基于动态矩阵(DMC)的电加热炉温度预测控制系统

关键词：预测控制；DMC控制(动态矩阵控制)；大惯性；大滞后 中图分类号：7P273 文献标识码：A A temperature Predictive Control System of Electric Stove GAO Yong-yan, LIN Xiao-feng (College of Electrical Engineering , Guangxi University, Nanning 530004, China) Abstract: For objects with large delay, which changes with time, the control result of traditional control algorithm is not satisfying. So a temperature control system of electric stove based on DMC predictive control algorithm is discussed in this paper. Stoves are objects with self- balance, so a DMC controller based on industrial PC can be designed using our predictive control software. In the control system, We adopts thermo- couple and temperature transformer to detect temperature. The results of experiments show that the control strategy is rational and effective for complex objects, and the algorithm is superior to traditional control algorithms. Key words: predictive control; dynamic matrix Control ; large inertia; large delay 1 引言 电加热炉属于大惯性大滞后的对象，同时，由于炉料数量和放置位置的变化，使得对象的参数具有时变特性。对于这样的时变大滞后对象，采用传统的控制算法很难取得良好的控制效果。因为，经典的控制方法，如PID算法、大林算法、Smith预估补偿算法等，对对象模型的精度要求较高。如果不能得到较准确的对象模型，就很难获得理想的控制效果。为克服上述算法的不足，有人提出了基于在线参数辨识的Smith预估补偿控制算法。但实践表明，当系统存在较大干扰时，因为基于最小二乘法的辨识不能可靠收敛到有效估计值，也就无法保证Smith预估补偿控制系统的性能指标。预测控制算法具有对模型要求低、在线计算简单、控制质量优良等优点，可以有效克服大惯性大滞后时变系统控制中存在的上述困难。 2 DMC预测控制算法原理 DMC算法分为三部分：预测模型、滚动优化和反馈校正。 2.1 预测模型 2.2 滚动优化 DMC是一种以优化确定控制策略的算法。采样时刻t=kT的优化性能指标可取为 2.3 反馈校正 3 电加热炉动态矩阵控制系统 本系统中，被控对象是一个有自衡能力的对象，因此可以采用我们开发的动态矩阵预测控制软件设计出一个基于工业PC机的动态矩阵控制器，对电加热炉进行温度控制。温度检测采用热电偶配用温度变送器的方案，通过控制SWP系列智能仪表内继电器的开关达到控制单个温区温度的目的。动态矩阵温控系统采用脉宽控制方式(PWM)和模拟量控制方式，被控电加热炉某温区温度可设计为800℃以下的任一温度值。 电加热炉动态矩阵控制系统的实现原理如下：热电偶采集电加热炉炉膛的温度，经由SWP - C80型数字显示控制仪，输出的模拟量提供给控制设备(工业PC含板卡)，板卡的A／D模块将模拟量转化为数字量，经过其他的校正模块，将滤波后的数字量提供给动态矩阵控制器，动态矩阵控制器计算出的控制量(DC 0-5V)经D/A转换模块，并将其放大后，转换成相应的PWM波，控制电炉相应区的固态继电器(SSR)的通断，从而控制炉温。其控制系统组成结构如图1所示。 4 实时控制结果及分析 方案一：控制周期为90s，模型时域，控制时域，优化时域，误差权矩阵，控制权矩阵的系数为0．01。 实时趋势如图2。从图2可以看到，系统基本上投有超调，调节时间为55分钟，之后一直稳定运行，稳态精度为±1．7％，控制量的变化平缓。在系统稳定运行过程中，给系统加入一定的扰动(关闭鼓风机一个运行周期)，系统的过渡过程为24分钟，之后恢复到设定值稳定运行。系统抗干扰的能力较强。方案二：将优化时域从15改为10，其它参数保持不变 实时趋势如图3。从图3可以看出，系统也没有超调，调节时间为45分钟，稳态精度为±1．0％，给系统加入一定干扰，过渡过程为33分钟。 从方案一和方案二可以看出，固定，减小，加快了系统的动态响应，使系统获得了更好的性能指标，但在系统受到干扰时的调节时间也增加了，即抗扰性有所下降，因此在参数选取时应该兼顾控制的快速性和稳定性。 5 结论 由实时控制结果可以看到，动态矩阵控制具有较好的动态性能，较强的抗扰能力，控制精度高，控制量变化平缓等优点，能够满足工业控制的实际需要。 参考文献 [1] 舒迪前．预测控制系统及其应用[M]．北京：机械工业出版社， 2001. [2] Richalet J，et al.Model Predictive Heuristic Control：Applieations to Industrial Processes[J]．Automatica，1978，14(5)：413～428． [3] L．L．Chung,Modified predictive control of structures[J]．Engineering Structures 1999．12,21(12)：1076～1085． [4] 高东杰，谭杰，林红权．应用先进控制技术[M]．北京：国防工业出版社，2003. [5] 王树青．先进控制技术及应用[M]．北京：化学工业出版社，2001． [6] 俞金寿．工业过程先进控制[M]．北京：中国石化出版杜，2002． [7] 王桂增，王诗宓．高等过程控制[M]．北京：清华大学出版社，2002． [8] 诸静．智能预测控制及其应用[M]．杭州：浙江大学出版社。2002． [9] Basil Kouvaritakis，Mark Cannon．Nonlincar Predictive Controt Thcory and Practice[J]．The Institutlon 0f Electrical Engineers．2001。 [10] 王修中，岳红，高东杰．二阶加滞后连续模型的直接辨识[J]．自动化学报，2001．27(5)：728～731.