smith控制演算法

⑴ 如果smith補償器採用了不準確的過程數學模型將會對系統產生什麼影響

補償櫃主要是用來降低無用功的，就是提高負載的功率因素，如果負載都是阻性的，就沒必要補償，如果負載包含大功率的感性或者容性負載，如果沒有補償器就會浪費很多電在無功上，電力局對大用戶的功率因素有要求，不能太低，低了要罰款，高了有獎勵，所以越高越好。

提出了一種改進型Smith預估補償控制新方法。在被控對象的輸入端施加一階躍輸入信號，根據其階躍響應估計出被控對象的數學模型，再根據此估計模型在線地修正Smith預估補償器，從而克服了傳統的Smith預估補償控制方法因模型誤差而使控製品質變壞的缺點。

(1)smith控制演算法擴展閱讀：

史密斯預估控制，或稱史密斯預測補償控制，是一種純滯後補償控制手段。

經過史密斯預估器的補償，純滯後環節被轉移到了閉環控制迴路之外，因而不會對系統產生不利影響。由拉氏變換的位移定理可知，純滯後特性只是將原輸出信號推移了時間，不會改變輸出信號的波形和性能表現。

在工業過程中，被控對象或多或少存在一定的純滯後特性，純滯後特性往往使系統穩定性降低，動態性能變壞，可能引起超調和振盪；史密斯預估器的引入很好的補償了大遲延對象的純滯後特性，提高了系統的穩定性和動態性能。對於以穩定性為首要要求、快速性為次要要求的系統，史密斯預估器十分有效。

⑵ smith waterman演算法中的動態規劃中怎麼將所有的路徑顯示出來

function fib(n)
var previousFib := 0, currentFib := 1
if n = 0
return 0
else if n = 1
return 1
repeat n-1 times
var newFib := previousFib + currentFib
previousFib := currentFib
currentFib := newFib
return currentFib
在這兩個例子，我們都只計算fib(2)一次，然後用它來計算fib(3)和fib(4)，而不是每次都重新計算。

2. 一種平衡的0-1矩陣
考慮n*n矩陣的賦值問題：只能賦0和1，n為偶數，使每一行和列均含n/2個0及n/2個1。例如，當n=4時，兩種可能的方案是：
+ - - - - + + - - - - +
| 0 1 0 1 | | 0 0 1 1 |
| 1 0 1 0 | | 0 0 1 1 |
| 0 1 0 1 | | 1 1 0 0 |
| 1 0 1 0 | | 1 1 0 0 |
+ - - - - + + - - - - +
問：對於給定n，共有多少種不同的賦值方案。
至少有三種可能的演算法來解決這一問題：窮舉法（brute force）、回溯法（backtracking）及動態規劃（dynamic programming）。窮舉法列舉所有賦值方案，並逐一找出滿足平衡條件的方案。由於共有C(n, n/2)^n種方案（在一行中，含n/2個0及n/2個1的組合數為C(n,n/2)，相當於從n個位置中選取n/2個位置置0，剩下的自然是1），當n=6時，窮舉法就已經幾乎不可行了。回溯法先將矩陣中部分元素置為0或1，然後檢查每一行和列中未被賦值的元素並賦值，使其滿足每一行和列中0和1的數量均為n/2。回溯法比窮舉法更加巧妙一些，但仍需遍歷所有解才能確定解的數目，可以看到，當n=8時，該題解的數目已經高達116963796250。動態規劃則無需遍歷所有解便可確定解的數目（意思是劃分子問題後，可有效避免若乾子問題的重復計算）。
通過動態規劃求解該問題出乎意料的簡單。考慮每一行恰含n/2個0和n/2個1的k*n(1<=k<=n)的子矩陣，函數f根據每一行的可能的賦值映射為一個向量，每個向量由n個整數對構成。向量每一列對應的一個整數對中的兩個整數分別表示該列上該行以下已經放置的0和1的數量。該問題即轉化為尋找f((n/2,n/2),(n/2,n/2),...,(n/2,n/2))（具有n個參數或者說是一個含n個元素的向量）的值。其子問題的構造過程如下：
1) 最上面一行（第k行）具有C(n, n/2)種賦值；
2) 根據最上面一行中每一列的賦值情況（為0或1），將其對應整數對中相應的元素值減1；
3) 如果任一整數對中的任一元素為負，則該賦值非法，不能成為正確解；
4) 否則，完成對k*n的子矩陣中最上面一行的賦值，取k=k-1，計算剩餘的(k-1)*n的子矩陣的賦值；
5) 基本情況是一個1*n的細小的子問題，此時，該子問題的解的數量為0或1，取決於其向量是否是n/2個(0, 1)和n/2個(1, 0)的排列。
例如，在上面給出的兩種方案中，向量序列為：
((2, 2) (2, 2) (2, 2) (2, 2)) ((2, 2) (2, 2) (2, 2) (2, 2)) k = 4
0 1 0 1 0 0 1 1
((1, 2) (2, 1) (1, 2) (2, 1)) ((1, 2) (1, 2) (2, 1) (2, 1)) k = 3
1 0 1 0 0 0 1 1
((1, 1) (1, 1) (1, 1) (1, 1)) ((0, 2) (0, 2) (2, 0) (2, 0)) k = 2
0 1 0 1 1 1 0 0
((0, 1) (1, 0) (0, 1) (1, 0)) ((0, 1) (0, 1) (1, 0) (1, 0)) k = 1
1 0 1 0 1 1 0 0
((0, 0) (0, 0) (0, 0) (0, 0)) ((0, 0) (0, 0), (0, 0) (0, 0))
動態規劃在此的意義在於避免了相同f的重復計算，更進一步的，上面著色的兩個f，雖然對應向量不同，但f的值是相同的，想想為什麼吧:D。
該問題解的數量（序列a058527在OEIS）是1, 2, 90, 297200, 116963796250, 6736218287430460752, ...
下面的外部鏈接中包含回溯法的Perl源代碼實現，以及動態規劃法的MAPLE和C語言的實現。

3. 棋盤
考慮n*n的棋盤及成本函數C(i,j)，該函數返回方格(i,j)相關的成本。以5*5的棋盤為例：
5 | 6 7 4 7 8
4 | 7 6 1 1 4
3 | 3 5 7 8 2
2 | 2 6 7 0 2
1 | 7 3 5 6 1
- + - - - - -
| 1 2 3 4 5
可以看到：C(1,3)=5
從棋盤的任一方格的第一階（即行）開始，尋找到達最後一階的最短路徑（使所有經過的方格的成本之和最小），假定只允許向左對角、右對角或垂直移動一格。
5 |
4 |
3 |
2 | x x x
1 | o
- + - - - - -
| 1 2 3 4 5
該問題展示了最優子結構。即整個問題的全局解依賴於子問題的解。定義函數q(i,j)，令：q(i,j)表示到達方格(i,j)的最低成本。
如果我們可以求出第n階所有方格的q(i,j)值，取其最小值並逆向該路徑即可得到最短路徑。
記q(i,j)為方格(i,j)至其下三個方格（(i-1,j-1)、(i-1,j)、(i-1,j+1)）最低成本與c(i,j)之和，例如：
5 |
4 | A
3 | B C D
2 |
1 |
- + - - - - -
| 1 2 3 4 5
q(A) = min(q(B),q(C),q(D)) + c(A)
定義q(i,j)的一般形式：
|- inf. j<1 or j>n
q(i,j) = -+- c(i,j) i=1
|- min(q(i-1,j-1),q(i-1,j),q(i-1,j+1))+c(i,j) otherwise.
方程的第一行是為了保證遞歸可以退出（處理邊界時只需調用一次遞歸函數）。第二行是第一階的取值，作為計算的起點。第三行的遞歸是演算法的重要組成部分，與例子A、B、C、D類似。從該定義我們可以直接給出計算q(i,j)的簡單的遞歸代碼。在下面的偽代碼中，n表示棋盤的維數，C(i,j)是成本函數，min()返回一組數的最小值：
function minCost(i, j)
if j < 1 or j > n
return infinity
else if i = 1
return c(i,j)
else
return min(minCost(i-1,j-1),minCost(i-1,j),minCost(i-1,j+1))+c(i,j)
需要指出的是，minCost只計算路徑成本，並不是最終的實際路徑，二者相去不遠。與Fibonacci數相似，由於花費大量時間重復計算相同的最短路徑，這一方式慢的恐怖。不過，如果採用自下而上法，使用二維數組q[i,j]代替函數minCost，將使計算過程快得多。我們為什麼要這樣做呢？選擇保存值顯然比使用函數重復計算相同路徑要簡單的多。
我們還需要知道實際路徑。路徑問題，我們可以通過另一個前任數組p[i,j]解決。這個數組用於描述路徑，代碼如下：
function computeShortestPathArrays()
for x from 1 to n
q[1, x] := c(1, x)
for y from 1 to n
q[y, 0] := infinity
q[y, n + 1] := infinity
for y from 2 to n
for x from 1 to n
m := min(q[y-1, x-1], q[y-1, x], q[y-1, x+1])
q[y, x] := m + c(y, x)
if m = q[y-1, x-1]
p[y, x] := -1
else if m = q[y-1, x]
p[y, x] := 0
else
p[y, x] := 1
剩下的求最小值和輸出就比較簡單了：
function computeShortestPath()
computeShortestPathArrays()
minIndex := 1
min := q[n, 1]
for i from 2 to n
if q[n, i] < min
minIndex := i
min := q[n, i]
printPath(n, minIndex)
function printPath(y, x)
print(x)
print("<-")
if y = 2
print(x + p[y, x])
else
printPath(y-1, x + p[y, x])

⑶ 設計史密斯預估器需要注意什麼問題

您好整合進程伴時滯是最經常遇到的行業，特別是在共同的水平和介面級系統。也有一些一階過程大時間常數通常視為集成系統[ 1 ] [ 2 ] 。這項研究整合進程具有時滯是全面的，許多控制演算法，提出現在。集成系統的小時滯常規PI控制器可以做更好的工作和大滯後系統的Smith預估器的最佳選擇，但根據負載擾動和模型的過程中總是不匹配的結果穩步錯誤導致這種控制器確實無用。為了消除穩態誤差多種改性史密斯預測器和控制器設計，定點跟蹤和干擾抑制分別為[ 3 ] [ 4 ] [ 5 ] 。隨著巨大的成功的模型預測控制，許多研究人員採用這一戰略，設計控制器的不確定集成系統[ 6 ] [ 7 ] [ 8 ] 。一種雙預測PI控制器的目的是在一個簡單的調整方式為這種類型的進程，並適用於溫度控制的生物發酵罐較好的業績[ 9 ] 。

⑷ DCS控制系統能應用先進控制演算法嗎

可以。
部分DCS系統會提供採用「先進控制演算法」（預測、模糊、神經網路）的功能塊。
有些是免費的，有些則需要根據現場的控制需求做定製開發。
可採用OPC介面，讀取DCS的實時和歷史數據，並據此做數學模型識別或給出控制信號

⑸ 汽車巡航控制系統的軟體設計採用什麼演算法

Smith補償與大林演算法的比較
摘要:研究了兩類用於時滯系統控制的方法,即包括自整定PID控制Smith預估控制和Dahlin演算法在內的經典控制方法和包括模糊控制,神經網路控制和模糊神經網路拉制在內的智能控制方法,經過比較後認為經典控制結構簡單,可靠性及實用性強,而智能控制則具有自適應性和堅固性好,抗干擾能力強的優勢,因而將這兩種控制方法結合起來是控制時滯系統有效實用的方法,具有很好的應用前景.
1引言
在工業生產過程中,具有時滯特性的控制對象是非常普遍的,例如造紙生產過程,精餾塔提餾級溫度控制過程,火箭發動機燃燒室中的燃燒過程等都是典型的時滯系統.為解決純滯後時間對系統控制性能帶來的不利影響,許多學者在理論和實氏
上做了大量的研究工作,提出了很多行之有效的方法.本文主要介紹其中兩類研究得比較多的控制方法,即最早在時滯系統控制中應用的幾種經典控制方法和近年來受到廣泛關注的智能控制方法.
2經典控制
所謂經典控制方法是指針對時滯系統控制問題提出並應用得最早的控制策略,主要包括自整定PID控制,Smith預估控制,大林演算法這幾種方法.這些方法雖然理論上比較簡單,但在實際應用中卻能收到很好的控制效果,因而在工業生產實踐中獲得了廣泛的應用.
2.1自整定PID控制
PID控制器由於具有演算法簡單,魯棒性好和可靠性高等特點,因而在實際控制系統設計中得到了廣泛的運用,據統計PID控制是在工業過程式控制制中應用最為廣泛的一種控制演算法.PID控制的難點在於如何對控制參數進行整定,以求得到最佳控制
效果.較早用來整定PID控制器參數的方法有:Ziegler-Nichols動態特性法,Cohen-Coon響應曲線法,基於積分平方准則ISE的整定法等.但是這些方法只能在對象模型精確己知的情況下,
Cui,Kunfln Zhang,Yifei實現PID參數的離線整定,當被控對象特性發生變化時,就必須重新對系統進行模型辨識.為了能在對象特性發生變化時,自動對控制器參數進行在線調整,以適應新的工況,PID參數的自整定技術就應運而生了.目前用於自整定的方法比較多,如繼電型自整定技術,基於過程特徵參數的自整定技術,基於給定相位裕度和幅值裕度的SPAM法自整定技術,基於遞推參數估計的自整定技術以及智能自整定技術等.總體來看這類自整定PID控制器對於(T為系統的慣性時間常數)的純滯後對象控制是有效的,但對於大純滯後對象,當時,按照上述方法整定的PID控制器則難以穩定.
2.2 Smith預估控制
Smith於1957年提出的預估控制演算法,通過引入一個與被控對象相並聯的純滯後環節,使補償後的被控對象的等效傳遞函數不包括純滯後項,這樣就可以用常規的控制方法(如PID或PI控制)對時滯系統進行控制.Smith預估控制方法雖然從理論
上解決了時滯系統的控制問題,但在實際應用中卻還存在很大缺陷.Palmor提出Smith預估器存在這樣兩點不足:1.它要求有一個精確的過程模型,當模型發生變化時,控制質量將顯著惡化;2.Smith預估器對實際對象的參數變化十分敏感,當參數變化較大時,閉環系統也會變得不穩定,甚至完全失效.Watanabe進一步指出Smith預估器的兩個主要缺陷:1.系統對擾動的響應很差;2.若控制對象中包含的極點時,即使控制器中含有積分器,系統對擾動的穩態誤差也不為零.另外Smith預估器還存在參數整定上的困難,這些缺陷嚴重製約了Smith預估器在實際系統中的應用.針對Smith預估器存在的不足,一些改進結構的Smith預估器就應運而生了.Hang C C等針對常規預估控制方案中要求受控對象的模型精確這一局限,在常規方案基礎上,外加調節器組成副迴路對系統進行動態修正,該方法的穩定性和
魯棒性比原來的Smith預估系統要好,它對對象的模型精度要求明顯地降低了.Watanabe提出的改進結構的Smith預估器採用了一個抑制擾動的動態補償器M(s),通過配置M(s)的極點,能夠獲得較滿意的擾動響應及對擾動穩態誤差為零.對於Smith預估器的參數整定問題,張衛東等人提出了一種解析設計方法,並證明該控制器可以通過常規的PID控制器來實現,從而能根據給定的性能要求(超調或調節時間)來設計控制器參數.
2.3大林演算法
大林演算法是由美國IBM公司的Dahlin於1968年針對工業過程式控制制中的純滯後特性而提出的一種控制演算法.該演算法的目標是設計一個合適的數字調節器D(z),使整個系統的閉環傳遞函數相當於一個帶有純滯後的一階慣性環節,而且要求閉環系統的純滯後時間等於被控對象的純滯後時間.大林演算法方法比較簡單,只要能設計出合適的且可以物理實現的數字調節器D(z),就能夠有效地克服純滯後的不利影響,因而在工業生產中得到了廣泛應用.但它的缺點是設計中存在振鈴現象,且與Smith演算法一樣,需要一個准確的過程數字模型,當模型誤差較大時,控制質量將大大惡化,甚至系統會變得不穩定.實際上已有文獻證明,只要在Smith預估器中按給定公式設計調節器D伺,則Smith預估器與Dahlin演算法是等價的,Dahlin演算法可以看作是Smith預估器的一種特殊情況.

⑹ 什麼事smith預估補償方法

一種簡單而有效的SMITH預估補償控制新方法
新聞出處：張彥軍 於飛 崔平遠 發布時間： 2007年06月07日

摘 要：提出了一種改進型Smith預估補償控制新方法。在被控對象的輸入端施加一階躍輸入信號，根據其階躍響應估計出被控對象的數學模型，再根據此估計模型在線地修正Smith預估補償器，從而克服了傳統的Smith預估補償控制方法因模型誤差而使控製品質變壞的缺點。
關鍵詞：Smith預估補償控制階躍響應數學模型�

0引言
Smith預估補償控制自發明以來，最初由於受硬體條件的限制，很少在實際中被應用，近幾年來，由於計算機技術的發展，Smith預估補償控制在實際中應用越來越多。但由於其控制演算法本身存在著控制效果緊緊依賴模型精度的缺點，而實際中由於各種原因往往很難獲得非常准確的數學模型，所以實際應用中其控制效果並非那麼理想。模型誤差，尤其是純滯後時間的誤差較大時有時會使控制系統不穩定〔1〕，因此近幾年來關於Smith預估補償控制改進型控制方案的研究很盛行。結合現在流行的模型預測控制的基本思想，在被控對象的輸入端加一階躍輸入信號，通過測量即可獲得被控對象的非參數模型即階躍響應曲線。再利用系統識別的方法即可獲得較准確的被控對象的參數模型。根據所獲得的被控對象的參數模型在線地修正Smith預估補償器中的模型參數，使得Smith預估補償器中的模型與實際被控對象的模型誤差最小或為零，這樣設計的改進型控制方案，無論從理論還是從實際來看，其控制效果都要優於傳統的Smith預估補償控制。�

1控制系統的構成
在傳統的Smith預估補償控制基礎上，增加模型預測結構，即可構成如圖1所示的新型控制系統。由於實際工業被控對象很多都可近似地用一階慣性加純滯後的特性來表示，因此在本文的控制方法中也採用一階慣性加純滯後的典型模型結構。�

2控制演算法
2.1Smith預估補償器設計
設被控對象的數學模型為：�

把有關算式代入(2)式，可得：�

經交叉相乘並進行反變換，可得：�

經交叉相乘並進行反變換，可得：�

式中Y(k)、Y′(k)分別為控制系統的輸出測量值和計算值。
控制器Gc應為常規PID離散控制演算法，此處不再贅述。�
2.2計算模型參數Kp、Tp、τ
根據預測控制的思想，在被控對象輸入端施加一階躍信號△U，在控制系統輸出端可獲得其階躍響應。其階躍響應如圖2所示。��

� 被控對象階躍響應采樣數據為y1,y2,y3,…,yN。對於漸近穩定的系統，其階躍響應在有限個采樣周期後將趨於穩態值，即yN≈y(∞)。則根據數個采樣周期後的穩態測量值yN，即可估算出被控對象的放大倍數Kp。�

當然，為獲得較准確的穩態值yN，在采樣周期選擇合適(采樣周期的選擇方法與其它計算機控制方法相同)的情況下，要將每次獲得的采樣值與前幾次采樣值進行比較，當變化不大時即認為穩態值。
在計算Tp、τ時應將響應曲線y(k)修改成下述標么的階躍響應曲線y*(t):�

為確定Tp、τ應選y*(t)的兩個坐標值，以便聯立方程。現選擇t1及t2且滿足t1＞t2＞τ，由此解得：�

3數字模擬
以某煉油廠加熱爐為被控對象，其數學模型為：�

用(17)式的模型，利用傳統的Smith預估補償控制方法和本文提出新型Smith預估補償控制方法分別進行數字模擬，獲得了兩種截然不同的控制效果。其控制系統輸出曲線分別如圖3、圖4所示。相對於傳統的Smith預估補償控制方法，新型Smith預估補償控制方法收斂快，跟蹤准確。但傳統的Smith預估補償控制方法，當純滯後誤差較大時，其輸出就變得不收斂。

4結束語
本文借鑒預測控制的思想，對傳統的Smith預估補償控制方法進行了改進，較好地解決了傳統Smith預估補償控制方法所存在的模型誤差控制效果變壞的缺點，控制效果優於傳統的Smith預估補償控制方法，具有一定的使用價值。�

參考文獻

1A M D Paor,M O Malley.Controllers of Ziegler-Nichols type for unstable process with time delay〔J〕.Int J Control,1989,49(4):1273～1284
2K K Tan,Q G Wang,T H Lee et al.New approach the analysis and design of Smith-predictor controller〔J〕.AICHE J,1996,42(6):1793～1797
3張國范.朱曉萍，包新華.一種分析和設計Smith預估器的新方法及其應用〔J〕.控制與決策，2001，16(3)：341～343
4王驥程，祝和雲.化工過程式控制制工程〔M〕.北京：化學工業出版社，1996

⑺ 基於PLC的PID溫度SMITH補償控制

基於PLC的PID溫度SMITH補償控制框架可以擬一下，不難。

⑻ 急！！！ 誰能告訴我下Smith補償到底是什麼意思什麼原理最好是簡短的總結一下他的作用～謝啦謝啦

先來講講Smith補償的原理：

Smith 補償主要是用來解決實際控制中大延時環節的。在控制系統中，最致命的不是噪音，不是非線性，不是耦合，而是延時。因此Smith補償主要是減小系統延時帶來的影響。

(請盡力去理解下面的原理，我不會給你推倒太多的公式，我要講述的是一種概念上的理解)

（只有50分寫了這么多字。。眼淚）