文摘
本文的一般程序确定一个分数阶+空载(FFOPDT)模型。这个过程是基于拟合三个过程反应曲线上任意点,处理信息在哪里获得从一个简单的开环测试。简化的一般识别过程也被认为是,只有点对称位于反应曲线选择。提出了对称的过程被应用到以下组代表点:(5 - 50 - 95%),(10 - 50 - 90%),(15 - 50 - 85%),(20 - 50 - 80%),(25 - 50 - 75%)和(30 - 50 - 70%)。相应的FFOPDT模型参数解析表达式对这些组对称点。为了显示这个过程的有效性和适用性为分数阶模型的识别和洞察的影响选择的一组对称点识别模型的准确性,提出了一些数值例子。这个识别过程给好的结果相比与其他整数和分数阶识别方法。最后,在这种背景下提出了结论和最后的讲话。
1。介绍
虽然有可能获得一个模型流程解析法的物理模型,它更频繁的动态信息过程是通过实验tests-empirical模式过程反应曲线,关键控制系统的增益和振荡的周期稳定的极限,或通过继电器反馈<一个href="#B1">1一个>]。
从控制器的角度来看,控制过程包括过程本身、终端控制元件和测量仪器。在控制研究和设计和优化控制器的反馈控制回路,有必要控制过程的动态行为信息,通常的形式降维数学模型(<一个href="#B2">2一个>]。控制流程模型提供了控制器之间的动态信息和测量仪表的输出信号。这个模型应该是简单的,但与此同时,它应该提供可靠的信息控制在操作点过程的行为。这些信息通常包括增益、时间常数(s)和明显的空时的控制过程。
尽管过程控制的相当大的进步在过去的几十年里,众所周知,比例积分微分(PID)控制器广泛成功应用在工业控制应用中,成为工业过程控制标准(后<一个href="#B3">3一个>]。学术和工业社会的承认,是应用最广泛的控制流程模型的一阶控制算法,辅助阳极,和二阶+空载(FOPDT、DPPDT SOPDT);然而,在某些情况下,这些模型不能代表了过程动力学与所需的精度。这是已经建议,例如,(<一个href="#B4">4一个>),表明有必要过程有更好的信息来获取最优PID调优规则lag-dominated流程。
实践经验表明,控制器调优通常可以通过很少的工厂信息的角度设计技术标准。使用一个开环步测试实验流程模型识别是广泛覆盖技术文献;见,例如,(描述的识别过程<一个href="#B5">5一个>- - - - - -<一个href="#B8">8一个>]。
一些报纸也报道了基于拟合多个代表点的识别算法过程中瞬态响应一个阶跃变化(<一个href="#B9">9一个>- - - - - -<一个href="#B11">11一个>]。技术文献,有几个两到三点为FOPDT识别方法,DPPDT和SOPDT模型基于信息从反应曲线。
在两点程序的情况下,可以考虑以下方法和时间:(<一个href="#B12">12一个>)(35 - 85%),(<一个href="#B13">13一个>(28.3 - -63.2%),或(<一个href="#B14">14一个>)(33 - 70%)。
三分的方法,以下引用和对应的时间可以被认为是:[<一个href="#B15">15一个>(2 - 70 - 90%)和(5 - 70 - 90%),(<一个href="#B16">16一个>)由斯塔克(15 - 45 - 75%)和(<一个href="#B17">17一个>(14 - 55 - 91%)。
123 c识别方法(<一个href="#B11">11一个>)使用时间设置(25 - 75%)FOPDT DPPDT和(25 - 50 - 75%)SOPDT模型,分别。这种方法最近延长(<一个href="#B18">18一个>)的识别repeated-pole +空载(RPPDT)模型。
在前面提到的引用,这些点的位置是不同的:在某些情况下,选择给出任何解释;在别人,重要的点与模型参数选择密切相关。在一些方法,例如,(<一个href="#B11">11一个>),这些点不是任意固定而被选择为了优化确定了模型参数。很明显,确定模型的准确性取决于这些点的选择过程的反应曲线,将在稍后讨论。
分数阶微积分在过去的几十年里,出现了大量的学术和工业努力专注于获得更精确的建模方法和识别现实世界的现象;见,例如,(<一个href="#B19">19一个>- - - - - -<一个href="#B21">21一个>]。有各种各样的分数阶模型技术基于技术文献的反应曲线,最常见的方法是一个基于非线性优化;见,例如,(<一个href="#B22">22一个>- - - - - -<一个href="#B25">25一个>]。在这些方法中,获得的分数阶模型参数一般是通过最小化过程反应之间的误差曲线和分数阶阶跃响应模型。这些技术要求更高的计算工作与现有的分析方法相比,其主要特点是简单的应用程序。然而,没有很多分数阶建模过程的分析技术基于过程的反应曲线。在[<一个href="#B26">26一个>),提出了一些策略,以确定FFOPDT模型的参数利用阶跃响应数据。它结合了数值计算和图形估计。这个参考可以被视为一种分数阶的开创性工作情况。Integral-based估计方法提出了(<一个href="#B27">27一个>,<一个href="#B28">28一个>),健壮的对测量噪声的存在。这两个方法可以被看作是一个扩展的方法中存在的经典案例(<一个href="#B3">3一个>]。
即使分数模型已经证明技术上优越,工业采用分步方法需要更多的分析(<一个href="#B29">29日一个>]。
此外,最近的调查列出了分数阶PID控制器作为一个新兴的工具在过程控制领域,其成功的主要原因是他们提供的固有可靠性更高的自由度和调优操作参数(<一个href="#B30">30.一个>- - - - - -<一个href="#B33">33一个>]。在这种背景下,最近的一些应用程序的控制算法可以被认为是在<一个href="#B34">34一个>- - - - - -<一个href="#B37">37一个>]。在一些现有的方法设计分数阶PID控制器,一个简单的模型的过程是利用目标控制器的优化参数(<一个href="#B38">38一个>- - - - - -<一个href="#B43">43一个>]。
根据上述,获得结构简单分数阶模型的过程具有十分重要的意义,是非常有用的在实际设计整数和分数阶控制系统。因为过程阶跃响应是简单的物理解释和识别算法integer-order模型基于拟合多个代表点过程的反应曲线很容易申请,这可以被认为是自然的扩展这些方法对于分数阶的情况。为此,FFOPDT模型的通用识别过程进行了本文基于拟合三分在瞬态过程阶跃输入响应。在相同的框架中,提出了一种通用识别过程的简化,考虑到选择的点对称的过程反应曲线。相应的FFOPDT模型参数解析表达式好几套对称点是为了显示获得的适用性提出过程,洞察组对称点的影响确定了模型的准确性。
本文的组织结构如下:部分<一个href="#sec2">2一个>致力于提供数学基础和背景。节<一个href="#sec3">3一个>的一般程序识别FFOPDT模型从任何三分过程反应曲线。节<一个href="#sec4">4一个>,一个简化的一般识别过程被认为是,点在哪里选择对称过程反应曲线。相应的FFOPDT模型参数解析表达式好几套对称点也获得了在这一节中。提供了一些例子<一个href="#sec5">5一个>显示该程序的有效性和适用性获得识别方法确定FFOPDT相比与其他整数和分数阶模型参数识别方法。此外,一些数值模拟的结果也说明在本节中,为了得到洞察的影响选择组对称点的识别模型的准确性。提出了结论和最后的讲话<一个href="#sec6">6一个>。
2。理论背景
在本节中,一些基本概念和定义部分简要讨论了微积分。
分数微积分是集成的泛化和分化noninteger基本算子<年代p一个nclass="nowrap"> 。年代p一个n>连续积分微分的运算符被定义为<年代p一个nclass="equation_break" id="EEq1"> 一个和<我>t我>操作的范围和吗<我>α我>∈<年代p一个nclass="nowrap"> 。年代p一个n>
有几种不同的定义部分运营商(<一个href="#B44">44一个>]。部分集成的一个最常用的定义是Riemann-Liouville定义:<年代p一个nclass="equation_break" id="EEq2"> 在哪里<我>t我>≥0,<我>α我>∈<年代p一个nclass="inline_break"> 和Γ(·)γ函数(<一个href="#B44">44一个>]。
从关系(<一个href="#EEq2">2一个>),订单的Riemann-Liouville分数导数的定义<我>α我>可以被写成以下形式:<年代p一个nclass="equation_break" id="EEq3">
在哪里<我>n我>−1 <<我>α我><<我>n我>,<我>n我>∈<年代p一个nclass="nowrap">
。年代p一个n>在定义(<一个href="#EEq2">2一个>)和(<一个href="#EEq3">3一个>),下标0<我>t我>是操作的限制和被称为终端部分的集成和分化,分别。为了简单起见,<年代vg height="14.7403pt" id="M8" style="vertical-align:-3.943601pt" version="1.1" viewbox="-0.0498162 -10.7967 26.4365 14.7403" width="26.4365pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
的拉普拉斯变换Riemann-Liouville-based分数导数<年代p一个nclass="equation_break" id="EEq4"> 在哪里<我>n我>−1≤<我>α我><<我>n我>零初始条件,这是减少<年代p一个nclass="equation_break" id="EEq5">
一般的分数阶系统可以被描述为一个分数微分方程的形式<年代p一个nclass="equation_break" id="EEq6">
相应的分数阶传递函数不相称的真正的订单有以下形式(<一个href="#B44">44一个>]:<年代p一个nclass="equation_break" id="EEq7">
在P (<年代p一个nclass="nowrap">
)年代p一个n>和Q (<年代p一个nclass="nowrap">
)年代p一个n>没有共同的0,<年代vg height="6.1673pt" id="M18" style="vertical-align:-0.2063904pt" version="1.1" viewbox="-0.0498162 -5.96091 6.7023 6.1673" width="6.7023pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
严格的传递函数G (s)由(<一个href="#EEq7">7一个>)BIBO稳定当且仅当P (s)没有根在{Re (s)≥0}<一个href="#B45">45一个>]。
在特定的情况下,当有一个实数<我>α我>的最大公约数<我>α我>k年代ub>,<我>k我>= 1,…,<我>n我>,<我>ß我>k年代ub>,<我>k我>= 1,…,<我>米我>,它被称为相称的秩序。它认为,<我>α我>k年代ub>= k<我>α我>和<我>β我>k年代ub>= k<我>α我>0 <<我>α我>< 1,<年代p一个nclass="nowrap"> ,年代p一个n>和不相称的订单系统(<一个href="#EEq7">7一个>)也可以重写相称的形式如下:<年代p一个nclass="equation_break" id="EEq8">
已经证明相应系统G (s)带来了(<一个href="#EEq8">8一个>)是BIBO稳定的如果所有多项式方程的根<我>P我>(<我>x我>)= 0,<我>x我>=年代<年代up>α我>定位的部门| arg (<我>x我>)|≤<我>α我>π我>/ 2 (<一个href="#B45">45一个>]。
考虑<我>n我>><我>米我>函数G (s)成为一个适当的有理函数的复杂变量s<年代up>α我>,如果它认为的根源<我>P我>(<我>x我>)= 0是截然不同的,传递函数的部分分式扩张(<一个href="#EEq8">8一个>)可以用下面的一般形式:<年代p一个nclass="equation_break" id="EEq9">
在哪里<年代vg height="9.49473pt" id="M23" style="vertical-align:-0.2063999pt" version="1.1" viewbox="-0.0498162 -9.28833 7.30254 9.49473" width="7.30254pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
集成的右边(<一个href="#EEq10">10一个>),下面的阶跃响应的传递函数<我>G我>(<我>年代我>α我>)得到:<年代p一个nclass="equation_break" id="EEq12">
阶跃响应的每个组件<年代vg height="9.39034pt" id="M27" style="vertical-align:-3.42943pt" version="1.1" viewbox="-0.0498162 -5.96091 7.52435 9.39034" width="7.52435pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
3所示。一般的识别方法
一般的鉴定程序识别提出了一种分数阶模型的过程反应曲线在这一节中。
受控过程视为一个s形阶跃响应,他们可以以FFOPDT模型,微分方程可以表示为<年代p一个nclass="equation_break" id="EEq13"> 在初始条件通常是作为零获取标准FFOPDT传递函数模型:<年代p一个nclass="equation_break" id="EEq14"> 在哪里<我>K我>是一个过程,<我>T我>> 0是明显的时间常数,<我>l我>≥0是明显的空时,<我>α我>的分数阶模型。
参数的设置<年代p一个nclass="equation_break" id="EEq15"> 代表了FFOPDT模型参数,确定本文使用信息从过程反应曲线。
标准FOPDT<年代p一个nclass="equation_break" id="EEq16"> 可以看作一种特殊情况下的FFOPDT模型(<一个href="#EEq14">14一个>),<我>α我>= 1。FFOPDT模型的一步反应增加的值<我>α我>,从<我>α我>= 0.2 - 1.8,如图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig1/" target="_blank">1一个>。考虑系统的阶跃响应<我>α我>= 1中虚线表示。
FOPDT模型(<一个href="#EEq16">16一个>)已经被广泛应用在实践中捕获的基本动态响应工业过程控制为目的的设计(<一个href="#B3">3一个>]。在这篇文章中,参数的设置(<一个href="#EEq15">15一个>)被认为是控制过程的动态行为的特点。FFOPDT模型(<一个href="#EEq14">14一个>)可以被视为一种泛化的古典FOPDT和泛化的相关性有很大影响的动态过程的识别以及动态反馈回路的控制器参数设计(<一个href="#B46">46一个>]。
也有用的考虑一些参数来描述过程动力学。<我>T我>基于“增大化现实”技术年代ub>平均停留时间,可以在分数阶模型的上下文中定义为<年代p一个nclass="equation_break" id="EEq17">
在哪里<年代vg height="9.39034pt" id="M33" style="vertical-align:-3.42943pt" version="1.1" viewbox="-0.0498162 -5.96091 7.52435 9.39034" width="7.52435pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
在相同的上下文中,规范化空载<我>τ我>0≤,属性<我>τ我>≤1,也可以延长FFOPDT模型<年代p一个nclass="equation_break" id="EEq18">
这个参数可以用来描述一个过程控制的难度。大致说来,过程与小<我>τ我>容易控制,在控制系统中增加困难吗<我>τ我>增加。的具体情况<我>α我>T = 1,<年代ub>基于“增大化现实”技术年代ub>和<我>τ我>参数对应的标准定义(FOPDT模型<一个href="#B3">3一个>]。
虽然被认为是部分的阶跃响应模型可以方便地描述单调或非行为根据分数阶<我>α我>,这个识别过程只适用于一个有一个s形阶跃响应过程,因为系统本质上是单步的反应是非常普遍的在过程控制<一个href="#B3">3一个>]。此外,建议在<一个href="#B4">4一个>)这类的过程PID是合适的基本上可以概括为拥有单调一步反应。描述这些过程的一种方法是引入的单调性指数:<年代p一个nclass="equation_break" id="EEq19">
在哪里<年代vg height="9.39034pt" id="M36" style="vertical-align:-3.42943pt" version="1.1" viewbox="-0.0498162 -5.96091 7.52435 9.39034" width="7.52435pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig2/" target="_blank">2一个>显示FFOPDT模型的规范化步骤反应(<一个href="#EEq14">14一个>针对不同的分数阶值)<我>α我>和不同的归一化值死时间<我>τ我>。请注意,所有曲线相交于一点<我>t我>=<我>T我>基于“增大化现实”技术我>因为正常化。
3.1。使用控制模型识别过程反应曲线
步信号u (<我>t我>)和振幅Δu将被视为输入和一个信号<我>y我>α我>(<我>t我>)和一个振幅Δy作为系统的响应,如图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig3/" target="_blank">3一个>。FFOPDT模型(<一个href="#EEq14">14一个>)应对∆u阶跃输入变化<年代p一个nclass="equation_break" id="EEq20"> 在哪里<我>E我>α,β我>是一个米塔格-莱弗勒函数中定义(<一个href="#EEq11">11一个>)。
从过程反应曲线(<一个href="#EEq20">20.一个>),是由<年代p一个nclass="equation_break" id="EEq21"> ∆u在哪里输入信号的振幅和∆y是总流程输出变化,如图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig3/" target="_blank">3一个>。
流程输出<我>y我>α我>(<我>t我>∆)可以标准化的最终价值<我>y我>=<我>K我>·∆u和使用转移和规范化<年代p一个nclass="inline_break"> ,年代p一个n>与方程(<一个href="#EEq20">20.一个>)减少到以下表达式:<年代p一个nclass="equation_break" id="EEq22">
如果<年代vg height="12.7178pt" id="M41" style="vertical-align:-3.42947pt" version="1.1" viewbox="-0.0498162 -9.28833 28.06 12.7178" width="28.06pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
相应地,时间<我>t我>x我>过程所需的输出<我>x我>%流程输出总量的变化<年代p一个nclass="equation_break" id="EEq23">
随着剩余FFOPDT模型参数{<我>T我>,<我>l我>,<我>α我>必须获得},有必要确定* {<我>t我>x我>1年代ub>,<我>t我>x我>2年代ub>,<我>t我>x我>3年代ub>}达到三分{<我>y我>α我>(<我>t我>x我>1年代ub>),<我>y我>α我>(<我>t我>x我>2年代ub>),<我>y我>α我>(<我>t我>x我>3年代ub>)}过程反应曲线。考虑到方程(<一个href="#EEq23">23一个>),下列方程组的定义:<年代p一个nclass="equation_break" id="EEq24">
所谓的比率指数Δ[<一个href="#B18">18一个>可以适应这部分相应的框架,可以用来确定分数阶<我>α我>:<年代p一个nclass="equation_break" id="EEq25"> 在哪里<我>τ我>x1年代ub>,<我>τ我>x2年代ub>,<我>τ我>x3年代ub>归一化倍,可以获得使用方程(<一个href="#EEq22">22一个>)。方程(<一个href="#EEq25">25一个>)可以表示为一个函数相关的分数阶<我>α我>和比率指数∆,<我>α我>=<我>f我>1年代ub>(Δ)。
基于时间的参数{<我>T我>,<我>l我>}可以解决的<一个href="#EEq24">24一个>)通过考虑两个点,{<我>y我>α我>(<我>t我>x1我>),<我>t我>x1我>)}和{<我>y我>α我>(<我>t我>x3我>),<我>t我>x3我>)},过程反应曲线,相当于规范化点{<我>ỹ我>α我>(<我>τ我>x我>1年代ub>),<我>τ我>x我>1年代ub>},{<我>ỹ我>α我>(<我>τ我>x我>3年代ub>),<我>τ我>x我>3年代ub>}。然后,这些参数的表达式<年代p一个nclass="equation_break" id="EEq26"> 在哪里<年代p一个nclass="equation_break" id="EEq28">
最后,一组方程(<一个href="#EEq29">29日一个>)包含的一般表达式确定FFOPDT模型的参数,<我>θ我>P我>= {<我>K我>,<我>T我>,<我>l我>,<我>α我>},使用时间所需的响应达到反应曲线上的任何三个点。<年代p一个nclass="equation_break" id="EEq29"> 在哪里<我>f我>1年代ub>取决于∆,定义为一个函数的通用三分(<一个href="#EEq25">25一个>),<我>f我>2年代ub>(<我>α我>)=一个<年代up>α我>和<我>f我>3年代ub>(<我>α我>)=<我>τ我>x3年代ub>1 /<我>α我>函数依赖是规范化的时代吗<我>τ我>x我>1年代ub>和<我>τ我>x我>3年代ub>,<我>τ我>x我>3年代ub>分别为,<我>一个我>参数定义在(<一个href="#EEq28">28一个>)。注意,在(<一个href="#EEq29">29日一个>)的值<我>T我>和<我>l我>有高度依赖的价值吗<我>α我>,有重大影响的形状的反应。这一事实的强调的重要性决定的价值<我>α我>参数准确,将在稍后讨论。
在(<一个href="#EEq29">29日一个>),<我>α我>> 0,<我>T我>> 0是一种自然的方式实现,<我>τ我>x我>1年代ub><<我>τ我>x我>2年代ub><<我>τ我>x我>3年代ub>和<我>t我>x我>1年代ub><<我>t我>x我>2年代ub><<我>t我>x我>3年代ub>。另一个条件是必须满足以满足<我>l我>≥0<年代p一个nclass="equation_break" id="EEq30">
4所示。对称的方法
识别的一般开发过程中提出了在前面的小节中,它被假定所需的三个点的反应曲线可以是任何值。在本节中,一个简化的一般方法,这些点可以任意选择而位于对称响应曲线。
注意,如图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig4/" target="_blank">4一个>,中央点位于中间的范围,将对应于所需的时间达到50%流程输出总量的变化对反应曲线<我>y我>α我>(<我>t我>50年代ub>)(<我>t我>x我>2年代ub>=<我>t我>50年代ub>)。剩下的点可能位于任意但对称放置的中心点。将表示为一个对称点<我>x我>,另一个是100 - x。这意味着现在将确定的时间<我>t我>x我>1年代ub>=<我>t我>x我>和<我>t我>x我>3年代ub>=<我>t我>100 -<我>x我>,在那里<我>t我>x我>和<我>t我>100 -<我>x我>表示达到所需的时间<我>x我>% (100 -<我>x我>)%流程输出总量的变化,分别在0 <<我>x我>< 50岁。
采用方程(<一个href="#EEq29">29日一个>与这些对称性的考虑),获得以下表达式:<年代p一个nclass="equation_break" id="EEq31"> 在哪里<我>f我>1年代ub>分数阶相关的功能吗<我>α我>与时代∆比例。
此外,Δ被定义为一个函数的对称三分<年代p一个nclass="equation_break" id="EEq32"> 它依赖于标准化的时代<我>τ我>x我>,<我>τ我>50年代ub>,<我>τ我>100 -<我>x我>。<我>f我>2我>(<我>α我>)=一个<年代up>α我>,在那里<年代p一个nclass="equation_break" id="EEq33"> 和<我>f我>3年代ub>(<我>α我>)= (<我>τ我>100 -<我>x我>)<年代up>1 /<我>α我>函数依赖是规范化的时代吗<我>τ我>x我>和<我>τ我>100 -<我>x我>,<我>τ我>100 -<我>x我>,分别。
本文以下组对称点会考虑:(5 - 50 - 95%),(10 - 50 - 90%),(15 - 50 - 85%),(20 - 50 - 80%),(25 - 50 - 75%)和(30 - 50 - 70%),对应下面的值<我>x我>= 5、10、15、20、25和30。目标是获得洞察的影响选择代表点的准确性得到分数阶模型,如前面提到的。
表<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab1/" target="_blank">1一个>- - - - - -<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab6/" target="_blank">6一个>包含的值归一化<我>τ我>x我>,<我>τ我>50年代ub>,<我>τ我>100 -<我>x我>,值<我>x我>= 5、10、15、20、25和30。
以后,考虑值相应的归一化时代,数据集{Δ,<我>α我>},{<我>α我>,一个<年代up>α我>},{<我>α我>,(<我>τ我>100 -<我>x我>)<年代up>1 /<我>α我>}获得了每一个被认为是套对称点。从这些数据,分析表达式<我>f我>1年代ub>(Δ),<我>f我>2年代ub>(<我>α我>),<我>f我>3年代ub>(<我>α我>使用曲线拟合)估计。最后,分数阶模型参数{<我>T我>,<我>l我>,<我>α我>}表达式可以确定(<一个href="#EEq31">31日一个>)和实验值<我>t我>x我>,<我>t我>50年代ub>,<我>t我>100 -<我>x我>收集到的反应曲线。
Δ值不同的值<我>α我>0.5≤<我>α我>≤1.1,取得了在图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig5/" target="_blank">5一个>根据表达式(32)和使用标准化的时间<我>τ我>x年代ub>,<我>τ我>50年代ub>,<我>τ我>100 -<我>x我>,因为<我>x我>= 5、10、15、20、25、30、从表中获得<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab1/" target="_blank">1一个>- - - - - -<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab6/" target="_blank">6一个>。注意,Δ指数代表的到达时差之间的比率<我>x我>(100 -<我>x我>)%,从<我>x我>50%的总变异过程的输出,显示在(<一个href="#EEq32">32一个>)。
数据集{Δ,<我>α我>}允许建立一个关系<我>α我>Δ解析函数的形式,<我>α我>=<我>f我>1年代ub>(Δ)。
图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig5/" target="_blank">5一个>显示了数据集{∆,<我>α我>从方程(获得}<一个href="#EEq32">32一个>为不同的值)<我>α我>≤0.5,<我>α我>≤1.1,相应的最小二乘曲线拟合的结果不同的对称点。注意,Δ取决于标准化* {<我>τ我>x我>,<我>τ我>50年代ub>,<我>τ我>100 -<我>x我>},表示(<一个href="#EEq32">32一个>),有很强的依赖<我>α我>参数。
使用Levenberg-Marquardt数据拟合最小二乘曲线拟合的算法在所有图在图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig5/" target="_blank">5一个>,以下有理函数被认为是在所有情况下:<年代p一个nclass="equation_break" id="EEq34"> 在表<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab7/" target="_blank">7一个>显示的参数值){<我>p我>我我>,<我>问我>我我>}为函数<我>f我>1年代ub>(Δ)和每一个所选组对称点。
重要的是要注意,对于增加的值<我>x我>Δ范围变得更短。<我>f我>1年代ub>(Δ)是一个非线性函数的斜率是陡增加的值<我>x我>,这表明更大的敏感性。
图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig6/" target="_blank">6一个>显示了数据集{<我>α我>,一个<年代up>α我>},<我>一个我>参数是得到方程(<一个href="#EEq33">33一个>),为不同的值<我>α我>0.5≤<我>α我>≤1.1,相应的最小二乘曲线拟合的结果不同的对称点。请注意,<我>f我>2年代ub>(<我>α我>)=一个<年代up>α我>取决于<我>α我>和规范化的<我>τ我>x我>和<我>τ我>100 -<我>x我>。
在图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig6/" target="_blank">6一个>可以看到,它的振幅<我>f我>2年代ub>增加增加的值<我>x我>。另一方面,对于减少值<我>x我>、功能<我>f我>2年代ub>呈现出更明显的曲率小的值<我>α我>。
使用Levenberg-Marquardt数据拟合最小二乘曲线拟合的算法在所有图在图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig6/" target="_blank">6一个>,下面的有理函数用于所有情况下:<年代p一个nclass="equation_break" id="EEq35"> 值的参数{<我>p我>我年代ub>,<我>问我>我年代ub>}为函数<我>f我>2年代ub>(<我>α我>),每一个对称点的选择集如表所示<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab8/" target="_blank">8一个>。
图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig7/" target="_blank">7一个>显示数据集{<我>α我>,(<我>τ我>100−<我>x我>)<年代up>1 /<我>α我>},规范化<我>τ我>100 - x年代ub>从表可以获得吗<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab1/" target="_blank">1一个>−<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab6/" target="_blank">6一个>为不同的值<我>α我>0.5≤<我>α我>≤1.1,相应的最小二乘曲线拟合的结果不同的对称点。请注意,<我>f我>3年代ub>(<我>α我>)= (<我>τ我>100−<我>x我>)<年代up>1 /<我>α我>取决于<我>α我>和规范化的<我>τ我>100 -<我>x我>。振幅的范围<我>f我>3年代ub>值的增加减少了吗<我>x我>,如可以如图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig7/" target="_blank">7一个>。使用Levenberg-Marquardt数据拟合最小二乘曲线拟合的算法在所有图在图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig7/" target="_blank">7一个>,下面的有理函数用于所有情况下:<年代p一个nclass="equation_break" id="EEq36"> 值的参数{<我>p我>我年代ub>,<我>问我>我年代ub>}为函数<我>f我>3年代ub>(<我>α我>),每一个对称点的选择集如表所示<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab9/" target="_blank">9一个>。
重要的是要强调,估计的值<我>α我>,<我>T我>,<我>l我>从表达式(<一个href="#EEq31">31日一个>)依赖于函数<我>f我>1年代ub>(Δ),<我>f我>2年代ub>(<我>α我>),<我>f我>3年代ub>(<我>α我>)。因此,这些函数在这个过程中扮演了一个重要的角色识别过程的特点规范化步骤反应(<一个href="#EEq22">22一个>由于他们的贡献)可以为特征。注意,对于任何一个不同的选择次集{<我>t我>x我>1年代ub>,<我>t我>x我>2年代ub>,<我>t我>x我>3年代ub>}达到三分{<我>y我>α我>(<我>t我>x我>1年代ub>),<我>y我>α我>(<我>t我>x我>2年代ub>),<我>y我>α我>(<我>t我>x我>3年代ub>)}反应曲线,识别结果的准确性取决于拟合精度。在这种背景下,一个精确的测定<我>α我>价值是最重要的,因为,随后,功能<我>f我>2年代ub>和<我>f我>3年代ub>——因此<我>T我>和L-depend估计的价值<我>α我>。
在曲线拟合过程中,已经发现,一般来说,功能<我>f我>1年代ub>(Δ),<我>f我>2年代ub>(<我>α我>),<我>f我>3年代ub>(<我>α我>低的值<我>x我>需要更多的参数比更高<我>x我>值能够适应数据与有理函数。虽然一些数据集可以用更少的参数,调整为每一个函数(<我>f我>1年代ub>(Δ),<我>f我>2年代ub>(<我>α我>),<我>f我>3年代ub>(<我>α我>),同样的表情有相同数量的参数曲线拟合,分别。通过这种方式,比较估计的值<我>α我>,<我>T我>,<我>l我>,它直接依赖于函数<我>f我>1年代ub>,<我>f我>2年代ub>,<我>f我>3年代ub>对于不同的对称点,可以在相同的条件下。在本节中,通过验证,理性表达适合数据集用于数字<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig5/" target="_blank">5一个>- - - - - -<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig7/" target="_blank">7一个>。
备注1。我>表达式(<一个href="#EEq34">34一个>)- (<一个href="#EEq36">36一个>),参数表<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab7/" target="_blank">7一个>- - - - - -<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab9/" target="_blank">9一个>为函数<我>f我>1年代ub>,<我>f我>2年代ub>,<我>f我>3年代ub>已经获得了0.5≤<我>α我>≤1.1。这个范围包括遇到的多数代表过程的动力学过程控制,基本上可以概括为拥有单调一步反应;见,例如,测试批考虑(<一个href="#B4">4一个>]。的值<我>α我>在这个范围之外,考虑曲线配件是无效的。一个显著的事实观察是FFOPDT系统的阶跃响应<我>α我>值小于0.5变得极慢,可以看到在图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig1/" target="_blank">1一个>。注意的归一化值<我>τ我>100 -<我>x我>增加<我>α我>减少,尤其是以一种非常重大的方式对小的值<我>x我>。
尽管FFOPDT模型的阶跃响应只过阻尼<我>α我>值在0和1之间,1.1还包括价值因为它已经在许多实验,观察到一些过程,一般lag-dominated,与高阶integer-order传输函数的值<我>α我>略大于1。通过这种方式,一个更好的适合模型的瞬态响应的获得与反应过程的曲线。具体来说,FFOPDT系统的阶跃响应的行为<我>α我>可以观察到图= 1.1<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig2/" target="_blank">2一个>。年代p一个n>
4.1。算法确定FFOPDT模型参数
促进软件实现所提出的识别方法,开发一个算法在桌子上<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab10/" target="_blank">10一个>。在这种方法中,输入信号的变化ΔuΔ和过程输出<我>y我>必要和时间到达<我>x我>% (<我>t我>x年代ub>),50% (<我>t我>50年代ub>),(100 -<我>x我>)% (<我>t我>100 - x年代ub>)的总变化对反应过程的输出曲线必须收集为了确定FFOPDT模型参数<我>θ我>P年代ub>= {<我>K我>,<我>T我>,<我>l我>,<我>α我>}。
5。说明性的例子
在本节中,提出的识别方法为FFOPDT模型测试了好几套对称点的反应曲线和相对于其他识别方法为整数和分数阶模型。
以下流程模型被选为了显示的有效性提出程序找到一个近似的四个参数模型(<一个href="#EEq14">14一个>)和洞察的影响选择的一组对称点识别模型的准确性:<年代p一个nclass="equation_break" id="EEq37">
一方面,流程<我>P我>1,我年代ub>用于比较提出了多个对称点识别过程有两,三点FOPDT识别方法,DPPDT, SOPDT模型和获得洞察对称点的位置的影响确定的分数阶模型的准确性。
另一方面,过程<我>P我>2年代ub>是用来比较的模型性能方法提出了与其他整数和分数阶的方法。
改变输入信号应用于这些过程以注册过程反应曲线。输出响应的过程被用来计算相应的参数模型。请注意,在所有的实验中使用的示例时期成立<我>T我>年代年代ub>= 10 ms。
考虑到实验数据的识别测试中,需要验证的有效性模型结构采用拟合和相应的模型参数的准确性。拟合目标函数和模型验证方法使用一步激发信号系统识别已经提出了在文献[<一个href="#B8">8一个>]。
不失一般性,下面的时域拟合准则是用来评估模型的性能标识:<年代p一个nclass="equation_break" id="EEq39">
在哪里<年代vg height="12.7569pt" id="M59" style="vertical-align:-0.2063999pt" version="1.1" viewbox="-0.0498162 -12.5505 6.59789 12.7569" width="6.59789pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
这个时域准则均方误差(MSE)和方块的,可以测量的平均错误。如何准确地繁殖过程反应曲线模型评估指数。
在这种背景下,相对性能指标比善以来的绝对值更重要的识别方法对另一个可以量化的。
在这篇文章中,使用相对性能指标如下:<年代p一个nclass="equation_break" id="EEq40">
在哪里<年代vg height="15.8416pt" id="M64" style="vertical-align:-3.291101pt" version="1.1" viewbox="-0.0498162 -12.5505 33.1122 15.8416" width="33.1122pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
这些说明性的例子的仿真已经使用MATLAB实现,FOTF工具箱(分数阶传递函数)。FOTF是分数阶系统的控制工具箱由雪et al。<一个href="#B47">47一个>)扩展了许多MATLAB内置函数解决分数阶模型。的参考文本FOTF工具箱(<一个href="#B48">48一个>彻底),作者解释了所有的命令和应用程序。
5.1。示例1
分数阶过程模型(37),<我>K我>1年代ub>= 1,<我>T我>1年代ub>= 1,<我>l我>1年代ub>= 0.1 s<我>λ<年代ub>我年代ub>1.00 = 0.60,0.65,…,,被认为是在这个例子。模型(<一个href="#EEq37">37一个>)是一个分数二阶过程与死亡时间(FSOPDT)提供了一些从FFOPDT动力学建模错误或偏差,模型结构的选择提出的识别方法。
之后的过程这个例子如下:<年代p一个nclass="list">(1)年代p一个n>9个过程植物<我>P我>1,我年代ub>,在那里<我>我我>= 1,…,9<我>λ我>我年代ub>1.00 = 0.60,0.65,…,,。年代p一个n>(2)年代p一个n>FFOPDT模型参数<年代vg height="18.0794pt" id="M68" style="vertical-align:-5.528899pt" version="1.1" viewbox="-0.0498162 -12.5505 12.9144 18.0794" width="12.9144pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
这批使用过程,一方面,验证提出了不同的对称点识别方法,另一方面,能洞察的选择代表点的影响获得的分数阶模型的准确性。
注意,表<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab11/" target="_blank">11一个>包含采样周期、样本数量和时间长度被认为是在一步反应的过程。表<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab12/" target="_blank">12一个>列表的集合点考虑FFOPDT的识别模型。图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig8/" target="_blank">8一个>说明了模型性能指标的值<年代vg height="18.0794pt" id="M72" style="vertical-align:-5.528899pt" version="1.1" viewbox="-0.0498162 -12.5505 28.1031 18.0794" width="28.1031pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
注意,值<年代vg height="18.0794pt" id="M75" style="vertical-align:-5.528899pt" version="1.1" viewbox="-0.0498162 -12.5505 28.1031 18.0794" width="28.1031pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
图8还表明,该识别方法给出了适合相应的识别模型和实际过程之间的反应曲线。这是证实了低的值在时域模型的性能指标<年代vg height="18.0794pt" id="M77" style="vertical-align:-5.528899pt" version="1.1" viewbox="-0.0498162 -12.5505 28.1031 18.0794" width="28.1031pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
从获得的结果在图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig8/" target="_blank">8一个>,它可以观察到的方法<年代up>#年代up>1是提供最好的结果,因此,点集(5 - 50 - 95%)是建议被选中当使用这个对称的识别过程。在这方面,相对性能指标之间的方法<年代up>#年代up>6 (<我>j我>= 6)和方法<年代up>#年代up>1 (<我>j我>= 1),<年代p一个nclass="inline_break"> ,年代p一个n>为<我>我我>= 1,…,9日在图表示<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig9/" target="_blank">9一个>,它可以注意到方法<年代up>#年代up>1大约是2.0,2.25,2.5,3.5,4.0,2.75,和1.5倍的年代比获得的一个方法<年代up>#年代up>6,<我>我我>= 1,…,分别为7。
这个案子<我>λ我>5年代ub>P = 0.8的过程<年代ub>1、5年代ub>被认为是在过程<我>P我>1,我年代ub>。这个模型的过程反应曲线如图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig10/" target="_blank">10一个>。从这个数据,总结了表的信息<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab13/" target="_blank">13一个>。
考虑到数据表<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab13/" target="_blank">13一个>,FFOPDT过程参数<年代p一个nclass="inline_break"> ,年代p一个n>在哪里<我>我我>= 1,…,在表6中,取得了<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab14/" target="_blank">14一个>为每一个提出的对称点集的表<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab12/" target="_blank">12一个>。
该识别方法将与各种两,三点FOPDT识别方法,DPPDT和SOPDT模型基于信息也获得反应曲线。
的两点方法(<一个href="#B11">11一个>,<一个href="#B14">14一个>],FOPDT和DPPDT模型都使用。
表<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab15/" target="_blank">15一个>包含FOPDT模型的参数识别使用两点Alfaro Viterkova,提出的识别方法。表<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab16/" target="_blank">16一个>显示的参数DPPDT模型获得使用相同的方法。
三分的方法(<一个href="#B15">15一个>)和斯塔克(<一个href="#B16">16一个>),SOPDT模型被认为是。
表<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab17/" target="_blank">17一个>包含SOPDT模型获得的参数使用三点Jahanmiri提出的识别方法和Fallahi鲜明,分别。
数据<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig11/" target="_blank">11一个>- - - - - -<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig14/" target="_blank">14一个>比较过程反应曲线的一步反应FFOPDT模型与该方法获得不同的对称点和FOPDT DPPDT,和SOPDT模型提出的居多,Viterkova,斯塔克,分别和Jahanmiri Fallahi。一步反应在图基于分组的相似点的反应曲线用于识别方法。
表<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab18/" target="_blank">18一个>显示时域模型性能指标的值<年代vg height="14.8186pt" id="M81" style="vertical-align:-2.2681pt" version="1.1" viewbox="-0.0498162 -12.5505 21.7866 14.8186" width="21.7866pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
数据<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig11/" target="_blank">11一个>- - - - - -<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig14/" target="_blank">14一个>说明模型的阶跃响应与不同的代表点的方法给出一个合适的过程反应曲线,特别是在区间[<我>x我>−(100 -<我>x我>)]。
对于较小的值<我>x我>,区间[x−(100 - x))是更大的,因此,这些模型更适合的阶跃响应过程的反应曲线,转化为低价值的模型性能指标<我>年代我>,如表中可以看到<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab18/" target="_blank">18一个>。
这主要是由于这一事实的价值<我>α我>确定为较小的值<我>x我>接近最优值。
请注意,<我>α我>模型的价值有很大的影响对阶跃响应的形状FFOPDT模型,我们可以看到在图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig2/" target="_blank">2一个>。
关于两点方法,数字<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig13/" target="_blank">13一个>和<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig14/" target="_blank">14一个>显示一步反应的模型获得的居多(25 - 75%)和Viterkova(33 - 70%)方法,对FOPDT DPPDT,分别比建议的方法(25 - 50 - 75%)和(30 - 50 - 70%)。
图11和12显示居多,Viterkova的方法很适合反应曲线范围(25 - 75%)和(33 - 70%),分别为。然而,这些范围以外的两种模型的行为偏离的反应曲线,从而导致更高的<我>年代我>价值。
的S值的方法<年代up>#年代up>1是7.7和8.1倍低于建议的居多,Viterkova FOPDT模型,分别。反过来,年代为方法的价值<年代up>#年代up>5和<年代up>#年代up>6是2.4和2.3倍低于方法提出的居多,Viterkova FOPDT模型,分别。
方法<年代up>#年代up>1是17.8和16.7倍的年代比居多和Viterkova DPPDT方法模型,分别。另一方面,方法<年代up>#年代up>5和<年代up>#年代up>6比5.6和4.8倍的居多,Viterkova DPPDT模型。居多的反应DPPDT模型和Viterkova有更高的值在模型中性能指标见表<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab18/" target="_blank">18一个>FOPDT模型相比,相同的方法。
关于三分方法,图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig11/" target="_blank">11一个>展示步骤反应Jahanmiri和Fallahi方法(2 - 70 - 90%)和(5 - 70 - 90%)SOPDT模型,相比,提出的方法(5 - 50 - 95%)和(10 - 50 - 90%)。
的S值的方法<年代up>#年代up>1是11.9和14.1倍,低于一个方法<年代up>#年代up>12岁,<年代up>#年代up>分别为13。如果两个三分方法与方法<年代up>#年代up>2,后者是6.1和7.2倍的方法<年代up>#年代up>12岁,<年代up>#年代up>分别为13。
图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig12/" target="_blank">12一个>显示了鲜明的一步反应的方法(15 - 45 - 75%)SOPDT模型相比,提出的方法(15 - 50 - 85%)和(20 - 50 - 80%)。的S值的方法<年代up>#年代up>1,<年代up>#年代up>3)低8.6和3.7倍比的方法<年代up>#年代up>11。
有一个改进的S(1.9, 2.3, 2.8, 3.2,和3.4倍的过程<我>P我>1年代ub>在使用方法<年代up>#年代up>1(5 - 50 - 95%)方法<年代up>#年代up>2,<年代up>#年代up>3,<年代up>#年代up>4,<年代up>#年代up>5,<年代up>#年代up>6,分别如表中所示<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab19/" target="_blank">19一个>。
5.2。示例2
在这个例子中,该识别方法比较与另一个FFOPDT模型识别方法。
流程模型的高阶lag-dominated分数阶(38)<我>K我>2年代ub>= 2,<我>T我>2年代ub>= 1,<我>λ我>2年代ub>= 0.85,<我>n我>= 5,被认为是在这个例子提出了(<一个href="#B26">26一个>]。
这个模型的过程反应曲线如图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig15/" target="_blank">15一个>。从这个数据,模型识别所需的处理信息的使用提出的过程在不同的时期,总结了表<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab20/" target="_blank">20.一个>。
考虑到数据表<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab20/" target="_blank">20.一个>,FFOPDT过程参数<年代p一个nclass="inline_break"> ,年代p一个n>在哪里<我>我我>= 1,…,在表6中,取得了<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab21/" target="_blank">21一个>提出组的每一个代表点的反应曲线,即。,(5- - - - - -50- - - - - -95%), (10–50–90%), (15–50–85%), (20–50–80%), (25–50–75%), and (30–50–70%), respectively.
过程(<一个href="#EEq37">38一个>)由FFOPDT近似模型三个不同的策略提出了(<一个href="#B26">26一个>),工艺参数模型<年代vg height="15.8416pt" id="M84" style="vertical-align:-3.291101pt" version="1.1" viewbox="-0.0498162 -12.5505 36.4596 15.8416" width="36.4596pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
过程的反应曲线和相应的步骤的反应被认为是近似模型(5 - 50 - 95%),(10 - 50 - 90%),(15 - 50 - 85%),(20 - 50 - 80%),(25 - 50 - 75%)和(30 - 50 - 70%),分别比较,见图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig16/" target="_blank">16一个>- - - - - -<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig21/" target="_blank">21一个>。此外,一步反应FFOPDT模型提出了(<一个href="#B26">26一个>的过程<我>P我>2年代ub>相比,过程反应曲线如图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig22/" target="_blank">22一个>。
表<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab23/" target="_blank">23一个>显示时域模型性能指标的值<年代vg height="14.8186pt" id="M85" style="vertical-align:-2.2681pt" version="1.1" viewbox="-0.0498162 -12.5505 21.7866 14.8186" width="21.7866pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
在这个例子中,一个高阶分数阶lag-dominated过程为了说明使用的适用性和有效性提出了识别FFOPDT模型识别过程。
数据<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig16/" target="_blank">16一个>- - - - - -<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig21/" target="_blank">21一个>表明,该方法给出好的结果在区间[<我>x我>−(100−<我>x我>)考虑集的代表点。我们需要记得,方法试图将三个对称点(<我>x我>−−−50 (100<我>x我>)%)反应曲线。
代表点的位置值更高的反应曲线很好<我>x我>,有轻微偏差<我>x我>= 5,我们可以看到数据<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig16/" target="_blank">16一个>- - - - - -<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig21/" target="_blank">21一个>。
然而,获得的模型更适合反应曲线低的值<我>x我>,因为<我>α我>价值获得接近最优值,正如前面已经说。这将导致低的值低的值<我>x我>考虑集的代表点,如表所示<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab23/" target="_blank">23一个>。
有一个改进的1.4,1.7,2.2,2.6,和2.8倍的使用方法<年代up>#年代up>1(5 - 50 - 95%)方法<年代up>#年代up>2,<年代up>#年代up>3,<年代up>#年代up>4,<年代up>#年代up>5,<年代up>#年代up>6,分别如表中所示<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab24/" target="_blank">24一个>。
图<一个href="//www.newsama.com/journals/jmath/2022/7185131/fig22/" target="_blank">22一个>表明Tavakoli-Kakhki的方法得出的结果类似的一些提议的方法,这可以量化表<一个href="//www.newsama.com/journals/jmath/2022/7185131/tab23/" target="_blank">23一个>。
方法<年代up>#年代up>1 = 1.8,3.0,和1.1倍的年代比Tavakoli-Kakhki的方法<年代up>#年代up>1,<年代up>#年代up>2,<年代up>#年代up>3,分别。
此外,该方法不仅提供了更好的结果比Tavakoli-Kakhki方法的年代,但是在作者的观点,更容易申请。
备注2。我>在第二个例子中,仅限于FFOPDT模型的分析方法比较简单和计算工作相似的提议。然而,没有很多分数阶建模过程的分析技术基于过程的反应曲线。因此,提出了对称的比较方法是完成了方法(<一个href="#B26">26一个>),这是一个公认的参考,提出了三种策略来确定FFOPDT模型的参数利用阶跃响应数据。它结合了数值计算和图形估计。
简介中,有一个评估分数阶模型的识别方法,基于过程反应曲线;然而,他们使用优化得到模型参数。在这些情况下,模型的精度提高的成本增加计算工作量。在作者看来,比较该方法与这些的使用优化不会在平等的条件下。年代p一个n>
备注3。我>自过程通常是非线性的,动态特性的FFOPDT model-gain,时间常数,死亡时间,和部分定单变化时控制系统的操作点的变化,由于修改设置点或由于扰动的影响。
隐式的不确定性名义模型必须考虑。
通常有两种方法在技术文献中考虑参数不确定性时植物的识别方法。
第一种方法是考虑不确定性的识别过程中明确。这通常会使识别过程更加复杂。
第二个可能需要考虑模型的不确定性和变化的动态特性控制的过程控制系统的设计;见,例如,(<一个href="#B3">3一个>]integer-order控制器和[<一个href="#B45">45一个>部分情况下)。通常采用第二种方法的方法是保证一定程度的robustness-relative稳定性的控制系统设计,以确保其稳定的变化过程特征。
在本文中,一个过程的识别FFOPDT类型的降维分级模型,确定模型的主要用途是用于控制目的。因此,确定模型的参数的不确定性将被认为是在控制系统的设计。
在工业背景下,大型流程工业有成百上千的控制回路。出于这个原因,简洁是一个基本特征识别流程模型时用于控制目的。考虑第二种方法,可以保持简单的识别过程。年代p一个n>
6。结论
摘要一般程序确定一个FFOPDT工业过程模型有s型一步反应和基于拟合三个任意点过程的反应曲线提出了。简化的一般识别过程也一直认为,只有点对称位于反应曲线已经被选中了。对称的方法提供了一个有效的方法获得的参数模型,通过要求的最优位置的选择只有一个点(<我>x我>),因为另一个立即建立了对称性的要求。
一些数值例子已经使用为了显示这个过程的有效性和适用性为分数阶模型的识别和洞察的影响选择组对称点的识别模型的准确性。
提出了对称的过程被应用到以下组代表点:(5 - 50 - 95%),(10 - 50 - 90%),(15 - 50 - 85%),(20 - 50 - 80%),(25 - 50 - 75%)和(30 - 50 - 70%)。本文的结果验证所确定的分数阶模型的精度敏感组对称点的选择反应曲线和讨论,更准确的模型是获得低的值<我>x我>。洞察这个选择的点集的上下文中提供了提出了对称的过程。
这个识别过程给好的结果相比与其他整数和分数阶识别方法。
强调另一个方面是,该方法是分析,促进其适用性较低的计算工作比较复杂的识别算法通常基于优化。在工业背景下,大型流程工业通常有成百上千的控制回路。出于这个原因,简单识别流程模型时主要关心的是用于控制目的。
作者的意见,这种类型的识别方法,简单的强调,将鼓励他们的工业使用和将帮助在弥合差距理论研究部分模型及其实际应用过程中产业。
这种期望是本研究的主要动机。
数据可用性
数据集用于支持本研究的结果包括在本文中。
的利益冲突
作者宣称没有利益冲突。
确认
作者要感谢巴斯克政府部分资金支持通过TRUSTIND ELKARTEK研发项目(ref KK-2020/00054)。
引用
-
问:g . t . Liu王,惠普黄”教程审查过程识别从台阶上或继电器反馈测试,”<我>《过程控制我>,23卷,不。10日,1597 - 1623年,2013页。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
g·f·富兰克林,j·d·鲍威尔,a . f . Emami-Naeini<我>动态系统的反馈控制我>培生教育有限,伦敦,英国,8日版,2019年。
-
k·j·Astrom和t . Hagglund<我>先进的PID控制,国际社会的自动化我>ISA研究三角园,数控,美国,2006年。
-
k·j·Astrom和t . Hagglund”,回顾Ziegler-Nichols阶跃响应的PID控制的方法,”<我>《过程控制我>,14卷,不。6,635 - 650年,2004页。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
惠普黄和j . c .刘正过程反应曲线和继电器的方法识别和PID调优,“<我>PID控制:新的识别和设计方法我>斯普林格出版社伦敦有限,柏林,德国,2005年。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
a . Visioli“实用的PID控制,”<我>先进的工业控制系列我>斯普林格出版社伦敦有限,柏林,德国,2006年。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
k . k . Tan Q.-G。王,c . c .挂,t . Hagglund PID控制的进步,”<我>先进的工业控制系列我>斯普林格出版社伦敦有限,柏林,德国,1999年。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
t . Liu和f·高,<我>工业过程识别和控制设计。台阶测验和Relay-Experiment-Based方法我>斯普林格出版社伦敦有限,柏林,德国,2012年。
视图: 出版商的网站一个> -
g·p·巴和p . r . Krishnaswamy”,估计二阶死时间参数阻尼不足的瞬变过程,”<我>化学工程科学我>,51卷,不。7,1149 - 1155年,1996页。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
H.-P。黄,硕士。李,C.-L。陈”,系统识别程序的简单使用瞬态阶跃响应模型,”<我>工业化学与工程化学研究我>,40卷,不。8,1903 - 1915年,2001页。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
v . m .居多,“低阶模型的识别过程反应曲线”(西班牙语),“<我>Ciencia y Tecnologia我>,24卷,不。2、197 - 216年,2006页。
视图: 谷歌学术搜索一个> -
c·c·w·k·Ho挂,l . s .曹”优化PID控制器的增益和相位裕度的规范的基础上,“<我>自动化我>没有,卷。31日。3、497 - 502年,1995页。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
c·l·史密斯,<我>数字计算机过程控制我>斯克兰顿国际教育教科书出版商,宾夕法尼亚州,美国,1972年。
-
m . Viterkova a Vitecek l .肃穆特尼,”简单的单调自律PI和PID控制器优化植物,”<我>IFAC诉讼卷我>,33卷,不。4、259 - 264年,2000页。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
a . Jahanmiri和h·r·Fallahi“新流程识别和反馈控制器的设计方法,”<我>化学工程的研究和设计我>,卷75,不。5,519 - 522年,1997页。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
r . a . Mollenkamp<我>介绍自动过程控制我>、仪器的美国社会研究三角园,数控,美国,1984年。
-
g·p·巴和p . r . Krishnaswamy模型参数估计二阶加死时间,”<我>工业化学与工程化学研究我>,33卷,不。7,1867 - 1871年,1994页。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
v . m . Alfaro和r . Vilanova”,控制高阶流程:repeated-pole +空载模式识别、”<我>国际期刊的控制我>,24卷,1 - 11,2021页。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
c . Ionescu洛佩斯,d . Copot j·a·t·马查多和j·h·t·贝茨“分数微积分在建模的作用生物现象:复习一下,”<我>非线性科学与数值模拟通信我>,51卷,第159 - 141页,2017年。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
答:纳沙,t·陈,“连续时间模型识别分数阶模型随着时间的延迟,”<我>专业控制理论与应用我>,5卷,不。7,900 - 912年,2011页。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
j。Gabano、t . Poinot和h . Kanoun“热力系统使用连续线性变参数的识别部分造型,“<我>专业控制理论与应用我>,5卷,不。7,889 - 899年,2011页。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
e·格瓦拉h .美尼斯o .实习,r . Vilanova a . Visioli f . Padula,“分数阶模型识别:计算优化,”<我>《IEEE 20新兴技术会议和工厂自动化(ETFA)我>2015年,卢森堡,。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
陈h .马列,罗y, y,“识别和调优时间延迟系统的分数阶比例积分控制器部分极,”<我>机电一体化我>,23卷,不。7,746 - 754年,2013页。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
比比Alagoz, a . Tepljakov a .机台e . Petlenkov和c . Yeroglu”的时域识别noninteger顺序从阶跃响应测量,加上时间延迟模型”<我>国际期刊的建模、仿真、科学计算我>,10卷,不。01,文章ID 1941011, 2019。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
s .艾哈迈德”参数和延迟估计的分数阶模型的阶跃响应,“<我>IFAC-PapersOnLine我>,48卷,不。8,942 - 947年,2015页。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
m . Tavakoli-Kakhki m . Haeri, m·萨利赫Tavazoei”简单的分数阶模型结构和他们的应用程序在控制系统设计中,“<我>欧洲控制杂志我>,16卷,不。6,680 - 694年,2010页。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
m . Tavakoli-Kakhki和m·萨利赫Tavazoei”的顺序和参数估计的分数阶模型从嘈杂的阶跃响应数据,”<我>杂志的动态系统、测量和控制我>,卷136,不。第三条ID 031020, 2014。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
m . Tavakoli-Kakhki m·萨利赫Tavazoei, a . Mesbahi”估计从嘈杂的阶跃响应数据,参数和秩序”<我>IFAC诉讼卷我>,46卷,不。1,第497 - 492页,2013。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
a . Tepljakov比比Alagoz, c . Yeroglu et al .,“向产业化FOPID控制器:一项调查里程碑的分数阶控制和未来的发展路径,”<我>IEEE访问我>9卷,第21042 - 21016页,2021年。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
a . Tepljakov比比Alagoz, c . Yeroglu e·冈萨雷斯,s . h . HosseinNia和e . Petlenkov”FOPID控制器及其工业应用:最近的一项调查结果1 1本研究是基于从成本行动CA15225工作,网络支持的成本(欧洲科学技术合作)、“<我>IFAC-PapersOnLine我>,51卷,不。4、25 - 30,2018页。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
比尔斯,c .伤,即Nascu, c库,”最近的一项调查分数阶控制时间延迟系统的进步,”<我>IEEE访问我>7卷,第30965 - 30951页,2019年。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
a . a . Dastjerdi b . m . Vinagre y . Chen和s . h . HosseinNia线性分数阶控制器;在频域中的一项调查,”<我>年度审核控制我>卷,47岁,51 - 70,2019页。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
p·沙阿和s . Agashe”评审分数阶PID控制器,”<我>机电一体化我>卷,38 29-41,2016页。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
s . Momani r . El-Khazali, i m . Batiha“调优PID和π<我class="symbol">λ我>D<我class="symbol">δ我>控制器使用粒子群优化算法通过El-Khazali的方法,”<我>45学报》国际会议上的应用数学在工程和经济学(Amee 19)我>索佐波尔,保加利亚,2019。
视图: 谷歌学术搜索一个> -
i m . Batiha r . El-Khazali和美国Momaniπ的动态响应<我class="symbol">λ我>,PD<我class="symbol">δ我>和π<我class="symbol">λ我>d<我class="symbol">δ我>假肢手模型使用PSO算法控制器,”<我>《2019年IEEE国际研讨会上信号处理和信息技术(ISSPIT)我>、阿治曼、阿联酋,2019年。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
m . l . Frikh f . Soltani n . Bensiali n . Boutasseta和n . Fergani”分数阶PID控制器设计风力发电机系统的使用分析和计算优化方法,”<我>计算机与电气工程我>文章ID 107410卷,95年,2021年。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
r . El-Khazali i m . Batiha和美国Momani药物管理局通过分数阶π<我class="symbol">λ我>d<我class="symbol">δ我>控制器”,<我>部分分化进展和应用程序我>,8卷,不。1,53 - 62年,2022页。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
Monje c a, b . m . Vinagre诉Feliu y陈,“调优和调音的分数阶控制器为工业应用,”<我>控制工程实践我>,16卷,不。7,798 - 812年,2008页。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
罗y, y .问:陈,c . y . Wang和y . g .π,“调优对于分数阶系统,分数阶比例积分控制器”<我>《过程控制我>,20卷,不。7,823 - 831年,2010页。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
h·李、罗y、y,”一个分数阶比例和微分(FOPD)运动控制器:调优规则和实验中,“<我>IEEE控制系统技术我>,18卷,不。2、516 - 520年,2010页。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
m . Tavakoli-Kakhki和m . Haeri”基于保留的分数阶模型降阶方法的主要动力:应用IMC FOPI的调优和FOPID控制器为基础,“<我>ISA事务我>,50卷,不。3、432 - 442年,2011页。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
j·j·古德,大肠Kahoraho分数PI控制器,简单的调优规则”<我>诉讼IEEE 14日会议上的新兴技术和工厂自动化我>2009年,西班牙马洛卡帕尔马。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
j·j·古德,大肠Kahoraho ziegler-nichols方法修改部分PI控制器”<我>IEEE学报》15日会议上新兴技术和工厂自动化我>、毕尔巴鄂、西班牙,2010年。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
Podlubny,<我>分数微分方程我>美国CA,学术出版社,圣地亚哥,1999。
-
陈Monje c, a, y, b . m . Vinagre d·雪和诉Feliu分数阶系统和控制。基础和应用程序”,<我>先进的工业控制系列我>斯普林格出版社伦敦有限,柏林,德国,2010年。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
c . i伤和c·m·库”的泛化FOPDT模型识别和控制的目的,“<我>流程我>,8卷,不。6,682 - 699年,2020页。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
陈y,佩特拉,d .雪,“分数阶规划——教程,”<我>诉讼的美国控制会议我>2009年,圣路易斯,密苏里州,美国。
视图: 出版商的网站一个> |年代p一个n> 谷歌学术搜索一个> -
d .雪<我>分数阶控制系统:原理和数值实现我>,德Gruyter,柏林,德国,2017年。
视图: 出版商的网站一个>