王素珍,辛 诚,孙国法
(青岛理工大学信息与控制工程学院,山东青岛 266520)
连续搅拌反应釜(continuous stirred tank reactor,CSTR)广泛应用于化工领域,其性能直接影响化学反应的最终结果和过程的安全性.连续搅拌釜式反应器是一个非常复杂的被控对象,在实际过程中,由于受到外部和内部因素的影响,如反应物浓度变化,副反应,温度和汽液相位不均等,使得CSTR数学模型具有强非线性、未知性和时变性等特点.模型中诸多的不确定性和非线性因素增大了为CSTR系统设计控制器的难度.针对以上特点,部分学者采用反步法[1–6]为CSTR设计控制器取得了不错的控制效果,文献[1–4]提出将反步法与神经网络相结合的非线性自适应控制器.其中文献[2]提出一种基于极限学习机的自适应神经控制方法,利用极限学习机网络对系统中未知非线性函数在线逼近.文献[5]基于滑模控制理论为CSTR系统设计了增广反步法控制律,利用高增益切换项来增加控制器的鲁棒性.文献[6]提出了动态自适应反步法结合积分滑模的控制方法,在一定程度上改善了滑模抖振问题,提高了系统鲁棒性.以上文献提出的反步法多数采用神经网络拟合CSTR的数学模型中的未知非线性函数,导致参数过多,增加了系统的复杂性和计算成本,且降低了系统的抗扰性能.此外,反步法需要对虚拟控制信号重复求导,因此会产生复杂性爆炸问题.
自抗扰控制(active disturbance rejection control,ADRC)[7–11]在非线性系统控制问题中有不错的表现,有学者将其应……