定量给料机控制系统控制过程的浅析

　　据悉，振动式定量给料机的系统控制过程有以下的特点∶

　　（1）控制物料的被控流向是为不可逆的。给料的过程之中放下来的物料不能收回，所以输出结果不能经过调量及时加以调节。

　　（2）被控过程具有时变、随机性，是工业过程中典型的滞后过程，较难建立准确的给料过程数学模型，只能通过参考模型进行靠近。

　　因此，定量输送给料机采用了预测控制算法对控制电压值进行预测学习控制。预测控制是一基于模型、滚动优化并且结合了反馈校正的新式计算机优化控制的算法。它对于模型失配、非较小相位系统、不明确干扰的影响有着较强的鲁棒性，适合于控制不易于建立准确数学模型并且较为复杂的工业生产过程。动态矩阵的控制算法（DMC）是一种应用较为广泛的预测控制算法，它采用系统阶跃响应序列作为对象模型，建模方便，算法有着较好的鲁棒性。DMC算法包括3个部分∶预测模型、滚动优化、反馈校正。

　　预测模型∶测试被控对象阶跃响应，得到采样数据 a;（i=1，2，…，N），构成DMC算法中的预测模型参数。利用对象单位阶跃响应模型与给定的输入控制增量，可预测系统未来输出值。

　　滚动优化∶定量给料机通过越为优化准则确定从某时刻起M个采样周期的控制增量，以使系统在未来P个时刻的输出值尽可能接近期望值。理论上可以每隔M个采样周期重新计算1次，然后将M个控制量在k时刻以后的M个采样周期分别作用于系统。但在此期间内，模型误差与随机扰动等会使得系统输出远离期望值。为了克服这一缺点，简单的方法是只取优解中的即时控制增量△u（k）构成实际控制量u（k）=u（k一1）十△u（k）作用于系统。到下一时刻，它又提出类似的优化问题求出△u（k＋1）。这就是所谓的"滚动优化"的策略。

　　总之，整个定量机动态矩阵的控制算法是由预测、控制、校正3部分组成的。动态矩阵控制算法是一种增量算法。不管模型是否有误差，它总能将系统输出调节到期望值而不产生静差。对作用在对象输出端的阶跃形式的扰动，该算法也总能使系统输出恢复到原来的设定状态。

　　本定量给料机系统中，经反复验证修改，取采样周期 T=1s，阶跃响应模型时域长度N=20，预测时域长度P=8，控制时域长度M=3,误差加权矩阵为单位矩阵，调整控制加权矩阵系数。