[发明专利]一种基于模型预测的双回路水箱液位控制方法

摘要

本发明公开了一种基于模型预测的双回路水箱液位控制方法，依据双回路水箱液位系统的输入阀门开度和输出液位的历史数据，对水箱液位系统进行离线辨识，建立系统的依存于水箱液位非线性ARX全局非线性数学模型；对非线性ARX模型进行参数优化，采用AIC准则确定非线性ARX模型的阶次；基于离线辨识获得的依存于水箱液位非线性ARX模型的全局非线性特性，采用标准的二次型性能指标，设计非线性预测控制算法，在每个采样时刻利用依存于水箱液位非线性ARX模型的全局非线性特性，获得预测控制量v；通过整定预测控制器参数，达到液位控制性能指标。本发明方法将系统辨识技术和自动控制技术相结合，是一种适用性广的双回路水箱液位系统建模和预测控制方法。

主权项

一种基于模型预测的双回路水箱液位控制方法，适用于双回路连续给水系统，所述双回路连续给水系统包括从下至上依次设置的第一水箱(1)、第二水箱(2)和第三水箱(3)；所述第一水箱(1)与水泵(4)连通；所述水泵(4)通过两根分水管分别与第二水箱(2)、第三水箱(3)连通；所述两根分水管上均安装有电动调节阀；所述第二水箱(2)和第三水箱(3)底部均安装有排水管，所述排水管上安装有阀门；所述第二水箱(2)和第三水箱(3)内均安装有液位传感器；其特征在于，该方法包括以下步骤：1)实时采集两个电动调节阀的开度数据和第二水箱(2)、第三水箱(3)的液位传感器获取的液位数据；2)根据上述开度数据和液位数据，建立双回路连续给水系统依存于水箱液位的非线性ARX模型，采用SNPOM优化非线性ARX模型参数，采用AIC准则选择非线性ARX模型阶次；所述非线性ARX模型表达式如下：$l\left(t\right)={\mathrm{\φ}}_0\left(w(t-1)\right)+\underset{k=1}{\overset{n_l}{\mathrm{\Σ}}}{\mathrm{\φ}}_{l,k}\left(w(t-1)\right)l(t-k)+\underset{k=1}{\overset{n_v}{\mathrm{\Σ}}}{\mathrm{\φ}}_{v,k}\left(w(t-1)\right)v(t-k)+\mathrm{\ξ}\left(t\right);$其中，l(t)＝[l₁(t),l₂(t)]^T，l₁(t)、l₂(t)分别为t时刻第二水箱(2)、第三水箱(3)的输出液位向量；v(t)＝[v₁(t),v₂(t)]^T，v₁(t)、v₂(t)分别为t时刻两个电动调节阀的开度向量；n_l、n_v分别为电动调节阀开度、输出液位的阶次；h、d＝dim(w(t‑1))分别为RBF网络的节点数和开度向量的维数；z_j,m、λ_j,m为RBF网络的中心向量和缩放因子；和是RBF网络相应的权重和阀值；w(t)＝[l(t)^T,…,l(t‑d+1)^T]^T；ξ(t)为水箱液位系统建模误差，为高斯白噪声；3)基于上述步骤3)得到的非线性ARX模型的全局非线性特性设计双回路水箱液位预测控制器，得到预测控制器结构如下：$\left\{\begin{array}{c}\underset{\hat{V}\left(t\right)}{\min }J={\left|\right|\hat{L}\left(t\right)-L_r\left(t\right)\left|\right|}_Q^2+{\left|\right|\hat{V}\left(t\right)\left|\right|}_{R_1}^2+{\left|\right|\mathrm{\Δ}\hat{V}\left(t\right)\left|\right|}_{R_2}^2\\ s.t.L_{\min }\≤\hat{L}\left(t\right)\≤L_{\max },V_{\min }\≤\hat{V}\left(t\right)\≤V_{\max },\\ \mathrm{\Δ}{V}_{\min }\≤\mathrm{\Δ}\hat{V}\left(t\right)\≤\mathrm{\Δ}{V}_{\max }\end{array}\right.;$其中，$\left\{\begin{array}{c}\hat{L}\left(t\right)={[\hat{l}{(t+1|t)}^T\hat{l}{(t+2|t)}^T...\hat{l}{(t+N_p|t)}^T]}^T\\ L_r\left(t\right)={[l{(t+1|t)}^{T}l{(t+2|t)}^T...l{(t+N_p|t)}^T]}^T\\ \hat{V}\left(t\right)={[v{\left(t\right)}^{T}v{(t+1)}^T...v{(t+N_u-1)}^T]}^T\\ \mathrm{\Δ}\hat{V}\left(t\right)={[\mathrm{\Δv}{\left(t\right)}^T\mathrm{\Δv}{(t+1)}^T...\mathrm{\Δv}{(t+N_u-1)}^T]}^T\end{array}\right.,$N_p,N_u分别为预测时域和控制时域，且满足N_p≥N_u；从N_u到N_p时域内输入为N_u时刻的输入并保持不变，v(t+s)＝v(t+N_u‑1)，N_p≥s≥N_u；分别表示t时刻的预测输出序列和期望输出序列；表示t时刻预测控制增量序列，Δv(t)＝v(t)‑v(t‑1)；L_min,L_max分别为输出液位下限幅序列和上限幅序列；ΔV_min,ΔV_max分别为输入阀门开度下限幅序列和上限幅序列；R₁、R₂为控制加权矩阵；Q为误差加权矩阵；为t时刻预测出的t+1时刻的输出液位；l(t+1|t)为t时刻输出液位的t+1时刻的期望值；4)控制加权矩阵R₁、R₂，误差加权矩阵Q，控制时域N_u，预测时域N_p，最终达到液位控制性能指标。