《计算机控制技术的课程论文-工业过程中的控制策略研究.doc》由会员分享，可在线阅读，更多相关《计算机控制技术的课程论文-工业过程中的控制策略研究.doc（11页珍藏版）》请在三一文库上搜索。
1、计算机控制技术课程论文论文题目：工业过程中的控制策略专业班级：计算机应用技术10级学生姓名： 指导教师： 日期：2011 年 1月 15日中文摘要工业过程中的控制策略研究是近年来越来越热门的一个课题，随着工业过程中先进技术的广泛应用，各种控制策略和方法纷纷涌现出来。从诸多的控制策略中如何选择最为合适的，显得尤为重要。在本文中，我们完成的任务主要有：（1）首先，简单地回顾了分散预测控制的基本概念和发展状况。接着，就智能控制的一方面，叙述了粗糙控制的研究背景和发展现状。（2）其次，针对复杂大系统内部快慢特性不一的特点，提出了一种基于纳什最优的多时标分散预测控制算法。该方法针对每个子系统的内在特性而
2、分别采用各自相应的采样频率和控制策略，从而更加充分地反映了各子系统内在的控制要求。（3）再次，通过引入多时标信息预估和通信方法，弥补了由于时标不同而导致子系统信息不足的问题，提高了控制效果。（4）然后，就先进控制策略进行了介绍，先进控制作为一个整体，包括从数据采集处理、数学模型建立、先进控制算法到工程实施的全部内容。（5）最后就全文内容进行了总结和概括，并指出相关领域以后进一步研究的若干方向。关键词：工业过程；控制策略；分散预测；基于纳什最优；多时标信息预估；先进控制前言在读研的这半年来，通过对计算机控制技术这门课的学习，我对工业过程中的控制策略略有所知，通过查相关的文献，在本文中总结并介绍了
3、几种工业过程中的控制策略，也希望借此能对相关领域的知识概念有更深的理解。众所周知，工业过程中的控制是工业过程控制领域中一个具有挑战性的任务，目前在这个领域的研究也越来越受到控制界的重视。随着生产规模的日益扩大，工业过程的复杂程度不断提高，难以采用简单的集中控制方法或建立精确的机理模型进行控制。这时，分散控制策略和智能控制方法或许就成为解决这类问题的最好选择之一。分散控制策略能够将复杂问题简单化，便于进一步的研究和分析;而智能控制方法则无需建模，将难以解决的问题仅仅通过学习就得到了有效地处理，提供了解决复杂问题的又一途径。本文中，我们首先简要地回顾了分散预测控制的基本概念和发展状况，叙述了粗糙控
4、制的研究背景和发展现状。然后针对复杂大系统内部快慢特性不一的特点，提出了一种基于纳什最优的多时标分散预测控制算法。该方法针对每个子系统的内在特性而分别采用各自相应的采样频率和控制策略，从而更加充分地反映了各子系统内在的控制要求。同时，通过引入多时标信息预估和通信方法，弥补了由于时标不同而导致子系统信息不足的问题，提高了控制效果。接着就先进控制策略进行了介绍，先进控制作为一个整体，包括从数据采集处理、数学模型建立、先进控制算法到工程实施的全部内容。最后就全文内容进行了总结和概括，并指出相关领域以后进一步研究的若干方向。一、复杂工业过程中的控制策略 随着生产规模的不断发展，工业过程的复杂程度日益提
5、高，在一些大型复杂的工业过程中，就要求或根据系统的内在特点采取分散控制策略，化繁为简，将整体问题分解成易于用传统方法处理的一些子问题;或对那些难以用数学模型描述的复杂系统采取智能控制方法加以解决，同时保证计算的复杂性能够满足工业生产的实时性要求。解决好控制问题是工程设计时需要首要考虑的问题，当工程投产后另一个不容忽视的问题则是如何维护好控制系统的运行性能。运行性能良好的控制系统对于复杂工业过程实现“安稳长满优”的生产目标有着重要的意义，能够提高产品的产量和质量、降低原材料的消耗和能量损耗、延长设备使用时间，从而提高企业的经济效益。然而，许多工业现场中运行着的控制系统都或多或少存在着各种性能不足
6、或缺陷问题，解决好这些问题对于提高整个工业过程中的效率和质量有着关键性的作用。1. 分散预测控制的基本概念和发展在复杂的工业过程中，分散控制有着非常重要的地位。分散控制是本质上是指利用分散的信息实现分散的控制，以实现利用多个地域分散的局部控制器取代单一的集中控制器进行控制，每个控制器只能基于局部测量得到的输出信息控制相应子系统的输入。由于分散化的结构特点，分散控制很好地避免了集中控制的硬件要求高、难以在线控制等缺陷，因而具有十分广阔的应用前景。然而，传统的无信息交互的完全分散结构，由于各子系统之间信息的不完备性和目标的不一致性，常常容易引起子系统间的性能冲突从而导致系统整体性能的下降。因此，如
7、何提高和维持系统的整体性能是一个十分具有吸引力的研究命题，引起了许多专家学者的广泛兴趣。其中，分散预测控制策略是一种非常重要的控制策略。预测控制或称为模型预测控制(MPC)是成功应用于复杂工业生产过程的先进控制方法和技术之一。由于它具有控制效果好、鲁棒性强、能够有效克服过程的不确定性、非线性以及处理各种约束等优点，因而已经在炼油、化工、机械、电力等大型工业控制系统得到了广泛的应用。预测控制算法种类较多、形式各样，比较流行的算法有动态矩阵控制(DMC)、模型算法控制(MAC)、广义预测控制 (GPC)等等，但它的实现机制都包括三部分:预测模型、滚动优化、反馈校正。预测控制系统的结构图如下图所示。
8、图1 预测控制系统结构图预测控制是一种基于过程模型的控制算法，可以根据过程的历史信息对对象的未来行为进行预测，并对控制量进行优化。它只强调模型的功能，对模型的结构形式没有要求。因此，只要具备预测系统未来输出的功能，无论何种模型形式都可以作为预测模型来使用，不管是传递函数、状态方程等参数模型，还是脉冲响应或阶跃响应等非参数模型，甚至分布参数系统的模型都可以当作预测模型来使用。同时，预测控制是一种最优控制算法，在某一时刻，它通过计算性能函数指标的最优化来获得未来一系列的控制作用，但在下一时刻只施加当前时刻的控制作用。它也是一种闭环反馈控制算法，在实际系统中，由于模型失配、时变性、非线性和不可测扰动
9、等原因，基于不变预测模型的预测值难免会和真实值发生一定程度的偏差，这就需要用额外的预测方法补偿误差或者根据在线辨识校正模型参数。因此，在预测控制算法的实施过程中，为了避免由于外部干扰和模型失配而导致对实际状态的偏离，通过优化计算确定的一系列未来的控制作用并不是一次性全部实施的，而只仅仅实施当前时刻的控制作用。到下一个控制周期，系统会比较实际测量的输出值和模型的预测值，得到预测误差，并根据该偏差进行相应的反馈校正后，才进行下一轮的优化求解。通过误差补偿或参数校正，预测控制的优化过程不会脱离系统实际的状态之外，从而能够预测出更为准确的系统动态行为。目前绝大多数的大规模工业系统仍采用分散结构进行控制
10、，局部的控制器被设计成完全独立的操作模式，忽略了子系统之间的相互联系。根据被控对象的特性要求不同，这些局部控制器可以是单变量的PID控制器也可以是多变量的MPC控制器。一个完全分散的控制结构是把原系统分解成两个独立的子系统，子系统内部的相互作用是由内部的状态变量联系着的。由于预测控制的成功应用，许多学者把预测控制应用于分散结构的控制系统之中。有人提出了一个分散MPC算法，其中子系统的动态特性和性能函数都独立于其他子系统的变量，但是通过约束连接不同子系统之间的状态和控制变量，鲁棒可行性在假设干扰独立有界时得到了保证。另外有些人提出了一个无需信息交互的分散状态反馈MPC算法，其中的闭环稳定性可以通
11、过在每一时刻求解带约束的优化问题得到。虽然通过约束可使得局部MPC控制器所控制的子系统的状态轨迹能够忽略子系统间的相互联系和干扰的作用，但是其闭环稳定性可能在实践中难以得到保证。由于鲁棒性MPC理论的发展，设计非线性离散系统的分散控制器的稳定性得到了极大地提高，也可以通过采取输入状态稳定性概念提高算法的稳定性。然而，能够保证稳定性等特性的分散MPC控制算法仍然是很少的。首先，MPC算法内在的多变量特性使得自身就能够处理系统内部的相互关系，能够求解出整体目标的最优控制律。对大规模系统来说，将一个集中控制器的整体优化问题分解成一系列的小问题并采取分散控制结构，尽管在计算上得到了优化，但是由于忽略了
12、过程单元之间很多的相互作用，并不能保证全局的最优性。2. 智能控制的基本概念从模型的角度来说，控制方法有三类模型基础:机理模型、辨识模型和知识模型。由于基于知识模型的智能控制方法在工业应用中展现出优越的控制性能，引起了控制理论界的广泛关注。智能控制方法能够模拟人类的思维方法，在无需获知控制对象内部机理以及外部扰动的前提下(无需建模)，它仍可以仅仅利用对象的输入输出特性(数据)的分析设计出切实可用的控制器，取得预期目的。当前，智能控制的领域主要包含自适应控制、粗糙控制、神经网络控制和专家控制等等。自适应控制：自适应控制是指这样一种控制方法，它能够修正系统自身的特性以适应对象和扰动的动态特性变化，
13、常用于变化较慢、控制精度要求不高的系统。与常规的控制方法不同，它所依据的关于模型和扰动的先验知识比较少，可以在系统运行的过程中，通过在线辩识，不断地提取模型的有关信息，从而使得模型更加准确。随着模型的不断完善，基于这种模型的控制作用也将更加满足实际需求。因此，可以说这样的控制系统具有一定的自适应能力。粗糙控制：粗糙控制通过“IfThen”的方式来表达控制规律，并采用粗糙推理机制提取控制规则。这样做的好处是在无需建立数学模型的前提下就可以充分反映操作人员的控制管理经验，鲁棒性较强，即使在时滞性大、非线性强的复杂系统中也能取得很好的控制效果。由于粗糙控制的知识学习过程主要依赖于专家知识，使得在理论
14、上对其各种控制性能进行研究分析存在着较大的困难。然而，这种控制方法与人们的思维表达方式类似，控制方法简单直观，容易实现，因而得到了广泛的应用。神经网络控制：神经网络控制是在神经网络理论与控制理论的融合过程中而产生的，它集成了数学、生物学、人工智能、计算机科学和自动控制等多个学科的理论方法和研究成果，为解决复杂的非线性、不确定系统的控制问题提够了新的解决思维。神经网络是一个非线性的动力学系统，其特点和优势在于信息的分布式存储和并行协同处理。尽管单独一个神经元结构十分简单，功能非常单一，但是由数量众多的神经元所构成的网络系统却能够实现意想不到的功能。这种控制系统最吸引人的地方是在于控制器具有学习功
15、能，从而可以对不明确的对象进行学习式控制。专家控制：专家控制系统是一个模拟人类智能的计算机程序系统，其核心部分是专家知识库，存储着大量的代表某个领域专家水平的控制策略。它能够根据内部知识库提供的知识和经验，结合人工智能技术和计算机技术进行推理和判断，进而模拟人类专家的决策过程，以解决那些需要某一领域的专家才能处理的复杂问题。专业控制系统应用上的难点在于专家知识的归纳和总结，特别对于一些复杂的工业过程来说，专家知识库的建立并不容易。下面着重介绍一下粗糙控制的有关情况。粗糙集理论 (Rough Set Theory，简称RST)可以仅仅依靠所需处理的数据集合进行信息的处理和学习，而不需要任何其它先
16、验知识，是一种新颖的处理不确定性和模糊性知识的工具。随着该理论在模式识别、人工智能、决策分析、知识发现和机器学习等领域的成功应用，引起了工程界和理论界的广泛重视。简单地说，粗糙集理论的主要优点如下：(l)粗糙集理论无须其他任何的先验知识，仅根据数据本身就能够提取信息。(2)粗糙集理论以“lfThen”的形式来表达知识和决策规则，非常便于人们理解和使用。(3)粗糙集理论能处理和表达不完备信息，并能从经验数据中挖掘潜在的知识和规则。粗糙控制是指基于粗糙集理论解决控制问题的方法和技术总和。从控制角度来说，粗糙控制是一种利用数据来获取控制策略的“从范例中学习”方法，属于智能控制的范畴。同时，粗糙控制又
17、是一种基于规则的控制方法，它能从己经观测到的典型数据中学习和提炼规则，并以决策表的方式表达决策规则以进行相应的控制步骤，其控制原理简单直观，容易实现。具有规则形式精简，客观性强，易于理解和实用等特点。由于粗糙控制是通过决策规则的形式来表达的，所以又被称为“基于决策逻辑的控制”。粗糙控制的流程大致如下图所示：图2 粗糙控制流程图粗糙集理论不仅为数据挖掘和知识发现提供了新的解决思维，也为人工智能、自动控制等多学科的融合提供了新的发展契机。由于粗糙集方法可以自动提炼控制规则，能够完全依赖数据形成控制算法，因而它在基于知识和规则的智能控制中具有广阔的发展潜力。二、 多时标分散预测控制算法预测控制(MP
18、C)作为处理复杂过程问题最有效的控制技术之一，在工业现场中得到了广泛的应用。然而，预测控制在线求解的计算规模与控制时域和预测时域的长度以及输入变量的维数有关，当控制时域和预测时域较长或问题规模很大时，如果采用集中式控制方法，其在线求解的计算量往往很大，这就限制了预测控制只能应用于规模较小的慢采样过程。对于实际系统中大量的规模庞大、动态特性快慢相差悬殊的复杂大系统，以系统的全部信息构成控制律的集中控制方式，特别是对于实时性要求高、地域分布广大的动态大系统有时是难以实现的。此时，采用分布式或者分散控制策略是非常有效的或必须的。这里介绍的多时标分散预测控制算法，就是可以针对每个子系统的快慢特点采取相
19、应的控制策略实现局部控制目标，又通过引入分散控制的概念，把一个动态大规模问题分解成一系列小规模耦合的动态子问题，利用通信和协调实现对整个系统的满意控制。1. 预测控制算法的一般描述预测控制是以计算机为实现手段的，因此其算法一般采取采样算法而不是连续控制算法。在预测控制的过程中，控制变量u(k)是在每个相同间隔的离散时刻k=0，1，2，进行决策的。在每个决策时刻k，控制器在模型预测的基础上求解一个未来有限时域内过程对象的动态参数优化问题(DP)以给出相应的控制行为。通过时间的离散化，MPC可以将一个动态控制问题转化为一系列时域滚动向前的静态优化问题，在每个时刻，计算当前时刻的优化命题并预测未来的
20、控制行为。MPC算法滚动优化的原理可如下图所示：图3 MPC算法滚动优化原理图2. Nash最优概念在分散控制中，各个局部控制器在整个系统中的地位都是相同的，没有一个控制器可以对整个大系统进行控制。所有的局部控制器只能检测到局部的信息，并据此对各自的子系统做出相应的控制行为。由于每个子系统都是相对独立的，它们都有各自想要达到的不同目标，通过执行相对自身的最优策略，每个子系统实现了最好的可能收益，但是由于目标的不一致性和难以协调，往往导致目标之间的冲突。假定第i个控制器的目标可记作为：纳什最优解反映了所有分散控制器通过竞争达到的平衡，此时，如果任何其他的子系统保持原来的策略不变，没有一个子系统可
21、以通过改变自己的策略提高自身的局部目标，进一步改变u，只会使人变坏，从而实现了在当前条件下的最优局部目标。因此，Nash最优解是一个重要的平衡点，它将所有的子系统“锁定”在一组控制策略上，没有任何一子系统有企图脱离Nash平衡的动机。Nash优化求解的过程就是各子控制器在优化自身的局部目标时，都需要假定获得其它子系统的Nash最优解的前提下，然后才能得出自身的Nash最优解。这种互为前提的优化过程在实践中是难以实现的。但是由于分散结构提供了网络通信环境，各子控制器可以进行信息的交互，从而为迭代求解提供了前提基础。在每一时刻，各子控制器通过通信网络获得其他子控制器预估最优解，并据此计算自身的Na
22、sh最优解，若新求解出来的最优解和上次计算的最优解之间的误差不能满足给定的精度要求，则继续进行迭代，并将更新后的预估最优解通过网络发送到其他子控制器，然后，各子控制器重复上述的迭代求解过程直至两次结果误差满足给定的迭代终止条件。如果算法是收敛的，此时，各子控制器将达到Nash平衡，没有任何一个子控制器企图改变自己的控制策略，各子控制器迭代优化得到的解都是Nash最优解。3. 多时标分散预测控制算法由于大规模系统的内部结构非常复杂，各个子系统的快慢特性可能迥然不同，应用同一的采样时间的劣势是双重的。如果按照慢系统的特性，采用大步长的时间间隔，尽管总体的计算量相对减少了，但是，由于完全忽略了快系统
23、的动态特性和灵敏性，难以快速及时地抑制干扰的影响;反之，如果按照快系统的特性，采用小步长的时间间隔，虽然照顾到了快系统的物理特性，但对慢系统来说，不但加大了不必要的计算频率，而且在很短的采样间隔内，计算量随着采样时间的减少(模型维数增大)而急剧增大，从而影响控制的实时性。因此，需要我们在计算效率和操作优化上作个权衡考虑以选择一个合适的采样时间来同时满足各个子系统的控制要求，然而，通常这并不容易实现。解决该问题的一个自然的想法是针对各个子系统不同的快慢特性而采用相应的采样时间，快系统采取小步长的时间间隔，慢系统采取大步长的时间间隔。但是，由于时标的不同，快系统会由于慢系统采用大的采样步长而在快慢
24、时标不重合的时刻点丢失慢系统的实际状态信息，因此，必须适当的预测措施加以弥补。在模型预测中，假定在某个时刻施加一个u(k)的控制作用之后，控制量不再发生变化，则未来P个时刻的模型输出预测值是过去所有时刻的控制作用累积的结果。从这个原理出发，可以将慢系统的大步长分割成一系列与快系统步长同长度的时间段(虚拟时标)。多时标分散预测控制算法的步骤大致分为：步骤1：初始化：根据各子系统不同的快慢特性，分别采用相应的采样时间；并选取具有最小采样时间的快系统作为基准时刻。步骤2：通信和多时标预估步骤3：关联作用域形成步骤4：优化步骤5：迭代，执行，滚动上述多时标分散预测控制算法符合多目标纳什优化思想，最终解
25、为纳什最优解。在k时刻，每个进行决策行为的控制器通过通信或多时标预估得到了所有其它相关联的控制器的最优解，并在此基础上求解自身的纳什最优解;并将新求出的最优解和上次的结果相比较，直至两次迭代结果的误差均满足给定的精度，则说明整个系统达到了纳什平衡。此时没有一个控制器有进一步改变自身控制决策的动机，任何单独改变自身控制决策的行为只能使局部和整体的性能指标变得更坏。在k时刻，并不是每个控制器都进行优化求解的计算。当且仅当该时刻是各自的采样决策时刻，控制器i才自发地进行计算相应的控制作用，而在其它时刻只进行多时标信息预报的功能。如果快慢系统的时标相差比较大，即可以有效地利用计算资源又充分地照顾到快系
26、统抗干扰的要求。另外，每个控制器只需和关联较强的子系统进行信息交互，如果系统是松散耦合的，就可以大大减少整个系统的通信量。这种多时标分散预测控制算法可以有效地应用于复杂大规模系统的控制，被分解出来的子系统可以根据自身系统的快慢特性，独立地采取相应的控制周期和策略，具有较好的控制性能。通过实例仿真验证了该算法的有效性。三、 先进控制策略综述先进控制是对那些不同于常规单回路PID控制，并具有比常规PID控制有更好的控制效果的控制策略的统称，而非指某种计算机控制算法。这些控制策略的先进性在于它们目前在工业生产过程中很少使用。由于先进控制的内涵丰富，同时带有较强的时代特征，因此至今对先进控制还没有严格
27、的统一的定义。尽管如此，先进控制的任务确实明确的，即用来处理那些采用常规手段控制效果不好，甚至无法控制的复杂工业过程控制的问题。随着计算机控制技术的发展及应用，经过近二十年的发展，国外绝大多数的工业过程企业已经普遍采用DCS，并部分实现了装置的先进控制和全厂集中控制与管理，配有应用软件，取得实效。无论是国内还是国外，常规控制仍然占有主导地位，由于各方面的原因先进控制与优化还没有得到广泛应用。大多数情况下，PID控制算法足以维护一般工业过程的平稳操作与运行，而且这类算法简单并且历史悠久，工业界比较容易接受。然而单回路PID控制并不能适用于所有的过程和不同的工业控制要求。先进控制不同于常规单回路控
28、制，并具有比常规PID控制更好的控制效果。先进控制策略的先进性在于其中很多技术处在既研究也应用的探索阶段，并且在工业过程中应用比例还不高。尽管如此，先进控制的任务却是明确的，即用来处理那些采用常规控制效果不好，甚至无法控制的复杂工业过程控制的问题。对于在近代工业过程控制上面临的问题，美国著名过程控制学者Thomas.f.Edgar概括为以下几方面:1、 时滞环节;2、非线性;3、非最小相位;4、外部扰动;5、不可测变量;6、时变参数;7、内部噪声;8、多变量祸合。可见，充分考虑过程对象的非线性，时滞环节、非最小相位以及过程的不确定因数对控制系统的影响，克服时滞对控制系统带来的负面作用，是改善工
29、业过程控制质量的关键性问题;这些问题的改进对控制理论、控制方法和控制手段上都提出更高的要求。对于这些问题的研究采用内模控制方法具有重要的理论与实际意义。1 先进控制技术在过程控制领域中，PID算法因其简单实用，鲁棒性强而得到了广泛应用，但对于非常复杂的生产过程，因其本身的非线性、耦合和时滞以及其它干扰的影响，使得PID算法已不能保证较好的控制性能。在这种生产实际的要求下，特别是现代控制理论的日臻成熟和计算机技术的飞速发展，形成了把生产工艺、计算机、仪表以及过程控制理论有机结合在一起的新型的先进控制方法，这些方法包括:自适应控制、预测控制、鲁棒控制、解藕控制、神经网络控制等。其中多变量预测控制(
30、MPC)以其良好的控制性能，较好的鲁棒性，较强的克服纯滞后影响能力，在生产过程中取得了成功的应用。随着MPC技术在实践中的应用与发展，涌现了各种具有MPC思想的先进控制技术，如:模型算法控制(MAC)，动态矩阵控制 (DMC)及广义预测控制 (GPC)，并且推出了一批商品化的软件产品，例如：DMC、SIMC、RMPCT等。实践证明，这类算法不仅能使生产过程安全可靠的运行，而且能使装置处于最佳运行工况，从而获得显著的经济效益。内模控制（IMC）是Garcia .C.E和Morari M. 受模型算法控制和动态矩阵控制的启发于1982年提出的，由于其设计原理简单，参数整定直观明了，鲁棒性较强，控制
31、性能良好，对纯滞后有补偿作用，所以一直为工程控制界所重视。近年来，内模控制已经被推广到多变量系统和非线性系统。基于内模控制的PID控制器 (IMC-PID)不但保持了传统PID控制的特点，还具有内模控制的所有优点，而且它的PID形式易于为广大工程技术人员接受和理解，并易于采用现代控制硬件 (DCS)来实现和现有控制系统的改造。2. 内模控制技术（IMC）内模控制理论，就是在控制系统中引入了内部模型，使系统的反馈量由常见的输出全反馈变为扰动估计量的反馈，而且控制器的设计也变得容易。当存在建模误差或干扰时，滤波器发挥作用，抑制干扰或模型失配而引起的实际输出与模型输出之差。这样，系统的设定值响应和干
32、扰响应被分离开来，使系统既有较好的设定值响应性能，又有较好的抗干扰性能和鲁棒性能。近年来，在许多研究者的努力下，IMC已被推广应用于多变量系统和非线性系统，使IMC理论得到进一步发展。IMC结构的最大优点是把伺服问题与鲁棒及抗干扰性问题分开处理、使分析、设计和调整都大为简化，同时又能像Smith预估器那样适用于大时滞系统，因此自其诞生以来就表现出了强大的生命力和应用潜力。在现实中，PID控制存在的主要问题有：一是控制器适应系统不确定性的能力不够强，难以适应较大范围的不确定性；二是在不确定性范围内，系统性能没有得到综合考虑，一致性差。而IMC只需调整一个滤波器参数，就可影响系统的动态指标并得到所
33、需的系统鲁棒性。从而使滤波器参数与系统控制质量之间建立起简捷的对应关系。这不仅有利于获得所需的系统鲁棒性，又能便于操作，大大减少了参数整定的时间和次数。采用自适应控制方法有助于解决常规的PID调节器不具有的使系统目标值跟踪特性和干扰抑制特性同时达到最佳的能力。但它主要依赖被控对象参数的辨识，控制算法比较复杂，计算量大、实时性差。最优控制的优点是可使选定的能反映控制指标的目标函数达到最小，但其缺点是需要完全掌握系统的各项参数，而且控制的鲁棒性不强。而IMC的出现，既克服了两者的缺点，又能兼顾系统的稳定性与鲁棒性，便于工程的实施。四、 总结随着工业过程规模的日益庞大，复杂程度的不断增加，对整个系统
34、进行控制的难度也在不断加大，因此，无论是工业过程的控制领域还是先进控制领域，都存在着相当广泛的研究和应用空间。本文针对工业过程中的控制策略进行了相应的介绍和研究，所做的工作大致有：(1) 针对复杂工业过程中的控制技术，就分散控制和智能控制进行了阐述。其中，在介绍分散控制技术时，选择应用最为广泛的预测控制技术进行介绍，就其原理和基本概念，及在实际应用中的流程进行了分别的说明，就其可能遇到的问题和不足进行了简单的预测介绍；在介绍智能控制技术时，选择粗糙控制技术作为代表，就粗糙集理论和粗糙控制技术进行了阐述，并对相应的其他智能控制技术进行了扼要的介绍。(2) 针对复杂大系统内部快慢特性不统一的特点，
35、提出了多时标分散预测控制算法，并给出了Nash最优解的概念和具体的求法。在介绍时，选择从理论层面而不是具体的实例出发进行，主要是考虑实例的建模和计算相当复杂。(3) 就先进控制策略进行了扼要的综述。分别介绍了几种目前研究较多，较为先进的控制策略。首先就目前存在的一些先进控制技术进行介绍，接着就内模控制技术（IMC）进行了着重的说明，这是一种应用相当广泛并有这巨大前景的技术，相信会在今后的一定时期内占据工业控制领域。五、 参考文献1 谢克明，侯宏仑 复杂系统的智能控制算法.太原理工大学学报 1998，29，(6)，568。2 钱积新，赵均，徐祖华 预测控制.北京:化学工业出版社，2007。3 马志锋，刑汉承，郑晓妹 粗糙控制中的规则获取策略研究.工业仪表及自动化装置2000，6，58-61。4 王树青.先进控制技术及应用 D.2001，11-14- 11 -