[发明专利]基于大数据的串级系统闭环辨识及内模控制方法

说明书

技术领域

本发明涉及一种工业过程控制技术，特别涉及一种基于大数据的串级系统闭环辨识及内模控制方法。

背景技术

随着现代工业技术的突飞猛进，常规的单回路系统已难以满足复杂系统的控制要求。串级系统因其抗干扰和自适应能力强而被广泛用于对象扰动幅度大、非线性、容量滞后大、参数相互关联的场合。

目前，串级控制系统的建模存在两方面的问题。首先，在过程模型的辨识方法方面，一些经典辨识方法，如预报误差法、辅助变量法、相关分析法、频谱分析法等，虽均能在开环实验条件下能获得满意的结果，但却缺乏可行性。实际应用中，由于要考虑系统的安全性和经济性，而无法进行开环实验(如电力、冶金造等工业生产过程)。其次，在模型的选择上，工程上一般采用基于最小二乘法的一阶时滞(FOPDT)模型、抑或是基于1/1Pade逼近的二阶模型来拟合对象。然而，由于这些方法拟合出的模型精度不高，且无法反应部分高阶对象的频域特性，整定出的PID控制器稳定性与控制品质都很一般。

发明内容

本发明是针对经典开环方法难以应用于实际的问题，提出了一种基于大数据的串级系统闭环辨识及内模控制方法，依托大数据背景，构建了系统辨识和系统控制的一体化解决方法。

本发明的技术方案为：一种基于大数据的串级系统闭环辨识及内模控制方法，具体包括如下步骤：

1)数据采集：设系统为内外环串级控制，主控在外环称为主环，副控在内环称为副环；G₁、G₂为主控制对象和副控制对象表达式，G_C1和G_C2为主、副控制器表达式，控制对象和对应的控制器都是串联的关系，R₁和R₂为主环和副环的输入值，E₁和E₂为主环和副环的偏差值，即输入与反馈量的差值，C₁、C₂为主环和副环的输出值，G_D1和G_D2是外部扰动表达式，D₁、D₂为外部扰动源，D₂和D₁分别加载在副环和主环输出端；系统投入运行并稳定后，采集主对象、副对象、副控制器的输出以及对应时刻，作为四组数据序列c₁、c₂、m₂、t，四组数据序列中的数据个数须一致，设为N；

2)信号变换并选择模型：对步骤1)采集的数据进行拉氏变换，并进行积分项累加，获得外环、内环频率响应特性G₁，G₂；根据工业过程对象具有高阶，大滞后特点，选择二阶加纯滞后模型作为控制对象模型，二阶加纯滞后模型为

其中a,b,c为参数，L无因次纯滞后；

3)利用二阶加时滞模型来建模串级系统，运用迭代方式得到穿越频率ω_c，(O，ω_c)即为模型的重要频率段，再选取p个不同频率点的相角和幅值数列来匹配此模型，根据线性最小二乘法得到模型参数a,b,c和无因次纯滞后L，最后获得主、副环传递函数模型G₁(s)和G₂(s)；

4)对确定后主、副环传递函数模型进行内模控制方法分解，在分解后可逆的最小相位逆上增加滤波器，再根据等效变换原则，反馈控制与内模控制共同作用下得到主、副控制器的实现形式；

5)步骤4)主、副控制器的基础上，通过将其近似成PID形式来实现内模PID控制器，得到最终主、副控制器F₁(s)和F₂(s)：

其中λ₁、λ₂分别为主、副控制器中滤波器时间常数，a₁、b₁、c₁、d₂、b₂、c₂为用步骤3)可确定的主、副控制器中参数；

每个控制器都有一个可调参数λ，它决定了系统的闭环响应速度，外环控制器用于设定点响应和抗一次扰动，内环控制器用于抗二次扰动，λ₁、λ₂分别选择，λ₁、λ₂应小于十倍的相应开环时间常数。

所述步骤4)具体实现方法如下：

模型进行内模控制方法分解为：