含有纯滞后系统的几种控制算法的比较与评述

朱培燕

摘 要：纯滞后系统在现代工业生产过程中是普遍存在的，精确控制难度比较大。文章针对时滞对象的控制问题，着重选取几种控制方法，论述了各种控制方法的原理和优缺点，对各个控制过程的性能进行对比，在方法上能够对大时滞控制系统给予有效的指导。

关键词：纯滞后；Smith预估控制；智能控制

中图分类号：TP273 文献标志码：A 文章编号：2095-2945（2018）11-0122-02

Abstract： Pure time delay system is common in modern industrial production， and it is difficult to control accurately. In this paper， aiming at the control problem of time-delay plant， several control methods are selected emphatically， the principle， advantages and disadvantages of each control method are discussed， and the performance of each control process is compared. The method can give effective guidance to the control system with large time delay.

Keywords： pure lag； Smith predictive control； intelligent control

1 纯滞后问题

大家都知道，纯滞后在工业上是一种常见的现象。比如在冶金行业中板材厚度的加工、加热炉的热传导；化工行业中工质的传送以及各个反应器中的生产衔接都普遍存在纯滞后现象，此外还有燃煤电厂的风煤水控制。

在工业过程闭环控制系统控制回路中，若存在纯滞后，闭环特征方程中就存在纯滞后环节，由于纯延迟的存在并没有直接将控制信号作用于被调量，而是在延迟τ之后再动作；此外，当控制系统受到内扰或者外扰作用后，控制器无法有效的抑制，这也进一步影响了控制系统的性能。对于闭环控制系统来说，纯滞后环节会引起被控量的超调增大，同时也会延长系统的调节时间。因此，在自动控制领域，纯滞后控制对象相对复杂。

为了便于对时滞对象进行分析，本文着重讨论常用的几种控制方法，并对不同控制方案的性能进行对比，为大时滞控制对象的优化控制提供参考。

2 时滞过程的几种控制方法

2.1 PID控制

在自动控制系统中，PID是应用最为广泛的控制算法，在工业生产过程中应用也较多，也根据实际情况进行了适当改进，适应性较强。对于纯滞后系统而言，PID控制很难达到预期的效果，尤其是受到工业生产环境的影响。主要是因为其控制效果不能通过反馈回路及时反馈，所以使得控制问题复杂化了。

2.2 Smith预估控制及改进算法

目前，包括较大纯滞后的系统多数采用史密斯预测控制及其改进型来控制。Smith预估器控制能够对过程控制中的扰动特性进行动态分析，根据分析结果设定预估器进行补偿，通过前馈补偿来减少响应时间，提前动作调节器，降低超调量，使系统尽可能快的进入稳态[1]。史密斯预估控制能够将时滞环节放在闭环控制的外侧，有效改善了系统的整体控制品质。但是从控制效果看，史密斯控制也存在一些不足：（1）对某些干扰信号的适应能力差；（2）当对象模型参数变化时适应能力差；（3）对无自衡对象产生稳定偏差。

针对史密斯控制存在的问题，很多学者都对其进行了改进。从整体上看可以分为两种方案：第一种是对史密斯预估控制结构进行改进，应用各种智能控制算法，具体是可以在控制过程中的不同位置引入串并联环节来对滞后进行补偿；第二种是对史密斯预估控制参数进行优化设置，具体做法是：按照泰勒公式將e-τs项展开，结合鲁棒控制的相关指标和函数来对控制器进行设计，同时通过参数优化来改善鲁棒性能。此外，还可以改进Smith预估系统的反馈传函，也能够有效提高其鲁棒性和稳定性。

2.3 Dahlin算法

它是一种计算机控制算法，Dahlin控制器是一种常见的控制器，它有个可在线调整的参数，给实际应用带来了很大的方便。Dahlin控制器设计的出发点是选择一个具有纯滞后的一阶特性作为所需的闭环特性，据此来推导控制器。该算法应用在一阶非周期性对象的控制相对有效。Dahlin算法提出的时间较早，在某些条件下可以和史密斯控制的效果基本一致，但是该算法存在“振铃”现象，尤其是模型误差对控制效果影响较大。

2.4 BP神经网络控制

在自动控制领域中，BP神经网络控制属于较为新颖的控制技术领域，它融合了多个学科，控制结构和过程较为简单。它能够快速的对信息进行采集、存储、加工和处理，相对其他控制算法更加智能化。它以分布式方式来存储信息，在对信息进行推理的过程中同时完成信息的处理；此外，BP神经网路控制在处理信息过程中可以进行自学习和自组织，因此在曲线拟合非线性函数时具有较高的精度，并且能够进行在线和离线学习，容错能力非常突出。利用它可以逼近时滞的动态特性，所以它被应用在时滞控制系统中。在具体操作时，只需要将对象输入到控制系统中，通过不断训练网络来得到输出样本即可，这种方式避免了较为复杂的控制结构和控制模型，因此在现代工业中适应性强[2]。

2.5 模糊控制

在自动控制领域中，模糊控制从上世纪末期开始应用，属于一种智能控制技术。模糊控制基于专家规则，准确性也比较依赖专家规则的合理性。在时滞控制系统中，该控制算法主要侧重点是误差及其变化率，具体做法是：首先模糊输入变量的精确值，再按照模糊推理合成规则来对控制量进行计算，然后将其反模糊化，从而得到较为准确的输出，达到改善控制过程的目的。在这种控制算法中，模糊规则显得尤为重要，具体制订时还要因地制宜[3]。

模糊算法应用在时滞系统的效果非常明显，尤其是系统很难进行定量化，不确定因素较多，采用该算法能够适应时滞系统的特点。但是，对于普通的模糊控制器来说，很难在大惯性、大时滞系统进行应用，控制过程中虽然能够有效抑制动态偏差，但是由于控制效果较为灵敏很有可能会引起系统振荡。因此在应用时还要结合其它算法，有效改善其控制精度。目前，一些模糊算法已经在时滞控制系统中得到了普及，比如常见的模糊自整定、模糊预估控制等等。

2.6 其它控制算法

前文中分别对史密斯预估控制、Dahlin算法、BP神经网络、模糊控制等算法进行了分析和对比，但是对于控制系统而言，还有很多分析方法。比如预测控制、自适应控制、灰色预测控制、变结构控制和鲁棒控制等，这些方法可以和前文中分析的算法进行有效结合，有效降低时滞对控制系统的影响。

和前文几种控制算法不同，预测控制是经过工业实践后产生并发展的。从当前看，预测控制算法种类多达几十种，常见的主要有：模型算法控制MAC、模型预测启发控制MPHC、动态矩阵控制等等。就时滞系统而言，其问题的关键在于减少调节时间，通过预测控制能够有效解决该问题。此外，随着人工智能技术的不断进步，预测控制的应用前景也越来越被看好。

3 几种控制方法的比较

在自动控制领域中，比例积分微分控制应用较多，但是对于时滞系统尤其是大时滞系统很难获得良好的控制效果，甚至会出现系统调节过程中出现振荡现象。因此，这种控制方法应用在时滞系统中的局限性较强。

在时滞控制系统中，史密斯预估控制应用较多，它能够保证系统调节的稳定性，但是由于其调节时间过长，不适用于快速响应的工业场合。此外，在一些控制对象模型不够准确时，会产生较大的动态误差，甚至会降低系统的稳定性。改进的Smith预估控制较好的解决了上述问题，在实际工程中得到了广泛的应用。

Dahlin算法对具有纯滞后的一阶非周期特性的对象有较好的控制品质，但是它可能存在“振铃”现象，对过程的模型误差比较敏感。

随着科学技术的快速进步，工业生产过程越发复杂化，尤其一些非线性、大时滞、时变性环节的引入，对控制系统的品质要求是一个严峻的考验。因此，控制算法的优化都和控制系统的快速、稳定、准确紧密联系在一起。

在时滞控制系统中，控制模型存在不确定性和干扰的不可知性，因此很多学者开始引入智能控制算法加以改进，比较典型的就是BP神經网络控制和模糊控制。但是针对模糊控制，如何制订准确的控制规则是关键。在自适应控制算法提出以后，时滞控制系统的控制效果明显改善。此外，变结构控制和鲁棒控制理论也丰富了时滞系统的研究，但是相对模糊控制而言，其控制模型较为复杂，甚至会出现无解的情况，因此其应用也在一定程度上受到了限制。

从上述分析可以看出，针对大时滞系统很难通过单一的算法来解决，借助工业计算机可以有效的将现有算法结合起来，对解决时滞系统存在的问题较为实际。在未来的自动控制领域中，应用智能控制算法也可以有效提高时滞系统的控制性能，为工业生产的安全高效运行提供技术支持。

参考文献：

[1]Smith，O.J.M.close control of Loops with Dead Time[J]. Chem. Engng Prog.，1957，53，217.

[2]邵克勇，张永华，范欣，等.基于神经网络补偿的纯滞后系统控制研究[J].长江大学学报（自然科学版）理工卷，2009，6（04）：198-200.

[3]李祖林，曹才开.纯滞后过程模糊预测控制研究[J].自动化与仪器仪表，2009（04）：8-10.