论文部分内容阅读
研究简单高效的过程设备控制技术,具有重要的应用价值。然而,目前过程设备和单元广泛采用的比例-积分-微分(Proportional Integral Derivative,PID)控制器存在参数固定且不能在线自适应调节的缺点。为了适应多品种、小批量的生产要求,操作性更强和灵活度更高的间歇操作越发重要。相比较于连续过程,间歇过程的动态性、非线性、时变性都更加显著,这也对其控制器提出了更高的要求。针对发酵和搅拌反应釜两类典型的间歇过程,从批次内和批次间两方面对PID控制器进行改进研究。首先综述了间歇过程控制方法的研究现状,提出将粒子群算法(Particle Swarm Optimization,PSO)和自调整神经元PID(Auto-tuning Neuron PID)控制相结合应用于间歇过程中。进一步,结合间歇过程存在的重复特性,提出基于二维PID(2D-PID)迭代学习框架的自适应控制方法。本文的创新研究方面主要包括:(1)为了满足实际过程的应用要求,提出将可快速获取高质量PID参数的PSO算法与结构简单的ANPID方法相结合应用于间歇过程中,更好地克服过程的非线性、时变不确定等特性。以发酵过程和搅拌反应釜为仿真例子,表明了PSO-ANPID具有良好的跟踪控制性能,适用于非线性时变间歇过程的批次内实时控制。(2)结合间歇过程的重复性,提出2D-PID自适应控制方法。首先,结合PID控制和迭代学习控制,设计基于粒子群算法的2D-PID控制框架,研究过程定期望值批次间控制的可能性。进一步,在批次内采用ANPID控制器对其进行在线自适应调节。在批次间,考虑其重复特性,通过PID型迭代学习控制,利用历史批次信息来修正当前批次的调节变量,最终提高控制性能。以发酵过程和搅拌反应釜两类典型的间歇过程为例,验证了所提出方法的有效性。