首页 > 论文范文 > 工程工业论文 > 轻工业论文 > 造纸工业论文 > 内模控制在纸浆浓度控制系统中的应用研究

内模控制在纸浆浓度控制系统中的应用研究

2020-06-30 179 上传者：管理员

摘要：目的为改善纸浆浓度控制系统的大滞后性、非线性和时变性，以提高纸浆浓度的控制性能。方法针对纸浆浓度控制问题提出一种改进的内模控制，该方法首先引进导引曲线将原来的目标控制改成过程控制，解决系统快速性与超调之间的矛盾；然后再引进被控对象的参考模型与给定滞后，将导引输出与参考模型取偏差作为控制回路A，再将给定滞后与被控对象取偏差作为控制回路B；最后再基于内模控制的原理分别针对回路A与回路B设计内模控制器，将二者控制器的输出取和作为总的控制器。结果通过Matlab仿真软件搭建改进内模控制的纸浆浓度系统仿真平台，并与传统控制进行对比，仿真结果表明，系统的响应速度、跟踪性能、鲁棒性和抗干扰特性均优于传统的控制方法。结论通过仿真验证了改进内模控制在纸浆浓度控制系统上的有效性和可行性，能够明显提高系统的综合性能指标。

关键词：
MATLAB仿真
传统控制
改进内模控制
纸浆浓度控制
纸浆浓度系统仿真
造纸工业
加入收藏

对于造纸生产过程而言，纸浆浓度这一参数是很关键的，因此确保所产纸张品质的紧要环节就是能够稳定地控制纸浆浓度，即满足造纸工业过程自动化必须要做到精确又稳定地控制纸浆的浓度。在实际制浆过程中，纸浆浓度受浆料流速、调浓水压、浓度测量仪工艺安装位置、浆管布局、打浆度等多种因素影响[1]，这就导致了纸浆浓度在实际的工业控制中存在大滞后、时变、非线性的特性[2]，较难准确构造系统模型。

现阶段，由于PID控制算法具有算法成熟、便于实现的优势，因而工业现场普遍选取传统的PID控制算法来控制纸浆的浓度，然而此工业过程普遍存在大滞后、时变性、非线性等特性[3]，仅仅依靠PID算法对系统进行控制存在一定的局限性，往往难以获得高效的纸浆浓度控制效果。针对以上的局限性，文中提出一种改进的内模控制方法。

1、工艺分析和系统模型的建立

纸浆浓度控制系统主要由流量传感器、浓度传感器、控制器、送浆泵、调节阀门等组成，见图1。该生产过程以调浆箱中的纸浆浓度作为被控量，以调节阀门作为被控对象。工艺流程：首先浆池中的纸浆经送浆泵输送到调浆箱中[4,5]，经过调浆箱中的浓度传感器检测出此刻的纸浆浓度然后反馈到控制器中与设定值进行比较，然后控制器再根据二者的差值对调节阀门的开度进行控制，进而影响稀释水对调浆箱纸浆浓度大小的影响。该反馈控制结构见图2。

图1纸浆浓度控制系统

在实际的纸浆浓度工艺流程控制当中，被控对象G(s)含有纸浆浓度的改动、阀位的特性改动、浓度变送器的改动这3个一阶惯性环节，从而G(s)的传递函数为：

公式1

式中：T1,T2,T3分别为3个过程的动态特性的惯性时间常数；s为拉氏变换因子。

由图2的反馈控制结构可以得到纸浆浓度控制系统中被控对象的传递函数为：

公式2

式中：Y(s)为浓度检测值；U(s)为控制器输出；D1(s)为负载扰动；D2(s)为测量干扰；k为过程增益；e-L为阀门和浓度检测传感器的延迟特性。由于在实际操作过程中，T2远大于T1和T3，则式（2）可写为式（3）形式。

公式3

2、传统内模控制及其改进内模控制

2.1传统内模控制

图3中Q(s)为内模控制器，P(s)为系统的被控对象，M(s)为系统的过程模型，Gf(s)为反馈所需的滤波器，D(s)为系统所受到的扰动。Gf(s)=1的IMC系统称为1自由度IMC，否则称为2自由度IMC，这次选用1自由度IMC[4]。由图3可得，传递函数为：

公式4

将Gf(s)=1代入式（4）得：

公式5

由此图3转化为如图4的形式。

将图4的内模控制结构转换为单位负反馈结构传统的做法是将过程模型经过结构图化简并联到控制器Q(s)上，然后在通过等效变换将其转换为一个结构，见图5。

图2纸浆浓度反馈控制结构

图3内模结构控制

图4转化后内模结构控制

图5等效内模控制

内模控制器的构造原理如下所述。

1）首先将系统模型Gm系统模型分解成2项：Gm+和Gm-[6,7]，其中Gm+作为全通滤波器的传递函数，使所有的频率Ω，都能够得到|G+(jΩ)|=1。换言之，Gm全部的时滞以及存在于右半平面零点的非最小相位环节均被Gm+所囊括。Gm-包含了Gm的最小相位环节。

2）在进行内模控制器的构造时，为了满足系统的抗干扰性以及稳定性，应补充滤波器到最小相位环节的Gm-[8]，因此这里定义IMC的控制器为：

公式6

式（6）中，若使得Q(s)合理，则低通滤波器表示为f,f的通用结构见式（7）。

公式7

式（7）中，内模控制器唯一的构造参数，即滤波器参数表示为λ[9]。可以通过改变值来调整系统的跟踪性能与鲁棒性，得出单位负反馈的控制器为：

公式8

2.2改进内模控制

倘若控制传递函数是的系统，根据图1所示结构，取被控对象的作为系统的导引过渡过程，将被控对象的最小相位环节作为系统的参考模型，且系统给定滞后以非最小相位环节为依据，然后将导引过渡过程的输出与参考模型输出取偏差作为控制回路A，再将给定滞后输出与被控对象输出取偏差作为控制回路B，最后在基于内模控制的原理分别针对回路A与回路B设计内模控制器，将二者控制器的输出取和作为总的控制器。

2.2.1改进内模结构控制原理

如图6所示，当系统被施加阶跃信号时，阶跃信号首先经过过渡过程被分为2部分，一部分与参考模型的输出求偏差为e1，另一部分作用于给定滞后与被控对象的输出求偏差为e2。由于实际被控对象为大滞后系统，因此可知偏差e1先于偏差e2输出，控制器控制参考模型首先凭借偏差e1，使得参考模型先于实际被控对象达到稳态，同时为实际被控对象快速找到一个大约的控制量，当偏差e2产生后，会对控制量产生微调，使得控制量达到实际被控对象所需的精确值。该结构的改进保证了对于大滞后系统的响应速度[10,11,12,13]，同时还大大缩短了大滞后系统的调节时间，所以这一结构能够在根源层次解决大时滞给系统的控制带来的问题，提高了控制精度和控制品质。

图6改进内模控制结构

当系统受到扰动时，以反向扰动为例，偏差e1不变，偏差e2变为正值，因此偏差e2经过内模控制器B输出一个正值得控制量，导致总控制量增加，总控制量然后作用于参考模型，使得其输出增大，因此导致偏差e1变为负值，经过2个控制器的求和就可以消除扰动对系统的影响。

3、改进内模控制器的设计

文中假设大滞后被控对象（其中L/T≥0.5），进而对此模型构建控制2条回路的内模控制器。首先是内模控制器A的设计，由被控对象可得，这里选取滤波器为，因此由式（8）可得内模控制器A为：

公式9

其次，构建内模控制器B，由被控对象可得G+=e-Ls,，这里还选取滤波器为，在设计内模控制器B之前，应先依据Pade近似把滞后近似为：，因此由式（8）能够构建出内模控制器B为：

公式10

4、仿真结果

为了验证文中提出的方法的可行性以及有效性[14]，利用Matlab进行仿真实验，并且就控制的效果同传统的PID控制算法和内模控制算法进行比较。文中采用单文娟等[4]的纸浆浓度控制过程的简化模型为：

公式11

利用Simulink构造的仿真模块进行实验[15]。取幅值为10个单位的阶跃信号作输入信号。系统的阶跃响应见图7。3种控制算法的参数选择：根据文献[4]选取PID参数，Kp=0.07,Ki=0.03,Kd=0.08；传统内模的滤波系数，f=25；改进内模控制的2个内模控制器的滤波系数，f1=0.2,f2=1000。

图7阶跃响应对比

3种控制算法的性能指标见表1。根据表1可以看出，同传统的内模控制算法和PID控制算法相比，具有响应迅速，调节所需时间短，综合性能指标ITAE小的优势，因此，文中所提出的方法明显优于传统的控制方法。

表13种控制算法的性能指标

由于在实际工业造纸过程中，纸浆浓度控制回路存在很多干扰，因此为了验证算法的抗扰特性，在100s时加入设定值20%的阶跃干扰，效果见图8。

由图8可以看出，在给被控对象施加干扰时，三者算法均偏离设定值一段时间后又回到设定值，但文中的方法回复时间最短。由此可见，文中的方法较传统控制方法有较强的抗干扰特性。

图820%干扰下阶跃响应对比

5、结语

针对控制纸浆浓度时存在的大滞后、非线性等特性，以构建控制纸浆浓度的系统模型作为基础，提出一种改进的内模控制算法，并选择了一个典型的纸浆浓度模型进行系统仿真实验。实验的结果表明，文中所提出的改进内模控制方法同2种传统的控制方法相比，在响应速度、调节时间、综合性能指标ITAE方面都具备优势，能够有效地改善纸浆浓度控制系统的性能，同时也对纸浆浓度控制具有一定的借鉴意义。

参考文献：

[1]郑飞,汤兵勇.基于改进量子粒子群算法的纸浆浓度控制系统[J].包装工程,2019,40(5):196-201.

[2]胡亚南,宁奎伟,赵锦文.基于变论域模糊PID的纸浆浓度控制系统研究[J].中国造纸,2019,38(1):44-49.

[3]陈银环.基于BP神经网络PID的纸浆浓度自适应控制[J].包装工程,2018,39(1):146-150.

[4]单文娟,汤伟,王孟效.神经网络分数阶PID控制器在纸浆浓度控制中的应用[J].中国造纸学报,2016,31(4):44-48.

[5]叶自清,陈敏.基于动态矩阵和单神经元PID的浆浓度控制[J].自动化与仪表,2009,24(8):29-33.

[6]徐金榜,赵泓昊,熊文羽,等.基于IMC原理的电子节气门控制策略[J].控制与决策,2018,33(12):2277-2282.

[8]肖强,谢巍.针对时滞系统的一般化内模控制方法[J].自动化学报,2011,37(4):464-470.

[9]尹成强,高洁,孙群.基于改进Smith预估控制结构的二自由度PID控制[J/OL].自动化学报:1-9[2019-10-23].

[12]王春阳,辛瑞昊,史红伟.针对大滞后系统的滞后时间削弱自抗扰控制方法[J].吉林大学学报(工学版),2017,47(4):1231-1237.

[13]刘汉忠,俞鹏.模糊PID自适应控制在微型齿轮泵恒流控制系统中的应用[J].流体机械,2018,46(12):50-53.

[14]马增辉,刘长良,开平安.基于扰动补偿的大滞后系统的控制[J].信息与控制,2013,42(5):570-576.