线性大系统基于脉冲型信号的加权闭环迭代学习控制

发布日期：2012 年5 月24 日

预览
摘要

本内容试读结束

下载后可阅读完整内容，立即下载

：本文针对线性大工业过程的稳态递阶优化控制，当系统存在初始状态漂移时，研究了基于脉冲型信号的加权闭环PD-型迭代学习控制算法，并在Lebesgue-p 范数意义下利用推广的Young 卷积不等式分析了算法的收敛性。数字仿真表明，引入脉冲型信号的加权PD-型迭代学习控制算法能有效地减小初始状态漂移引起的跟踪误差，并能显著改善系统暂态响应的动态品质，如抑制超调，加快响应速度，缩短过渡时间等，有效的验证了理论分析的正确性。

像许多化工工业、冶金工业、电力工业和发酵工业等由若干个子过程构成的复杂大工业过程，通常情况下，其整个工业过程控制被设计为连续或间歇的运行在某一特定的稳态工况。但是在生产过程中，由于环境条件的变化、各种原材料以及触媒剂成分的改变等慢扰动的存在使得工业过程偏离最优工况。因此，为了提高产品产量和质量，必须对工业过程实施在线递阶稳态优化[1]。然而由于许多大工业过程控制的复杂性和子系统之间的关联特性，其动态品质不是非常令人满意，如暂态响应过于缓慢，过渡时间过长等。

这使得一些优良的闭环稳态优化算法很难付诸实施。