[发明专利]非最小化状态空间模型预测控制优化的温度控制方法

权利要求书

1.非最小化状态空间模型预测控制优化的温度控制方法，其特征在于：该方法的具体步骤包括：

步骤1、建立被控对象的扩展非最小化状态空间模型，具体步骤是：

1.1、通过被控对象的实时阶跃响应数据得到被控对象的传递函数模型为：

G(s)=Ke-τsTs+1]]>

其中，G(s)为被控对象的传递函数，s为拉普拉斯变换算子，K为模型增益，T为模型的时间常数，τ为模型的滞后时间；

1.2、将步骤1.1中得到的模型进行离散化，采样时间是T_s，得到差分模型形式：

Δy(k+1)+L₁Δy(k)＝S_d+1Δu(k-d)

其中，Δ是差分算子，L₁,S_d+1为离散后得到的系数，S_d+1＝K(1+L₁)，实际过程的时滞d＝τ/T_s，y(k)表示k时刻实际过程的输出值，u(k)是k时刻的控制量；

1.3、选取如下状态空间变量：

Δx_m(k)^T＝[Δy(k),Δu(k-1),Δu(k-2),…,Δu(k-d)]

进而将步骤1.2中的模型转化为状态空间模型，其形式如下：

Δx_m(k+1)＝A_mΔx_m(k)+B_mΔu(k)

Δy(k+1)＝C_mΔx_m(k+1)

其中，

Am=-L10...0Sd+100...0001...00...............00...10]]>

B_m＝[0 1 0 … 0]^T

C_m＝[1 0 … 0]

1.4、将步骤1.3中的状态空间模型转化成包含状态变量和输出误差的扩展非最小化状态空间模型，形式如下：

z(k+1)＝Az(k)+BΔu(k)+CΔr(k+1)

其中，

A=Am0CmAm1,B=BmCmBm,C=0-1]]>

z(k)=Δxm(k)e(k)]]>

e(k)＝y(k)-r(k)

r(k)为k时刻的期望输出值，e(k)为k时刻的实际输出值与期望输出值之间的差值，0是维数为d+1的零矩阵；

步骤2、设计被控对象的PID控制器，具体步骤是：

2.1、选取过程对象的目标函数，形式如下：

minJ(k)＝Ζ^TQΖ+Δu(k)^TωΔu(k)

Q＝block diag{Q₁,Q₂,…,Q_P}

其中，

ΔR＝[Δr(k+1) Δr(k+2) … Δr(k+P)]^T

r(k+i)＝αⁱy(k)+(1-αⁱ)c(k),i＝1,2,…,P

ψ＝[B,AB,A²B,…,A^P-1B]^T

P是预测时域，α是参考轨迹的柔化因子，c(k)是k时刻的设定值，ω是控制量的权重系数，Q是过程状态的权矩阵并为对称矩阵，min表示求最小值；

2.2、依据步骤2.1中的目标函数求解PID控制器的参数，具体如下：先将控制量u(k)进行变换：

u(k)＝u(k-1)+K_p(k)(e₁(k)-e₁(k-1))+K_i(k)e₁(k)+K_d(k)(e₁(k)-2e₁(k-1)+e₁(k-2))

e₁(k)＝c(k)-y(k)

其中，K_p(k)、K_i(k)、K_d(k)分别是k时刻PID控制器的比例、微分、积分参数，e₁(k)是k时刻设定值与实际输出值之间的差值；

进一步可以将控制量u(k)简化成矩阵形式：

u(k)＝u(k-1)+w(k)^TE(k)

w(k)＝[w₁(k),w₂(k),w₃(k)]^T

w₁(k)＝K_p(k)+K_i(k)+K_d(k)

w₂(k)＝-K_p(k)-2K_d(k)

w₃(k)＝K_d(k)

E(k)＝[e₁(k),e₁(k-1),e₁(k-2)]^T

结合控制量u(k)的矩阵形式和步骤2.1中的目标函数，可以求得：

w(k)=-ψTQ(APz(k)+θΔR)E(k)ψTQψE(k)TE(k)]]>

进一步可以得到：

K_p(k)＝-w₂(k)-2K_d(k)

K_i(k)＝w₁(k)-K_P(k)-K_d(k)

K_d(k)＝w₃(k)

2.3、得到PID控制器的参数K_p(k)、K_i(k)、K_d(k)后构成控制量u(k)＝u(k-1)+K_p(k)(e₁(k)-e₁(k-1))+K_i(k)e₁(k)+K_d(k)(e₁(k)-2e₁(k-1)+e₁(k-2))，并将其作用于过程被控对象；

2.4、在k+j时刻，依照2.1到2.3中的步骤继续求解PID控制器新的参数K_p(k+j)、K_i(k+j)、K_d(k+j)，j＝1,2,3，…。