> <msub> <mi>PT</mi> <mi>S</mi> </msub> </mrow> <msub> <mi>&amp;gamma;</mi> <mn>1</mn> </msub> </mmultiscripts> <mi>z</mi> <msup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>T</mi> </msup> <mi>z</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>+</mo> <mmultiscripts> <mi>I</mi> <msub> <mi>T</mi> <mi>S</mi> </msub> <mrow> <msub> <mi>MT</mi> <mi>S</mi> </msub> </mrow> <msub> <mi>&amp;gamma;</mi> <mn>2</mn> </msub> </mmultiscripts> <mi>&amp;Delta;</mi> <mi>u</mi> <msup> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <msubsup> <mo>&amp;Integral;</mo> <msub> <mi>T</mi> <mi>S</mi> </msub> <mrow> <msub> <mi>PT</mi> <mi>S</mi> </msub> </mrow> </msubsup> <msup> <mi>D</mi> <mrow> <mn>1</mn> <mo>-</mo> <msub> <mi>&amp;gamma;</mi> <mn>1</mn> </msub> </mrow> </msup> <mi>z</mi> <msup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>T</mi> </msup> <mi>z</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>d</mi> <mi>t</mi> <mo>+</mo> <msubsup> <mo>&amp;Integral;</mo> <msub> <mi>T</mi> <mi>S</mi> </msub> <mrow> <msub> <mi>MT</mi> <mi>S</mi> </msub> </mrow> </msubsup> <msup> <mi>D</mi> <mrow> <mn>1</mn> <mo>-</mo> <msub> <mi>&amp;gamma;</mi> <mn>2</mn> </msub> </mrow> </msup> <mi>&amp;Delta;</mi> <mi>u</mi> <msup> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mi>d</mi> <mi>t</mi> </mrow> </mtd> </mtr> </mtable> </mfenced>
其中，γ1,γ2为任意实数，表示函数f(t)在[t1,t2]上的γ次积分，D为微分符号；
依据Grünwald-Letnikov分数阶微积分定义，对上述目标函数在采样时间TS进行离散化，得到：
J＝ZTΛ(γ1,Ts)Z+ΔUTΛ(γ2,Ts)ΔU
其中，
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>&amp;Lambda;</mi> <mrow> <mo>(</mo> <msub> <mi>&amp;gamma;</mi> <mi>&amp;epsiv;</mi> </msub> <mo>,</mo> <msub> <mi>T</mi> <mi>S</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <msubsup> <mi>T</mi> <mi>S</mi> <msub> <mi>&amp;gamma;</mi> <mi>&amp;epsiv;</mi> </msub> </msubsup> <mi>d</mi> <mi>i</mi> <mi>a</mi> <mi>g</mi> <mrow> <mo>(</mo> <msub> <mi>w</mi> <mrow> <mi>P</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>,</mo> <msub> <mi>w</mi> <mrow> <mi>P</mi> <mn>2</mn> </mrow> </msub> <mo>,</mo> <mo>...</mo> <mo>,</mo> <msub> <mi>w</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>w</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>w</mi> <mi>q</mi> </msub> <mo>=</mo> <msubsup> <mi>&amp;omega;</mi> <mi>q</mi> <mrow> <mo>(</mo> <msub> <mi>&amp;gamma;</mi> <mi>&amp;epsiv;</mi> </msub> <mo>)</mo> </mrow> </msubsup> <mo>-</mo> <msubsup> <mi>&amp;omega;</mi> <mrow> <mi>q</mi> <mo>-</mo> <mrow> <mo>(</mo> <mi>P</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> <mrow> <mo>(</mo> <msub> <mi>&amp;gamma;</mi> <mi>&amp;epsiv;</mi> </msub> <mo>)</mo> </mrow> </msubsup> </mrow> </mtd> </mtr> </mtable> </mfenced>
时，对q<0，ε＝1,2；
2.3依据步骤2.2中的目标函数求解得到控制量，形式如下：
ΔU＝-(STΛ(γ1,Ts)S+Λ(γ2,Ts))-1SΛ(γ1,Ts)(Gz(k)+ΨΔR)
Δu(k)＝[1,0,…,0]ΔU
u(k)＝u(k-1)+Δu(k)
2.4在k+l时刻，l＝1,2,3，…，依照2.1到2.3中的步骤依次循环求解分数阶模型预测控制器的控制量u(k+l)，再将其作用于被控对象。
CN201510844115.3A 2015-11-26 2015-11-26 一种分数阶模型预测控制的加热炉温度控制方法 Active CN105334736B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510844115.3A CN105334736B (zh) 2015-11-26 2015-11-26 一种分数阶模型预测控制的加热炉温度控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510844115.3A CN105334736B (zh) 2015-11-26 2015-11-26 一种分数阶模型预测控制的加热炉温度控制方法

Publications (2)

Publication Number Publication Date
CN105334736A CN105334736A (zh) 2016-02-17
CN105334736B true CN105334736B (zh) 2017-12-29

Family

ID=55285349

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510844115.3A Active CN105334736B (zh) 2015-11-26 2015-11-26 一种分数阶模型预测控制的加热炉温度控制方法

Country Status (1)

Country Link
CN (1) CN105334736B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105892296B (zh) * 2016-05-11 2018-12-21 杭州电子科技大学 一种工业加热炉***的分数阶动态矩阵控制方法
CN105974798B (zh) * 2016-07-05 2019-01-08 杭州电子科技大学 电加热炉的多模型分数阶加权预测函数控制方法
CN106338915B (zh) * 2016-10-31 2019-04-26 浙江邦业科技股份有限公司 一种基于扩展状态空间预测函数控制的积分对象控制方法
CN106773699B (zh) * 2016-12-30 2019-11-08 杭州电子科技大学 电加热炉的遗传优化的多模型预测函数控制方法
CN107168319B (zh) * 2017-06-01 2020-07-28 同济大学 一种基于模型预测控制的无人车避障方法
CN107220214B (zh) * 2017-06-26 2022-01-28 南京工程学院 一种基于多项式拟合的变阶分数阶微积分频域分析方法
CN108897223B (zh) * 2018-08-02 2021-03-23 杭州电子科技大学 一种工业加热炉分数阶预测控制方法
CN109001975B (zh) * 2018-08-02 2021-06-15 杭州电子科技大学 一种工业加热炉多模型分数阶控制方法
CN109541935B (zh) * 2018-11-23 2022-03-11 广西大学 一种参数自适应分数阶自抗扰自动发电控制方法
CN109921072B (zh) * 2019-03-20 2022-04-01 南京理工大学 一种质子交换膜燃料电池输出功率的预测控制方法
CN110017696B (zh) * 2019-04-18 2020-10-16 杭州电子科技大学 具有不确定性的t-s模型的工业炉温度控制方法
CN110879576B (zh) * 2019-10-15 2020-09-15 杭州电子科技大学 水泥熟料冷却过程的分数阶模型广义二自由度控制方法
CN111221252B (zh) * 2020-02-25 2023-07-14 西安建筑科技大学 一种针对带分数阶滞后过程工业***的预测控制器参数解析整定方法
CN115048768B (zh) * 2022-05-13 2024-01-23 兰州大学 多元分数阶状态空间模型的滑模控制方法和装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103123460A (zh) * 2011-11-21 2013-05-29 才秀君 温度控制***和温度控制方法
CN104049649A (zh) * 2013-03-14 2014-09-17 宝山钢铁股份有限公司 加热炉温度的模型控制方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103123460A (zh) * 2011-11-21 2013-05-29 才秀君 温度控制***和温度控制方法
CN104049649A (zh) * 2013-03-14 2014-09-17 宝山钢铁股份有限公司 加热炉温度的模型控制方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
An improved model predictive control approach based on extended non-minimal state space formulation;Zhang R D,et al.;《An improved model predictive control approach based on extended non-minimal state space formulation》;20110930;第21卷(第8期);全文 *
Predictive control optimization based PID control for temperature in an industrial surfactant reactor;Zhang R D,et al.;《Chemometrics and Intelligent Laboratory Systems》;20140715;第135卷;全文 *
分数阶PID模型预测控制算法改进研究;郭伟 等;《控制工程》;20110930;第18卷(第5期);全文 *
分数阶***的状态估计及其最优控制问题研究;纪增浩;《万方学位论文数据库》;20131231;全文 *
焦化加热炉先进控制***;张建明 等;《华东理工大学学报（自然科学版）》;20060731;第32卷(第7期);全文 *
焦化加热炉出口温度的预测函数控制;苏成利 等;《化工自动化及仪表》;20071231;第34卷(第1期);全文 *
预测函数控制在焦化加热炉氧含量控制中的应用;苏成利 等;《石油化工自动化》;20071231(第2期);全文 *

Also Published As

Publication number Publication date
CN105334736A (zh) 2016-02-17

Similar Documents

Publication Publication Date Title
CN105334736B (zh) 一种分数阶模型预测控制的加热炉温度控制方法
CN105892296B (zh) 一种工业加热炉***的分数阶动态矩阵控制方法
CN105182755B (zh) 一种工业加热炉***的分数阶预测函数控制方法
Rao et al. Direct synthesis-based controller design for integrating processes with time delay
CN109557810B (zh) 一种基于新型二自由度内模pid的加热炉温度控制方法
CN105807632B (zh) 一种基于改进大林算法的加热炉温度控制器设计方法
WO2017067241A1 (zh) 焊接温度场控制***及方法
CN108919643B (zh) 一种用于线性自抗扰控制器ladrc参数的鲁棒整定方法
CN101997471B (zh) 基于pid预测函数的励磁控制方法
CN105911862B (zh) 一种电加热炉温度控制方法
CN109116738B (zh) 一种工业加热炉的二自由度内模控制分析方法
CN109001975B (zh) 一种工业加热炉多模型分数阶控制方法
CN106338915A (zh) 一种基于扩展状态空间预测函数控制的积分对象控制方法
CN108549211A (zh) 一种时滞***的分数阶pid控制器设计方法
CN105974798B (zh) 电加热炉的多模型分数阶加权预测函数控制方法
CN108897223B (zh) 一种工业加热炉分数阶预测控制方法
Chaturvedi et al. Effect of dead time approximation on controller performance designed for a second order delayed model
Shah et al. Fractional order modelling using state space theory
CN113534661B (zh) 基于卡尔曼滤波和非最小状态空间的电阻炉温度控制方法
CN111522226B (zh) 针对伺服转台的多目标优化高型pid最优控制器设计方法
CN103605381B (zh) 动态矩阵控制优化的分馏塔液位控制方法
CN105573355B (zh) 分数阶状态空间预测函数控制的储液罐液位控制方法
CN103076741B (zh) 化工过程非最小实现扩展状态空间二次型控制方法
Mohammad et al. Evaluation of energy consumption in small-scale agarwood distillation pot based on averaged control signal simulation
CN108333948B (zh) 一种单步乘数型预测函数控制设计方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Zhang Ridong

Inventor after: Le Qibing

Inventor before: Zou Qin

Inventor before: Zhang Ridong

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant
TA01 Transfer of patent application right

Effective date of registration: 20171208

Address after: Hangzhou City, Zhejiang province 310018 Xiasha Higher Education Park No. 2 street

Applicant after: Hangzhou Electronic Science and Technology Univ

Applicant after: Beijing University of Chemical Technology

Address before: Hangzhou City, Zhejiang province 310018 Xiasha Higher Education Park No. 2 street

Applicant before: Hangzhou Electronic Science and Technology Univ

TA01 Transfer of patent application right