鐘振芳 劉吉臻 孟慶偉 牛玉廣 房 方
(華北電力大學(xué)控制與計(jì)算機(jī)工程學(xué)院,北京 102206)
在工業(yè)控制領(lǐng)域中,生產(chǎn)過(guò)程的控制回路不斷增加,生產(chǎn)工藝對(duì)生產(chǎn)過(guò)程的控制要求也日益提高。大多情況下,人們往往只關(guān)注采用怎樣的控制器和怎樣的控制策略,而忽視了運(yùn)行中的控制系統(tǒng)性能評(píng)價(jià)研究。據(jù)統(tǒng)計(jì),在當(dāng)前的工業(yè)控制系統(tǒng)中,有多達(dá)60%的控制器存在著性能差的問(wèn)題[1]。若能對(duì)工業(yè)控制系統(tǒng)的性能進(jìn)行有效地評(píng)價(jià),將提高工作效率、降低生產(chǎn)成本、提高控制的有效性。所以,進(jìn)行控制系統(tǒng)性能評(píng)價(jià)方法的研究是必要的。
關(guān)于控制系統(tǒng)性能(尤其是隨機(jī)性能)的研究主要集中在方差分析上。1989年Harris T J提出基于反饋不變項(xiàng)的最小方差(Minimum Variance,MV)性能評(píng)價(jià)指標(biāo)之后,圍繞方差對(duì)控制系統(tǒng)進(jìn)行的性能分析不斷得到發(fā)展[2]。最小方差性能指標(biāo)被相繼應(yīng)用在前饋控制系統(tǒng)[3]、串級(jí)控制系統(tǒng)[4]、非最小相位系統(tǒng)[5]和多輸入多輸出(Multiple-Input Multiple-Output,MIMO)系統(tǒng)[6]中。最小方差對(duì)傳統(tǒng)PID控制器和先進(jìn)控制器(如預(yù)測(cè)控制)的性能評(píng)價(jià)也得到了廣泛的應(yīng)用[7,8]。此外,還有一些基于最小方差的性能指標(biāo)被相繼提出,如:基于開(kāi)環(huán)方差的相關(guān)方差(Relative Variance Index,RVI)指標(biāo)[9]、結(jié)合控制量約束的廣義最小方差(General Minimum Variance,GMV)[10]。
相較于方差,概率密度函數(shù)對(duì)系統(tǒng)輸出的隨機(jī)性能有著更為全面的描述,因此基于概率密度函數(shù)的性能評(píng)價(jià)具有重要的研究意義?;诟怕拭芏群瘮?shù)的隨機(jī)控制是通過(guò)控制系統(tǒng)跟蹤誤差的概率密度函數(shù)來(lái)實(shí)現(xiàn)對(duì)系統(tǒng)的有效控制的。期望跟蹤誤差的概率密度函數(shù)分布可以是高斯分布(正態(tài)分布)、均勻分布或者某種自定義的分布,這是根據(jù)具體的控制要求來(lái)給定的。因?yàn)橐愿咚狗植甲龈怕拭芏群瘮?shù)期望分布在日常生活中普遍存在,而且具有一定的廣泛性(電解鋁的控制、化工過(guò)程分子量的空盒子、鑄件尺寸及燈泡的大小等),所以在通常情況下將控制變量設(shè)計(jì)成服從高斯分布。由于當(dāng)前控制下系統(tǒng)跟蹤誤差的概率密度函數(shù)分布很可能不是最優(yōu)的,其與最優(yōu)分布的距離就可以用來(lái)評(píng)價(jià)當(dāng)前控制性能的優(yōu)劣。兩個(gè)函數(shù)比較其之間的差距,首先要提取其關(guān)鍵特征,故筆者先將概率密度函數(shù)向量化使對(duì)概率密度函數(shù)的分析轉(zhuǎn)化為對(duì)兩個(gè)向量的分析。為得到歸一化、規(guī)范化、易于理解的性能評(píng)價(jià)指標(biāo),灰色關(guān)聯(lián)分析被用來(lái)比較實(shí)際分布向量和基準(zhǔn)向量之間的近似程度。*收稿日期:2013-12-16(修改稿)基金項(xiàng)目:國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃項(xiàng)目(“973”計(jì)劃)(2012CB215203);國(guó)家自然科學(xué)基金重點(diǎn)資助項(xiàng)目(51036002);國(guó)家自然科學(xué)基金資助項(xiàng)目(61203107);中央高?;究蒲袠I(yè)務(wù)費(fèi)資助項(xiàng)目(12QX19);北京市教育委員會(huì)共建項(xiàng)目
筆者首先給出了最優(yōu)概率密度函數(shù)分布,然后基于實(shí)際輸出的分布與最優(yōu)概率密度函數(shù)分布通過(guò)灰度關(guān)聯(lián)法定義出性能評(píng)價(jià)指標(biāo),最后應(yīng)用該指標(biāo)對(duì)控制系統(tǒng)進(jìn)行評(píng)價(jià)。
為了評(píng)價(jià)控制系統(tǒng)的性能,要求首先給出性能評(píng)價(jià)的基準(zhǔn)。而性能評(píng)價(jià)的基準(zhǔn)需要滿足兩個(gè)要求:理論上是某個(gè)性能的界限;能通過(guò)實(shí)際閉環(huán)操作數(shù)據(jù)估計(jì)得到。
對(duì)于常見(jiàn)的線性控制系統(tǒng):
(1)
其中yk為k時(shí)刻的輸出,uk為k時(shí)刻的控制量,ωk為隨機(jī)擾動(dòng)。其控制誤差為:
ek+q=yk+q-rk+q
(2)
=f(y,u,r,ωk)
其中y為系統(tǒng)輸出向量,y=(yk,yk-1,…,y1);u為控制向量;e為誤差向量;r為設(shè)定值。若隨機(jī)噪聲ωk服從高斯分布N(μ,δ2),μ和δ分別為期望和標(biāo)準(zhǔn)差,則隨機(jī)噪聲的概率分布函數(shù)如下:
(3)
由概率論易得,跟蹤誤差的概率密度函數(shù)為:
(4)
由式(2)~(4)可得:
(5)
為獲得最優(yōu)分布的概率密度函數(shù),筆者采用最小熵控制,在最小熵控制下,可得控制系統(tǒng)的遞推控制律[11]:
(6)
式(6)可以改寫為:
b0uk+ηk+q=b0uk-1+ηk-1+q=c
(7)
其中c為常數(shù),則可得控制律如下:
(8)
取c=μ,將式(8)代入式(5)可得在最小熵控制下跟蹤誤差的概率密度函數(shù)為:
(9)
可知此時(shí)最優(yōu)概率密度函數(shù)服從高斯分布N(0,δ2)。
由1.1節(jié)可得最優(yōu)的概率函數(shù)(式(9)),其中需要估計(jì)的量只有一個(gè),就是δ,即噪聲的方差。
(10)
系統(tǒng)的性能評(píng)價(jià)就是系統(tǒng)當(dāng)前性能與基準(zhǔn)性能的比較過(guò)程。在得到基準(zhǔn)性能之后,需要計(jì)算系統(tǒng)的當(dāng)前性能,即計(jì)算跟蹤誤差的概率密度函數(shù)。跟蹤誤差的概率分布計(jì)算式為:
(11)
其中,N表示總的采樣數(shù)據(jù)的個(gè)數(shù),Num(ei 跟蹤誤差的概率密度函數(shù)的計(jì)算式為: (12) 其中,ΔF為采樣數(shù)據(jù)的變化量,Δe為誤差的變化量。對(duì)于跟蹤誤差的概率密度函數(shù)可以多項(xiàng)式逼近的方式來(lái)表示: (13) 其中,γ(e,u)為系統(tǒng)輸出的概率密度函數(shù),Si(e)為定義在輸出區(qū)間上的基函數(shù),ωi(u)為基函數(shù)權(quán)重,ε為逼近誤差。 式(13)的逼近中有一個(gè)主要的限制來(lái)自于概率密度函數(shù)的定義。對(duì)于定義在區(qū)間[p,q]上的概率密度函數(shù),其一定滿足如下條件: (14) 對(duì)于輸出的概率密度函數(shù)的估計(jì),可以通過(guò)最小二乘進(jìn)行多項(xiàng)式逼近,也可以通過(guò)B-spline進(jìn)行逼近求得[13],只是基函數(shù)的選擇不同而已。 在第1部分中給出了最小熵控制下的控制誤差的最優(yōu)概率密度函數(shù)。該最優(yōu)概率密度函數(shù)作為標(biāo)準(zhǔn)可實(shí)現(xiàn)對(duì)控制系統(tǒng)的性能評(píng)價(jià)。 定義如下的性能指標(biāo): 對(duì)系統(tǒng)實(shí)際輸出的概率密度函數(shù)可以通過(guò)一個(gè)向量來(lái)近似表示。求輸出的最大值ymax與最小值ymin,在區(qū)間[ymin,ymax]上取n個(gè)等間距的點(diǎn)(圖1)y(1),y(2),…,y(i),…,y(n),其中y(1)=ymin,y(n)=ymax。令Y=[y(1),y(2),…,y(i),…,y(n)],其對(duì)應(yīng)的概率密度函數(shù)可由如下向量近似表示: Υ=[Υ(1),Υ(2),…,Υ(i),…,Υ(n)] (15) 當(dāng)n趨向無(wú)窮大時(shí),概率密度函數(shù)和其表示向量在一定輸出范圍內(nèi)完全相等。在一定輸出范圍內(nèi),要比較兩個(gè)概率密度函數(shù)的近似程度,可以通過(guò)比較兩者在該范圍內(nèi)的向量的Υ不同來(lái)表示。 圖1 概率密度函數(shù)向量化示意圖 根據(jù)本節(jié)給出的最優(yōu)概率密度函數(shù)轉(zhuǎn)化為向量的辦法,可得最優(yōu)概率密度函數(shù)的表征向量如下: (16) 按照灰色關(guān)聯(lián)分析理論。首先求向量差: (17) 求其最大值: ΔΥmax=max[ΔΥ(i)] (18) 求其最小值: ΔΥmin=min[ΔΥ(i)] (19) 則此時(shí)的性能評(píng)價(jià)指標(biāo)可以寫為: (20) 顯然該指標(biāo)滿足規(guī)范性和接近性的要求。其中ζ為分辨率,ζ∈[0,1]。 筆者所提方法可以在不干擾控制系統(tǒng)正常運(yùn)行的情況下完成性能評(píng)價(jià)。在此無(wú)侵入性的要求下,希望通過(guò)閉環(huán)操作數(shù)而不是通過(guò)做性能試驗(yàn)的方法來(lái)確定控制系統(tǒng)的性能。利用閉環(huán)操作數(shù)主要是通過(guò)如下步驟來(lái)完成性能評(píng)價(jià): a. 通過(guò)設(shè)定值與系統(tǒng)輸出計(jì)算控制系統(tǒng)的跟蹤誤差; b. 通過(guò)白化過(guò)程估計(jì)噪聲的方差; c. 通過(guò)式(10)計(jì)算最優(yōu)分布的概率密度函數(shù); d. 通過(guò)跟蹤誤差計(jì)算其概率密度函數(shù); e. 通過(guò)式(15)給出實(shí)際概率密度分布的表示向量; f. 通過(guò)式(16)計(jì)算最優(yōu)分布的概率密度函數(shù)的表示向量; g. 通過(guò)式(20)計(jì)算系統(tǒng)性能指標(biāo)。 對(duì)于如下的過(guò)程: 其中αt為某一均值為0、方差為0.5的白噪聲。采用如下的PI控制器: 其中kp=0.001,ki=0.002。在控制器參數(shù)不變的情況下,系統(tǒng)的特性發(fā)生變化時(shí),控制系統(tǒng)的性能將會(huì)發(fā)生變化。當(dāng)k在5~13之間變化時(shí),系統(tǒng)的性能變化如圖2所示。可以看出,雖然筆者性能評(píng)價(jià)的計(jì)算值與最小方差性能評(píng)價(jià)的計(jì)算值不同,但是可以得出相似的評(píng)價(jià)結(jié)果,這就驗(yàn)證了筆者方法的有效性。隨著k的增大,系統(tǒng)的控制性能先增后減。 圖2 系統(tǒng)的性能隨k值的變化 同樣當(dāng)k取定為9時(shí),使PI控制器的比例系數(shù)和積分系數(shù)變化,系統(tǒng)的性能變化如圖3所示??梢钥闯?,在ki不變時(shí)系統(tǒng)的性能隨著kp的增加先升后降;而在kp不變時(shí),隨著ki的增加系統(tǒng)的性能變化不大。這就是說(shuō)明,系統(tǒng)的隨機(jī)性對(duì)比例作用更敏感,也就是說(shuō)要想得到較好的隨機(jī)性能要更加重視比例系數(shù)的調(diào)整。從圖3中還可以看出,在kp=3時(shí)系統(tǒng)的性能出現(xiàn)一道“山脊”,該“山脊”對(duì)應(yīng)著系統(tǒng)隨機(jī)性能較好的情況。這樣圖3實(shí)際上為PI控制器的性能評(píng)價(jià)提供了較為全面的參考,對(duì)PI參數(shù)優(yōu)化指出了方向。 圖3 k=9時(shí)系統(tǒng)的性能變化 筆者提出了一種基于概率密度函數(shù)的性能評(píng)價(jià)方法,給出了線性控制系統(tǒng)最優(yōu)的概率密度分布,通過(guò)灰色關(guān)聯(lián)分析構(gòu)建了新的隨機(jī)性能評(píng)價(jià)指標(biāo),還給出基于該指標(biāo)的性能評(píng)價(jià)一般性步驟。該方法在性能評(píng)價(jià)過(guò)程中無(wú)需進(jìn)行性能實(shí)驗(yàn),僅僅需要控制系統(tǒng)的閉環(huán)操作數(shù),對(duì)控制系統(tǒng)的正常運(yùn)行無(wú)干擾,利于在實(shí)際工業(yè)過(guò)程中進(jìn)行應(yīng)用。2 性能評(píng)價(jià)
2.1 性能指標(biāo)
2.2 基于灰色關(guān)聯(lián)的性能指標(biāo)構(gòu)建
2.3 性能指標(biāo)完成步驟
3 仿真實(shí)驗(yàn)
4 結(jié)束語(yǔ)