摘要在现代控制理论中,状态反馈設计是控制系统设计的重要方式之一目前,常用的设计方法是极点配置方法。在进行线性系统状态反馈设计的过程中,从表面看它的步骤比較简单,但真正计算起来还是很困难的因为在整个计算流程中,不仅要对系统的可控性进行判定,还需对线性控制系统进行矩阵变换以及对期朢极点进行选择。而这整个的过程不但需要大量的计算,且对设计者的要求相对来说比较苛刻对于简单的线性控制系统设计是有效的,但当系统阶数较多时,计算量非常巨大,操作过程将会很繁琐。本文在简要介绍了对线性控制系统进行状态反馈设计的方法即极点配置与线性二次型最优控制两种方法之后,提出了基于差分演化算法的控制系统状态反馈设计方法本文根据引入状态反馈后闭环系统的阶跃响应的性能指標,以误差积分指标积分指标作为适应度函数,直接对状态反馈设计中的状态反馈矩阵以及前馈增益矩阵进行选择,以使适应度函数获得最优解。当适应度函数得到最优解时,选择的状态反馈矩阵及前馈增益矩阵就是较优的本文分别针对单输入-单输出系统、多输入-多输出系统、完铨可控系统以及不完全可控系统分别列举多个实例并采用差分演化算法进行状态反馈设计及仿真。通过仿真,证实了基于差分演化算法的状態反馈控制系统可有效地改进系统性能,优于传统极点配置状态反馈控制而且,基于差分演化算法的状态反馈设计提供了一种可能的更有效嘚新的状态反馈设计的简便途径。最后,本文将差分演化算法进一步应用于状态反馈解耦控制,发现利用差分演化算法进行状态反馈解耦控制昰有效的,这进一步证明了将差分演化算法应用于状态反馈有许多可取之处关键字：状态反馈 极点配置 最优解 控制目录1.问题重述 11.1 问题分析 .12.数學模型的建立 32.1 状态反馈和输出反馈 .32.2 能控性、能观性分析 .52．3 系统的稳定性分析 72.4 劳斯判据 .83.模型的 MATLAB 建模 103.1 模型的建立程序： 103.1.1）脉冲响应实验程序： .103.1.2）系统的能控性能观测性，稳定性试验程序： .104.模型的求解结果 .134.1 模型的求解结果 134.1.1）脉冲响应实验程序实验结果： .134.1.2）系统的能控性能观测性与稳定性判别的实验结果： .144.1.3）U=Fy 给予稳定的实验结果： 164.1.4）闭环系统的极点配置的实验结果： .164.1.5) y=at 斜坡输入配置实验结果： 195.1 实验方法的优点： 235.2 实驗方法的缺点 235.3 实验的收获 236.参考文献 .24第 0 页 共 27 页连续系统性能分析及闭环调节器设计1.问题重述系统参数：设某调节对象状态空间方程描述为设計要求：分析原系统的性能，根据要求设计状态反馈阵及系统给定满足设计要求。设计主要内容：（1）求原系统的状态脉冲响应（2）汾析系统的能控性、能观测性、稳定性。（3）分析此调节对象可否通过 给予稳定为什么？（4）利用状态反馈进行设计使得闭环系统的極点配置在 处，并对对设计的系统进行仿真分析系统的性能。（5）如果输出量 y 需以斜坡函数形式变化即要求 ，根据第 4小题之分析对應的闭环系统给定量应为何值？对设计的结果进行仿真验证1.1 问题分析题目要求观察系统的稳定性，如果系统不稳定则通过状态反馈和輸出反馈进行极点配置来得到稳定的系统。为此我们首先要找到合适的数学方法与模型来观察系统是稳定的还是不稳定的当系统是不稳萣的时候，根据题目要第 1 页 共 27 页求配置相关的极点来得到稳定的系统构造通过使用 matlab 工具来进行验证观察系统配置后是否符合稳定性的要求，得到相应的阶跃响应曲线图形并对系统的性能进行分析说明。第 2 页 共 27 页2.数学模型的建立2.1 状态反馈和输出反馈1)状态反馈与输出反馈的仳较定义一个线性离散系统x(t+1)=Ax(t)+bu(t)y(t)=Cx(t)(1 一 1可控可观。首先我们来考虑使用状态反馈来解决这个问题，由于我们不知道系统确切的 x(t)的全部状态故峩们需要利用可观的数据对系统建立观测器，来估计系统的各个状态在这里观测器为因此，由(1-2)(1-3)两组方程我们可以解得 Z;中的各个状态然洏，由于观测器(全维)的引入方程由 n 维变为 2n 维，大大增加了计算量在工程中，这样的计算会削减系统的实时性而且增加的维数在实际觀测器构建中还是有第 3 页 共 27 页很大的难度的。接下来我们来看输出反馈的情况，对于系统 存在u(t)=Ky(t)K 为 lxp 的参数矩阵。因此x(t+1)=(A+bKC)x(t)这样我们就把求解状态的问题转化成 lxp 的参数矩阵 K 的参数整定问题。就状态反馈而言如图 1-1 可以有效实现极点配置，然而这种方法要求原系统各部分参数是精确确定的因此在一般不知道系统内部精确参数的时候，我们就需要建立状态观测器来逼近原系统由于所建立的观测器的内部参数我們是知道的。为达到控制原系统的目的我们采用极点配置的方法，对这个模拟原系统的观测器进行控制然而，由于加入了

本发明专利技术公开了一种基于智能寻优的单调整系数预测函数控制参数整定方法预测函数控制是控制大惯性大迟延对象的有效方法，但是由于设计过程复杂参数难於整定，不利于工程应用本发明专利技术包括如下步骤：工业过程控制系统中的一阶惯性环节加纯迟延对象作为预测控制模型，采用一個阶跃函数得出预测函数最优控制律，令预测步长为1得到一种单步最优控制律；利用单个调整系数方法得到单调整系数预测函数最优控制律；采用单调整系数的整定方法，即采用遗传算法寻优整定按此方法对任何一阶惯性加纯迟延对象均可获得最优的调整系数，保证預测函数控制具有较强的鲁棒性

本专利技术涉及预测函数控制参数整定，具体地说是一种基于智能寻优的单调整系数预测函数控制参数整定方法

技术介绍工业过程控制系统中较为典型的被控对象为一阶惯性加迟延对象，当对象惯性时间和延迟时间较大时常规的PID控制难鉯取得满意的控制效果。预测函数控制是控制大惯性大迟延对象的有效方法但是由于设计过程复杂，参数难于整定不利于工程应用。

技术实现思路本专利技术所要解决的技术问题是克服上述现有技术存在的缺陷提供一种基于智能寻优的单调整系数预测函数控制参数整萣方法，按此方法对任何一阶惯性加迟延对象均可获得最优的调整系数以保证预测函数控制具有较强的鲁棒性。为此本专利技术采用洳下的技术方案：基于智能寻优的单调整系数预测函数控制参数整定方法，其包括如下步骤：1)工业过程控制系统中的一阶惯性环节加纯迟延对象作为预测控制模型采用一个阶跃函数，得出预测函数最优控制律令预测步长为1得到一种单步最优控制律；2)利用单个调整系数方法，在步骤1)的基础上得到单调整系数预测函数最优控制律；3)采用单调整系数的整定方法即采用遗传算法寻优整定。作为上述技术方案的補充步骤2)中，在所述的单调整系数预测函数最优控制律后加入滤波环节；步骤3)中采用滤波惯性时间常数的整定方法，即也采用遗传算法寻优整定作为上述技术方案的补充，步骤1)中所述一阶惯性加纯迟延对象的模型为：式中，Km为对象增益Tm为对象惯性时间，Td为对象延遲时间；当采用阶跃函数时有u(k+i)＝u(k),i＝1,2...H-1式中，u(k+i)为第k+i时刻被控对象的控制量u(k)为第k时刻被控对象的控制量，H为预测时域；当Td＝0时将对象离散囮，并对性能指标求偏导获得预测函数最优控制律为：式中c(k+H)为第k+H时刻被控对象的设定值，c(k)为第k时刻被控对象的设定值y(k)为第k时刻被控对潒的输出，ym(k)为第k时刻预测控制模型的输出TR表示设定值滤波时间常数，Ts表示采样周期；令H＝1则上式得：式中，e(k)＝c(k)-y(k)TR表示设定值滤波时间瑺数，Ts表示采样周期；步骤2)中令为单调整系数m，得出单调整系数预测函数最优控制律：作为上述技术方案的补充当Td≠0时，单调整系数m通过遗传算法寻优获得作为上述技术方案的补充，对整定后的单调整系数预测函数最优控制律进行仿真验证作为上述技术方案的补充，遗传算法寻优中选取绝对误差积分指标的积分作为性能指标，其目标函数为：作为上述技术方案的补充采用遗传算法寻优时，单调整系数m的优化范围与对象惯性时间Tm有关；当0<Tm<100时单调整系数m的寻优范围设置为0-3，滤波惯性时间常数Tf的寻优范围设置为1-10；当100<Tm<1000时单调整系数m嘚寻优范围设置为0-15，滤波惯性时间常数Tf的寻优范围设置为1-10；当1000<Tm<10000且Tm/Td<40时单调整系数m的寻优范围设置为0-20，滤波惯性时间常数Tf的寻优范围设置为1-10本专利技术具有以下有益效果：本专利技术给出了单调整系数预测函数控制的有效参数整定方法，对任何一阶惯性加迟延对象均可获得朂优的调整系数保证了预测函数控制具有较强的鲁棒性，同时参数整定简单便于工程应用。附图说明图1为本专利技术利用遗传算法优囮单调整系数预测函数控制的原理图(图中sp为设定值，spr为扰动设定值pv为被控量，Gr(s)为扰动模型G(s)为实际被控对象，Gm(s)为预测被控模型m为单調整系数，km为预测被控模型增益Tf为滤波惯性时间常数，s表示频域里的拉普拉斯算子)图2为本专利技术遗传算法流程图。图3为对象惯性时間大于2倍延迟时间时本专利技术基于智能寻优的单调整系数预测函数控制阶跃响应曲线图(图中，A为设定值B为响应曲线)。图4为对象惯性時间小于延迟时间时本专利技术基于智能寻优的单调整系数预测函数控制阶跃响应曲线图(图中，A为设定值B为响应曲线)。具体实施方式丅面结合说明书附图和具体实施方式对本专利技术作进一步说明一、一种基于智能寻优的单调整系数预测函数控制参数整定方法预测函數控制的预测被控模型选用一阶惯性环节加纯迟延对象，即：式中Km为对象增益，Tm为对象惯性时间Td为对象延迟时间，s表示频域里的拉普拉斯算子当采用阶跃函数时有u(k+i)＝u(k),i＝1,2...P-1(2)式中，u(k+i)为第k+i时刻被控对象的控制量u(k)为第k时刻被控对象的控制量，H为预测时域当Td＝0时，将对象离散囮并对性能指标求偏导获得最优控制律为：式中，c(k+H)为第k+H时刻被控对象的设定值c(k)为第k时刻被控对象的设定值，y(k)为第k时刻被控对象的输出ym(k)为第k时刻预测被控模型的输出，TR表示设定值滤波时间常数Ts表示采样周期；令H＝1，则(3)式得：式(4)中e(k)＝c(k)-y(k)，TR表示设定值滤波时间常数Ts表示采样周期，令为调整系数m得出单调整系数预测函数控制律：当Td≠0时，式(5)中单调整系数m可以通过遗传算法寻优获得；为了获得更好的控制效果本专利技术在式(5)的基础上加入滤波环节，惯性时间常数设置为Tf该参数也采用遗传算法同时寻优获得，具体原理图如图2所示利用遺传算法优化单调整系数预测函数控制的原理见图1。根据图2遗传算法是一个以适应度函数(目标函数)为依据，通过对个体施加遗传操作进荇群体内个体结构重组来实现群体优化的迭代过程在这一过程中，群体(问题的解)一代一代地得以逐步优化并逼近最优解遗传算法的一般步骤如下：Step1:选择目标函数，确定变量定义域及编码精度形成编码方案；Step2:随机产生一个规模为N(即该种群众含有N个个体)的种群GA；Step3:对被选择進入匹配池中的个体进行交叉操作，形成新种群GB；Step4:以小概率在种群GB中选择个体进行变异操作形成新种群GC；Step5:计算每个个体的适值；Step6:根据适值概率选择N个新个体形成新种群GD；Step7:检查结束条件若满足则算法结束，当前种群中适值最高的个体即所求解；否则转Step3二、性能指标及参数范围选取采用期望的函数响应和实际系统响应之差的某个函数作为目标函数，当误差积分指标目标函数最小时系统的调节品质最好。遗傳算法寻优中本专利技术选取绝对误差积分指标的积分作为性能指标，其目标函数为：该性能指标是一种容易应用的指标其最佳性能時，表明系统具有适当的阻尼和令人满意的瞬态响应因此系统将有较快的输出响应，超调量略大单调整系数预测函数控制律(5)中只含有┅个参数m，采用遗传优化时该参数的优化范围与模型对象(1)中惯性时间Tm有关，当0<Tm<100时m的寻优范围设置为0～3，Tf的寻优范围设置为1～10；当100<Tm<1000时m嘚寻优范围设置为0～15；Tf的寻优范围设置为1～10；当1000<Tm<10000且Tm/Td<40时，m的寻优范围设置为0～20Tf本文档来自技高网...

1.基于智能寻优的单调整系数预测函数控制參数整定方法，其特征在于包括如下步骤：1)工业过程控制系统中的一阶惯性环节加纯迟延对象作为预测控制模型，采用一个阶跃函数嘚出预测函数最优控制律，令预测步长为1得到一种单步最优控制律；2)利用单个调整系数方法在步骤1)的基础上得到单调整系数预测函数最優控制律；3)采用单调整系数的整定方法，即采用遗传算法寻优整定

1.基于智能寻优的单调整系数预测函数控制参数整定方法，其特征在于包括如下步骤：1)工业过程控制系统中的一阶惯性环节加纯迟延对象作为预测控制模型，采用一个阶跃函数得出预测函数最优控制律，囹预测步长为1得到一种单步最优控制律；2)利用单个调整系数方法在步骤1)的基础上得到单调整系数预测函数最优控制律；3)采用单调整系数嘚整定方法，即采用遗传算法寻优整定2.根据权利要求1所述的基于智能寻优的单调整系数预测函数控制参数整定方法，其特征在于步骤2)Φ，在所述的单调整系数预测函数最优控制律后加入滤波环节；步骤3)中采用滤波惯性时间常数的整定方法，即也采用遗传算法寻优整定3.根据权利要求2所述的基于智能寻优的单调整系数预测函数控制参数整定方法，其特征在于步骤1)中，所述的预测控制模型为：式中Km为對象增益，Tm为对象惯性时间Td为对象延迟时间；当采用阶跃函数时有u(k+i)＝u(k),i＝1,2...H-1，式中u(k+i)为第k+i时刻被控对象的控制量，u(k)为第k时刻被控对象的控制量H为预测时域；当Td＝0时，将对象离散化并对性能指标求偏导获得预测函数最优控制律为：式中，c(k+H)为第k+H时刻被控对象的设定值c(k)为第k时刻被控对象的设定值，y(k)为第k时刻被控对象的输出ym(k)为第k时刻预测控制模型的输出，TR表示设定值滤波时间常数Ts表示...

申请(专利权)人：，