1.2 研究现状
1.3 研究内容
本毕业设计拟将采用的方法是基于代数估计法的无模型控制。代数估计法如前所述是由ALIEN团队研究并创立发展来的。ALIEN团队从代数理论角度重新定义了系统的可辨识性、可观性、可控性等判定条件及标准。我们拟先研究通过代数估计法实现连续时间线性系统模型未知部分F的在线辨识，接着为系统选择合适的控制率以达到预期的控制效果。
本文章节安排如下：
    第一章引言，主要介绍课题的研究背景、研究现状、研究内容及意义。
    第二章系统未建模部分的估计，主要介绍了代数估计法和调制函数法两种分析方法。其中对于代数估计法针对F为定常和F为多项式两种情况进行了讨论。然后针对两种方法均实现了相应的matlab/similink仿真，验证这两种方法的准确性和可行性。
第三章研究无模型控制，本课题中使用的是代数方法。介绍智能控制器，通过相应的similink仿真来验证控制器设计方法的有效性。
第四章是小结与展望，说明该控制方法的重要性，对毕业设计论文作一个总结以及在应用方面作某些延伸。
无模型控制对我们来说已然不是一个新概念了，它已经被一些科研工作者所运用，在很多相应的文献当中都有记载。其中相应的设定也是相当不一样的。借助源于神经网络，模糊系统和软计算等等技术，它们的范围从传统比例积分微分控制到鲁棒和适应性控制。无模型控制方法的提出，在理论上和实际应用中，都有着重大的意义。其中，在理论方面的意义在于，一是打破线性的框架，冲破PID 半个世纪以来的统治地位；二是避免在运用现代控制方法设计控制律时，对模型的过分依赖。而在实践方面的意义在于对工业过程控制中的那些难控环节，可以实现稳定闭环控制。从上世纪90 年代开始，科学家们在上述两个方面都进行了大量的探索，并收获了令人满意的成果。十余年的研究过程中所发表的成果，应该说是“应用上”比“理论上”更丰富。无模型控制方法，现已应用到石油、开采、化工、炼油、轻工、电力等行业，其广泛的适用性已被大量的实践所证明[24]。
2  系统未建模部分的估计
关于上一章的内容，我们概括性的介绍了无模型控制的研究内容，研究现状以及研究意义，对这一研究课题的大背景进行了梳理。在本章中我们主要需要研究的是系统未建模部分的估计，这一环节是接下来研究控制方法的基础，可为下一章节的展开提供理论铺垫。
就目前文献中已有无模型控制算法来看，最为主要且典型的算法如下所述：
运用PID控制的无模型控制方法。与这方面有关的内容在文献中已经有大量记载,在生产生活中的各个领域，运用非常广泛。有调查显示,PID控制在工业控制过程当中的使用程度超过百分之九十五[13] , 就概念来说，这种方法是一种较为典型的无模型控制方法。但是实践证明该方法存在一定的缺陷,对于具有周期性扰动和强时变性、非线性，该方法在处理控制问题时的效果并不尽如人意，对系统的适应性不能得到体现。针对控这一问题进行研究,韩京清教授在1994年提出了一个概念，即非线性PID,该概念的提出具有重大的意义，通过深化研究，取得了不少成果,比如扩展状态观测器、跟踪微分器等等[14-17],进一步深化和完善了PID控制技术，在工业过程控制中得到了广泛的应用，优点显著。
1984年，科学家提出了关于无模型控制的学习控制理论[18]，它包括重复控制和迭代学习控制,研究至今，这种理论方法已得到了普遍的运用，发展成为一项成功的理论方法[19~21]。设计迭代学习控制，并不需要知道系统模型，但当我们分析系统的收敛性，以及选取控制器的增益时，有一项数据是必不可少的，即受控系统输出关于控制变量偏导数的上界和下界，并且系统还需满足两个条件，即lipschitz条件和系统可重复性条件,通过理论证明和实际应用，我们可以发现与传统PID控制相比较，迭代学习控制能更好地处理涉及到时变性和强非线性的问题,对于周期性扰动的系统，也表现出了它特有的优势。自从1981年Inoue等科学家[21]提出重复控制以来，它已经引起了越来越多的重视，在学术界颇受关注，在实践中，同样也有广泛的应用[22 23]。迭代学习控制与重复控制都能够有效地处理周期性系统的控制问题，从本质上来说，它们并没有明显的区别。 Matlab基于代数方法的无模型控制研究(2):http://www.youerw.com/zidonghua/lunwen_23836.html