肖永丽，李国勇

(太原理工大学信息工程学院，山西太原 030024)



模糊预测控制及在pH控制过程中的应用

肖永丽，李国勇

(太原理工大学信息工程学院，山西太原 030024)

pH控制过程具有较强的非线性和滞后性，是过程控制中具有挑战性的难题。文中利用过程的Hammerstein模型描述，提出了一种基于模糊控制的两步法广义预测控制方法(F-TSGPC)。将T-S模糊模型逼近Hammerstein模型的非线性环节，根据广义预测控制求解的中间变量与预测误差设计相应的模糊规则，由T-S模糊模型逆映射出控制量，避免了求解非线性方程，在一定程度上抑制了系统的滞后。文中也对实际控制中存在的输入约束给出了一种新的处理方法。仿真结果表明，F-TSGPC能有效的对pH值进行控制，具有良好的跟踪性及抗干扰性。

Hammerstein模型；两步法广义预测控制；T-S模糊模型；输入约束；pH控制过程

0 引言

pH控制过程是一个强非线性过程，且存在严重的滞后，特别是当接近中和时的高度敏感性，因此，这一挑战性的难题在控制领域得到了广泛关注。近年来，将预测控制算法用于pH控制过程中已有较多的研究，文献[1-3]分别将RBF神经网络，遗传算法和粒子群优化算法与预测控制相结合，实现对pH值的非线性预测控制。针对pH控制过程的Hammerstein模型描述，文献[4]通过非线性补偿实现模型预测控制算法，但不可避免的需要求解非线性方程。

模糊控制由于不需要建立精确的数学模型，且模糊规则容易获取，是处理非线性的有利工具。在文献[5]中，用模糊控制代替解非线性方程实现两步法预测控制(TSGPC)，由中间变量得到控制量，但若外界扰动、模型失配等不确定因素的影响使预测控制求解的中间变量偏离实际值，则会直接影响到系统的控制精度。……