东北大学学报:自然科学版   2015, Vol. 36 Issue (8): 1093-1096   PDF (533 KB)    
混沌优化Smith预估补偿器
李青芮1, 李平2, 张鹏1    
(1.西北工业大学 自动化学院, 陕西 西安 710129; 2.辽宁石油化工大学 信息与控制工程学院, 辽宁 抚顺 113001)
摘要:一个控制系统的Smith预估补偿器参数如果选取不精确可能会导致控制器失效,针对这一问题,提出一种在线混沌优化Smith预估补偿器参数的方法.首先通过混沌映射对被控对象的阶跃响应曲线进行数学辨识得到其传递函数,然后依据辨识出的数学模型进行离线PID参数优化.当模型变化时,控制器可以自适应调节参数.此方法具有被控对象自动识别、系统针对性强、可以在线滚动优化等优点.分别以低阶和高阶数学模型为被控对象进行仿真,仿真结果表明,控制器具有较强的跟踪能力和鲁棒性.
关键词混沌映射     参数优化     Smith预估补偿器     自适应    
Chaotic Optimization of Smith Predictor
LI Qing-rui1, LI Ping2, ZHANG Peng1    
(1. School of Automation, Northwestern Polytechnical University, Xi’an 710129, China; 2. School of Information and Control Engineering, Liaoning Shihua University, Fushun 113001, China. Corresponding author: ZHANG Peng, E-mail: strawberry7890@163.com)
Abstract: A controller may be failure if the parameters of a Smith predictor are not precisely selected. Therefore, a method is proposed by which the parameters can be chaotically optimized on-line. The transfer function of the plant is identified first by chaotic mapping of the step response curve, then, the PID parameters are optimized off-line by using the identified model. When the model is changed, the parameters of the controller can be adjusted adaptively. The plant can be automatically identified, and rolling optimization process is performed in the method. The control system simulation for the plant is carried out, and the results show that the tracking performance and robustness of the controller are satisfactory.
Key words: chaotic mapping     parameter optimization     Smith predictor     adaptive    

在复杂工业过程控制中,纯滞后大延时系统很多,设计一个有效的Smith预估补偿器十分重要,但Smith预估补偿器对预估模型精度要求高,因此参数的选取就成为首要问题.为解决这一问题,文献[1]将内模控制和Smith预估补偿器相结合,提出了IMC-Smith算法;文献[2, 3]针对冷轧监控AGC控制滞后的特点,分别提出了新型的智能模糊PID-Smith预估控制器和模型参考自适应Smith预估器;文献[4, 5]分别将模糊控制和模糊PID与Smith预估补偿器相结合.这些方法,不同程度地降低了控制器对模型精度的要求.

本文提出一种利用混沌遍历性对Smith预估补偿控制系统进行优化的方法:首先根据被控对象的阶跃响应曲线通过混沌映射辨识得到被控对象数学模型,然后依据辨识出的数学模型通过混沌映射进行PID控制器参数优化整定.此时得到的Smith预估补偿器参数仅适用于当前的被控对象,然而工业被控对象的模型会随着外部环境(温度、湿度、气压、设备磨损等)的改变发生变化,当被控对象的数学模型变化到一定程度时,就会导致控制器的控制性能变差.因此当察觉到模型改变时就应该立即调整补偿器参数.本文分别以二阶模型和四阶模型作为被控对象进行仿真研究,仿真结果表明此方法具有较强的跟踪能力和鲁棒性.

1 控制方法基本原理 1.1 混沌映射

生态学中的虫口模型(亦即Logistic映射)如下所示:

Xn+1=uXn(1-Xn).

其中n=1,2,3,…,Xn∈(0,1),u=4时发生混沌映射,当n取足够大时,Xn几乎会遍历到0至1之间的每一个值.利用此性质可以将任意一个变量映射到某一域内,遍历此域内的每一个值从而进行全局搜索[6].

1.2 Smith预估补偿器原理

Smith预估补偿器结构原理如图 1所示[7].其中,Gc(s)为控制器传递函数,G(s)e-τs为被控对象传递函数,G′(s)e-τ′s为被控对象的预估模型.

图 1 Smith预估补偿器结构图 Fig. 1 Structure diagram of Smith predictor

要使系统得到完全补偿,则应有

G′(s)=G(s),e-τ′s=e-τs .

经过完全补偿后,闭环的传递函数变为

通过闭环传递函数可以看出,它消除了纯滞后对控制系统的影响,因为式中e-τs在闭环控制回路之外,不影响系统的稳定性,拉氏变换定理说明,e-τs仅为控制作用在时间坐标上推移了一个时间τ,控制系统的过渡过程及其他性能指标都与对象特征为G(s)时完全相同.本文控制器采用PID控制器.

1.3 Smith预估补偿器的设计

补偿器的设计过程分三步:

①利用混沌映射对被控对象进行辨识,得到预估模型,流程如图 2所示.

图 2 模型识别流程图 Fig. 2 Flow chart of the model to identify

②利用混沌映射对PID控制器参数进行整定,流程如图 3所示.

图 3 PID参数优化流程图 Fig. 3 Flow chart of PID parameter optimization

③将步骤②得到的PID参数与步骤①得到的预估模型参数代入控制器中.

2 仿真研究

选取二阶纯滞后系统[8]被控对象进行仿真研究,传递函数为

2.1 模型辨识

根据被控对象阶跃响应曲线进行模型辨识,得到辨识模型传递函数为

式(1)和式(2)的阶跃响应曲线如图 4所示,图中两条曲线相似度极高,重叠在一起.

图 4 被控对象的阶跃响应曲线与辨识出的曲线 Fig. 4 Step response curve of controlled object and identified curve
2.2 PID控制器参数整定

对辨识出的模型(即式(2))进行PID控制,其目标曲线为式(3)的阶跃响应曲线.

优化后得到的PID控制器参数为Kp=0.50689,Ki=0.10851,Kd=8.9037.

2.3 控制系统抗干扰能力研究

根据2.1节中辨识出的模型(传递函数为式(2))和2.2节中得到的PID控制器参数,设计Smith补偿器,得到系统的阶跃响应曲线如图 5所示.在t=100s时系统达到渐近稳定,超调量小.在t=200s时,对系统输出加入幅度为20%的扰动,在t=300s时系统输出达到目标值,表明系统抗干扰能力强.

图 5 系统阶跃响应及抗干扰响应 Fig. 5 System step response and its interference response
2.4 控制系统鲁棒性测试

图 6a是被控对象模型增益由1.0变化为0.8和1.2时的系统阶跃响应曲线,增益改变达到±20%;图 6b是系统延时由60s变化为54s和66s时的系统阶跃响应曲线,滞后时间改变达到±10%.图 6表明,控制系统对过程增益和滞后时间的改变具有很好的鲁棒性.

图 6 被控对象参数改变后的系统输出响应 Fig. 6 System outputs after process parameter be changed
2.5 参数在线优化

混沌优化Smith预估补偿器可以自适应调整预估模型参数和控制器参数.仿真实验如下.

t=0~500s时,被控对象的模型如式(1)所示,本次仿真辨识出的模型为

此时PID控制器参数为Kp=0.60967,Ki=0.12494,Kd=10.721.在t=500s时被控对象传递函数(即式(1))参数改变,为

此时控制器参数不变,响应曲线出现波动.在t=1000s时,系统通过500~1000s的波动曲线自动对被控对象模型重新辨识,并对PID控制器参数调整优化,此时辨识出的模型为

新的PID控制器参数为Kp=0.98904,Ki=0.10822,Kd=3.7471,系统输出曲线如图 7所示.

图 7中可以看出,在500s到1000s之间系统输出与前500s相比有较大震荡,经过在线辨识和参数调整后,系统输出恢复到平稳状态.

图 7 二阶系统滚动更新响应 Fig. 7 Response of the second-order system

以四阶数学模型(即式(7))为被控对象进行仿真研究,方法同二阶系统.

t=0~1000s时,控制器参数为Kp=5.3975,Ki=0.21728,Kd=0.53186,辨识出的模型为

t=1000~2000s时,被控对象的数学模型变为

控制器参数不变,此时控制器的控制性能变差,系统超调量较大.在t=2000~3000s时,系统根据1000s到2000s的曲线辨识出新的模型为

PID控制器参数调整为Kp=7.3891,Ki=0.11163,Kd=43.433,控制效果令人满意.系统输出曲线如图 8所示.

图 8 四阶系统滚动更新响应 Fig. 8 Response of the fourth-order system
3 结语

对于工业上有明显纯滞后的系统,提出一种基于混沌优化的Smith预估补偿器,可以在线滚动辨识模型并调整控制器参数.分别对高、低阶系统进行了仿真研究,结果表明,混沌优化Smith预估补偿控制系统具有良好的跟踪性能、鲁棒性和抗干扰能力.

参考文献
[1] 朱晓东, 王军, 万红.基于Smith预估的纯滞后系统的控制[J]. 郑州大学学报:工学版, 2004, 25(1):77-81. (Zhu Xiao-dong, Wang Jun, Wan Hong.Control of the system with pure time delay based on Smith predictive algorithm[J]. Journal of Zhengzhou University:Engineering Science, 2004, 25(1):77-81.)(1)
[2] 李旭, 张殿华, 何立平, 等. 冷轧监控AGC智能Smith预估器的算法设计[J]. 系统仿真学报, 2009, 21(14):4405-4408. (Li Xu, Zhang Dian-hua, He Li-ping, et al.Algorithmic design of intelligent Smith prediction controller for monitor AGC in cold mill[J]. Journal of System Simulation, 2009, 21(14):4405-4408.)(1)
[3] 李迅, 宋东球, 喻寿益, 等.基于模型参考自适应Smith预估器的反馈式AC厚度控制系统[J]. 控制理论与应用, 2009, 26(9):999-1003. (Li Xun, Song Dong-qiu, Yu Shou-yi, et al.Feedback automatic gauge control system using model reference adaptive Smith predictor[J]. Control Theory & Applications, 2009, 26(9):999-1003.)(1)
[4] 唐彪, 段小刚, 沈平, 等.积分时滞系统的Fuzzy-Smith预估器的研究[J]. 控制工程, 2010, 17(sup2):69-72. (Tang Biao, Duan Xiao-gang, Shen Ping, et al.Analysis of fuzzy-Smith predictor for integrating plus dead-time plants[J]. Control Engineering of China, 2010, 17(sup2):69-72.)(1)
[5] Rong H G, Zheng H, Li Z Q, et al.Tuning of fuzzy PID controller for Smith predictor[J]. Journal of Central South University, 2010, 17(3):566-571.(1)
[6] 侯威, 封国林, 董文杰.基于复杂度分析logistic映射和Lorenz模型的研究[J]. 物理学报, 2005, 54(8):3940-3945. (Hou Wei, Feng Guo-lin, Dong Wen-jie.Investigation about the Lorenz model and logistic equation based on the complexity[J]. Acta Physica Sinica, 2005, 54(8):3940-3945.)(1)
[7] 洪镇南, 王旭东.Smith预估补偿器及其应用[J]. 控制工程, 2002, 9(5):69-71. (Hong Zhen-nan, Wang Xu-dong.Smith’s predictive compensator and its application[J]. Control Engineering of China, 2002, 9(5):69-71.)(1)
[8] 薛美盛, 孙德敏, 罗海云.自适应Smith预估器仿真研究[J]. 工业仪表与自动化装置, 2009, 45(6):3-5. (Xue Mei-sheng, Sun De-min, Luo Hai-yun.A simulation study of an adaptive Smith predictor[J]. Industrial Instrumentation & Automation, 2009, 45(6):3-5.)(1)