CN1296785C - 一种嵌入式学习解耦控制方法及其控制器 - Google Patents

Abstract

一种嵌入式学习解耦控制方法及其控制器，是为了消除两个以上控制回路之间的耦合影响，在控制单元之间需相互通讯，并按照一定的解耦算法运算处理，然后协调控制对应的执行器，从而实现控制变量的稳定控制，并消除控制回路之间的相互耦合影响。学习解耦控制器，可包括两个以上的控制单元、输入接口、输出接口和通讯接口等。其中每个控制单元对应一个控制回路，每个控制单元由控制模块、学习解耦分配模块和信号输出模块等部分组成，控制单元之间相互通讯协调控制。仿真结果表明该解耦控制方案能够实现完全解耦，具有较好的控制性能，较强的适应能力。

Description

一种嵌入式学习解耦控制方法及其控制器

技术领域：

本发明涉及自动控制技术领域，具体指一种运用学习解耦算法的嵌入式控制器。

背景技术：

在现代工业复杂生产过程中，为了提高控制质量，一个生产装置需要设计多个控制回路。在实际生产过程中，各个控制回路之间常常会发生相互耦合，导致被控工艺参数相互影响，严重影响生产和产品质量的稳定，因此消除这种耦合控制影响已成为工业过程控制技术的一大难题。

众所周知，传统解耦控制的思想，主要是基于***数学模型或工艺机理，进行控制补偿，从而减少或消除耦合影响，其解耦控制方法主要有：提出的对角线矩阵综合法、单位矩阵综合法、前馈补偿综合法和极点配置法等。从20世纪90年代初起，随着智能控制技术的发展，出现了多种智能解耦控制技术，如模糊解耦控制技术、神经网络解耦控制技术、自适应解耦控制技术及遗传算法解耦控制技术等，但这些解耦控制技术方法均比较复杂或实现难度较大，甚至解耦效果不理想。

发明内容：

本发明的目的在于以一种比较简单的方法，解决在多个控制回路场合存在各个控制回路之间发生相互耦合的问题，而提出的一种学习解耦控制方案，并给出了具体的解耦控制算法。

关于本发明提出的一种解耦控制方案

一、解耦控制***结构

假设对一个双输入双输出线性耦合***：

$\left\{\begin{array}{c}{\stackrel{\·}{x}}_1=a_{11}{x}_1+a_{12}{x}_2+b_{11}{u}_1+b_{12}{u}_2\\ {\stackrel{\·}{x}}_1=a_{21}{x}_1+a_{22}{x}_2+b_{21}{u}_1+b_{22}{u}_2\end{array}\right.$

其中，x₁，x₂是工艺状态变量，也是输出变量；u₁，u₂是输入变量，也是传统非解耦的控制信号；a_ij，b_ij(i＝1，2；j＝1，2)是线性系数。附图1所示是学习解耦控制器组成的控制***结构。

根据上述原理为了消除两个控制回路之间的耦合影响，控制单元A和控制单元B需要相互通讯，按照一定的解耦算法运算处理，然后协调控制执行器A和执行器B，从而实现控制变量的稳定控制，并消除控制回路相互之间的耦合影响。

二、解耦控制算法

对于工业生产过程中的大多数两个控制回路之间存在耦合的控制对象，其数学模型均可以用一个双输入双输出线性控制对象表示。该数学模型可以表示为：

$\left\{\begin{array}{c}{\stackrel{\·}{x}}_1=a_{11}{x}_1+a_{12}{x}_2+b_{11}{u}_1+b_{12}{u}_2\\ {\stackrel{\·}{x}}_1=a_{21}{x}_1+a_{22}{x}_2+b_{21}{u}_1+b_{22}{u}_2\end{array}\right.---\left(1\right)$

其中，x₁，x₂是状态变量，也是输出变量；u₁，u₂是输入变量，也是传统非解耦的控制信号；a_ij，a_ij(i＝1，2；j＝1，2)是线性系数。

设控制单元A的控制模块A和控制单元B的控制模块B输出信号分别为u_c1和u_c2；控制单元A分配给自身和控制单元B的信号分别为u₁₁和u₁₂，控制单元B分配给自身和控制单元A的信号分别为u₂₂和u₂₁，则控制单元A的输出信号u₁＝u₁₁+u₂₁，控制单元B的输出信号u₂＝u₂₂+u₁₂。下面以控制单元A为例，介绍其解耦控制算法。

为了实现在调节x₁时保持x₂稳定不变，应该使式(1)中第二个方程的右边项等于零：

${\stackrel{\·}{x}}_2=a_{21}{x}_1+a_{22}{x}_2+b_{21}{u}_1+b_{22}{u}_2=0---\left(2\right)$

因为x₂稳定不变，所以a₂₂x₂可以视为常量，并且此时控制单元B的输出不变。因此有：

a₂₁x₁+b₂₁(u₁₁+u₂₁)+b₂₂(u₂₂+u₁₂)＝-a₂₂x₂＝C                 (3)

其中，C为一常量。在调节x₁过程中，只要确保(3)式左边项不变，即可消除对x₂产生的耦合影响。因此有：

a₂₁Δx₁+b₂₁(Δu₁₁+Δu₂₁)+b₂₂(Δu₂₂+Δu₁₂)＝0               (4)

因为Δu₂₂＝Δu₂₁＝0，所以有：

a₂₁Δx₁+b₂₁Δu₁₁+b₂₂Δu₁₂＝0                               (5)

其中，Δx₁，Δu₁₁，Δu₁₂分别是x₁，u₁₁，u₁₂的动态变化量。这就是在调节x₁时对x₂的解耦条件，也是控制器A的控制模块A动态变化值Δu_c1的分配准则。由(5)式推得Δu₁₂：

$\mathrm{\Δ}{u}_{12}=-\frac{1}{b_{22}}(a_{21}\mathrm{\Δ}{x}_1+b_{21}\mathrm{\Δ}{u}_{11})$

因为，Δx₁＝Δe₁(k)＝e₁(k)-e₁(k-1)(其中k是计算次数)；令Δu₁₁＝Δu_c1，因此有：

$\mathrm{\Δ}{u}_{12}\left(k\right)=-\frac{1}{b_{22}}(a_{21}\mathrm{\Δ}{e}_1\left(k\right)+b_{21}\mathrm{\Δ}{u}_{c1}\left(k\right))---\left(6\right)$

令 ${\mathrm{\α}}_1=-\frac{a_{21}}{b_{22}},{\mathrm{\β}}_1=-\frac{b_{21}}{b_{22}},$ 则有：

Δu₁₂(k)＝α₁Δe₁(k)+β₁Δu_c1(k)                          (7)

同理，可得到调节x₂时对x₁的解耦条件，即控制单元B的控制模块B动态变化值Δu₂的分配关系：

a₁₂Δx₂+b₁₁Δu₂₁+b₁₂Δu₂₂＝0

同样Δx₂＝Δe₂(k)＝e₂(k)-e₂(k-1)，令Δu₂₂＝Δu_c2，因此有：

$\mathrm{\Δ}{u}_{21}\left(k\right)=-\frac{1}{b_{11}}(a_{12}\mathrm{\Δ}{e}_2\left(k\right)+b_{12}\mathrm{\Δ}{u}_{c2}\left(k\right))---\left(8\right)$

令 ${\mathrm{\α}}_2=-\frac{a_{12}}{b_{11}},{\mathrm{\β}}_2=-\frac{b_{12}}{b_{11}},$ 则有：

Δu₂₁(k)＝α₂Δe₂(k)+β₂Δu_c2(k)               (9)

于是，控制单元A的动态增量化输出表达式为：

Δu_d1(k)＝Δu_c1(k)+(α₂Δe₂(k)+β₂Δu_c2(k))    (10)

控制单元B的动态输出表达式为：

Δu_d2(k)＝Δu_c2(k)+(α₁Δe₁(k)+β₁Δu_c1(k))    (11)

由(10)、(11)式可以得知，对于数学模型已知时，α₁，α₂，β₁，β₂可以容易求得。对于数学模型未知的情况，可以利用最小二乘法或神经网络或其它方法在线进行学习寻优，其目标值就是在调节一个控制回路时，保证另外其它控制回路的工艺变量变化量为零。

附图说明：

图1为学习解耦控制***结构图；

图2为本发明整机***框图；

图3为本发明控制单元结构框图；

图4为本发明硬件原理框图；

图5为本发明软件原理图；

图6为本发明一个实施例恒温恒液位***图；

图7、8为本发明仿真效果图。

附图中标号说明：

1：给定值A；2：解耦控制器；3：控制偏差A；4：输入信号A；5：控制模块A；6：控制模块A的输出信号u_c1；7：控制单元A；8：学习解耦分配模块A；9：学习解耦分配模块A分配给信号输出模块A的控制信号u₁₁；10：学习解耦分配模块B分配给信号输出模块A的控制信号u₂₁；11：信号输出模块A；12：控制单元A的控制输出信号u₁；13：执行器；14：传感器A；15：工艺对象；16：工艺变量x₁；17：给定值B；18：控制偏差B；19：输入信号B；20：控制模块B；21：控制模块B的输出信号u_c2；22：控制单元B；23：学习解耦分配模块B；24：学习解耦分配模块B分配给信号输出模块B的控制信号u₂₂；25：学习解耦分配模块A分配给信号输出模块B的控制信号u₁₂；26：信号输出模块B；27：控制单元B的控制输出信号u₂；28：执行器B；29：传感器B；30：工艺变量x₂；31：输入接口；32：输出接口；33：通讯接口；34：控制单元输入信号：35：控制模块；36：控制模块输出信号u_c；37：学习解耦分配模块；38：学习解耦分配模块分配给所属控制单元信号输出模块的控制信号；39：信号输出模块；40：控制单元控制输出信号u；41：控制单元；42：分配至其它控制单元的控制信号；43：其它控制单元分配来的控制信号；44：输入信号；45：CPU；46：输出信号；47：SDRAM存储器；48：FLASH闪存。

具体实施方式：

以下结合附图对本发明作进一步的描述：

假设，为了消除两个A、B控制回路之间的耦合影响，则控制单元A和控制单元B需相互通讯，按照本发明设计的解耦算法运算处理，然后协调控制执行器A和执行器B，从而实现控制变量的稳定控制，并消除控制回路相互之间的耦合影响。

本发明的采用一种嵌入式学习解耦控制方法的控制器，包括至少两个控制单元41、输入接口31、输出接口32和通讯接口33(如附图2、3所示)。其中每个控制单元41对应一个控制回路。每个控制单元41由控制模块35、学习解耦分配模块37和信号输出模块39组成，两个控制单元相互通讯协调控制。仿真结果表明该解耦控制方案能够实现完全解耦，具有较好的控制性能和较强的适应能力。

其中，每个控制单元对应一个控制回路。每个控制单元41由控制模块35、学习解耦分配模块37和信号输出模块39组成，两个控制单元相互通讯协调控制，并按照一定的解耦算法运算处理，然后协调控制执行器A和执行器B，从而实现控制变量的稳定控制，并消除控制回路相互之间的耦合影响。

本发明的一种嵌入式学习解耦控制方法包括下列步骤：

a.设定解耦控制算法：

控制单元A的动态增量化输出表达式为：

Δu_d1(k)＝Δu_c1(k)+(α₂Δe₂(k)+β₂Δu_c2(k))

控制单元B的动态输出表达式为：

Δu_d2(k)＝Δu_c2(k)+(α₁Δe₁(k)+β₁Δu_c1(k))

数学模型已知时，α₁，α₂，β₁，β₂可以容易求得；

b.对于数学模型未知的情况，可以利用最小二乘法或神经网络方法或在线进行学习寻优，其目标值就是在调节一个控制回路时，保证另外一个控制回路的变化量为零，其步骤如下：

(1)保证两个控制回路分别达到稳定状态；

(2)使控制单元A的控制模块输出保持不变；

(3)多次改变控制单元B的给定值，在自动调节过程中可以利用优化算法搜寻到α₁，β₁的最优值；

(4)重新使两个控制回路恢复到稳定状态；

(5)同样，使控制单元B的控制模块输出保持不变，多次改变控制单元A的给定值，通过寻优学习得到α₂，β₂的最优解。

本发明的采用一种嵌入式学习解耦控制方法的控制器，包括至少两个控制单元41、输入接口31、输出接口32和通讯接口33(如附图2、3所示)。

其中，

a.硬件部分包括主机和***接口两大部分：

1)主机

CPU采用32位，主频70MHZ，ARM7系列芯片；

采用SDRAM和FLASH闪存分别用作计算机内存存储器和存储操作***、应用软件及控制记忆体库文件；

采用外界提供电源方式。

2)***接口

数据通讯接口：提供标准的USB、VGA、RJ45、RS232、RS485及电源接口；

模拟信号接口：提供4～20mA电流输入/输出、1～5VDC电压输出入/输出。

b.操作软件包括：操作***、通讯软件、WEB远程访问软件及输入/输出接口软件，其中，

1)操作***

采用具有与Windows应用程序兼容的嵌入式操作***，WinCE。

2)通讯软件

采用提供TCP/IP协议、RS232或485协议的支持软件。

3)WEB远程访问软件

用于完成远程访问、通讯、操作功能。

4)输入/输出接口软件

用于完成模拟信号或数字信号的输入/输出。

本发明的一个实证例，选取一种恒温恒液位***作为仿真对象(如附图6所示)。其中冷水和热水分别通过调节阀v₁和v₂(均为线性阀)进入储罐，冷水和热水混合后通过出水阀v₃给下一环节提供恒温恒压用水。通过调节阀v₁和v₂，保持储罐内液位h和温度t恒定。图中，q₁，q₂，q₃为体积流量；t₁，t₂为注入水的温度；t₃为出水的温度。

根据陈国初，张琳，郝宁眉，恒温恒液位***的动态机理建模与仿真[J].《青岛大学学报(工程技术版)》2003，18(2)：46-50提供的该恒温恒液位***模型在稳定附近的动态增量化模型：

$\left\{\begin{array}{c}A\frac{d\left(\mathrm{\ΔH}\right)}{\mathrm{dt}}=K_1\mathrm{\Δ}{U}_1+K_2\mathrm{\Δ}{U}_2-K_3\frac{\mathrm{\ΔH}}{2\sqrt{H_0}}\\ A\frac{d\left(\mathrm{\ΔH}\right)}{\mathrm{dt}}=\frac{\mathrm{\ΔH}}{-H_0^2}[K_1{U}_{10}(T_{10}-T_0)+K_2{U}_{20}(T_{20}-T_0)]\\ \frac{1}{H_0}\left[\begin{array}{c}{K}_1\mathrm{\Δ}{U}_1(T_{10}-T_0)+K_1{U}_{10}(\mathrm{\Δ}{T}_1-\mathrm{\ΔT})+\\ K_2\mathrm{\Δ}{U}_2(T_{20}-T_0)+K_2{U}_0(\mathrm{\Δ}{T}_2-\mathrm{\ΔT})\end{array}\right]\end{array}\right.$

其中，A为储罐的横截面积，且A＝5.0m²；k₁、k₂、k₃分别为调节阀v₁、v₂、v₃的线性系数，且k₁＝k₂＝k₃＝100；u₁、u₂、u₃是调节阀的控制量。当用冷水阀或热水阀调节液位时，会严重影响温度的变化；同样当调整温度时，也会导致液位剧烈变化。因此，这是一个典型的双输入双输出强耦合***。在采样时间T_s＝0.5s时，该***在稳态点(如表1所示)附近的增量线性离散化模型为：

$\left[\begin{array}{c}\mathrm{\Δh}(k+1)\\ \mathrm{\Δt}(k+1)\end{array}\right]=\left[\begin{array}{cc}0.9986& 0\\ 0& 0.9972\end{array}\right]\left[\begin{array}{c}\mathrm{\Δh}\left(k\right)\\ \mathrm{\Δt}\left(k\right)\end{array}\right]+\left[\begin{array}{cc}0.002776& 0.002776\\ -0.055487& 0.055487\end{array}\right]\left[\begin{array}{c}\mathrm{\Δ}{u}_1\left(k\right)\\ \mathrm{\Δ}{u}_2\left(k\right)\end{array}\right]$

$+\left[\begin{array}{cc}0& 0\\ 0.00138696& 0.00138696\end{array}\right]\left[\begin{array}{c}\mathrm{\Δ}{t}_1\left(k\right)\\ \mathrm{\Δ}{t}_2\left(k\right)\end{array}\right]$

                                       表1***稳态工作点参数

参数	稳态工作点
										t10(℃)	t20(℃)	t0(℃)	h0(m)	u10(％)	u20(％)	Q10(m3/h)	Q20(m3/h)	Q30(m3/h)
	数值	40.0	80.0	60.0	1.0	0.5	0.5	50.0	50.0										100.0

将附图1的学习解耦控制***用于控制对象，选择控制单元A为液位控制器，控制单元B为温度控制器；执行器A为冷水调节阀，执行器B为热水调节阀。根据上述理论，可得，液位控制器的输出表达式为：Δu_d1(k)＝Δu_c1(k)+Δu_c2(k))，温度控制器的输出表达式为：Δu_d2(k)＝Δu_c2(k)-Δu_c1(k))。控制单元A和控制单元B中的控制模块均选取传统的PID控制算法。

解耦控制方案和传统非解耦控制方案的控制效果对比如附图7和附图8所示。附图7为液位变化对温度的影响，当液位给定值在400秒和700秒发生阶跃变化时，非解耦控制方案中，当进行液位调节时，温度受之影响非常严重，而解耦控制方案中温度则保持不变。

附图8为温度变化对液位的影响，同样可以看出，当温度给定值在400秒和700秒发生阶跃变化时，非解耦控制方案中液位受温度影响非常严重，而解耦控制方案中液位则保持不变。

以上仿真结果表明：解耦控制方案完全消除了耦合影响。

Claims (4)

1.一种嵌入式学习解耦控制方法，其特征在于包括下列步骤：

a.设定解耦控制算法：

控制单元A的动态增量化输出表达式为：

Δu_d1(k)＝Δu_c1(k)+(α₂Δe₂(k)+β₂Δu_c2(k))

控制单元B的动态输出表达式为：

Δu_d2(k)＝Δu_c2(k)+(α₁Δe₁(k)+β₁Δu_c1(k))

数学模型已知时，α₁，α₂，β₁，β₂可以容易求得；

b.在数学模型未知的情况，利用最小二乘法或神经网络方法或在线进行学习寻优，其步骤如下：

(1)保证两个控制回路分别达到稳定状态；

(2)使控制单元A的控制模块输出保持不变；

(3)多次改变控制单元B的给定值，在自动调节过程中利用优化算法搜寻到α₁，β₁的最优值；

(4)重新使两个控制回路恢复到稳定状态；

(5)同样，使控制单元B的控制模块输出保持不变，多次改变控制单元A的给定值，通过寻优学习得到α₂，β₂的最优解。

2.采用如权利要求1所述的一种嵌入式学习解耦控制方法的控制器，由控制单元(41)、输入接口(31)、输出接口(32)和通讯接口(33)组成，其特征在于控制器至少有两个控制单元(41)，每一控制单元(41)对应一个控制回路。

3.采用如权利要求2所述的一种嵌入式学习解耦控制方法的控制器，其特征在于硬件部分包括主机和***接口两大部分，其，

1)主机

CPU采用32位，主频70MHZ，ARM7系列芯片；

采用SDRAM和FLASH闪存分别用作计算机内存存储器和存储操作***、应用软件及控制记忆体库文件；

采用外界提供电源方式；

2)***接口

数据通讯接口：提供标准的USB、VGA、RJ45、RS232、RS485及电源接口；

模拟信号接口：4～2mA电流输入/输出，1～5VDC电压输入/输出。

4.采用如权利要求3所述的一种嵌入式学习解耦控制方法的控制器，其特征在于软件部分包括操作***、通讯软件、WEB远程访问软件及输入/输出接口软件：

其中，

1)操作***

采用具有与Windows应用程序兼容的嵌入式操作***，WinCE；

2)通讯软件

采用提供TCP/IP协议、RS232或RS485协议的支持软件；

3)WEB远程访问软件

用于完成远程访问、通讯、操作功能；

4)输入/输出接口软件

用于完成模拟信号或数字信号的输入/输出。

Images