电加热炉的系统辨识与自适应控制..
电加热炉的系统辨识与自适应控制
目录
一、电加热炉的先验知识 (1)
1.1 电加热炉的工作原理 (1)
1.2 电加热炉温度控制系统的硬件构成 (2)
二、电加热炉系统辨识 (3)
2.1 电加热炉温度系统模型 (3)
2.2 最小二乘估计的递推算法 (4)
2.3 最小二乘估计的递推算法辨识及仿真 (5)
三、电加热炉系统的自适应控制算法及仿真 (8)
3.1 电加热炉系统控制问题的提出 (8)
3.2 广义最小方差间接自校正控制算法 (8)
3.3 广义最小方差间接自校正控制仿真 (9)
参考资料 (15)
电加热炉的系统辨识与自适应控制
一、电加热炉的先验知识
1.1 电加热炉的工作原理
我选择电加热炉作为辨识和自适应控制设计与仿真实验的对象。
电加热炉的工作原理为：布置在炉内的加热元件将电能转化为热能，通过辐射或对流的方式将热能传递给加热对象，从而改变对象的温度。
通常的工业过程都对炉温的控制提出了一定的要求，这就需要对电加热炉的进行控制，调节它的通电时间或通电强度来改变它输出的热能。传统的控制方法 有两种：第一种就是手动调压法，即是依靠人的经验直接改变电加热炉的输入电压，其控温效果依赖于人为的调节，控制精度不高，且浪费人力资源。第二种控制方法在主回路中采取可控硅装置，并结合一些简单的仪表，保温阶段自动调节，升温过程仍依赖于试验者的调节，它属于半自动控制。随着微型计算机、可编程逻辑控制器的出现和迅速更新换代，智能温度控制仪表、工业控制计算机在电加热炉温度控制领域日益得到广泛地应用。借助计算机强大的数据处理和运算能力，引入反馈的思想，运用现代控制理论，实现对炉温的全自动化控制[1]。 以常用的恒温箱式电加加热炉为例，采用反馈控制。该控制系统的目的是要实现炉内的温度与给定温度值一致，即保持温度恒定，是一个典型的自动控制系统。
当然，系统给定的不是具体的期望温度值，而是通过给定电位器给定一个电压sT U 。电加热炉内的实际温度由热电偶转换为对应的电压T U f 。给定电压信号
sT U 与实际温度所对应的电压T U f 比较得温度偏差信号U ?经放大器放大后,用以
驱动执行电动机，并通过传动机构拖动调压器动触头。当温度偏高时,动触头向减小电压的方向运动,反之加大电压,直到温度达到给定值为止,此时,偏差0=?U ,电机停止转动。
上面只是一个比较简单的闭环温度控制系统。
1.2 电加热炉温度控制系统的硬件构成
电加热炉温度控制系统框图如图1.1所示。
热电偶
电加热炉与控制对象晶闸管控制模块
控制装置
电炉
--
+
A/D 转换模
块
输入功率炉温信号
控制量
电源
图1.1电加热炉温度控制系统
按照信号的流动，其工作原理大致是：首先将热电偶传来的带有温度信号
的毫伏级电压滤波、放大，送至A/D 转换器，这样通过采样和A/D 转换，就将所检测的炉温对应的电压信号转换成数字量送入了控制装置（如微机、智能仪表的处理器等）；在控制装置内计算出该电压信号对应的温度值，然后将它与给定的温度值进行比较，并按一定的控制算法进行运算；运算结果通过控制晶闸管在控制周期内的触发角，也就是控制电加热炉的平均功率的大小来达到温度控制的目的。
设计温度控制算法时还需要将上述的原理图简化成模型如图1.2所示，以便于系统进行分析。
控制对象
控制器
-
+
e
u
r y
图1.2系统简化模型图
模型中的控制器就是广义的加载到计算机或微处理器上的控制算法，晶闸管模块、电加热炉、加热对象一起归为控制对象，而A/D 转换器、热电偶则构成反馈回路。控制器给定的温度作为系统输入信号r ，传感器检测到的温度作为输出信号y ，误差e 、控制信号u 均在控制装置里通过计算得到，最后经过一系列转换实现对热工对象温度的控制，这就形成了一个典型的反馈控制系统[2]。
二、电加热炉系统辨识
2.1 电加热炉温度系统模型
电加热炉的温度控制是典型的过程控制。由于传热问题的复杂性，电加热炉系统具有非线性、时变性、大滞后、不对称等特点。它的滞后主要是容积滞后，炉体的结构、容量、测温元件及其安装的位置都影响着滞后的大小；而在使用过程中，随着温度的升降，加热元件的特性发生变化，保温绝热材料会逐渐老化，环境也在不断变化，因而炉温特性是时变的；又因为绝大多数电加热炉都是在温度上升时强迫加热，而温度下降时则自然冷却，所以其温度特性是不对称的；另外由于炉温取决于加热元件的发热量、散热量和负荷的情况，发热时间总比传热时间短得多，所以炉温动态特性主要由传热过程决定，传导、对流、辐射三种的传热方式都在起作用，只是在不同温区所占比例不同，三者中只有传导是线性的，辐射是绝对温度的四次方，对流则更加复杂，故电加热炉是一个本质非线性的系统。
由于电加热炉可认为是一个大容积滞后加纯滞后的对象（容积滞后比纯滞后大得多），故在其整个温度工作区域，对象动态参数是随炉温变化的，而每个炉子都有一个设定的工作温区，在工作点附近的小范围内，炉子的动态特性可看成近似线性。在过程控制中，为了方便，通常把电加热炉温控系统看成是一个线性系统，其模型可以定性描述为：
)(20τ-=+t U K Y dt
dY
T
（2-1）
式中，Y 为加热对象温度，
t 为加热时间， T 为系统时间常数， 0K 为放大倍数， U 为控制电压， τ为纯滞后时间。
如果设定控制器输出为u ，而u 正比于2U ，即 Ku U K =20，对式（2-1）作
拉氏变换，可得：
s e s KU s Y s TsY τ-=+)()()(
（2-2）
所以
1
)()(+=-Ts Ke s U s Y s
τ （2-3）
故系统的传递函数为一阶惯性加纯滞后环节，其中K 为静态增益[3]。
1
)(+=
-Ts Ke s G s
τ （2-4）
2.2 最小二乘估计的递推算法
最小二乘法由于原理简明、收敛较快、易于理解、易于编程实现等特点、在系统参数估计中应用相当广泛。而最小二乘法中的递推算法由于能对对象参数在线实时估计，从而改善了估计精度，在系统辨识中倍受青睐。最小二乘估计递推算法的基本思想可以为：新的估计值=∧)(k θ旧的估计值)1(-∧
k θ+修正项。
最小二乘估计递推算法的公式为[4]
[]
)
1()()()()()1()(1)()1()()1()()()()1()(--=-+-=
??
????--+-=∧
∧
∧
k P k k K I k P k k P k k K P k K k k k y k K k k T T T
????θ?θθ
(2-5)
最小二乘估计递推算法如下[5]： 已知：a n 、b n 和d 。
1 设置初值)0(?θ
和)0(P ，输入初始数据； 2 采样当前输出)(k y 和输入)(k u ；
3 利用式(2-5)，计算)(k K 、)(?k θ和)(k P ；
4 1+→k k ，返回2，继续循环。
2.3 最小二乘估计的递推算法辨识及仿真
已知电加热炉的参数模型，其传递函数表示为[6]
1
52044.0)(20+=
-s e s G s
(2-6)
可以考虑利用最小二乘估计递推算法对上述系统进行在线辨识。
为了得到系统的离散模型，可利用MATLAB 对系统的传递函数(2-6)进行离散化。采样时间取T=20s 。
在MATLAB 中输入命令G=tf(0.44,[520 1],'inputdelay',20),Gz=c2d(G ,20,'z')。得到系统的离散系统的传递函数为
z
z z G 9623.00166
.0)(2
-=
(2-7) 将电加热炉转换为差分方程，有
)2(0166.0)1(9623.0)(-=--k u k y k y
(2-8)
在实际的电加热炉模型中，一定存在噪声干扰。往差分方程里添加噪声干扰项后，得到电加热炉的动态方程为
)()2(0166
.0)1(9623.0)(k k u k y k y ξ+-=-- (2-9)
式中ξ(k)为白噪声。
取初值，0)0(,10)0(7
==∧
θI P 选择M 序列为输入信号u(k)[7]。取1500个采样
点。采用最小二乘估计递推算法进行参数估计，具体程序如下（程序参考《系统辨识与自适应控制MATLAB 仿真》，并进行了修改）：
%递推最小二乘参数估计（RLS ）
clear all; close all;
a=[1 -0.9623]; b=[0.0166]; d=2; %对象参数
na=length(a)-1; nb=length(b)-1; %na 、nb 为A 、B 阶次
L=1500; %仿真长度
x1=1;x2=1;x3=1;x4=0;%产生M 序列的移位寄存器初值 s=1;%方波初值
uk=zeros(d+nb,1); %输入初值：uk(i)表示u(k-i) yk=zeros(na,1); %输出初值 for k1=1:L
s=not(s);%产生方波
m(k1)=xor(x3,x4);%进行异或运算，产生M 序列
x4=x3;x3=x2;x2=x1;x1=m(k1);%寄存器移位
end
xi=sqrt(0)*randn(L,1); %白噪声序列，修改括号中数值可产生不同方差的白噪声
theta=[a(2:na+1);b]; %对象参数真值
thetae_1=zeros(na+nb+1,1); %thetae初值
P=10^7*eye(na+nb+1);
for k=1:L
phi=[-yk;uk(d:d+nb)]; %此处phi为列向量
y(k)=phi'*theta+xi(k); %采集输出数据
%递推最小二乘法
K=P*phi/(1+phi'*P*phi);
thetae(:,k)=thetae_1+K*(y(k)-phi'*thetae_1);
P=(eye(na+nb+1)-K*phi')*P;
%更新数据
thetae_1=thetae(:,k);
for i=d+nb:-1:2
uk(i)=uk(i-1);
end
uk(1)=m(k);%M序列!!!
for i=na:-1:2
yk(i)=yk(i-1);
end
yk(1)=y(k);
end
plot([1:L],thetae); %line([1,L],[theta,theta]);
xlabel('k'); ylabel('参数估计a、b');
legend('a_1','b_0'); axis([0 L -1.5 1.5]);
分别设置不同方差的白噪声，运行程序，具体辨识结果如图2.1-2.4所示。
500
10001500
-1.5-1-0.500.51
1.5
k
参数估计a 、b
a 1
b 0
500
10001500
-1.5-1
-0.5
0.51
1.5
k
参数估计a 、b
a 1
b 0
图2.1白色噪声方差为0时参数辨识结果 图2.2白色噪声方差为0.01时参数辨识结果
500
1000
1500
-1.5-1-0.50
0.51
1.5
k
参数估计a 、b
a 1
b 0
500
10001500
-1.5-1
-0.5
0.5
1
1.5
k
参数估计a 、b
a 1
b 0
图2.3白色噪声方差为0.1时参数辨识结果 图2.4白色噪声方差为1时参数辨识结果
不同白噪声下的具体数据如表2.1所示：
表2.1
参数
1a
0b
真值
-0.9623 0.0166 白噪声方差为0.01 -0.9628 0.0174 白噪声方差为0.1 -0.9575 0.0199 白噪声方差为1 -0.9647
0.0238
以上参数数据和曲线说明随着扰动强度的增强，辨识的效果会有所下降。当扰动十分剧烈的时候，系统的辨识效果会十分差。
三、电加热炉系统的自适应控制算法及仿真
3.1 电加热炉系统控制问题的提出
第一章中已经介绍了电加热炉的工作原理，电加热炉通常是通过控制系统中传动机构拖动调压器动触头来改变输入电压，保持炉温的稳定平衡，从而保证电加热炉系统稳定正常的工作。在实际工业生产中，一般要求电加热炉炉温的超调量尽可能小。因此，对于电加热炉的控制问题是：给定电加热炉的输入电压大小，通过某种控制方式来调节电加热炉温度，使电加热炉温度的超调量尽可能小并达到目标温度数值。
3.2 广义最小方差间接自校正控制算法
自适应控制算法包括有自校正调节器、自校正控制器、自适应极点配置PID 控制器、自校正PID 控制等。我选用广义最小方差自校正控制器对电加热炉系统的温度进行自适应控制。
最小方差控制具有算法简单、易于理解、易于实现等优点，是其他自校正控制算法的基础。其基本思想是：由于一般工业对象存在纯延时d ，当前的控制作用要滞后d 个采样周期才能影响输出。因此，要使输出方差最小，就必须提前d 步对输出量作出预测，然后根据所得的预测值来设计所需的控制律。这样，通过连续不断的预测和控制，就能保证稳态输出方差最小。由此可见，实现最小方差控制的关键在于输出预测。
由于最小方差控制不适用非最小相位系统，且输入控制量未受到约束，因此，在此基础上，出现了广义最小方差控制算法。其基本思想为：在求解控制律的性能指标中引入对控制量的加权项，从而限制控制作用过于激烈变化；另外，只要适当选择性能指标中的各加权多项式，广义最小方差控制可以可以适用于非最小相位系统。
广义最小方差间接自校正控制算法如下[5]： 已知：a n 、b n 、c n 及纯延时d 。
1 设置初值)0(?θ
和)0(P ，输入初始数据，并设置加权多项式()1-z P 、()1-z R
和()1-z Q ；
2 采样当前实际输出)(k y 和期望输出)(d k y r +；
3 利用递推增广最小二乘法在线实时估计被控对象参数θ?，即A ?、B ?和C ?；
4 求解Diophantine 方程?????=+=)
)E(z B(z )F(z )
G(z z ))E(z A(z )C(z 1
-1-1--1
-d -1-1-1，得到多项式E 、F 和G 的系数；
5 利用式)(z )(z )(z )(z )y(k)
(z )G(z d)(k )y (z )(z u(k)1-1-1-1-00
-1-1r -1-1P F Q C b q P R C +-+=计算并实施)(k u ；
6 返回2(1+→k k )，继续循环。
3.3 广义最小方差间接自校正控制仿真
在上面系统辨识中已经知道电加热炉转的差分方程，故自校正控制中，被控对象电加热炉的动态方程同为
)()2(0166.0)1(9623.0)(k k u k y k y ξ+-=--
(2-9)
式中，)(k ξ为白噪声。
取初值；
001.0)0(,10)0(7
==∧
θI P 设置加权多项式()11=-z P 、()11=-z R 和()
01.01=-z Q 。期望输出)(k y r 为幅值从0.5-10依次递增变化的方波。
具体程序如下（程序参考《系统辨识与自适应控制MATLAB 仿真》，并进行了修改）：
%广义最小方差自校正控制（间接算法）
clear all; close all;clc;
a=[1 -0.9623]; b=[0.0166]; c=[1]; d=2; %对象参数
na=length(a)-1; nb=length(b)-1; nc=length(c)-1; %na 、nb 、nc 为多项式A 、B 、C 阶次
nf=nb+d-1; ng=na-1; %nf 、ng 为多项式F 、G 的阶次
Pw=1; R=1; Q=0.01; %加权多项式P 、R 、Q np=length(Pw)-1; nr=length(R)-1; nq=length(Q)-1;
L=1200; %控制步数
uk=zeros(d+nb,1); %输入初值：uk(i)表示u(k-i);
yk=zeros(na,1); %输出初值
yrk=zeros(nc,1); %期望输出初值
yr=10*[0.15*ones(L/8,1);0.05*ones(L/8,1);0.4*ones(L/8,1);0.05*ones(L/8,1);0. 7*ones(L/8,1);0.05*ones(L/8,1);1*ones(L/8,1);0.05*ones(L/8+d,1)]; %期望输出vki=zeros(nc,1); %白噪声初值
vkie=zeros(nc,1); %白噪声估计初值
vk=sqrt(0.01)*randn(L,1); %白噪声序列，修改括号中数值可产生不同方差的白噪声
%RLS初值
thetae_1=0.001*ones(na+nb+1+nc,1);%非常小的正数，此处不能为0
P=10^7*eye(na+nb+1+nc);
for k=1:L
time(k)=k;
y(k)=-a(2:na+1)*yk+b*uk(d:d+nb)+c*[vk(k)]; %采集输出数据
%c=[1],故用递推最小二乘法
phie=[-yk(1:na);uk(d:d+nb)];
K=P*phie/(1+phie'*P*phie);
thetae(:,k)=thetae_1+K*(y(k)-phie'*thetae_1);
P=(eye(na+nb+1+nc)-K*phie')*P;
%提取辨识参数
ae=[1 thetae(1:na,k)']; be=thetae(na+1:na+nb+1,k)';ce=[1];
[e,f,g]=sindiophantine(ae,be,ce,d); %求解单步Diophantine方程
CQ=conv(ce,Q); FP=conv(f,Pw); CR=conv(ce,R); GP=conv(g,Pw); %CQ=Ce*Q
u(k)=(-Q(1)*CQ(2:nc+nq+1)*uk(1:nc+nq)/be(1)-FP(2:np+nf+1)*uk(1:np+nf)...
+CR*[yr(k+d:-1:k+d-min(d,nr+nc)); yrk(1:nr+nc-d)]...
-GP*[y(k); yk(1:np+ng)])/(Q(1)*CQ(1)/be(1)+FP(1));%求控制量%更新数据
thetae_1=thetae(:,k);
for i=d+nb:-1:2
uk(i)=uk(i-1);
end
uk(1)=u(k);
for i=na:-1:2
yk(i)=yk(i-1);
end
yk(1)=y(k);
end
figure(1);
subplot(2,1,1);
plot(time,yr(1:L),'r:',time,y);
xlabel('k'); ylabel('y_r(k)、y(k)');
legend('y_r(k)','y(k)');axis([0 L -2 12]);
subplot(2,1,2);
plot(time,u);
xlabel('k'); ylabel('u(k)'); axis([0 L -20 30]);
figure(2)
plot([1:L],thetae); %line([1,L],[theta,theta]);
xlabel('k');ylabel('参数估计a1、b0'); legend('a1','b0');
axis([0 L -1.5 0.2]);
其中sindiophantine函数程序为：
function [e,f,g]=sindiophantine(a,b,c,d)
%*********************************************************
%功能：单步Diophanine方程的求解
%调用格式：[e,f,g]=sindiophantine(a,b,c,d)
%输入参数：多项式A、B、C系数（行向量）及纯滞后（共4个）
%输出参数：Diophanine方程的解e,f,g（共3个）
%*********************************************************
na=length(a)-1; nb=length(b)-1; nc=length(c)-1; %A、B、C的阶次
ne=d-1; ng=na-1; %E、G的阶次
ad=[a,zeros(1,ng+ne+1-na)]; cd=[c,zeros(1,ng+d-nc)]; %令a(na+2)=a(na+3)=...=0
e(1)=1;
for i=2:ne+1
e(i)=0;
for j=2:i
e(i)=e(i)+e(i+1-j)*ad(j);
end
e(i)=cd(i)-e(i); %计算ei
end
for i=1:ng+1
g(i)=0;
for j=1:ne+1
g(i)=g(i)+e(ne+2-j)*ad(i+j);
end
g(i)=cd(i+d)-g(i); %计算gi end
f=conv(b,e); %计算F
分别设置不同方差的白噪声，运行程序，其仿真结果如图3.1-3.3所示：
200
400
600800
1000
1200
05
10
k
y r (k )、y (k )
y r (k)y(k)
200
400
600
800
1000
1200
-20-1001020
30k
u (k )
200
400
600800
1000
1200
-1.4
-1.2-1-0.8-0.6-0.4-0.200.2k
参数估计a 1、b 0
a1b0
图3.1白噪声方差为0.01时的仿真输出和控制结果图和参数辨识结果图
200
400
600800
1000
1200
05
10
k
y r (k )、y (k )
y r (k)
y(k)
0200400
60080010001200
-50
50
k
u (k )
200
400
600800
1000
1200
-1.4
-1.2-1-0.8-0.6-0.4-0.200.2k
参数估计a 1、b 0
a1b0
图3.2白噪声方差为0.1时的仿真输出和控制结果图和参数辨识结果图
200
400
600800
1000
1200
05
10
k
y r (k )、y (k )
y r (k)
y(k)
0200400
60080010001200
-200
-1000100
200k
u (k )
200
400
600800
1000
1200
-1.4
-1.2-1-0.8-0.6-0.4-0.200.2k
参数估计a 1、b 0
a1b0
图3.3白噪声方差为1时的仿真输出和控制结果图和参数辨识结果图
不同白噪声下的具体数据如表3.1所示：
表3.1
参数
1a
0b
真值
-0.9623 0.0166 白噪声方差为0.01 -0.9612 0.0167 白噪声方差为0.1 -0.9639 0.0155 白噪声方差为1 -0.9688
0.0158
由以上仿真结果可以看出随着白噪声方差的增大，其在线辨识结果越来越远离真实值，系统输出波形的品质越来越差，也与期望输出相差越来越大。
参考资料
[1] 刁鹏飞. 电加热炉的单神经元自适应PID 控制. 硕士学位论文，2000. [2] 朱琳. 温控系统仿真实验平台研究与实现. 硕士学位论文，2008. [3] 方康玲. 过程控制与离散系统. 电子工业出版社，2009. [4] 杨承志. 系统辨识与自适应控制. 重庆大学出版社，2003.
[5] 庞中华. 系统辨识与自适应控制MATLAB 仿真. 北京航空航天大学出版 社，2009.
[6] 陈永秀. 伺服转台温控箱控制系统设计与研究. 硕士学位论文，2008. [7] 方崇智、萧德云. 过程辨识. 清华大学出版社，1988.
系统辨识大作业1201张青
《系统辨识》大作业 学号：12051124 班级：自动化1班 姓名：张青 信息与控制工程学院自动化系 2015-07-11
第一题 模仿index2，搭建对象，由相关分析法，获得脉冲响应序列?()g k ，由? ()g k ，参照讲义， 获得系统的脉冲传递函数()G z 和传递函数()G s ;应用最小二乘辨识,获得脉冲响应序列? ()g k ;同图显示两种方法的辨识效果图；应用相关最小二乘法，拟合对象的差分方程模型；构建时变对象，用最小二乘法和带遗忘因子的最小二乘法，(可以用辨识工具箱) 辨识模型的参数，比较两种方法的辨识效果差异; 答：根据index2搭建结构框图： 相关分析法：利用结构框图得到UY 和tout 其中的U 就是题目中要求得出的M 序列，根据结构框图可知序列的周期是 1512124=-=-=n p N 。 在command window 中输入下列指令，既可以得到脉冲相应序列()g k ：
aa=5;NNPP=15;ts=2; RR=ones(15)+eye(15); for i=15:-1:1 UU(16-i,:)=UY(16+i:30+i,1)'; end YY=[UY(31:45,2)]; GG=RR*UU*YY/[aa*aa*(NNPP+1)*ts]; plot(0:2:29,GG) hold on stem(0:2:29,GG,'filled') Grid;title('脉冲序列g(τ)') 最小二乘法建模的响应序列 由于是二阶水箱系统，可以假设系统的传递函数为2 21101)(s a s a s b b s G +++= ，已知)(τg ，求2110,,,a a b b
基于单片机的电加热炉温度控制系统设计
基于单片机的电加热炉温度控制系统设计 2010-07-28 12:56:38 作者：王丽华郑树展来源:高等职业教育：天津职业大学学报 关键字：电加热炉控温固态继电器飞升曲线 引言 电加热炉随着科学技术的发展和工业生产水平的提高，已经在冶金、化工、机械等各类工业控制中得到了广泛应用，并且在国民经济中占有举足轻重的地位。对于这样一个具有非线性、大滞后、大惯性、时变性、升温单向性等特点的控制对象，很难用数学方法建立精确的数学模型，因此用传统的控制理论和方法很难达到好的控制效果。 单片机以其高可靠性、高性能价格比、控制方便简单和灵活性大等优点，在工业控制系统、智能化仪器仪表等诸多领域得到广泛应用。采用单片机进行炉温控制，可以提高控制质量和自动化水平。 1 单片机炉温控制系统结构 本系统的单片机炉温控制系统结构主要由单片机控制器、可控硅输出部分、热电偶传感器、温度变送器以及被控对象组成。如图1所示。 炉温信号T通过温度检测及变送，变成电信号，与温度设定值进行比较，计算温度偏差e和温度的变化率de/dt，再由智能控制算法进行推理，并得控制量u，可控硅输出部分根据调节电加热炉的输出功率，即改变可控硅管的接通时间，使电加热炉输出温度达到 理想的设定值。 2 系统硬件设计 2.1 系统硬件结构 以AT89C51单片机为该控制系统的核心，实现对温度的采集、检测和控制。该系统的工作流程如图2所示。系统由变送器经A/D转换器构成输入通道，用于采集炉内的温度信号。
变送器可以选用DBW，型号，它将热电偶信号(温度信号)变为0～5 V电压信号，以供A/D转换用。转换后的数字量与炉温数字化后的给定值进行比较，即可得到实际炉温和给定炉温的偏差及温度的变化率。炉温的设定值由BCD 拨码盘输入。由AT89C51构成的核心控制器按智能控制算法进行推算，得出所需要的控制量。由单片机的输出通过调节可控硅管的接通时间，改变电炉的输出功率，起到调温的作用。 2.2 系统硬件的选择 a)微型计算机的选择：选择AT89C51单片机构成炉温控制系统。它具有8位CPU，3 2根I/O线，4 kB片内ROM存储器，128 kB的RAM存储器。AT89C51对温度是通过可控硅调功器实现的。在系统开发过程中修改程序容易，可以大大缩短开发周期。同时，系统工作过程中能有效地保存一些数据信息，不受系统掉电或断电等突发情况的影响。AT89C51单片机内部有128 B的RAM存储器，不够本系统使用，因此，采用6264(8 kB)的RAM作为外部数据存储器。 b)热电偶的选择：本设计采用DBW型热电偶--镍络-镍硅(线性度较好，热电势较大，灵敏度较高，稳定性和复现性较好，抗氧化性强，价格便宜)对温度进行检测。由于温度是非线性输出的，而与输入的mV信号成线性关系，所以在软件上将此非线性关系加以修正，以便正确反映输入mV信号与温度之间的关系。ADC0809把检测到的连续变化的温度模拟量转换成离散的数字量，输人到单片机中进行处理。 c)键盘输入的选择：采用4片BCD拨码盘作为温度设定的输入单元，输入范围为0～9999，可满足本系统的要求。每位BCD码盘占4条线，通过上拉电阻接入8255可编程并行I/O扩展口。4片BCD码盘占8255的A、B两口，8255工作方式设为"0 模式"，A、B 两口均为输入方式。开机后，CPU读8255口操作，即可将BCD码盘的设定温度读入并存人相应的存储单元。 d) 显示器的选择：采用字符型LCD(液晶显示器)模块TC1602A，并且它把LCD控制器、ROM和LCD显示器用PCB(印制板)连接到一起，只要向LCD送人相应的命令和数据便可实现所需要的显示，使用特别方便灵活。第1行显示设定温度，第2行显示实际温度，这样，温差一目了然，方便控制。 3 系统软件设计
最优估计大作业1.
最优估计大作业 姓名：李海宝 学号：S314040186 导师：刘胜 专业：控制科学与工程
模糊逻辑卡尔曼滤波器在智能AUV导航系统中的自适应调 整 摘要 本论文基于全球定位系统（GPS）和几个惯性导航系统（INS）传感器描述了对于自主水下航行器（AUV）应用的一种智能导航系统的执行过程。本论文建议将简单卡尔曼滤波器（SKF）和扩展卡尔曼滤波器（EKF）一前一后地用于融合INS 传感器的数据并将它们与GPS数据结合到一起。传感器噪声特性里潜在的变化会引起SKF和EKF的初始统计假定的调整，本论文针对这一问题着重突出了模糊逻辑方法的使用。当这种算法包含实际传感器噪特性的时候，SKF和EKF只能维持他们的稳定性和性能，因此我们认为这种自适应机制同SKF与EKF一样有必要。此外，在提高导航系统的可靠性融合过程期间，故障检测和信号恢复算法也需在此要讨论。本论文建议的这种算法用于使真实的实验数据生效，这些数据都是从Plymouth大学和Cranfield大学所做的一系列AUV实验(运行低成本的锤头式AUV)中获得的。 关键词：自主水下航行器；导航；传感器融合；卡尔曼滤波器；扩展卡尔曼滤波器；模糊逻辑 1.引言 对于以科学、军事、商业为目的应用，如海洋勘察、搜索未爆弹药和电缆跟踪检查，AUV的发展需要相应导航系统的发展。这样的系统提供航行器位置和姿态的数据是很有必要的。在这样的系统中对精度的要求是最重要的：错误的位置和姿态数据会导致收集数据的一个毫无意义的解释，或者甚至AUV的一个灾难性故障。 越来越多来自整个世界的研究团队正利用INS和GPS来研发组合导航系统。然而，他们的工作中几乎都没有明确几个INS传感器融合的本质要求，这些传感器用于确保用户保持精度或甚至用来防止在与GPS融合之前导航系统这部分的完全失败。例如，金赛和惠特科姆（2003）使用一个切换机制来防止INS的完全失败。虽然这个方法简单易行，但是可能不适合用于维持一个确定的精度等级。 出于多传感器数据融合和集成的目的，几种估计方法在过去就已经被使用过。为此，SKF/EKF和它们的变形在过去就已经是流行的方法，并且一直到现在都对开发算法感兴趣。然而，在设计SKF/EKF过程中，一个显著的困难经常会被
电加热炉温度控制系统设计
湖南理工学院南湖学院 课程设计 题目：电加热炉温度控制系统设计专业:机械电子工程 组名：第三组 班级：机电班 组成员:彭江林、谢超、薛文熙
目录 1 意义与要求 (2) 1.1 实际意义 (2) 1.2 技术要求 (2) 2 设计内容及步骤 (2) 2.1 方案设计 (2) 2.2 详细设计 (3) 2.2.1 主要硬件介绍 (3) 2.2.2 电路设计方法 (4) 2.2.3 绘制流程图 (7) 2.2.4 程序设计 (8) 2.3 调试和仿真 (8) 3 结果分析 (9) 4 课程设计心得体会 (10) 参考文献 (10) 附录............................................................ 10-27
1 意义与要求 1.1 实际意义 在现实生活当中，很多场合需要对温度进行智能控制，日常生活中最常见的要算空调和冰箱了，他们都能根据环境实时情况，结合人为的设定，对温度进行智能控制。工业生产中的电加热炉温度监控系统和培养基的温度监控系统都是计算机控制系统的典型应用。通过这次课程设计，我们将自己动手设计一个小型的计算机控制系统，目的在于将理论结合实践以加深我们对课本知识的理解。 1.2 技术要求 要求利用所学过的知识设计一个温度控制系统，并用软件仿真。功能要求如下： （1）能够利用温度传感器检测环境中的实时温度； （2）能对所要求的温度进行设定； （3）将传感器检测到得实时温度与设定值相比较，当环境中的温度高于或低于所设定的温度时，系统会自动做出相应的动作来改变这一状况，使系统温度始终保持在设定的温度值。 2 设计内容及步骤 2.1 方案设计 要想达到技术要求的内容，少不了以下几种器件：单片机、温度传感器、LCD显示屏、直流电动机等。其中单片机用作主控制器，控制其他器件的工作和处理数据；温度传感器用来检测环境中的实时温度，并将检测值送到单片机中进行数值对比；LCD显示屏用来显示温度、时间的数字值；直流电动机用来表示电加热炉的工作情况，转动表示电加热炉通电加热，停止转动表示电加热炉断
系统辨识大作业论文Use
中南大学 系统辨识大作业 学院：信息科学与工程学院 专业：控制科学与工程 学生姓名：龚晓辉 学号：134611066 指导老师：韩华教授 完成时间：2014年6月
基于随机逼近算法的系统辨识设计 龚晓辉1, 2 1. 中南大学信息科学与工程学院,长沙410083 2. 轨道交通安全运行控制与通信研究所, 长沙410083 E-mail: csugxh@https://www.docsj.com/doc/5a17827578.html, 摘要：本文对系统辨识的基本原理和要素进行了详细阐述，介绍和分析了系统辨识中常用的最小二乘算法，极大似然法，神经网络算法和随机逼近算法。随机逼近算法只需利用输入输出的观测来辨识系统参数，在实际中有重要运用。本文对随机逼近算法进行了详细说明。同时，针对一个三阶系统设计了KW随机逼近算法进行了参数辨识，并且和递推最小二乘法进行了对比。实验证明在实际辨识过程中两种算法各有优缺点。 关键词: 系统辨识, 随机逼近法, 递推最小二乘法 1.引言 在我们所学的线性系统理论中，都是在系统模型已知的情况来设计控制率，使系统达到稳定性，准确性和快速性的要求。然而，在实际系统中，对象的模型往往是未知的。而且，非线性是普遍存在的，线性系统只是对非线性系统的一种近似。因此，了解对象准确的模型，对设计控制器及其重要。在一些实际对象中，如导弹，化学过程，生物规律，药物反应，以及社会经济等，这些对象使用机理分析法比较困难，但是通过使用辨识技术可以建立系统精确的模型，确定最优控制率[1]。如今，系统辨识技术已经在航空航天，海洋工程，生物学等各个领域获得了广泛运用。 2.系统辨识的基本思想与常用方法 辨识的目的是为了获得对象模型。对象的模型有多种表现形式，它包括直觉模型，图表模型，数学模型，解析模型，程序模型和语言模型。这些模型之间可以相互转换。我们在建立系统模型时，需要遵循目的性，实在性，可辨识性，悭吝性的基本原则。目的性指的是建模的目的要明确，实在性指的是模型的物理概念要明确。可辨识性指的是模型结构合理,输入信号持续激励,数据量充足。悭吝性指的是被辨识参数的个数要尽量少。 辨识对象模型要遵循上面的基本原则。它是将对象看成一个黑箱。从含有噪声的输入输出数据中，按照一个准则，运用辨识理论，从一组给定的模型中，确定一个与所测系统等价的模型，是现代控制理论的一个分支。系统辨识由数据、模型类和准则三要素组成。数据是由观测实体而得，它不是唯一的，受观测时间、观测目的、观测手段等影响。模型类就是模型结构，它也不是唯一的，受辨识目的、辨识方法等影响。而准则是辨识的优化目标，用来衡量模型接近实际系统的标准。它也不是唯一的，受辨识目的、辨识方法的影响。由于存在多种数据拟合
系统辨识与自适应控制作业
系统辨识与自适应控制 学院： 专业： 学号： 姓名：
系统辨识与自适应控制作业 一、 对时变系统进行参数估计。 系统方程为：y(k)+a(k)y(k-1)=b(k)u(k-1)+e(k) 其中：e(k)为零均值噪声，a(k)= b(k)= 要求：1对定常系统（a=0.8,b=0.5）进行结构（阶数）确定和参数估计； 2对时变系统，λ取不同值（0.9——0.99）时对系统辨识结果和过程进行 比较、讨论 3对辨识结果必须进行残差检验 解：一（1）： 分析：采用最小二乘法（LS ）：最小二乘的思想就是寻找一个θ的估计值θ? ， 使得各次测量的),1(m i Z i =与由估计θ? 确定的量测估计θ??i i H Z =之差的平方和最小，由于此方法兼顾了所有方程的近似程度，使整体误差达到最小，因而对抑制误差是有利的。在此，我应用批处理最小二乘法，收敛较快，易于理解，在系统参数估计应用中十分广泛。 作业程序： clear all; a=[1 0.8]'; b=[ 0.5]'; d=3; %对象参数 na=length(a)-1; nb=length(b)-1; %na 、nb 为A 、B 阶次 L=500; %数据长度 uk=zeros(d+nb,1); %输入初值：uk(i)表示u(k-i) yk=zeros(na,1); %输出初值 x1=1; x2=1; x3=1; x4=0; S=1; %移位寄存器初值、方波初值 xi=randn(L,1); %白噪声序列 theta=[a(2:na+1);b]; %对象参数真值 for k=1:L phi(k,:)=[-yk;uk(d:d+nb)]'; %此处phi(k,:)为行向量，便于组成phi 矩阵 y(k)=phi(k,:)*theta+xi(k); %采集输出数据 IM=xor(S,x4); %产生逆M 序列 if IM==0 u(k)=-1; else u(k)=1; end S=not(S); M=xor(x3,x4); %产生M 序列
系统辨识与自适应控制论文
XXXXXXXXXX 系统辨识与自适应控制课程论文 题目：自适应控制综述与应用 课程名称：系统辨识与自适应控制 院系：自动化学院 专业：自动化 班级：自动化102 姓名： XXXXXX 学号: XXXXXXXXX 课程论文成绩： 任课教师： XXXXX 2013年 11 月 15 日
自适应控制综述与应用 一．前言 对于系统辨识与自适应控制这门课，前部分主要讲了系统辨识的经典方法（阶跃响应法、频率响应法、相关分析法）与现代方法（最小二乘法、随机逼近法、极大似然法、预报误差法）。对于系统辨识，简单的说就是数学建模，建立黑箱系统的输入输出关系；而其主要分为结构辨识（n）与参数辨识（a、b）这两个任务。 由于在课上刘老师对系统辨识部分讲的比较详细，在此不再赘述，下面讨论自适应控制部分的相关内容。 对于自适应控制的概念，我觉得具备以下特点的控制系统，可以称为自适应控制系统： 1、在线进行系统结构和参数辨识或系统性能指标的度量，以便得到系统当前状态的改变情况。 2、按一定的规律确定当前的控制策略。 3、在线修改控制器的参数或可调系统的输入信号。 二．自适应控制综述 1.常规控制系统与自适应控制系统比较 （1）控制器结构不同 在传统的控制理论与控制工程中，常规控制系统的结构主要由控制器、控制对象以及反馈控制回路组成。 而自适应控制系统主要由控制器、控制对象、自适应器及反馈控制回路和自适应控制回路组成。 （2）适用的对象与条件不同 传统的控制理论与控制工程中，当对象是线性定常、并且完全已知的时候，才能进行分析和控制器设计。无论采用频域方法，还是状态空间方法，对象一定是已知的。这类方法称为基于完全模型的方法。在模型能够精确地描述实际对象时，基于完全模型的控制方法可以进行各种分析、综合，并得到可靠、精确和满意的控制效果。 然而,有一些实际被控系统的数学模型是很难事先通过机理建模或离线系统辨识来确知的,或者它们的数学模型的某些参数或结构是处于变化之中的.对于这类事先难以确定数学模型的系统,通过事先整定好控制器参数的常规控制往往难以对付。 面对上述系统特性未知或经常处于变化之中而无法完全事先确定的情况,如何设计一个满意的控制系统,使得能主动适应这些特性未知或变化的情况,这就 是自适应控制所要研究解决的问题.自适应控制的基本思想是:在控制系统的运行过程中,系统本身不断地测量被控系统的状态、性能和参数,从而“认识”或“掌握”系统当前的运行指标并与期望的指标相比较,进而作出决策,来改变控制器的结构、参数或根据自适应规律来改变控制作用，以保证系统运行在某种意义下的最优或次优状态。按这种思想建立起来的控制系统就称为自适应控制系统。
自适应控制大作业
自适应控制结课作业 班级： 组员： 2016年1月
目录 1 遗忘因子递推最小二乘法 (1) 1.1最小二乘理论 (1) 1.2带遗忘因子的递推最小二乘法 (1) 1.2.1白噪声与白噪声序列 (1) 1.2.2遗忘因子递推最小二乘法 (2) 2.2仿真实例 (3) 2 广义最小方差自校正控制 (5) 2.1广义最小方差自校正控制 (5) 2.2仿真实例 (6) 3 参考模型自适应控制 (9) 3.1参考模型自适应控制 (9) 3.2仿真实例 (12) 3.2.1数值积分 (12) 3.2.2仿真结果 (12) 参考文献 (16)
1 遗忘因子递推最小二乘法 1.1最小二乘理论 最小二乘最早的想法是高斯在1795年预测行星和彗星运动轨道时提出来的，“未知量的最大可能的值是这样一个数值，它使各次实际观测和计算值之间的差值的平方乘以度量其精确度的数值以后的和为最小”。这一估计方法原理简单，不需要随机变量的任何统计特性，目前已经成为动态系统辨识的主要手段。最小二乘辨识方法使其能得到一个在最小方差意义上与实验数据最好拟合的数学模型。由最小二乘法获得的估计在一定条件下有最佳的统计特性，即统计结果是无偏的、一致的和有效的。 1.2带遗忘因子的递推最小二乘法 1.2.1白噪声与白噪声序列 系统辨识中所用到的数据通常含有噪声。从工程实际出发，这种噪声往往可以视为具有理想谱密度的平稳随机过程。白噪声是一种最简单的随机过程，是由一系列不相关的随机变量组成的理想化随机过程。白噪声的数学描述如下：如果随机过程()t ξ均值为0，自相关函数为2()σδτ，即 2()()R ξτσδτ= 式中，()δτ为单位脉冲函数(亦称为Dirac 函数)，即 ,0 ()0,0τδττ∞=?=? ≠?，且-()1d δττ∞ ∞ =? 则称该随机过程为白噪声，其离散形式是白噪声序列。 如果随机序列{}()V k 均值为零，且两两互不相关，即对应的相关函数为： 2,0 ()[()()]0,0v n R n E v k v k n n σ?==+=?=? 则这种随机序列称为白噪声序列。其谱密度函数为常数2(2)σπ。白噪声序列的功率在π-到π的全频段内均匀分布。 建立系统的数学模型时，如果模型结构正确，则模型参数辨识的精度将直接依赖于输入信号，因此合理选用辨识输入信号是保证能否获得理想的辨识结果的
电加热炉温度控制
基于单片机的电加热炉温度控制系统设计 王丽华1郑树展2 （1、天津职业大学，天津300402；2、天津航空机电有限公司，天津300123） 摘要：温度控制是工业对象中主要的控制参数之一，其控制系统本身的动态特性属于一阶纯滞后环节。以8051单片机为核心，采用温度变送器桥路和固态继电器控温电路，实现对电炉温度的自动控制。该控制系统具有硬件成本低、控温精度较高、可靠性好、抗干扰能力强等特点。 关键词：电加热炉控温固态继电器飞升曲线 0引言 传统的以普通双向晶闸管（SCR）控制的高温电加热炉采用移相触发电路改变晶闸管导通角的大小来调节输出功率，达到自动控制电加热炉温度的目的。这种移相方式输出一种非正弦波，实践表明这种控制方式产生相当大的中频干扰，并通过电网传输，给电力系统造成“公害”。采用固态继电器控温电路，通过单片机控制固态继电器，其波形为完整的正弦波，是一种稳定、可靠、较先进的控制方法。为了降低成本和保证较高的控温精度，采用普通的ADC0809芯片和具有零点迁移、冷端补偿功能的温度变送器桥路，使实际测温范围缩小。 1电加热炉温度控制系统的硬件设计 电加热炉温度控制系统的硬件由图1所示各部件组成，它以8051单片机为核心，外扩键盘输入和LED显示温度。电加热炉炉内的实际温度由热电偶测量并转换成毫伏级的电压信号，通过温度变送器桥路实现零点迁移和冷端补偿，经运算放大器7650放大到0～5V，再经过有源低通滤波器滤波后，由A/D转换成数字量。此数字量经数字滤波、标度转换后，一方面通过LED将炉温显示出来；另一方面，将该温度值与被控温度值进行比较，根据其偏差值的大小，采用PID控制，通过PWM脉冲调宽功率放大器控制SSR固态继电器来控制电加热炉炉丝的导通时间，就可以控制电炉丝的加热功率大小，从而控制电炉的温度及升温速度，使其逐渐趋于给定值且达到平衡。 1.1 热电偶的选取 热电偶是温度测量传感器，对它的选择将直接影响检测误差的大小。目前多选K型或S 型（镍铬-镍硅）热电偶。两者相比，K型有较好的温度—热电势的线性度，但它不适宜于长时间在高温区适用；S型有高的精度，但温度—热电势的线性度较差。 A/D转换器 图1中A/D转换芯片采用ADC0809，其转换精度是1/256。若电加热炉工作温度是256℃，这样在（0～256）℃范围A/D的转换精度为256℃/256＝1℃/bit，即一个数字量表示1℃，这显然不能满足控制精度为±0.5℃要求。为了提高控制精度，可以选用更高位的A/D转换器，如10位、12位、16位A/D转换器，其控值精度均能满足要求。然而根据实际需要温度控制情况，也可以通过具有零点迁移和冷端补偿功能的温度变送桥路，缩小测温的范围，如
2003版系统辨识最小二乘法大作业
西北工业大学系统辩识大作业 题目：最小二乘法系统辨识
一、 问题重述： 用递推最小二乘法、加权最小二乘法、遗忘因子法、增广最小二乘法、广义最小二乘法、辅助变量法辨识如下模型的参数 离散化有 z^4 - 3.935 z^3 + 5.806 z^2 - 3.807 z + 0.9362 ---------------------------------------------- = z^4 - 3.808 z^3 + 5.434 z^2 - 3.445 z + 0.8187 噪声的成形滤波器 离散化有 4.004e-010 z^3 + 4.232e-009 z^2 + 4.066e-009 z + 3.551e-010 ----------------------------------------------------------------------------- = z^4 - 3.808 z^3 + 5.434 z^2 - 3.445 z + 0.8187 采样时间0.01s 要求：1.用Matlab 写出程序代码； 2.画出实际模型和辨识得到模型的误差曲线； 3.画出递推算法迭代时各辨识参数的变化曲线； 最小二乘法: 在系统辨识领域中 ,最小二乘法是一种得到广泛应用的估计方法 ,可用于动态 ,静态 , 线性 ,非线性系统。在使用最小二乘法进行参数估计时 ,为了实现实时控制 ,必须优化成参数递推算法 ,即最小二乘递推算法。这种辨识方法主要用于在线辨识。MATLAB 是一套高性能数字计算和可视化软件 ,它集成概念设计 ,算法开发 ,建模仿真 ,实时实现于一体 ,构成了一个使用方便、界面友好的用户环境 ,其强大的扩展功能为各领域的应用提供了基础。对 4324326.51411.5320120232320 Y s s s s G U s s s s ++++== ++++432 120120232320 E N W s s s s == ++++
系统辨识与自适应控制硕士研究生必修课程考核
《系统辨识与自适应控制》硕士研究生必修课程考核（检测技术与自动化装置专业）2003．5. 22 可下载自https://www.docsj.com/doc/5a17827578.html,/xuan/leader/mrj/ 学生姓名：考核成绩： 一、笔试部分 (占课程成绩的 80% ) 考试形式：笔试开卷 答卷要求：笔答，可以参阅书籍，要求简明扼要，不得大段抄教材，不得相互抄袭 试题： 1 简述系统辨识的基本概念（概念、定义和主要步骤）（10分） 2 简述相关辨识的基本原理和基于二进制伪随机序列的相关辩识方法（原理、 框图、特点）。（10分） 3 简述离散线性动态（SI / SO）过程参数估计最小二乘方法（ＬＳ法）的主要 内容和优缺点。带遗忘因子递推最小二乘估计（ＲＬＳ法）的计算步骤和主要递推算式的物理意义（10分） 4 简述什么是时间序列？时间序列建模如何消除恒定趋势、线性趋势和季节性 的影响？（10分） 5 何谓闭环系统的可辨识性问题，它有那些主要结论？（10分） 6 何谓时间离散动态分数时滞过程？“分数时滞”对过程模型的零点和极点有 什么影响？（10分） 7 简述什么是自适应控制，什么是模型参考自适应控制（MRAC）？，试举一例说明MRAC的设计方法（10分）。 8 请设计以下过程( yr = 0 ) y(k) -1.6y(k-1)+0.8y(k-2) = u(k-2)- 0.5u(k-3)+ε(k)+1.5ε(k-1)+0.9ε(k-2) 的最小方差控制器（MVC）和广义最小方差控制器（GMVC）, 并分析他们的主要性能。（10分） 二、上机报告ＲＬＳ仿真（占课程成绩的 20%） 交卷时间：6月9日下午
系统辨识大作业加学习心得
论文 系统辨识 姿态角控制 1.系统辨识概述 辨识、状态估计和控制理论是现代控制理论三个相互渗透的领域。辨识和状态估计离不开控制理论的支持，控制理论的应用又几乎不能没有辨识和状态估计技术。随着控制过程复杂性的提高，控制理论的应用日益广泛，但其实际应用不能脱离被控对象的数学模型。然而在大多数情况下，被控对象的数学模型是不知道的，或者在正常运行期间模型的参数可能发生变化，因此利用控制理论去解决实际问题时，首先需要建立被控对象的数学模型。系统辨识正是适应这一需要而形成的，他是现代控制理论中一个很活跃的分支。社会科学和自然科学领域已经投入相当多的人力去观察、研究有关的系统辨识问题。 系统辨识是建模的一种方法，不同的学科领域，对应着不同的数学模型。从某种意义上来说，不同学科的发展过程就是建立他的数学模型的过程。辨识问题可以归结为用一个模型来表示可观系统（或将要改造的系统）本质特征的一种演算，并用这个模型吧对客观系统的理解表示成有用的形式。当然可以刻有另外的描述，辨识有三个要素：
数据，模型类和准则。辨识就是按照一个准则在一组模型类中选择一个与数据拟合得最好的模型。总而言之，辨识的实质就是从一组模型类中选择一个模型，按照某种准则，使之能最好地拟合所关心的实际过程的静态或动态特性。 通过辨识建立数学模型的目的是估计表征系统行为的重要参数，建立一个能模仿真实系统行为的模型，用当前可测量的系统的输入和输出预测系统输出的未来演变，以及设计控制器。对系统进行分析的主要问题是根据输入时间函数和系统的特性来确定输出信号。对系统进行控制的主要问题是根据系统的特性设计控制输入，使输出满足预先规定的要求。而系统辨识所研究的问题恰好是这些问题的逆问题。通常，预先给定一个模型类{}M（即给定一类已知结构的模型），一类输入信号u和等价准则(,)JLyyM（一般情况下，J是误差函数，是过程输出y和模型输出yM的一个泛函）；然后选择是误差函数J达到最小的模型，作为辨识所要求的结果。系统辨识包括两个方面：结构辨识和参数估计。在实际的辨识过程中，随着使用的方法不同，结构辨识和参数估计这两个方面并不是截然分开的，而是可以交织在一起进行的 一、控制对象 本文采用了控制不同电机转速组合的方法，对四轴旋翼蝶形飞行器进行姿态控制，使四旋翼蝶形飞行器在不同姿态下飞行时具有较好的性能。为了实现四轴旋翼蝶形飞行器的飞行控制，对飞行的控制系统进行了初步的设计，并给出了设计流程。同时利用matlab对四轴旋翼
毕业设计-电加热炉控制系统设计
密级： NANCHANG UNIVERSITY 学士学位论文 THESIS OF BACHELOR （2006 —2010 年） 题目锅炉控制系统的设计 学院：环境与化学工程系化工 专业班级：测控技术与仪器 学生姓名：魏彩昊学号：5801206025 指导教师：杨大勇职称：讲师 起讫日期：2010-3至2010-6
南昌大学 学士学位论文原创性申明 本人郑重申明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式表明。本人完全意识到本申明的法律后果由本人承担。 作者签名：日期： 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权南昌大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 保密□，在年解密后适用本授权书。 本学位论文属于 不保密□。 （请在以上相应方框内打“√”） 作者签名：日期： 导师签名：日期：
锅炉控制系统设计 专业：测控技术与仪器学号：5801206025 学生姓名：魏彩昊指导教师：杨大勇 摘要 温度是流程工业中极为常见的热工参数，对它的控制也是过程控制的一个重点。由于加热过程、加热装置特殊结构等具体原因，使得过程对象经常具有大时滞、非线性、难以建立精确数学模型等特点，利用传统的PID控制策略对其进行控制，难以取得理想的控制效果，而应用数字PID控制算法能得到较好的控制效果。 本文主要阐述了一种改进型的加热炉对象及其工艺流程，采用了PLC控制装置设计了控制系统，使加热炉的恒温及点火实现了自动控制，从而使加热炉实现了全自动化的控制。此种加热炉可广泛应用于铝厂、钢厂等金属冶炼、金属加工行业以及化工行业。 此设计以工业中的电加热炉为原型，以实验室中的电加热炉为实际的被控对象，采用PID控制算法对其温度进行控制。提出了一种适合电加热炉对象特点的控制算法，并以PLC 为核心，组成电加热炉自适应控制系统，其控制精度，可靠性，稳定性指标均远高于常规仪表组成的系统。 关键词：温度；电加热炉；PLC；控制系统
系统辨识最小二乘法大作业 (2)
系统辨识大作业 最小二乘法及其相关估值方法应用 学院：自动化学院 学号： 姓名：日期：
基于最小二乘法的多种系统辨识方法研究 一、实验原理 1.最小二乘法 在系统辨识中用得最广泛的估计方法是最小二乘法(LS)。 设单输入-单输出线性定长系统的差分方程为 (5.1.1) 式中:为随机干扰；为理论上的输出值。只有通过观测才能得到，在观测过程中往往附加有随机干扰。的观测值可表示为 (5.1.2) 式中:为随机干扰。由式(5.1.2)得 (5.1.3) 将式(5.1.3)带入式(5.1.1)得 (5.1.4) 我们可能不知道的统计特性，在这种情况下，往往把看做均值为0的白噪声。 设 (5.1.5) 则式(5.1.4)可写成 (5.1.6) 在观测时也有测量误差，系统内部也可能有噪声，应当考虑它们的影响。因此假定不仅包含了的测量误差，而且包含了的测量误差和系统内部噪声。假定是不相关随机序列(实际上是相关随机序列)。 现分别测出个随机输入值，则可写成个方程，即 上述个方程可写成向量-矩阵形式 (5.1.7) 设 则式(5.1.7)可写为
(5.1.8) 式中：为维输出向量；为维噪声向量；为维参数向量；为测量矩阵。因此式(5.1.8)是一个含有个未知参数，由个方程组成的联立方程组。如果，方程数少于未知数数目，则方程组的解是不定的，不能唯一地确定参数向量。如果，方程组正好与未知数数目相等，当噪声时，就能准确地解出 (5.1.9) 如果噪声，则 (5.1.10) 从上式可以看出噪声对参数估计是有影响的，为了尽量较小噪声对估值的影响。在给定输出向量和测量矩阵的条件下求系统参数的估值，这就是系统辨识问题。可用最小二乘法来求的估值，以下讨论最小二乘法估计。 2.最小二乘法估计算法 设表示的最优估值，表示的最优估值，则有 (5.1.11) 写出式(5.1.11)的某一行，则有 (5.1.12) 设表示与之差，即 - (5.1.13)式中 成为残差。把分别代入式(5.1.13)可得残差。设 则有 (5.1.14) 最小二乘估计要求残差的平方和为最小，即按照指数函数 (5.1.15) 为最小来确定估值。求对的偏导数并令其等于0可得 (5.1.16) (5.1.17)
系统辨识及自适应控制实验..
Harbin Institute of Technology 系统辨识与自适应控制 实验报告 题目：渐消记忆最小二乘法、MIT方案 与卫星振动抑制仿真实验 专业：控制科学与工程 姓名： 学号： 15S004001 指导老师： 日期： 2015.12.06 哈尔滨工业大学 2015年11月
本实验第一部分是辨识部分，仿真了渐消记忆递推最小二乘辨识法，研究了这种方法对减缓数据饱和作用现象的作用； 第二部分是自适应控制部分，对MIT 方案模型参考自适应系统作出了仿真，分别探究了改变系统增益、自适应参数的输出，并研究了输入信号对该系统稳定性的影响； 第三部分探究自适应控制的实际应用情况，来自我本科毕设的课题，我从自适应控制角度重新考虑了这一问题并相应节选了一段实验。针对挠性卫星姿态变化前后导致参数改变的特点，探究了用模糊自适应理论中的模糊PID 法对这种变参数系统挠性振动抑制效果，并与传统PID 法比较仿真。 一、系统辨识 1. 最小二乘法的引出 在系统辨识中用得最广泛的估计方法是最小二乘法(LS)。设单输入-单输出线性定长系统的差分方程为： ()()()()()101123n n x k a x k a k n b u k b u x k n k +-+?+-=+?+-=，，，， (1.1) 错误！未找到引用源。 式中:()u k 错误！未找到引用源。为控制量；错误！未找到引用源。为理论上的输出值。错误！未找到引用源。只有通过观测才能得到，在观测过程中往往附加有随机干扰。错误！未找到引用源。的观测值错误！未找到引用源。可表示为： 错误！未找到引用源。 (1.2) 式中:()n k 为随机干扰。由式(1.2)得 错误！未找到引用源。 ()()()x k y k n k =- (1.3) 将式(1.3)带入式(1.1)得 ()()()()()()()101111()n n n i i y k a y k a y k n b u k b u k b u k n n k a k i n =+-+?+-=+-+?+ -++-∑ (1.4) 我们可能不知道()n k 错误！未找到引用源。的统计特性，在这种情况下，往往把()n k 看做均值为0的白噪声。 设 错误！未找到引用源。 (1.5)
电加热炉的系统辨识与自适应控制
电加热炉的系统辨识与自适应控制
目录 一、电加热炉的先验知识 (1) 1.1 电加热炉的工作原理 (1) 1.2 电加热炉温度控制系统的硬件构成 (2) 二、电加热炉系统辨识 (3) 2.1 电加热炉温度系统模型 (3) 2.2 最小二乘估计的递推算法 (4) 2.3 最小二乘估计的递推算法辨识及仿真 (5) 三、电加热炉系统的自适应控制算法及仿真 (8) 3.1 电加热炉系统控制问题的提出 (8) 3.2 广义最小方差间接自校正控制算法 (8) 3.3 广义最小方差间接自校正控制仿真 (9) 参考资料 (15)
电加热炉的系统辨识与自适应控制 一、电加热炉的先验知识 1.1 电加热炉的工作原理 我选择电加热炉作为辨识和自适应控制设计与仿真实验的对象。 电加热炉的工作原理为：布置在炉内的加热元件将电能转化为热能，通过辐射或对流的方式将热能传递给加热对象，从而改变对象的温度。 通常的工业过程都对炉温的控制提出了一定的要求，这就需要对电加热炉的进行控制，调节它的通电时间或通电强度来改变它输出的热能。传统的控制方法 有两种：第一种就是手动调压法，即是依靠人的经验直接改变电加热炉的输入电压，其控温效果依赖于人为的调节，控制精度不高，且浪费人力资源。第二种控制方法在主回路中采取可控硅装置，并结合一些简单的仪表，保温阶段自动调节，升温过程仍依赖于试验者的调节，它属于半自动控制。随着微型计算机、可编程逻辑控制器的出现和迅速更新换代，智能温度控制仪表、工业控制计算机在电加热炉温度控制领域日益得到广泛地应用。借助计算机强大的数据处理和运算能力，引入反馈的思想，运用现代控制理论，实现对炉温的全自动化控制[1]。 以常用的恒温箱式电加加热炉为例，采用反馈控制。该控制系统的目的是要实现炉内的温度与给定温度值一致，即保持温度恒定，是一个典型的自动控制系统。 当然，系统给定的不是具体的期望温度值，而是通过给定电位器给定一个电压sT U 。电加热炉内的实际温度由热电偶转换为对应的电压T U f 。给定电压信号 sT U 与实际温度所对应的电压T U f 比较得温度偏差信号U ?经放大器放大后,用以 驱动执行电动机，并通过传动机构拖动调压器动触头。当温度偏高时,动触头向减小电压的方向运动,反之加大电压,直到温度达到给定值为止,此时,偏差0=?U ,电机停止转动。 上面只是一个比较简单的闭环温度控制系统。
系统辨识作业解析
PROBLEM:PROGRAMME TESTING Given the following SISO systems described by transfer-function containing 4 polynomials: 121212 12121212 11 1.50.71.0.511 1.50.711 1.50.72.0.510.21 1.50.7A q F q q q B q q q C q D q q q A q F q q q B q q q C q q q D q q q Input signal u(t) is the Maximum Length PRBS with amplitude 1a and trend 0.0001t u t t , other parmateres of M-PRBS will be determined by the examined-students. Disturbance e t is the Gaussian-distribution white noise with zero mean and variances ,Let 0.2and 1.2respectively. 1.For every system , generate input-output signals by means of MATLAB, select the data length L=1000. 2.Suppose ,now, you view the system a s a black-box ,you don ’t know anything about it including order and parameters. The unique information is just above data. Please identify the process model, B/F, based on the data and using MATLAB package. Take reference of the examples in the texbook 17.3 to get preliminary models, further models and final choice of model by proper identification method. https://www.docsj.com/doc/5a17827578.html,pare the obtained models with the true system(original transfer-function). Compare the models obtained under different conditions with each other. Note:The examined-student should give a clear procedure of solving problems and offer flow-chart,etc. e u(t) + y(t) B F C D
电加热炉温度控制系统讲解
设计说明书 设计题目电加热炉温度控制系统 完成日期2013 年7 月12 日 专业班级自动化12本 设计者 指导教师
课程设计成绩评定
目录 前言 (1) 第一章设计方案概述 (2) 1.1设计内容 (2) 1.2设计方案 (2) 第二章硬件部分设计 (2) 2.1温度检测电路 (2) 2.2单片机连接电路 (3) 2.3 LCD显示部分 (4) 2.4按键与报警电路 (5) 2.5加热控制电路部分 (5) 第三章软件部分设计 (6) 3.1周期采样程序 (6) 3.2数字滤波程序 (6) 3.3 PID程序 (7) 3.4总程序 (9) 心得与体会 (10) 参考文献 (11)
前言 温度是工业对象中一种重要的参数，特别在冶金、化工、机械各类工业中，广泛使用各种加热炉、热处理炉和反应炉等。由于炉子的种类不同，因此所采用的加热方法及燃料也不同，如煤气、天然气、油和电等。但是就其控制系统本身的动态特性来说，基本上属于一阶纯滞后环节，因而在控制算法上亦基本相同。 本次设计是电加热炉温度自动控制系统。该系统利用单片机可以方便地实现对PID参数的选择与设定；实现工业过程中PID控制。它采用温度传感器热电偶将检测到的实际炉温进行A/D转换，送入计算机中，与设定值比较出偏差。对偏差按PID规律进行调整，得出对应的控制量来控制固态续电器、调节电炉的加热功率，从而实现对炉温的控制。利用单片机实现温度智能控制，能自动完成数据采集、处理、转换、并进行PID控制。在设计中应该注意，采样周期不能太短，否则会使调节过程过于频繁，这样，不但执行机构不能反应，而且计算机的利用率也大为降低；采样周期不能太长，否则会使干扰无法及时消除，使调节品质下降。