一种大时滞系统中的自动控制方法
【技术领域】
[0001] 本发明设及一种自动控制方法，更具体的说，设及一种大时滞系统中的自动控制 方法。
【背景技术】
[0002] 随着社会进入信息化时代，工业领域对自动化程度的要求越来越高。然而在很多 工业行业里，尽管自动化设备越来越先进，但是实际上，计算机、网络的使用远不能成为自 动化，显示器仅仅是取代了传统的模拟仪表，键盘和鼠标取代了开关按钮，尤其在中国，运 类现象尤其明显。因为各种原因无法做到有效的自动化和智能化控制，所W需要熟练的操 作工人进行人工控制。在传统行业里更加明显，比如水泥、钢铁等行业，非常突出。相对于 先进国家的生产线，中国的企业里，无论是装备水平，还是控制理论都有很大的欠缺。针对 国内运类传统行业的自动化控制，我们做了大量的工作，下面主要讨论大时滞系统中的控 制算法理论和实践。
[0003] 时滞系统是指系统中一处或几处的信号传递有时间延迟的系统，运样的系统广泛 存在工业生产中。运类系统的特点是，控制输出后要经过一定时间的等待，才能在系统中反 应出其控制效果，具体的时滞在不同的情况下体现有所变化。自动控制理论发展到现在，有 很多算法，在过程控制中最常用、最经典的算法应该是PID算法。PID算法，是按控制目标 的偏差的比例（P)、积分（I)和微分值）进行控制，PID算法，在过程中非常实用，效果也不 错，但是在非线性大时滞系统里，缺陷也很明显。
[0004] 在大时滞系统中，每个被控量与影响它的调整量之间都存在着长短不一的延迟， 并不是调整控制量的很短的时间内，被控制量就发生变化，而是在一段时间之后运种影响 才表现出来。针对运样的延时状况，为了保证系统稳定，只有在PID控制器各参数都比较 小，控制周期延长，增益较低的情况下才能使系统稳定，但是运样必然导致调整时间变长， 抗干扰能力下降；反之，如果增大了参数就会使系统出现震荡不稳定。运种情况下很难在快 速性和稳定性之间找到一个理想的平衡点。同时，运种情况下PID参数的整定过程也会很 困难，整定好参数的控制器效果也并不理想。另外大多数控制量与其对应的调整量之间的 关系并不是一种线性的关系，而且还是一种多因素共同影响的结果，运时，如何建立有效的 关系模型也不是一件容易的事。
【发明内容】
[0005] 发明目的：本发明目的在于针对现有技术的不足，提供一种即能保证系统的稳定 性又能保证抗干扰能力的大时滞系统中的自动控制方法。
[0006] 技术方案：本发明所述一种大时滞系统中的自动控制方法，对采集到的输入量采 用Smith算法进行处理实现自动控制，所述Smith算法中包括控制指令输出算法和延迟预 估算法，所述延迟预估算法按如下步骤进行：
[0007] S1、采用神经元网络建立非线性模型，所述非线性模型包括输入层、隐含层和输出 层，上述每层均包括神经元节点和由神经元节点构成的通路，每个神经元节点上设置阀值V，每条通路上设置权值W;
[0008]S2、采集现有的多组输入数据X和输出数据y，在所述隐含层和输出层通过反相计 算的算法对所述非线性模型进行训练，得到符合输入和输出关系的阀值V和权值W，从而得 到训练完成的预估模型；
[0009]S3、利用预估模型对控制器的输出量化进行预估，通路上的每个节点通过对输入 量进行加权累计加上阀值然后再乘W权值作为延迟输出Ek，将延迟输出化输入控制算法 做为下一次控制指令输出算法的输入值。
[0010] 本发明技术方案的进一步限定为，步骤S2中所述的隐含层的反相计算的算法为：
[0011] 权值W的调整量为： 其中， ?： n为提前预置的系数；tk为模型的样本值；a2k为模型的计算输出值；f2'和n'均为预置 的传递函数的倒函数;为上一神经元节点与本神经元节点相连的权值；pj为隐含层的 输出样本值；
[001引阀值V的调整量为：Abli=n?5U。。
[0013] 进一步地，步骤S2中所述的输出层的反相计算的算法为：
[0014] 权值W的调整量为：Awki-n?f2' ? (tk-a2k) ?f2 ?all,其中，n为提前预置的 系数；f2'为预置的传递函数的倒函数；tk为模型的样本值；a2k为模型的计算输出值；al1 为正向计算的输出的样本值；
[001引阀值V的调整量为：Ab2ki=n? (tk-a2k) -f2'，其中，n为提前预置的系数；f2'为预置的传递函数的倒函数；tk为模型的样本值；a2k为模型的计算输出值。
[0016] 进一步地，所述控制算法为PID算法或自适应算法。
[0017] 进一步地，当大时滞系统的参数不变化时，延迟预估算法的只需要执行步骤S3; 当大时滞系统的参数发生变化时，延迟预估算法重新执行步骤S1、S2和S3。
[0018] 有益效果：本发明提供的一种大时滞系统中的自动控制方法，对采集到的输入量 采用Smith算法进行处理实现自动控制并采用神经元网络建立非线性模型进行延迟预估， 让"现在"的调整，控制"未来"的目标，算法模型在实践中取得了很好的效果，系统会趋于 稳定，除了特殊情况下的处理，基本可取代手工操作。
【附图说明】
[0019] 图1为本发明提供的一种大时滞系统中的自动控制方法中的Smith算法模型；
[0020] 图2为本发明提供的一种大时滞系统中的自动控制方法中的神经元网络算法模 型；
[0021]图3为本发明提供的一种大时滞系统中的自动控制方法中的延迟预估算法模型。
【具体实施方式】
[0022] 下面通过附图对本发明技术方案进行详细说明，但是本发明的保护范围不局限于 所述实施例。
[0023] 实施例1 :本实施例提供一种应用于水泥生产线的大时滞系统中的自动控制方 法，利用水泥生产线中害外分解害的溫度控制上，自动控制方法对采集到的输入量采用Smith算法进行处理实现自动控制，Smith算法中包括控制指令输出算法和延迟预估算法。
[0024]Smith算法模型如图1所示，原理为：
[00巧]E2 =E1+灯m-Xm) =El-Gm(s)*(l-e"s)*u(s);
[0026]其中El = R(s)-Y(s) ;Y(s) = E2(s)*Gc(s)*G°(s)*e ts;
[0027]当巧=t且Gc(s)=G°(s)时，Y(s)=Gc(s)*G°(s)巧2;没有延迟。
[0028] 设置模型为：
为一二阶系统，可W代表大多系统。
[0029]既有：Xm(s) (as2+bs+c)=U_t(S)*(ds+f)
[0030] 化为差分方程为：
[0031]
推导后得出，d，ta,b，C是该方程的参数，是根据情况进行调节的，Xm化-1)、Xm化-2)是Xm(k)的历史值，U化-1)是u(k)的历史值，U为该方程输入值；
[003引而化为Xm向后延迟巧/T个点得到。
[0033] 对于控制指令输出算法Gc(S)，可W是PID算法，也可W是其他算法（如自适应算 法）。控制指令输出算法6(3(3)的输入应为62,62 = 61-64。化为延迟预估算法的输出， E1是普通的输入Goal-AI，控制器的输出是增量还是全量与算法选择有关。
[0034] 延迟预估算法的模型如图3所示，按如下步骤进行：
[0035]S1、采用神经元网络建立非线性模型，所述非线性模型包括输入层、隐含层和输出 层，上述每层均包括神经元节