本发明专利技术公开了一种扩展状态空间分数阶模型预测控制的加热炉温度控制方法，以维持分数阶系统的稳定性并保障良好的控制性能。本发明专利技术首先采用Oustaloup近似方法将分数阶模型近似为整数阶高阶模型，基于近似高阶模型建立扩展状态空间模型，然后将分数阶微积分算子引入目标函数，进而基于扩展状态空间模型和选取的目标函数设计了分数阶预测函数控制器。本发明专利技术可以很好地运用于分数阶模型描述的实际过程对象，改善了整数阶MPC方法控制分数阶系统的不足之处，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。
【技术实现步骤摘要】
本专利技术属于自动化
，涉及一种分数阶模型预测控制（FMPC)的加热炉温 度控制方法。
技术介绍
在实际工业控制过程中，随着对产品的控制精度和安全操作的要求越来越高，但 许多复杂的对象是整数阶微分方程无法精确描述的，用分数阶微分方程能更精确地描述对 象特征和评估产品性能。PID控制在工业过程控制领域的应用较为广泛，但是传统PID控制 方法和模型预测控制（MPC)方法对分数阶系统的控制效果并不能满足越来越高的控制精 度的要求，这就需要我们研究具备良好控制性能的控制器来控制用分数阶模型描述的实际 被控对象。如果我们将被控对象的状态空间模型进行扩展，并将整数阶模型预测控制方法 扩展到分数阶模型预测控制方法中，那将能有效弥补整数阶模型预测控制方法在控制分数 阶系统中的不足，并能获得更好的控制效果，同时也能促进MPC在分数阶系统中的运用。
技术实现思路
本专利技术的目的是针对分数阶模型描述的加热炉温度过程，提供一种扩展状态空间 分数阶模型预测控制的加热炉温度控制方法，以维持分数阶系统的稳定性并保障良好的控 制性能。该方法首先采用Oustaloup近似方法将分数阶模型近似为整数阶高阶模型，基于 近似高阶模型建立扩展状态空间模型，然后将分数阶微积分算子引入目标函数，进而基于 扩展状态空间模型和选取的目标函数设计了分数阶预测函数控制器。 该方法可以很好地运用于分数阶模型描述的实际过程对象，改善了整数阶MPC方 法控制分数阶系统的不足之处，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。 本专利技术的技术方案是通过数据采集、模型建立、预测机理、优化等手段，确立了一 种扩展状态空间分数阶模型预测控制的加热炉温度控制方法，该方法可有效提高系统的控 制性能。 本专利技术方法的步骤包括： 步骤1、建立实际过程中被控对象的扩展状态空间模型，具体方法是： 1. 1采集实际过程对象的实时阶跃响应数据，利用该数据建立被控对象的分数阶 传递函数模型，形式如下： 其中，ai为微分阶次，c。，ClS相应的系数，s为拉普拉斯变换算子，K为模型增益， τ为模型的滞后时间。 1. 2由Oustaloup近似方法得到微分算子Sa的近似表达形式如下： 其中，α为分数阶微分阶次，〇〈α〈1，N为选定的近似阶次，幕《=4i1wb和w及别为选定的拟合频 率的下限和上限。 1. 3根据步骤1. 2中的方法，将步骤1. 1中的分数阶传递函数模型近似为整数阶高 阶模型，进而将其在采样时间^下加零阶保持器离散化，得到如下形式的离散模型： 其中，F,，H,(j= 1，2,…，Ls)均为离散近似后得到的系数，实际过程的时滞d=τ/ Ts，Ls为离散模型的长度，y(k)为k时刻的实际过程对象的模型输出，u(k-d-l)为实际过 程对象在k-d-Ι时刻的输入值。 ·?#一U忽h太Μ开！JSv-县. 其中，Δ是差分算子。 1 · 4选取如下状态变量： Axm(k) = T 结合步骤1. 3,得到被控对象的状态空间模型，形式如下： Axm(k+1) =AmΔxm (k)+BmΔu(k) Ay(k+1) =CnAxn(k+l) 其中，T为矩阵的转置符号，ΔXn(k)的维数为（2Ls+d_l)X1。[0026' Bn= τ Cn= 1. 5将步骤1. 4中得到的状态空间模型转换成包含状态变量和输出跟踪误差的扩 展状态空间模型，形式如下： z(k+1) =Az(k)+BΔu(k)+CΔr(k+1) 其中， e(k) =y(k)~r(k) e(k+1) =e(k) +CmAmΔxm (k) +CmB,"Δu(k) -Δr(k+1) r(k)为k时刻的跟踪设定值，e(k)为k时刻的输出误差，0为（2Ls+d_l)X1维的 零矩阵，A为（2Ls+d)X(2Ls+d)维矩阵，B，C均为（2Ls+d)X1维矩阵。 步骤2、基于扩展状态空间模型设计被控对象的分数阶模型预测控制器，具体方 法如下： 2. 1预测未来k+i时刻模型输出的向量形式， Z=Gz(k)+SAU+WAR 其中， ΔU=LAu(k)Δu(k+1)…Δu(k+M_l)」1 ΔR= τ r(k+i) =λxy(k) + (1-λx)c(k) c(k)为k时刻的设定值，λ为柔化因子，P为预测时域，Μ为控制时域，y(k+i)为 k+i时刻过程的预测模型输出，i= 1，2，···，Ρ。 2. 2选取被控对象的目标函数J，其形式如下： 其中，γ。γ2为任意实数，γ々/(/)表示函数f⑴在上的γ次积分，D为 微分符号。 依据GrUnwald-Letnikov分数阶微积分定义，对上述目标函数在采样时间Ts进行 离散化，得到： J=ΖΤΛ(γ^Τ^Ζ+Δ^Λ(γ2,Ts)AU 其中， 2. 3依据步骤2. 2中的目标函数求解^7 = 0，得到控制量，形式如下： dMJ- AU= -(STA(T^TJS+A(y2,Ts))JSA(Tl,Ts) (Gz(k)+WAR) Δu(k) = ΔU u(k) =u(k_l) +Δu(k) 2. 4在k+1时刻，1 = 1，2, 3，…，依照2. 1到2. 3中的步骤依次循环求解分数阶 模型预测控制器的控制量u(k+Ι)，再将其作用于被控对象。 本专利技术提出了一种扩展状态空间分数阶模型预测控制的加热炉温度控制方法，该 方法将整数阶模型预测控制方法扩展到分数阶模型预测控制方法中，该方法，建立了被控 对象的扩展状态空间模型，将微分算子引入控制器增加了控制器参数调节的自由度，有效 地弥补了整数阶预测函数控制针对分数阶系统的不足之处，提高了系统的控制性能，同时 促进了模型预测控制方法在分数阶系统中的运用。【具体实施方式】 以实际过程中加热炉的温度过程控制为例： 由加热炉的实时温度数据得到分数阶模型，通过控制占空比来调节一个控制周期 内的加热时间，从而实现加热炉的温度控制。 步骤1、建立实际过程中加热炉温度对象的扩展状态空间模型，具体方法是： 1. 1采集实际加热炉温度对象的实时阶跃响应数据，利用该数据建立温度对象的 分数阶传递函数模型，形式如下： 其中，ai为微分阶次，c。，(^为相应的系数，s为拉普拉斯变换算子，K为温度对象 的模型增益，τ为温度对象模型的滞后时间。 当前第1页1 2 本文档来自技高网...
【技术保护点】
一种分数阶模型预测控制的加热炉温度控制方法，其特征在于该方法的具体步骤是：步骤1、建立实际过程中被控对象的扩展状态空间模型，具体是：1.1采集实际过程对象的实时阶跃响应数据，利用该数据建立被控对象的分数阶传递函数模型，形式如下：G(s)=Ke-τsc1sα1+c0]]>其中，α1为微分阶次，c0,c1为相应的系数，s为拉普拉斯变换算子，K为模型增益，τ为模型的滞后时间；1.2由Oustaloup近似方法得到微分算子sα的近似表达形式如下：sα≈KαΠn=1Ns+wn′s+wn]]>其中，α为分数阶微分阶次，0<α<1，N为选定的近似阶次，Kα=whα,]]>wn′=wbwu(2n-1-α)/N,]]>wn=wbwu(2n-1+α)/N,]]>wu=wh/wb,]]>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，将步骤1.1中的分数阶传递函数模型近似为整数阶高阶模型，进而将其在采样时间Ts下加零阶保持器离散化，得到如下形式的离散模型：y(k)=-F1y(k-1)-F2y(k-2)-...-FLSy(k-LS)+H1u(k-1-d)+H2u(k-2-d)+...+HLSu(k-LS-d)]]>其中，Fj,Hj(j＝1,2,…,LS)均为离散近似后得到的系数，实际过程的时滞d＝τ/Ts，LS为离散模型的长度，y(k)为k时刻的实际过程对象的模型输出,u(k‑d‑1)为实际过程对象在k‑d‑1时刻的输入值；进一步将上述模型取一阶向后差分，得到如下形式：Δy(k)+F1Δy(k-1)+F2Δy(k-2)+...+FLSΔy(k-LS)=H1Δu(k-1-d)+H2Δu(k-2-d)+...+HLSΔu(k-LS-d)]]>其中，Δ是差分算子；1.4选取如下状态变量：Δxm(k)＝[Δy(k),Δy(k‑1),…,Δy(k‑LS+1),Δu(k‑1),…,Δu(k‑LS+1‑d)]T结合步骤1.3，得到被控对象的状态空间模型，形式如下：Δxm(k+1)＝AmΔxm(k)+BmΔu(k)Δy(k+1)＝CmΔxm(k+1)其中，T为矩阵的转置符号，Δxm(k)的维数为(2LS+d‑1)×1；Bm＝[0 … 0 1 0 … 0]TCm＝[1 0 0 … 0 0 0 0]1.5将步骤1.4中得到的状态空间模型转换成包含状态变量和输出跟踪误差的扩展状态空间模型，形式如下：z(k+1)＝Az(k)+BΔu(k)+CΔr(k+1)其中，z(k+1)=e(k+1)Δxm(k+1);z(k)=e(k)Δxm(k)]]>e(k)＝y(k)‑r(k)e(k+1)＝e(k)+CmAmΔxm(k)+CmBmΔu(k)‑Δr(k+1)A=1CmAm0Am;B=CmBmBm;C=-10]]>r(k)为k时刻的跟踪设定值，e(k)为k时刻的输出误差，0为(2LS+d‑1)×1维的零矩阵,A为(2LS+d)×(2LS+d)维矩阵，B,C均为(2LS+d)×1维矩阵；步骤2、基于扩展状态空间模型设计被控对象的分数阶模型预测控制器,具体如下：2.1预测未来k+i时刻模型输出的向量形式，Z＝Gz(k)+SΔU+ΨΔR其中，Z=z(k+1)z(k+2)···z(k+P);G=AA2···AP]]>ΔU＝[Δu(k) Δu(k+1) … Δu(k+M‑1)]TΔR＝[Δr(k+1) Δr(k+2) … Δr(k+P)]Tr(k+i)＝λiy(k)+(1‑λi)c(k)c(k)为k时刻的设定值，λ为柔化因子，P为预测时域，M为控制时域，y(k+i)为k+i时刻过程的预测模型输出，i＝1,2,…,P；2.2选取被控对象的目标函数J，其形式如下：γ1z(t)Tz(t)+ITSMTSγ2Δu(t-1)2=∫TSPTSD1-γ1z(t)Tz(t)dt+∫TSMTSD1-γ2Δu(t-1)2dt]]>其中，γ1,γ2为任意实数，f(t)表示函数f(t)在[t1,t2]上的γ次积分，D为微分符号；依据Grünwald‑Letnikov分数阶微积分定义，对上述目标函数在采样时间TS进行离散化，得到：J＝ZTΛ(γ1,Ts)Z+ΔUTΛ(γ2,Ts)ΔU其中，wq=ωq(γ&ep...
【技术特征摘要】
【专利技术属性】
技术研发人员：邹琴，张日东，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。