性能肖像方法:可预测集成控制器的坚固设计

科学领域:

• 控制工程 控制工程 控制工程
• 工艺系统工程 工艺系统工程
• 计算智能是一种计算智能.

背景情况:

• 传统的试错方法在工程中很普遍,但缺乏系统的数字化.
• 现有的控制设计方法经常与表现出占主导地位的时间延迟和参数不确定性的动态系统作斗争.
• 在磁脑图像 (MEG) 等领域,对先进的控制策略的需求对于精确的系统管理至关重要.

研究的目的:

• 介绍和详细介绍性能肖像方法 (PPM) 作为控制系统设计的系统化,数字化方法.
• 证明PPM在分类动态过程模型和优化控制器参数方面的能力.
• 展示PPM在设计先进控制器 (如预测集成 (PrI) 控制器) 中的有效性,用于具有挑战性的过程动态.

主要方法:

• 性能肖像方法 (PPM):一个数字化框架,通过控制循环参数的网格来评估步骤响应.
• 过程建模:对线性和非线性动态模型进行分类,以提供高效的参数表示.
• 高性能计算 (HPC):利用并行计算来优化性能肖像的分解和分析.

主要成果:

• PPM 便于创建和重复应用性能肖像 (PPs) 来进行全面的过程分析.
• 该方法成功设计了预测集成 (PrI) 控制器,用于具有时间延迟传感器动态主导的过程,其性能优于传统的PI控制器.
• 对于具有不确定的模型的系统,PPM实现了高质量,最佳和强大的控制解决方案,证明了对参数变化的不变性.

结论:

• 性能肖像方法 (PPM) 为传统的控制设计方法提供了强大,系统和数字化的替代方案.
• 对于复杂的控制问题来说,PPM特别有效,包括那些具有显著的死亡时间和不确定的参数的问题,提供更好的性能.
• 该方法的适用性扩展到先进的控制器设计和分析,在其他方法不足的情况下提供强大的解决方案.