预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108897223A(43)申请公布日2018.11.27(21)申请号201810874060.4(22)申请日2018.08.02(71)申请人杭州电子科技大学地址310018浙江省杭州市下沙高教园区2号大街(72)发明人徐峥张日东(74)专利代理机构杭州浙科专利事务所(普通合伙)33213代理人吴秉中(51)Int.Cl.G05B13/04(2006.01)权利要求书4页说明书8页(54)发明名称一种工业加热炉分数阶预测控制方法(57)摘要本发明公开了一种工业加热炉分数阶预测控制方法,包括如下步骤:步骤1、建立系统的状态空间模型;步骤2、基于状态空间模型设计被控对象的分数阶预测控制器。本发明不仅改善了整数阶模型控制方法中的不足之处,同时增加了调节控制器参数的自由度,获得了良好的控制性能,并能很好地满足实际工业过程的需要。CN108897223ACN108897223A权利要求书1/4页1.一种工业加热炉分数阶预测控制方法,其特征在于包括如下步骤:步骤1、建立系统的状态空间模型;步骤2、基于状态空间模型设计被控对象的分数阶预测控制器。2.如权利要求1所述的工业加热炉分数阶预测控制方法,其特征在于:步骤1具体包括如下步骤:1.1建立被控对象的分数阶模型,形式如下:其中,s为拉布拉斯变换算子;G(s)为分数阶传递函数;K为过程增益;τ为滞后时间;T为时间常数;α为微分阶次;e-τs为延迟τ个时刻;sα为α阶的微分算子;1.2根据步骤1.1,由Oustaloup近似方法处理得到sα的近似表达形式如下:其中,k为整数,且k=1,2,...,N;N为选定的近似阶次;wb和wh分别为选定的拟合频率的下限和上限;1.3根据步骤1.2中的方法,将分数阶模型近似为高阶模型,在采样时间TS下加入零阶保持器离散化,得到如下形式的离散模型:y(k)+F1y(k-1)+F2y(k-2)+…+Fny(k-n)=H0u(k-d)+H1u(k-d-1)+…+Hmu(k-d-m)其中,d=τ/TS为系统实际过程的时滞;Fi(i=1,2,…,n),Hj(j=0,1,…,m)均为离散模型的系数,n、m为离散模型的长度;y(k)、y(k-1)、y(k-2)、…、y(k-n)分别为k、k-1、k-2、…、k-n时刻系统的过程输出;u(k-d)、u(k-d-1)、...、u(k-d-m)分别为k-d、k-d-1、…、k-d-m时刻系统的过程输入;进一步将上述离散模型取一阶向后差分,可以得到如下形式:Δy(k)+F1Δy(k-1)+F2Δy(k-2)+…+FnΔy(k-n)=H0Δu(k-d)+H1Δu(k-d-1)+…+HmΔu(k-d-m)其中,Δ为差分算子,Δy(k)、Δy(k-1)、Δy(k-2)、…、Δy(k-n)分别为k、k-1、k-2、…、k-n时刻系统模型的离散输出;Δu(k-d)、Δu(k-d-1)、…、Δu(k-d-m)分别为k-d、k-d-1、...、k-d-m时刻系统模型的离散输入;1.4选取如下状态变量:Δx(k)=[Δy(k),Δy(k-1),...,Δy(k-n),Δu(k-1),...,Δu(k-d-m+1)]T结合步骤1.3,可得到系统的状态空间模型,表示形式如下:Δx(k+1)=AΔx(k)+Bu(k)-Bu(k-1)Δy(k+1)=CΔx(k+1)其中,T为矩阵的转置符号;Δx(k)、Δx(k+1)分别为k、k+1时刻系统的状态变量;Δy(k+1)为k+1时刻系统的离散输出;u(k)、u(k-1)分别为k、k-1时刻系统的过程输入;Δu(k-1)、...、Δu(k-d+1)分别为k-1、…、k-d+1时刻系统的离散输入;2CN108897223A权利要求书2/4页B=[0…010…0]TC=[100……0]。3.如权利要求2所述的工业加热炉分数阶预测控制方法,其特征在于:步骤2具体包括如下步骤:2.1定义被控对象模型的输出误差:e(k)=y(k)-yr(k)其中,yr(k)为系统k时刻的期望输出;e(k)为系统k时刻过程输出与期望输出之间的误差;2.2设计系统模型的预测控制量,表示形式如下:其中,i为预测时间步长;u(k+i)为k+i时刻系统的过程输入;μj(j=1,2,…,M)为权系数;fj(i)为基函数在k+i时刻的值;M为基函数的个数;2.3选取被控对象的目标函数J和预测控制模型的参考轨迹,形式如下:r(k+i)=βiy(k)+(1-βi)c(k)其中,γ为积分次数,为实数;P1、P2分别为预测步长范围的下限和上限;e(t)为时域中输出与参考轨迹之间的连续误差;分别为函数f(t)在[P1TS,P2TS]上的γ和γ-1次积分;D1-γ=γ-1I,D为