适用于非方及约束的复杂多变量系统内模控制方法研究

Multivariable internal model control has the advantage of rapid response speed, low calculating burden, strong anti-interference ability, strong robustness, easy to design and stability. However, because the multivariable internal model control has no effective methods to solve the control problems caused by the non-square and constrained, the application and the relevant researches almost do not exist in the industry. In this project, we take the control problems for great multivariable industrial objects as the research background and study the internal model control methods that are suitable for non-square and constrained complicated multivariable systems. It includes the following contents: (1) Study on the suitable model descriptions and identification methods to design the multivariable internal model controllers. (2) Research on the methods of the internal model control for fat systems, square systems, thin systems and the conversions among the three systems. (3) Research on the multivariable internal model control methods when the control variables and output constraints exist in the system. Under the transfer function, the project proposes an identification method for multivariable systems with arbitrary signals based on the intelligent search technique. We also develop a novel internal model control method based on singular value decomposition for the non-square processes. The method of multivariable internal model control for constrained systems and the way of conversions among fat systems, square systems and thin systems are proposed based on the regional coordination analysis. The aim of this project is to seek the solution to get rid of the theoretical trouble for the multivariable internal model control, which is caused by the non-square, constraint, the characteristics of controlled object and the large difference in delay-time. The proposed approaches also can provide an effective solution to the internal model control for complicated systems.

多变量内模控制具有响应速度快、应用时计算量小、对过程干扰的抑制能力强、鲁棒性强、容易设计鲁棒性和稳定性等优点，但由于目前对非方、约束等没有好的解决方法，在工业中几乎没有什么应用，相关的研究也很少。本项目以大型多变量工业对象的控制为研究背景，开展适用于非方及约束的复杂多变量系统内模控制方法研究，包括以下方面：(1).适用于多变量内模控制器设计的模型描述及辨识方法研究；(2).胖系统、方系统、瘦系统及其相互转换的多变量系统内模控制方法研究；(3).带有控制量及对象输出约束的多变量内模控制方法研究。项目提出了传递函数下基于智能搜索的任意信号多变量系统辨识方法，提出了基于奇异值分解的非方系统内模控制方法，提出了基于区域协调分析的胖、方、瘦系统转换及约束系统多变量内模控制方法。项目的目的是力求解决非方、约束、对象特性和滞后相差大等方面的理论困境，为复杂多变量系统的内模控制提供一个有效的理论解决方案。

多变量过程（MIMO）广泛存在于大型工业过程中。由于其存在非方、约束等限制，传统的控制方法难于取得良好的控制效果。内模控制（IMC）具有响应快，鲁棒性强，易于设计等特点。因此本项目以大型MIMO过程的控制为研究背景，开展适用于非方约束的复杂多变量系统的内模控制研究。.重点研究了以下内容：.(1)MIMO系统辨识方法的研究。实现IMC的一个必要条件是获取过程模型。考虑到系统的安全性，因此重点研究了闭环辨识方法。研究的辨识方法重点分成两大类，一类是基于改进的最小二乘（LS）算法，另一类是基于智能搜索算法。基于改进的LS算法主要是针对不同噪声情况下或不同模型下的辨识问题通过改进LS进行处理。例如：对含有色噪声的MIMO过程，基于递阶辨识思想，提出了融合直接辨识和迭代LS的新算法；对带稀少测量的MIMO输出误差类系统，提出了基于辅助变量的多新息LS等。在智能搜索算法方面，研究出了改进的人工蜂群算法，群布谷鸟算法，NPSO算法，并利用其搜索模型最优参数。此外，为降低MIMO系统初值对辨识结果的影响，提出一种含最优输入的辨识方法。.(2)MIMO系统的内模控制。MIMO过程难于控制的一大原因在于耦合，解决了耦合问题，可以将SISO系统的方法推广至MIMO系统。对于SISO过程的研究包括：对积分/不稳定过程，分析了满足期望稳定裕度的PID控制器参数取值范围，根据性能/鲁棒性与伺服/调节之间的折衷，确定IMC控制器参数；对稳定FOPDT过程，在考虑系统的鲁棒性后，采用时域信息，回路整形，LQG等方法整定控制器参数。对于MIMO耦合问题的研究包括：对含多时滞的MIMO过程，利用SVD，类前馈解耦，Nyquist点集，部分解耦，等效开环等方法去除或部分去除回路耦合。此外，为抑制干扰，研究了MIMO系统的二自由度IMC，DOB-IMC，多回路控制。.(3)非方及约束的内模控制。非方系统常规的控制方法是通过去除或添加系统变量将系统方形化。本项目主要通过添加解耦器或补偿器的方法方形化非方系统，如利用SVD，逆解耦器。IMC控制器将基于方形化后的过程设计。对于含有输入约束的系统，提出了带有静态补偿的IMC结构，利用智能优化算法搜索补偿器参数，以获取最优的输出效果。.以上研究成果为复杂MIMO系统的控制问题提供了有效的理论解决方案。