基于ARM的嵌入式模型预测控制方法和装置制造方法及图纸

本发明专利技术公开了一套工业模型预测控制应用的解决方案，包括一种简化模型预测控制算法、利用该算法所实现的ARM嵌入式控制器及上位机监控软件。本发明专利技术改进的动态矩阵控制算法，通过限定控制增量在M步以内以不同的函数形式逐步趋近于0，可以使得控制增量求解过程中M维矩阵求逆的运算转化成数值求倒数的运算，大大减小了运算量，从而可以在嵌入式ARM平台上实现，把模型预测控制应用到现场的每个控制器中，实现现场控制、现场和远程监控，大大降低了工业模型预测控制应用的成本。上位机作为人机交互的一个终端，可以实现对多个控制器的控制和维护。

【技术实现步骤摘要】

本专利技术属于模型预测控制的
，具体涉及一种采用动态矩阵的控制方法和利用该方法所实现的整套控制装置。
技术介绍
模型预测控制公认为应用于流程工业优秀的先进控制算法，是先进过程控制的一个重要的方向。动态矩阵控制算法是具有代表性的模型预测控制方法。该算法基于装置阶跃响应得到内部模型，具有多步预测、滚动优化和反馈校正的特征，有着良好的鲁棒性和抗干扰性。该算法适用于渐近稳定的线性装置。对于不稳定的装置可先用常规PID(比例-积分-微分控制器)控制使其稳定，然后使用该算法；对于弱非线性装置，可先在工作点处线性化。ARM嵌入式系统高性能、扩展接口丰富、廉价、低功耗、稳定性高等特点。已经越来越广泛的应用到民用、工业、军事等各个领域。基于ARM开发的硬件电路将作为模型预测控制算法的载体。自20世纪70年代至今，已经陆续有四代应用于工业的模型预测控制软件问世。这些商品化的大型软件价格昂贵，对于中小企业和小型项目来说是难以承受的。由于模型预测控制算法的计算量大，很难集成到小型控制器中，限制了模型预测控制的发展和推广。因此，有必要提供一种改进的动态矩阵控制方法和相应的系统和装置来解决上述问题。
技术实现思路
本专利技术的目的是提供一套成本低廉，性能优越的模型预测控制算法和装置系统， 用来替代昂贵的大型软件甚至直接取代传统的PID控制器，通过对采用一般的控制方法控制效果差的系统进行控制，能解决一些工业上的控制难点，提高产品质量，降低企业的成本，提高经济效益。为了实现上述专利技术目的，本专利技术的方法采用的技术方案如下基于ARM的嵌入式模型预测控制方法，采用动态矩阵控制算法，包括以下步骤(1)首先采集被控对象的单位阶跃响应数据 =a(iT)，i = 1，2，L，如果这个被控对象是渐近稳定的，那么这个响应的数据在N个采样周期(tN = NT)之后趋近于一个常数，因此，a = La1 L 描述了被控对象的动态信息，N为建模时域；(2)在连续的控制增量作用下，未来时刻的输出可表示为min(M’/)yM{k+i\k) = y0{k+i\k)+ Σ aM+lM{k+j-\), i = 1,2, L, N，其中，夕。休 + 脚是自由响应，y 的下标表示控制作用变化的次数，k+i I k表述k时刻对k+i时刻的预测，M是控制时域；(3)求解优化控制目标！^!^㈨！ ⑷-夕财⑷‘+丨丨八 ㈨旧，可得Au(Zc) = dr,^, Wp(k) = τ，P 是预测时域，误差加权矩阵 Q = diag(qi, L，qP)，控制作用加权矩阵 R = diagOv L，rM)，dT = Ct (ATQA+R) ^1AtQ = ，CT= ；带校正加权阵的求解结果为权利要求1.基于ARM的嵌入式模型预测控制方法，采用动态矩阵控制算法，其特征在于，所述动态矩阵控制算法包括以下步骤(1)首先采集被控对象的单位阶跃响应数据 =a(iT),i = 1,2, L，如果这个被控对象是渐近稳定的，那么这个响应的数据在N个采样周期(tN = NT)之后趋近于一个常数，因此，a = La1 L 描述了被控对象的动态信息，N为建模时域；(2)在连续的控制增量作用下，未来时刻的输出可表示为min(M’/)yM{k+i\k) = y0{k+i\k)+ Σ aM+lM{k+j-\), i = 1,2, L, N，其中，夕。休 + 脚是自由响应，y 的下标表示控制作用变化的次数，k+i I k表述k时刻对k+i时刻的预测，M是控制时域；(3)求解优化控制目标！^/㈨—丨 ⑷-夕财⑷‘+丨丨八 ㈨^，可得 Au(Zc) = dr,^, Wp(k) = τ，P 是预测时域，误差加权矩阵 Q = diag(qi, L，qP)，控制作用加权矩阵 R = diagOv L，rM)，dT = Ct (ATQA+R) ^1AtQ = ，CT= ；带校正加权阵的求解结果为Δμ㈨= ⑷⑷- ⑷]， 其中，h= Dli L、？称为校正向量；(4)在步骤(3)的基础上，设定控制增量Δu，L Au(k+M-1)在M步内向0收敛，M步以后的控制增量为0，这样控制增量将重新表示为AU(k) = AxAu(k)，预测输出表示为少辦㈨=9p0(k)+AAUM(k)+he(k)=》Jk)+AlAuJk^heik)其中，Au = A · Ax, Ax是转换矩阵；利用以下三种收敛方式分别进行收敛 第一种收敛方式是指数收敛，指数函数为Au(k+i) = 八1!(10，其中1 = 0，1丄M-I, Y e (0,1)为收敛因子，则转换矩阵Ax = Ay = ；(b)幂函数为M〃+0= △"⑷，其中i = 0，1，L M-1，收敛因子β > 1，则转换矩阵Ax=Ap= 1 φ" φ" L (^y，控制增量可表示为 Au(k) = (^QA+AlRAflrA^p(k)-yp0(k)-he(k)]；第三种收敛方式是反正切收敛，反正切函数△"(〃+/) = I-Igtan(I)A"⑷，πU其中i = 0,1, L M-1， 收敛因子θ e (0, 1], 则转换矩阵 4=4=h l-farctan(|) l-|arctan(|) L l-|arctan(^)T,控制增量可表示为Mk) = (ΛΓ0Λ + AlRAerAlQ[ap{k)-yp0{k)-he{k)}。2.如权利要求1所述的基于ARM的嵌入式模型预测控制装置，包括多个并联的嵌入式模型预测控制器和一台用来监控控制器的上位机，每个嵌入式模型预测控制器都可以独立地进行模型预测控制运算，其特征在于，所述嵌入式模型预测控制器的硬件采用ARM9平台的S3C2410A处理器，其电路结构分为两个部分CPU底板和扩展板；所述CPU底板的电路包括时钟电路、JTAG接口电路、NAND Flash和SDRAM存储电路、串口和IOM以太网接口电路、 电源与LED指示电路、ADC/DAC控制电路、复位电路和板间接口电路；所述扩展板的电路包括缓冲电路、NOR Flash电路、USB Host/Device接口电路、串口和100M以太网、RS485总线、1 存储器电路、CPLD扩展电路、I/O 口电路、供电电路、IXD显示与背光调节电路。3.根据权利要求2所述的基于ARM的嵌入式模型预测控制装置，其特征在于，所述上位机中监控软件的功能包括系统模型的设定、控制方法及参数的设置、数据通信、控制结果监控和记录、监控变量的组态和控制方案察看。全文摘要本专利技术公开了一套工业模型预测控制应用的解决方案，包括一种简化模型预测控制算法、利用该算法所实现的ARM嵌入式控制器及上位机监控软件。本专利技术改进的动态矩阵控制算法，通过限定控制增量在M步以内以不同的函数形式逐步趋近于0，可以使得控制增量求解过程中M维矩阵求逆的运算转化成数值求倒数的运算，大大减小了运算量，从而可以在嵌入式ARM平台上实现，把模型预测控制应用到现场的每个控制器中，实现现场控制、现场和远程监控，大大降低了工业模型预测控制应用的成本。上位机作为人机交互的一个终端，可以实现对多个控制器的控制和维护。文档编号G05B13/04GK102156407SQ20111008720公开日2011年8月17日 申请日期2011年4月8日 优先权日2011年4月8日本文档来自技高网...

【技术保护点】
１．基于ＡＲＭ的嵌入式模型预测控制方法，采用动态矩阵控制算法，其特征在于，所述动态矩阵控制算法包括以下步骤：（１）首先采集被控对象的单位阶跃响应数据ａｉ＝ａ（ｉＴ），ｉ＝１，２，Ｌ，如果这个被控对象是渐近稳定的，那么这个响应的数据在Ｎ个采样周期（ｔＮ＝ＮＴ）之后趋近于一个常数，因此，ａ＝［ａ１　Ｌ　ａＮ］Ｔ描述了被控对象的动态信息，Ｎ为建模时域；（２）在连续的控制增量作用下，未来时刻的输出可表示为ｉ＝１，２，Ｌ，Ｎ，其中，是自由响应，ｙ的下标表示控制作用变化的次数，ｋ＋ｉ｜ｋ表述ｋ时刻对ｋ＋ｉ时刻的预测，Ｍ是控制时域；（３）求解优化控制目标可得其中，ωｐ（ｋ）＝［ω（ｋ＋１）Ｌ　ω（ｋ＋Ｐ）］Ｔ，Ｐ是预测时域，误差加权矩阵Ｑ＝ｄｉａｇ（ｑ１，Ｌ，ｑＰ），控制作用加权矩阵Ｒ＝ｄｉａｇ（ｒ１，Ｌ，ｒＭ），ｄＴ＝ＣＴ（ＡＴＱＡ＋Ｒ）－１ＡＴＱ＝［ｄ１　Ｌ　ｄｐ］，ＣＴ＝［１　０　Ｌ　０］；带校正加权阵的求解结果为其中，ｈ＝［ｈｉ　Ｌ　ｈＮ］Ｔ称为校正向量；（４）在步骤（３）的基础上，设定控制增量Δｕ，Ｌ　Δｕ（ｋ＋Ｍ－１）在Ｍ步内向０收敛，Ｍ步以后的控ｍｉ）?（ｍｉ）Ｔ（／ｍｉ）?（／ｍｓｕｂｓｕｐ）?（ｍｉ）Ｑ（／ｍｉ）?（ｍｓｕｂ）?（ｍｉ）Ａ（／ｍｉ）?（ｍｉ）ｕ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ）＋（／ｍｏ）?（ｍｓｕｂｓｕｐ）?（ｍｉ）Ａ（／ｍｉ）?（ｍｉ）＆ｔｈｅｔａ；（／ｍｉ）?（ｍｉ）Ｔ（／ｍｉ）?（／ｍｓｕｂｓｕｐ）?（ｍｉ）Ｒ（／ｍｉ）?（ｍｓｕｂ）?（ｍｉ）Ａ（／ｍｉ）?（ｍｉ）＆ｔｈｅｔａ；（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｒｏｗ）?（ｍｏ）－（／ｍｏ）?（ｍｎ）１（／ｍｎ）?（／ｍｒｏｗ）?（／ｍｓｕｐ）?（ｍｓｕｂｓｕｐ）?（ｍｉ）Ａ（／ｍｉ）?（ｍｉ）＆ｔｈｅｔａ；（／ｍｉ）?（ｍｉ）Ｔ（／ｍｉ）?（／ｍｓｕｂｓｕｐ）?（ｍｉ）Ｑ（／ｍｉ）?（ｍｏ）［（／ｍｏ）?（ｍｓｕｂ）?（ｍｉ）＆ｏｍｅｇａ；（／ｍｉ）?（ｍｉ）ｐ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｋ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）－（／ｍｏ）?（ｍｓｕｂ）?（ｍｏｖｅｒ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｏ）＾（／制增量为０，这样控制增量将重新表示为ΔＵ（ｋ）＝ＡｘΔｕ（ｋ），预测输出表示为（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｓｕｂ）?（ｍｏｖｅｒ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｏ）＾（／ｍｏ）?（／ｍｏｖｅｒ）?（ｍｉ）ｐＭ（／ｍｉ）?（／ｍｓｕｂ）?ｍｏ）?（／ｍｏｖｅｒ）?（ｍｒｏｗ）?（ｍｉ）ｐ（／ｍｉ）?（ｍｎ）０（／ｍｎ）?（／ｍｒｏｗ）?（／ｍｓｕｂ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｋ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）－（／ｍｏ）?（ｍｉ）ｈｅ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｋ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）］（／ｍｏ）?（ｍｏ）．（／ｍｏ）?（／ｍｒｏｗ）?（／ｍａｔｈ）（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｋ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）＝（／ｍｏ）?（ｍｓｕｂ）?（ｍｏｖｅｒ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｏ）＾（／ｍｏ）?（／ｍｏｖｅｒ）?（ｍｒｏｗ）?（ｍｉ）ｐ（／ｍｉ）?（ｍｎ）０（／ｍｎ）?（／ｍｒｏｗ）?（／ｍｓｕｂ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｋ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）＋（／ｍｏ）?（ｍｉ）Ａ＆Ｄｅｌｔａ；（／ｍｉ）?（ｍｓｕｂ）?（ｍｉ）Ｕ（／ｍｉ）?（ｍｉ）Ｍ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｋ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）＋（／ｍｏ）?（ｍｉ）ｈｅ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｋ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）＝（／ｍｏ）?（ｍｓｕｂ）?（ｍｏｖｅｒ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｏ）＾（／ｍｏ）?（／ｍｏｖｅｒ）?（ｍｒｏｗ）?（ｍｉ）ｐ（／ｍｉ）?（ｍｎ）０（／ｍｎ）?（／ｍｒｏｗ）?（／ｍｓｕｂ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｋ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）＋（／ｍｏ）?（ｍｓｕｂ）?（ｍｉ）Ａ（／ｍｉ）?（ｍｉ）ｕ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｉ）＆Ｄｅｌｔａ；（／ｍｉ）?（ｍｓｕｂ）?（ｍｉ）ｕ（／ｍｉ）?（ｍｉ）Ｍ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｋ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）＋（／ｍｏ）?（ｍｉ）ｈｅ（／ｍｉ）?...

【技术特征摘要】

【专利技术属性】
技术研发人员：祝雪妹，矫晓龙，
申请(专利权)人：南京师范大学，
类型：发明
国别省市：84