文摘

自动轧制过程是一个高速系统总是需要高速控制和通信能力。与此同时,它也是一个典型的复杂机电系统;分布式控制已成为轧机计算机控制系统的主流。一般来说,控制系统采用2级控制structure-basic自动化(级别1)和过程控制(要求等级2)——实现自动测量控制。在1级,总有一定的辊缝之间的距离站和厚度测试点,导致测量控制的时间延迟。史密斯预测器是一个方法来应对时滞系统,但实际反馈控制基于传统的史密斯预测器不能得到理想的控制结果,因为时间延迟是很难被测量精确,在某些情况下它可能在一定范围内变化。史密斯在本文中,基于自适应预测,我们使用多个模型来讨论时间延迟的不确定性。将选择的最优模型提出的开关机制。仿真表明,该多个史密斯模型方法展示优秀的性能改善系统的控制结果甚至跳时间延迟。

1。介绍

因为对象是机电控制和液压系统惯性小,快速响应,轧制是一个快速的过程需要高速自动控制和沟通能力。科技和工业的发展,要求高质量的条和高级自动化正变得至关重要。分布式控制已经成为主流的轧机计算机控制系统是一个典型的复杂机电系统(1,2]。一般来说,控制系统采用2级控制structure-basic自动化(级别1)和过程控制(要求等级2)——实现自动测量控制(3,4]。process server和高速通信网络的组成,过程控制(要求等级2)可以完成数学模型计算,初始值设置,和材料跟踪。这个水平总是有一个高需求在网络带宽传输的能力,商店,和分享巨大的过程信息;一个典型的网络采用工业以太网。材料跟踪和初始值设置完成轧制辊缝和轧制力的AGC(自动测量控制)过程通过数学模型计算的服务器2级;相应的信息转移到基本自动化控制器通过以太网,如图所示1。的基本自动化一级实现快速收集处理信息和控制结果的输出;控制器在这个级别是高速嵌入式控制器或高性能PLC。由于时间要求快循环控制,控制器的网络通信率也高要求。典型的网络采用这个级别是通用电气的RFnet(反射内存网络)和西门子GDM(全局数据内存)网络。图2显示了基本的自动化网络部署连轧生产线,在粗糙的滚动部分控制器,完成轧制部分,和基本的自动化通过RFnet相连。总之,网络延迟和数据包丢失在AGC都将影响制造过程,甚至在严重的情况下导致产品不合格。

在实际AGC厚度控制过程中,两个主要因素会导致控制系统的不确定的时间延迟。一个是某些距离每个站的测厚仪和滚动差距,本质上,另一个是现有网络传输延时。史密斯预测器是一个方法来解决以上问题,但随着系统延时的价值是难以精确衡量,史密斯预测方法总是不能在实践中有效地进行。史密斯自适应预测模型可以处理部分模型不匹配(5,6]。然而,自适应初始值的选择不当,也可能会导致糟糕的系统响应瞬态过程;这种情况可能会恶化系统变异时间延迟,因为单一预测不能匹配所有条件和不同的时间延迟。多模型自适应控制(MMAC)自适应控制是一种工具,将设立多个元素模型的不确定性的参数或结构系统,和一个开关装置将被用于形成最终的多模型控制器。这种控制器可以用来改善瞬态响应(7]。从1990年代,许多MMAC基于连续时间(8,9和离散时间10系统得到,很多应用MMAC也可以看到11,12]。

在本文中,我们引入MMAC史密斯史密斯自适应预测形成了多模型自适应预测控制方法,以提高控制性能。根据可能的不同范围的控制工厂的时间延迟,多个固定和自适应模型建立了覆盖植物的不确定性;对应的控制器也设置;切换指标函数,提出了基于模型误差决定最合适的控制器为系统每时每刻并选择它作为当前控制器。最终,史密斯多个自适应控制器是由改善系统的控制性能。

下面的纸是组织如下。部分2介绍了史密斯预测控制的设计原则。部分3详细介绍了史密斯提出多模型预测控制器。进行了数值模拟4和部分5总结这项工作。

2。根据史密斯预测控制器设计原则

2.1。固定的史密斯预测控制器

AGC控制的轧机厚度控制系统是一个与时间延迟;传统AGC控制方法无法获得令人满意的控制性能(13,14]。

根据控制理论,来应对时滞问题,我们可以采用史密斯预测方案。预测模型添加到AGC过程反馈回路,可以预测系统输出的变化,给提前反馈信号,以抵消原来的系统延迟,使整个闭环系统的特征方程无时间延迟(15]。史密斯预测器的原则在AGC过程(16)如图3。

在图3,和预设值和测量值的出口厚度,分别厚度不同,是滚动的监管价值差距,是控制器,是控制植物的传递函数,预测模型。

当史密斯预测器不使用,系统传递函数

对应的特征方程。

作为纯时滞的部分传递函数和特征方程存在,随着时间的增加延迟相位延迟增加,系统稳定性降低,和控制性能变坏,而在史密斯预测方案,预测模型与控制植物完全匹配时,也就是说,,,我们有和系统输出成为

对应的特征方程变得没有延时,所以系统的稳定性不会受时间延迟的影响。

2.2。史密斯自适应预测控制器

实际上,条件,不能轻易满足;(17)提出了一个更实际的方法,自适应调整法律的反馈系数和前馈系数应用于史密斯保证识别预测吗条件下。自适应的原则史密斯predictior如图4。

考虑;系统的传递函数和史密斯预测模型给出

相应的状态方程可以得到

对于给定的广义误差

设置为Lynaponov函数 在哪里

一种自适应控制律 可以保证吗,,当。

备注1。自适应参数辨识机制可以看作是一种数据驱动策略18,19]。过程测量和初始值的信息是必需的条件下得到预测模型。但是,与纯数据驱动方法等部分最小二乘(PLS),迭代学习控制(ILC)和模型自适应控制自由只取决于测量过程(20.),这种自适应律法是一个模型数据集成方法(21)也需要相对精确的预测模型,以便处理信息可以充分利用基于模型实现系统识别。

从图4这可以确保自适应律(史密斯是一个识别预测调整吗,,);识别史密斯预测器可以使用。但在实践中,这两种和总是很难得到满足,因为不能设置,系统的精确模型和系统的时间延迟不能准确测量。所以以上史密斯自适应预测也是很难被应用。由于这种情况下,史密斯以下多个自适应预测模型控制器将被考虑。

3所示。多个史密斯预测模型控制器

考虑到轧制系统图5;其传递函数和时间延迟通常可以被以下模型: 在哪里延迟在正常工作条件下和吗代表延迟波动造成的不确定因素,如网络传输延迟。

定义

考虑一阶系统的特点;我们假设一阶系统小延迟可以用一阶近似过程和不同的参数(22];我们有

此外,我们有多模型自适应控制系统(见图5)。

如图5史密斯,我们使用预测模型调整,,近似的控制装置。考虑到不同的范围;的参数将不确定的或随时间变化的,因此它不是适当的单一固定模型来描述系统。对于单个自适应模型,如果初始参数选择不当,模型参数收敛缓慢。此外,如果有激烈的系统参数跳,控制性能将变得更糟。所以我们带多个模型不同的初始值来近似系统模型的不确定性。

3.1。史密斯多个自适应模型控制器

基于可能的参数变化范围史密斯,多个自适应预测(,是模型)的数量与设计不同的初始值。原始的史密斯预测模型,相应的自适应前馈和反馈回路满足的参数 在哪里。

指数函数定义了开关 在哪里,,。和模型误差

在时间,计算 基于模型和史密斯预测器将切换到闭环系统。

备注2。在实际的AGC控制过程中,无法衡量,(14),将代替在实际控制。

3.2。多个固定的史密斯预测模型控制器

史密斯为多个自适应预测模型控制器,并行计算多个自适应过程将导致计算量的增加。

如果所有的模型选择是固定的模式,也就是说,,

有足够的固定模式,(13)作为开关指数函数;多个模型计算量可以大大减少。然而,没有稳定的自适应模型,系统的稳定性很难保证通过纯粹的多个固定模型。

3.3。史密斯多个自适应控制器与多个固定和自适应模型

多个固定模型的部分3所示。2可以减少计算量,但由于缺乏自适应参数调整过程中,系统的稳定性无法轻易获得。如果在模型,设置为固定模型和1模型自适应模型,也就是说,对吗,

多个固定模型的存在减少了大量的计算,保证了系统的稳定性和自适应模型,因此可以提高控制性能的情况下多个自适应模型。

定理3。如果史密斯自适应控制器2。2()应用于AGC系统中,模型误差可以保证有界和接近零;也就是说,。

证明。从[17史密斯),自适应预测模型,将Lynaponov函数的导数6),我们有 从(7)和(8)
考虑,,,,所以适用于所有。
从(19)是有界的,所以,,都是有界的。此外,我们有
为 我们有
考虑,,有界;然后有界;从(22)我们有;从(20.)和Barbalet引理(23),我们有。

定理4。带(15)作为开关指数函数,选择多个自适应模型部分3所示。1或多个固定模型和一个自适应模型部分3所示。3史密斯的多个自适应控制器。史密斯的AGC控制器如图所示5,这两种控制器可以有效地取消系统延迟的波动,提高控制性能。

证明。(1)组成的多模型控制多个史密斯自适应预测,史密斯因为每个模型都有自己的自适应机制,所以对于每个模型
虽然模型之间的切换多个模型基于切换指标函数,它终于来了 时间延迟不确定的部分是取消,和多个模型是用来改善瞬态过程。
(2)多模型控制由多个固定史密斯史密斯预测和自适应预测,自适应史密斯预测器 考虑切换指标函数
为每一个固定的模式
如果 最后选择自适应模型和自适应史密斯模型与系统模型完全匹配;也就是说,。
如果有一个固定的模式令人满意的 在哪里,从(21) 如果选择固定模型的参数满足或,然后是有界的,从(7),(29日)和(30.),,,有界;下列不等式还拥有: 然后从(29日)和(31日)和Barbalet引理,我们有 它终于来了 史密斯的多模型自适应预测仍有匹配的函数。

备注5。多模型控制基于史密斯多个固定模型可以改善瞬态响应,但它缺乏自适应参数调节,很难保证系统稳定。

注6。多个模型的存在覆盖的参数不确定范围控制植物可以改善系统的瞬态响应和提高控制质量与跳跃系统参数。

4所示。仿真研究

一阶时滞系统将模拟轧制AGC系统如下: 在哪里。

相同的PID控制器(17)基于ITAE准则(24)也将使用;也就是说,

史密斯补偿预测将会设计成,。和参数的和将被调整为(8)。

4.1。史密斯多模型预测与固定时间延迟系统

史密斯对单个自适应预测模型,让前馈和反馈自适应初始参数和在(8);控制结果如图6。多模型自适应控制四史密斯自适应预测模型建立,相应的前馈和反馈自适应初始参数(12),,,,。控制结果如图7。

它的数据中可以看到6和7史密斯,当多个自适应预测模型与多个组的前馈和反馈自适应初始参数应用于AGC系统,打捞筒和系统响应时间减少显然史密斯与单一预测模型的例子。史密斯同时,当单一模型自适应预测,因为模型参数与系统参数匹配不好,初步识别误差相对大,识别相应的时间相对较长。自从史密斯多模型自适应预测采用多个自适应初始参数,自适应系统可以切换到最接近的匹配模型,因此,系统识别错误和识别时间明显减少。

当初始自适应反馈四个固定的史密斯预测模型参数,,,和相同的初始前馈参数在(16)应用,控制结果如图8。同时,史密斯混合多模型预测与三个固定模型的初步反馈自适应参数,,一个自适应模型和初始值,同样的前馈参数是给定的,而控制结果图中可以看到吗9。

史密斯与多个自适应预测模型相比,可以减少计算时间使用多个固定的史密斯预测模型,但无法保证稳定性,因为缺乏自适应调整。从图8合适数量的固定模型可以用来改善过度和响应时间,但稳定的识别误差不能被制成0。在图9史密斯,固定的组合和自适应模型将改善瞬态响应没有系统稳定性的最后财产的损失。模型切换过程如图9 (b),最初的固定模式并不是最好的一个,固定模型3选择控制系统一段时间;最后,控制模型是史密斯转向第四自适应模型。

4.2。多个史密斯预测模型与跳跃时间延迟系统

滚动AGC系统跳时间延迟可以被描述为

史密斯单一的自适应预测模型,多个史密斯自适应预测模型,和多个混合fixed-adaptive史密斯预测模型具有相同的初始反馈和前馈参数部分4.1,我们组。控制结果如图10。

当系统时间延迟跳跃,目前多个史密斯自适应预测模型和多个混合fixed-adaptive史密斯预测模型既能保证系统的稳定性。同时,与单一史密斯自适应预测模型相比,系统的瞬态响应多个史密斯自适应预测模型已经明显改善,无论之前或之后的时间延迟变化点。

5。结论

在滚动AGC控制过程中,控制系统复杂网络条件下通常使用。考虑网络传输的延时和测厚仪通常远离轧辊开度,控制装置的传递函数模型总是会被一阶系统和不确定的时间延迟。一般来说,史密斯固定和自适应预测是解决这个问题的有效方法,但它们都需要精确已知的时间延迟价值很难得到。本文近似于时间延迟的变化和系统模型的参数通过一阶过程有不同的参数。多个AGC史密斯预测模型将被用来建立一个MMAC应对在轧制过程时间延迟的变化范围。常规的史密斯预测器的问题解决和史密斯的瞬态响应自适应预测是提高。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作应该由中央大学的基础研究基金资助润扬悬索桥- tp - 12 - 005 - b;新世纪优秀人才计划的大学在格兰特ncet - 11 - 0578;和专门研究高等教育的博士项目基金(SRFDP)拨款20130006110008。