專利名稱：工業(yè)過程的無模型自適應(yīng)控制的制作方法
發(fā)明所屬領(lǐng)域本發(fā)明與工業(yè)過程控制有關(guān)，尤其涉及工業(yè)過程中經(jīng)過改進(jìn)的無模型自適應(yīng)控制方法和設(shè)備，它們采用了增強(qiáng)的無模型自適應(yīng)控制機(jī)理、算法和能補(bǔ)償擾動(dòng)的前饋補(bǔ)償。
6．現(xiàn)有抗滯后MFA控制器的預(yù)估時(shí)間常數(shù)與采樣間隔有關(guān)。而該參數(shù)若能與過程的時(shí)間常數(shù)協(xié)調(diào)則更好。
圖2為本發(fā)明的單變量無模型自適應(yīng)控制器的結(jié)構(gòu)框圖。
圖3為本發(fā)明的多變量無模型自適應(yīng)控制系統(tǒng)框圖。
圖4為本發(fā)明的2×2多變量無模型自適應(yīng)控制系統(tǒng)框圖。
圖5為本發(fā)明的3×3多變量無模型自適應(yīng)控制系統(tǒng)信號(hào)流圖。
圖6為本發(fā)明的2×2預(yù)測(cè)多變量無模型自適應(yīng)控制系統(tǒng)框圖。
圖7為本發(fā)明的3×3預(yù)測(cè)多變量無模型自適應(yīng)控制系統(tǒng)信號(hào)流圖。
圖8為本發(fā)明的SISO抗滯后無模型自適應(yīng)控制系統(tǒng)框圖。
圖9為本發(fā)明的前饋/反饋無模型自適應(yīng)控制系統(tǒng)框圖。


圖10為本發(fā)明的預(yù)測(cè)前饋/反饋無模型自適應(yīng)控制系統(tǒng)框圖。
圖11為本發(fā)明帶有多前饋預(yù)估器的M×M多變量無模型自適應(yīng)控制系統(tǒng)框圖。
優(yōu)選實(shí)施例描述A．單變量無模型自適應(yīng)控制圖1描述了一個(gè)單變量無模型自適應(yīng)控制系統(tǒng)，這是本發(fā)明中最簡(jiǎn)單的一個(gè)形式。該系統(tǒng)的結(jié)構(gòu)如同常規(guī)單回路控制系統(tǒng)一樣，包括一個(gè)單入單出(SISO)控制器10，一個(gè)過程12及信號(hào)疊加點(diǎn)14、16。圖1中各信號(hào)如下r(t)-設(shè)定值y(t)-測(cè)量值或過程變量，y(t)=x(t)+d(t)x(t)-過程輸出
u(t)-控制器輸出d(t)-由噪聲或負(fù)荷的變化而產(chǎn)生的擾動(dòng)e(t)-設(shè)定值與測(cè)量值之間的偏差，e(t)=r(t)-y(t)控制目標(biāo)是在設(shè)定值、擾動(dòng)和過程動(dòng)態(tài)特性變化的情況下，使測(cè)量值y(t)始終跟蹤設(shè)定值r(t)的軌跡。換句話說，MFA控制器的任務(wù)就是在線地使偏差值e(t)最小。因此MFA控制系統(tǒng)的目標(biāo)函數(shù)可表示為ES(t)=12e(t)2]]>=12[r(t)-y(t)]2----(1)]]>通過調(diào)整MFA控制器的權(quán)值使ES(t)最小。
圖2為SISO MFA控制器的結(jié)構(gòu)。控制器采用了線性多層神經(jīng)元網(wǎng)18。該神經(jīng)元網(wǎng)絡(luò)含有一個(gè)輸入層20，一個(gè)具有N個(gè)神經(jīng)元的隱含層22和一個(gè)單神經(jīng)元輸出層24。
進(jìn)入輸入層20的輸入信號(hào)e(t)被規(guī)格化單元26轉(zhuǎn)換成取值范圍在-1和1之間的規(guī)格化偏差信號(hào)E1，這里N(.)代表規(guī)格化函數(shù)。規(guī)格化單元26的輸出經(jīng)標(biāo)定函數(shù)L(.)25標(biāo)定。L(.)=KcTc----(2)]]>E1在時(shí)間t的數(shù)值由函數(shù)L(.)和N(.)求得E1=KcTcN(e(t)),----(3)]]>式中Kc＞0為控制器增益，Tc是用戶選擇的過程時(shí)間常數(shù)。這些參數(shù)對(duì)MFA控制器至關(guān)重要，Kc用于補(bǔ)償過程的靜態(tài)增益而Tc則提供了過程的動(dòng)態(tài)特征信息。當(dāng)偏差信號(hào)被這些參數(shù)標(biāo)定后，控制器的性能就可以通過這些參數(shù)加以調(diào)整。
使用Tc作為標(biāo)定函數(shù)中的一部分使得采樣間隔Ts可以在大范圍內(nèi)選擇，因?yàn)楦鶕?jù)信息論原理只需滿足Ts＜Tc/3。
E1信號(hào)通過一系列疊代延遲單元28,z-1表示單位延遲算子，得到一組規(guī)格化的并經(jīng)過標(biāo)定的偏差信號(hào)E2到EN。這就將一個(gè)連續(xù)信號(hào)e(t)轉(zhuǎn)換成一個(gè)離散信號(hào)序列，作為神經(jīng)元網(wǎng)絡(luò)的輸入。將這些經(jīng)過延時(shí)的偏差信號(hào)Ei(i=1,…N)通過神經(jīng)元網(wǎng)絡(luò)連接傳遞到隱含層。這相當(dāng)于將反饋結(jié)構(gòu)加入到神經(jīng)元網(wǎng)絡(luò)中。這樣，常規(guī)的靜態(tài)多層神經(jīng)元網(wǎng)絡(luò)就成了動(dòng)態(tài)神經(jīng)元網(wǎng)絡(luò)。這就是無模型自適應(yīng)控制器的關(guān)鍵部件之一。
無模型自適應(yīng)控制器以動(dòng)態(tài)模塊如動(dòng)態(tài)神經(jīng)元網(wǎng)絡(luò)作為其關(guān)鍵部件。動(dòng)態(tài)模塊其實(shí)就是動(dòng)態(tài)系統(tǒng)的別名，其輸入和輸出之間具有動(dòng)態(tài)的聯(lián)系。
每個(gè)輸入信號(hào)通過由各個(gè)加權(quán)因子wij(i=1,2,..N,j=1,2,..N)加權(quán)的路徑，分別輸入到隱含層22的各相應(yīng)神經(jīng)元。加法器30將隱含層中的各神經(jīng)元的輸入疊加后得到信號(hào)pj。然后由活化(activation)函數(shù)32將信號(hào)pj過濾成qj，(j表示隱含層中第j個(gè)神經(jīng)元)。
分段連續(xù)線性函數(shù)f(x)將實(shí)數(shù)映射成
f(x)=0，如果x<-ba----(4a)]]>f(x)=ax+b，如果-ba≤x≤ba----(4b)]]>f(x)=1，如果x>ba-----(4c)]]>
這里，優(yōu)選a＞0且b＞0，作為神經(jīng)元網(wǎng)絡(luò)的活化函數(shù)?；罨瘮?shù)的常數(shù)可相當(dāng)自由地選擇。用線性函數(shù)f(x)取代常規(guī)的S形曲線(sigmoidal)函數(shù)的原因是線性活化函數(shù)不會(huì)像S形曲線函數(shù)那樣在極限邊緣引起飽和。
隱含層的每個(gè)輸出信號(hào)經(jīng)過由一個(gè)獨(dú)立的加權(quán)因子hj(j=1,2,..N)加權(quán)的路徑后，被送至輸出層24的單神經(jīng)元。疊加器34將這些信號(hào)疊加后生成信號(hào)z(.)，再由活化函數(shù)36過濾得到神經(jīng)元網(wǎng)絡(luò)18的輸出(取值范圍0-1)。
規(guī)格化還原函數(shù)38由下式給出D(x)=100x, (5)它將o(.)信號(hào)映射到實(shí)數(shù)空間，以形成控制器的輸出。
對(duì)控制器的輸入-輸出起主導(dǎo)作用的算法由下列差分方程組成pj(n)=Σi=1Nwij(n)Ei(n),----(6)]]>qj(n)=f(Pj(n)),(7)o(n)=f(Σj=1Nhj(n)qj(n)),]]>=aΣj=1Nhj(n)qj(n)+b,----(8)]]>此時(shí)函數(shù)f(.)的變量處于方程(4b)定義的范圍內(nèi)，且o(n)的邊界由方程(4a)和(4c)定義。控制器輸出為u(t)=Kce(t)+D(o(t))=Kce(t)+100[aΣj=1Nhj(n)qj(n)+b],----(9)]]>這里，n表示第n次疊代；o(t)為o(n)的連續(xù)函數(shù)；u(t)是MFA控制器的輸出；D(.)是規(guī)格化還原函數(shù)；Kc＞0為控制器增益42，用來調(diào)整控制器的放大倍數(shù)。它與標(biāo)定函數(shù)L(.)25中的常數(shù)一樣，對(duì)于控制器性能的微調(diào)并保證系統(tǒng)處于穩(wěn)定的狀態(tài)十分有效。
以下的在線學(xué)習(xí)算法用于不斷更新MFA控制器的加權(quán)因子Δwij(n)=a2η∂y(n)∂u(n)e(n)Ei(n)hj(n),----(10)]]>Δhj(n)=aη∂y(n)∂u(n)e(n)qj(n),----(11)]]>式中，η＞0是學(xué)習(xí)速率，偏微分y(n)/u(n)是y(t)對(duì)于u(t)的梯度，代表輸出y(t)對(duì)于輸入u(t)變化的敏感度。
選擇∂y(t)∂u(t)=Sf(n)=1-----(12)]]>與08/944,450號(hào)專利申請(qǐng)中描述的一樣，導(dǎo)出學(xué)習(xí)算法如下Δwij(n)=a2ηe(n)Ei(n)hj(n),(13)Δhj(n)=aηe(n)qj(n). (14)方程(1)至方程(14)適用于正作用過程也適用于反作用過程。正作用是指增加過程的輸入將使其輸出增加，反之亦然。反作用是指增加過程的輸入將使其輸出減小，反之亦然。為了使上述方程適合正反兩種作用，需要針對(duì)過程的作用類型，用以下方法求得e(t)e(t)=r(t)-y(t)， 如果是正作用(15a)e(t)=-[r(t)-y(t)]，如果是反作用(15b)這是對(duì)過程作用類型的一般處理。它被應(yīng)用在下面介紹的所有無模型自適應(yīng)控制器上。
B．多變量無模型自適應(yīng)控制圖3畫出了含有無模型自適應(yīng)控制器的多變量反饋控制系統(tǒng)。系統(tǒng)包括一組控制器44，一個(gè)多輸入多輸出(MIMO)過程46，對(duì)應(yīng)各控制回路的一組信號(hào)疊加器48和50。控制器的輸入e(t)是設(shè)定值r(t)與測(cè)量值y(t)的比較結(jié)果，而測(cè)量值是過程對(duì)于控制器輸出u(t)和擾動(dòng)信號(hào)d(t)的響應(yīng)。對(duì)于多變量系統(tǒng)，這里所有的信號(hào)均以向量形式用粗體字表示。
r(t)=[r1(t),r2(t),…,rM(t)]T,(16a)e(t)=[e1(t),e2(t),…,eM(t)]T,(16b)u(t)=[u1(t),u2(t),…,uM(t)]T,(16c)y(t)=[y1(t),y2(t),…,yM(t)]T,(16d)d(t)=[d1(t),d2(t),…,dM(t)]T,(16e)上標(biāo)T表示向量的轉(zhuǎn)置，下標(biāo)M表示該向量的維數(shù)。
有三種方法構(gòu)成多變量無模型自適應(yīng)控制系統(tǒng)解耦、補(bǔ)償及預(yù)測(cè)。解耦方法已在08/944,450號(hào)專利申請(qǐng)中描述，另兩種方法描述如下。
1．補(bǔ)償法在不失一般性的情況下，將解釋圖4中多變量無模型控制系統(tǒng)是如何控制一個(gè)2輸入-2輸出(2×2)系統(tǒng)的(其為如圖3所示的2×2結(jié)構(gòu))。在2×2的MFA控制系統(tǒng)中，MFA控制器組52由兩個(gè)控制器C11、C22和兩個(gè)補(bǔ)償器C21、C12組成。過程54有4個(gè)子過程G11,G21,G12,andG22。
過程的輸出、即測(cè)量值y1、y2用作主控制回路的反饋信號(hào)。它們與設(shè)定值r1、r2在疊加器56處比較得到偏差e1、e2。與輸入v11或v22之一相關(guān)的各控制器的輸出在疊加器58處與另一個(gè)輸入相關(guān)的補(bǔ)償器輸出結(jié)合，得到控制信號(hào)u1、u2。各子過程的輸出由疊加器60交叉相加得到測(cè)量值y1、y2。注意，實(shí)際應(yīng)用中，子過程的輸出是不可測(cè)的，測(cè)到的只能是合成的信號(hào)y1和y2。因此，根據(jù)實(shí)際的2×2過程的特性，其輸出y1、y2與輸入u1、u2互連。一個(gè)輸入的變化將引起兩個(gè)輸出的變化。
對(duì)2×2系統(tǒng)，方程16中的單元數(shù)M為2，圖4中各信號(hào)點(diǎn)如下r1(t),r2(t)-分別為控制器C11和C22的設(shè)定值。
e1(t),e2(t)-設(shè)定值與測(cè)量值的偏差。
v11(t),v22(t)-分別是控制器C11和C22的輸出值。
v21(t),v12(t)-分別是補(bǔ)償器C21和C12的輸出值。
u1(t),u2(t)-過程的輸入或2×2控制器組的輸出。
x11(t),x21(t),x12(t),x22(t)-分別是過程G11,G21,G12和G22的輸出。
d1(t),d2(t)-分別是對(duì)于y1和y2的擾動(dòng)。
y1(t),y2(t)-2×2過程的測(cè)量變量。
這些信號(hào)之間的關(guān)系如下e1(t)=r1(t)-y1(t)(17a)e2(t)=r2(t)-y2(t)(17b)y1(t)=x11(t)+x12(t) (17c)y2(t)=x21(t)+x22(t) (17d)u1(t)=v11(t)+v12(t) (17e)u2(t)=v21(t)+v22(t) (17f)控制器C11和C22具有圖2所示SISO MFA控制器同樣的結(jié)構(gòu)。這些控制器輸入和輸出之間的關(guān)系由以下方程給出對(duì)于控制器C11pj11(n)=Σi=1Nwij11(n)Ei11(n),----(18)]]>qj11(n)=apj11(n)+b, (19)v11(n)=Kc11e1(n)+100[aΣj=1Nhj11(n)qj11(n)+b],----(20)]]>Δwij11(n)=a2η11el(n)Ei11(n)hj11(n),(21)Δhj11(n)=aη11e1(n)qj11(n), (22)對(duì)于控制器C22pj22(n)=Σi=1Nwij22(n)Ei22(n),----(23)]]>qj22(n)=apj22(n)+b, (24)v22(n)=Kc22e2(n)+100[aΣj=1Nhj22(n)qj22(n)+b],----(25)]]>Δwij22(n)=a2η22e2(n)Ei22(n)hj22(n), (26)Δhj22(n)=aη22e2(n)qj22(n). (27)在這些方程中，η11＞0及η22＞0為學(xué)習(xí)速率；Kc11＞0和Kc22＞0分別為控制器C11和C22的增益。Tc11＞0和Tc22＞0分別為G11和G22估計(jì)的過程時(shí)間常數(shù)。Ei11(n)是el(n)的滯后標(biāo)定偏差信號(hào)，Ei22(n)是e2(n)的滯后的和標(biāo)定的偏差信號(hào)。
補(bǔ)償器C12和C21含有一階動(dòng)態(tài)模塊，由下面的拉氏傳遞函數(shù)表示對(duì)于補(bǔ)償器C21C21(S)=V21(S)V11(S)]]>=Ks21Kc21Tc21S+1----(28)]]>對(duì)于補(bǔ)償器C12C12(S)=V12(S)V22(S)]]>=Ks22Kc22Tc12S+1----(29)]]>在這些方程中，V11(S),V21(S),V12(S)和V22(S)分別是信號(hào)v11(t),v21(t),v12(t)和v22(t)的拉氏變換；S是拉普拉斯算子；Kc21＞0和Kc12＞0是補(bǔ)償器增益；Tc21和Tc12分別是對(duì)于C21和C12的補(bǔ)償器時(shí)間常數(shù)。在實(shí)際應(yīng)用中，當(dāng)只考慮靜態(tài)補(bǔ)償時(shí)，可將Tc21和Tc12設(shè)置為0。如果子過程G21=0，意味著回路1與回路2沒有互連，應(yīng)選擇Kc21=0，禁止補(bǔ)償器C21。同樣，如果子過程G12=0，就應(yīng)選擇Kc12=0以禁止C12。
補(bǔ)償器符號(hào)因子Ks21和Ks12是與過程作用方向有關(guān)的一組常數(shù)Ks21=1，若G22和G21作用類型不同(30a)Ks21=-1， 若G22和G21作用類型相同(30b)Ks12=1，若G11和G12作用類型不同(30c)Ks22=-1， 若G11和G12作用類型相同(30d)這些符號(hào)因子必須保證MFA補(bǔ)償器產(chǎn)生的信號(hào)方向正確，這樣才能減小多變量過程由于耦合因素造成的擾動(dòng)。
一個(gè)3×3多變量無模型自適應(yīng)控制器的信號(hào)流程圖如圖5所示。在3×3 MFA控制系統(tǒng)中，MFA控制器組66由三個(gè)控制器C11,C22,C33和六個(gè)補(bǔ)償器C21,C31,C12,C32,C13,C23組成。過程68有九個(gè)子過程G11到G33。
過程的輸出即測(cè)量變量y1,y2和y3用作主控制回路的反饋信號(hào)。它們?cè)诏B加器70處與設(shè)定值r1,r2和r3比較得到偏差e1,e2和e3。對(duì)應(yīng)于輸入e1,e2,或e3，各控制器的輸出通過疊加器72與另兩個(gè)輸入組合得到控制信號(hào)u1,u2，和u3。
在不失一般性的情況下，下面給出了任意M×M多變量無模型自適應(yīng)控制系統(tǒng)的一組方程。當(dāng)M=3時(shí)，即可用于上述的3×3 MFA控制系統(tǒng)。
對(duì)于控制器C11pjll(n)=Σi=1Nwijll(n)Eill(n),----(31)]]>qjll(n)=apjll(n)+b,(32)v11(n)=Kcllel(n)+100[aΣj=1Nhjll(n)qjll(n)+b],----(33)]]>Δwijll(n)=a2ηllel(n)Eill(n)hj(n),(34)Δhjll(n)=aηllel(n)qjll(n), (35)ul(n)=vll(n)+Σm=1Mvlm(n),-----(36)]]>這里l=1,2,…M；m=1,2,…M；且l≠m。對(duì)于補(bǔ)償器ClmClm(S)=Vlm(S)Vmm(S)]]>=KslmKclmTclmS+1,----(37)]]>這里l=1,2,…M；m=1,2,…M；且1≠m。
方程中，Vlm(S)和Vmm(S)分別是信號(hào)vlm(t)和vmm(t)的拉氏變換；S為拉普拉斯算子；Kclm＞0是補(bǔ)償器增益；Tclm是補(bǔ)償器的時(shí)間常數(shù)。Kslm是補(bǔ)償器的符號(hào)因子，需根據(jù)子過程的作用類型按下式確定Kslm=1，若Gll和Glm作用類型不同(38a)Kslm=-1，若Gll和Glm作用類型相同(38b)這里l=1,2,…M；m=1,2,…M；且l≠m。
2．預(yù)測(cè)法圖6是一個(gè)2×2預(yù)測(cè)MFA控制器組74，它由兩個(gè)控制器C11、C22和兩個(gè)預(yù)估器C21和C12組成。過程76有四個(gè)子過程G11、G21、G12和G22。
過程的輸出即測(cè)量變量y1和y2用作主控回路的反饋信號(hào)。它們?cè)诩臃ㄆ?8處分別與設(shè)定值r1和r2以及預(yù)估器的輸出y21和y12比較，得到偏差信號(hào)e1和e2。每個(gè)控制器的輸出都被用作與另一個(gè)主回路連接的預(yù)估器的輸入。每個(gè)子過程的輸出都在加法器80處交叉疊加得到測(cè)量變量y1和y2。
圖6中該2×2系統(tǒng)的信號(hào)如下r1(t),r2(t)-分別是控制器C11和C22的設(shè)定點(diǎn)。
e1(t),e2(t)-分別是設(shè)定點(diǎn)與經(jīng)預(yù)估器輸出y21和y12修正的測(cè)量變量之間的偏差。
u1(t),u2(t)-分別是控制器C11和C22的輸出。
y21(t),y12(t)-分別是預(yù)估器C21和C12的輸出。
x11(t),x21(t),x12(t),x22(t)-分別是過程G11,G21,G12和G22的輸出。
d1(t),d2(t)-分別是對(duì)y1和y2的擾動(dòng)y1(t),y2(t)-2×2過程的測(cè)量變量。
這些信號(hào)之間的關(guān)系如下e1(t)=r1(t)-y1(t)-y21(t)(39a)e2(t)=r2(t)-y2(t)-y12(t)(39b)y1(t)=x11(t)+x12(t) (39c)y2(t)=x21(t)+x22(t) (39d)控制器C11和C22具有與圖2所示SISO MFA控制器同樣的結(jié)構(gòu)。這些控制器的輸入輸出關(guān)系由方程(18)到(27)表示。但其中的控制器輸出現(xiàn)在成了u1和u2而不是v11和v22。
對(duì)于控制器C11u1(n)=Kc11e1(n)+100[aΣj=1Nhj11(n)qj11(n)+b],----(40)]]>對(duì)于控制器C22u2(n)=Kc22e2(n)+100[aΣj=1Nhj22(n)qj22(n)+b].----(41)]]>預(yù)估器C12和C21可設(shè)計(jì)為包含一個(gè)一階動(dòng)態(tài)模塊，由下面的拉普拉斯傳遞函數(shù)表示對(duì)于預(yù)估器C21C21(S)=Y21(S)U2(S)]]>=Ks21Kc21(1-1Tc21S+1).----(42)]]>對(duì)于預(yù)估器C12C12(S)=Y12(S)U1(S)]]>=Ks12Kc12(1-1Tc12S+1).----(43)]]>這些方程中，U1(S),U2(S),Y21(S)和Y12(S)分別是信號(hào)u1(t),u2(t),y21(t)和y12(t)的拉氏變換；S為拉普拉斯算子；Kc21＞0和Kc12＞0是預(yù)估器增益；Tc21和Tc12分別是補(bǔ)償器C21和C12的時(shí)間常數(shù)。預(yù)測(cè)信號(hào)使控制器能夠根據(jù)其輸入的變化進(jìn)行調(diào)整以補(bǔ)償來自另一回路的耦合因素。預(yù)測(cè)信號(hào)將根據(jù)預(yù)估時(shí)間常數(shù)迅速衰減到0。該設(shè)計(jì)不會(huì)造成控制器輸入和輸出的額外偏置。
預(yù)估器的符號(hào)因子Ks21和Ks12是一組與過程作用類型有關(guān)的常數(shù)Ks21=1，若G12為正作用時(shí)(44a)Ks21=-1， 若G12為反作用時(shí)(44b)Ks12=1，若G21為正作用時(shí)(44c)Ks12=-1， 若G21為反作用時(shí)(44d)這些符號(hào)因子保證了MFA預(yù)估器產(chǎn)生的信號(hào)方向正確，這樣就能抑制多變量過程中由于耦合因素造成的擾動(dòng)。
圖7是一個(gè)3×3多變量無模型自適應(yīng)控制系統(tǒng)的信號(hào)流程圖。在這個(gè)3×3 MFA控制系統(tǒng)中，MFA控制器82由3個(gè)控制器C11、C22、C33和6個(gè)預(yù)估器C21、C31、C12、C32、C13、C23組成。過程84有9個(gè)子過程G11到G33。過程的輸出即測(cè)量變量y1、y2和y3被用于主控回路的反饋信號(hào)。它們?cè)诩臃ㄆ?6處分別與設(shè)定值r1,r2和r3以及預(yù)估器的輸出y21,y31,y12,y32,y13和y23比較得到偏差信號(hào)e1、e2和e3。每個(gè)控制器的輸出都被用作與其他主回路連接的預(yù)估器的輸入。
在不失一般性的情況下，下面列出了一組適用于M×M多變量無模型自適應(yīng)控制系統(tǒng)的方程式。取M=3，即可用于上述3×3 MFA控制系統(tǒng)。
對(duì)于控制器C11ul(n)=Kcllel(n)+100[aΣj=1Nhjll(n)qjll(n)+b],----(45)]]>式中l(wèi)=1,2,…M.
對(duì)于預(yù)估器ClmClm(S)=Ylm(S)Um(S)]]>=KslmKclm(1-1TclmS+1),----(46)]]>這里l=1,2,…M；m=1,2,…M；且l≠m.
在方程式中，Ylm(S)和Um(S)為信號(hào)ylm(t)和um(t)的拉氏變換；S是拉普拉斯算子；Kclm＞0是預(yù)估器的增益，Tclm是預(yù)估器的時(shí)間常數(shù)，而Kslm是預(yù)估器的符號(hào)因子，需根據(jù)子過程的作用類型按下式確定Kslm=1，若Gll與Glm作用類型不同(47a)Kslm=-1， 若Gll與Glm作用類型相同(47b)這里l=1,2,…M；m=1,2,…M；且l≠m.
C．抗滯后無模型自適應(yīng)控制大時(shí)間滯后無模型自適應(yīng)過程控制已在1997年10月6日，08/944,450號(hào)專利申請(qǐng)中闡述。如圖8所示，SISO抗滯后無模型自適應(yīng)控制系統(tǒng)中含有一個(gè)抗滯后MFA控制器88，一個(gè)大時(shí)間滯后過程90，和一個(gè)特殊的時(shí)間滯后預(yù)估器92。上述MFA控制器被看作是抗滯后MFA控制系統(tǒng)中的基本MFA控制器94。
經(jīng)疊加器96計(jì)算控制器94的輸入信號(hào)，得到e(t)=r(t)-yc(t)(48)可以用一階慣性加純滯后(FOLPD)的形式設(shè)計(jì)滯后預(yù)估器，其拉普拉斯傳遞函數(shù)為Yc(S)=Y(S)+Yp(S)=Y(S)+K(1-e-τS)TS+1U(S),----(49)]]>這里Y(S),Yp(S),U(S),和Yc(S)分別是信號(hào)y(t),yp(t),u(t)和yc(t)的拉氏變換；yp(t)為預(yù)估信號(hào)；yc(t)為預(yù)估器的輸出。K,T,τ是過程FOLPD近似模型的預(yù)估器參數(shù)。
以下是這些參數(shù)的設(shè)置技術(shù)過程的靜態(tài)增益可以是K=1Kc,----(50)]]>這里Kc是方程(3)中MFA控制器的增益。
預(yù)估器的時(shí)間常數(shù)可選為T=Tc,(51)這里Tc是方程(3)中預(yù)估的過程時(shí)間常數(shù)。
過程的滯后時(shí)間τ可根據(jù)用戶對(duì)過程滯后時(shí)間的估計(jì)而定。
此抗滯后MFA預(yù)估器參數(shù)的設(shè)置技術(shù)也可適用于多變量抗滯后MFA控制器。
D．前饋無模型自適應(yīng)控制前饋是一種利用了前向信號(hào)的控制方法。當(dāng)過程存在著明顯的潛在擾動(dòng)，且該擾動(dòng)能夠被檢測(cè)時(shí)，就可利用前饋控制器在反饋回路的校正作用之前來減小擾動(dòng)對(duì)回路的影響。若能適當(dāng)?shù)貙⑶梆伩刂破髋c反饋控制器配合運(yùn)用，可以大大改善控制效果。
圖9是一個(gè)前饋控制系統(tǒng)。反饋控制器輸出uc(t)與前饋控制器輸出uf(t)在疊加器106處匯合形成控制信號(hào)u(t)。測(cè)量值y(t)由主回路過程Gp1100的輸出y1(t)與擾動(dòng)回路中的過程Gp2104的輸出y2(t)經(jīng)疊加器108疊加而成。
經(jīng)典的前饋控制器是根據(jù)所謂不變性原理設(shè)計(jì)的。即，檢測(cè)到擾動(dòng)信號(hào)后，前饋控制器能夠僅對(duì)擾動(dòng)成份作出回路響應(yīng)，而不影響對(duì)設(shè)定值變化的回路響應(yīng)。
前饋控制器的控制目的是補(bǔ)償檢測(cè)到的擾動(dòng)信號(hào)。也就是希望使Gf(S)=Y(S)D(S)=0,----(52)]]>這里Gf(S)是前饋回路的拉普拉斯傳遞函數(shù)，Y(S)和D(S)分別是過程變量和擾動(dòng)變量y(t)和d(t)的拉氏變換。
前饋控制器可設(shè)計(jì)成Gfc(S)=-Gp2(S)Gp1(S),----(53)]]>這里Gfc(S)是前饋控制器的拉普拉斯傳遞函數(shù)。
前饋補(bǔ)償有時(shí)就像求兩個(gè)信號(hào)的比率那樣簡(jiǎn)單，但有時(shí)可能包含了復(fù)雜的能量或物料平衡計(jì)算。無論如何，傳統(tǒng)的前饋控制器需要過程GP1和GP2的精確信息。如果過程模型不夠精確或過程的動(dòng)態(tài)特性發(fā)生了變化，傳統(tǒng)前饋控制器也許就不能正常工作，甚至產(chǎn)生比系統(tǒng)不采用前饋控制器更壞的結(jié)果。
當(dāng)將無模型自適應(yīng)控制器用于反饋回路時(shí)，前饋控制器對(duì)過程模型的精確度就不那么敏感。MFA控制器的自適應(yīng)能力使常規(guī)控制方法更容易實(shí)現(xiàn)和更加有效。下面描述了兩種構(gòu)成前饋/反饋無模型自適應(yīng)控制系統(tǒng)的方法。
1．補(bǔ)償法控制結(jié)構(gòu)與圖9中的前饋/反饋控制系統(tǒng)一樣。無模型自適應(yīng)控制器98用作反饋控制器。若用戶已了解Gp1(S)和Gp2(S)，前饋控制器就可按式(53)設(shè)計(jì)。然而在過程控制應(yīng)用中，特別是在無模型自適應(yīng)控制的應(yīng)用中，過程Gp1和Gp2往往不清楚或者動(dòng)態(tài)特性經(jīng)常在變。在這種條件下很難根據(jù)不變性原理設(shè)計(jì)前饋控制器。利用反饋回路中的無模型自適應(yīng)控制的自適應(yīng)能力，我們將前饋控制器設(shè)計(jì)成如下的一個(gè)一階動(dòng)態(tài)模塊。Gfc(S)=Yf(S)D(S)]]>=KsfKcfTcfS+1,----(54)]]>式中，Yf(S)和D(S)是信號(hào)yf(t)和d(t)的拉氏變換；Kcf是前饋增益，Tcf是前饋時(shí)間常數(shù)。Ksf是前饋符號(hào)因子，須根據(jù)子過程的作用類型確定Ksf=1，若Gp1和Gp2作用類型不同(55a)Ksf=-1， 若Gp1和Gp2作用類型相同(55b)這里我們假定Gp1和Gp2的作用類型是已知的。根據(jù)無模型自適應(yīng)控制原理，前饋控制器只需按檢測(cè)到的擾動(dòng)產(chǎn)生一個(gè)信號(hào)，幫助控制系統(tǒng)對(duì)擾動(dòng)進(jìn)行補(bǔ)償。這意味著前饋控制器的設(shè)計(jì)可以不依賴于“不變性原理”。用戶可以根據(jù)初步了解的過程選擇常數(shù)Kcf和Tcf。這些常數(shù)也可以用來對(duì)系統(tǒng)作精確地調(diào)整。
2．預(yù)測(cè)法圖10是一個(gè)帶前饋預(yù)估器112的無模型自適應(yīng)控制系統(tǒng)?？刂破?10的輸入由疊加器114計(jì)算而得e(t)=r(t)-y(t)-yf(t),(56)式中，yf(t)是前饋預(yù)估器的輸出。
這里的設(shè)計(jì)思想是，將前饋信號(hào)直接送至反饋控制器的輸入，產(chǎn)生控制器的e(t)信號(hào)，由此對(duì)擾動(dòng)進(jìn)行快速抑制。這種設(shè)計(jì)又一次利用了無模型自適應(yīng)控制器的自適應(yīng)能力。對(duì)于傳統(tǒng)控制方法如PID來說，這樣的設(shè)計(jì)是行不通的。
前饋預(yù)估器不需要了解過程的量化知識(shí)就可設(shè)計(jì)為簡(jiǎn)單的形式。例如，可設(shè)計(jì)成由下面拉普拉式傳遞函數(shù)表達(dá)的一階慣性滯后環(huán)節(jié)Gf(S)=Yf(S)D(S)]]>=KsKf(1-1TcfS+1),----(57)]]>式中，Yf(S)和D(S)是信號(hào)yf(t)和d(t)的拉氏變換；Kf＞0是前饋預(yù)估器的增益；Tcf＞0是前饋預(yù)估器的時(shí)間常數(shù)；Ks是預(yù)估器的符號(hào)因子，需根據(jù)子過程的作用類型選擇Ks=1，若Gp2為正作用類型(58a)Ks=-1， 若Gp2為反作用類型(58b)在不失一般性的情況下，圖11是一個(gè)具有多個(gè)前饋預(yù)估器122的M×M多變量無模型自適應(yīng)控制系統(tǒng)。各主控制器116根據(jù)可測(cè)的擾動(dòng)量可具有零到若干個(gè)前饋預(yù)估器。這種設(shè)計(jì)也可用于其它MFA控制系統(tǒng)如抗滯后、串級(jí)控制等。
權(quán)利要求
1．一種過程控制器，其過程輸出由對(duì)所述過程的輸入所施加的一控制信號(hào)所控制，所述控制器包括一神經(jīng)網(wǎng)絡(luò)，包括a)一偏差輸入，其代表所述過程輸出與預(yù)定的設(shè)置點(diǎn)之間的差值；b)一規(guī)格化單元，用于將所述的偏差輸入規(guī)格化到預(yù)定范圍的值；c)一標(biāo)定函數(shù)，用于將所述的規(guī)格化的偏差輸入標(biāo)定后生成一值E1，其實(shí)質(zhì)上具有如下形式E1=KcTcN(e(t))]]>其中，Kc是控制器增益；Tc是用戶選擇的所述過程的時(shí)間常數(shù)；N(.)是所述規(guī)格化單元的規(guī)格化函數(shù)；而e(t)是任何給定時(shí)間的所述偏差輸入值；d)一輸入神經(jīng)層，其輸入是E1的連續(xù)時(shí)間延遲值；e)一隱含神經(jīng)層，其輸出是E1各個(gè)加權(quán)的值之和；f)一輸出神經(jīng)元，其輸出是所述隱含神經(jīng)元各個(gè)加權(quán)輸出之和的第一函數(shù)；g)一控制輸出，其至少是所述輸出神經(jīng)元輸出的第二函數(shù)的規(guī)格化還原值的一部分。
2．如權(quán)利要求1所述的控制器，其中所述的控制輸出實(shí)際上是所述規(guī)格化還原值和值Kce(t)之和。
3．如權(quán)利要求1所述的控制器，其中所述的第一和第二函數(shù)實(shí)際上均具有如下形式f(x)=0，如果x<-ba]]>f(x)=ax+b，如果-ba≤x≤ba]]>f(x)=1，如果x>ba]]>其中a和b是任意常數(shù)。
4．一種過程控制器，其過程輸出由對(duì)所述過程的輸入所施加的一控制信號(hào)所控制，所述控制器包括a)連接的一偏差輸入，用于接收代表所述過程輸出與預(yù)定的設(shè)置點(diǎn)信號(hào)之間差值的偏差信號(hào)；和b)與所述的偏差輸入相連接的一動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)，被設(shè)置來產(chǎn)生對(duì)所述過程輸入應(yīng)用的控制信號(hào)，所述控制信號(hào)用于使所述的過程輸出變化，進(jìn)而減少所述的偏差信號(hào)；c)所述的神經(jīng)網(wǎng)絡(luò)具有一線性活化函數(shù)。
5．如權(quán)利要求4所述控制器，其中所述的控制器是一包含于數(shù)字介質(zhì)中的計(jì)算機(jī)程序。
6．權(quán)利要求4的控制器，其中所述的線性活化函數(shù)f(x)實(shí)質(zhì)上具有如下形式f(x)=0，如果x<-ba]]>f(x)=ax+b，如果-ba≤x≤ba]]>f(x)=1，如果x>ba]]>其中a和b是任意常數(shù)。
7．如權(quán)利要求4所述的控制器，其中所述的神經(jīng)網(wǎng)絡(luò)具有一包括大量輸入神經(jīng)元的輸入層，其被設(shè)置為接收規(guī)格化的、標(biāo)定和延遲形式的所述偏差信號(hào)；一包括大量隱含神經(jīng)元的隱含層，其被設(shè)置來對(duì)被每個(gè)所述輸入神經(jīng)元接收并由單獨(dú)的第一加權(quán)因子加權(quán)的信號(hào)求和；一包括單個(gè)神經(jīng)元的輸出層，其被設(shè)置來對(duì)所述隱含神經(jīng)元由所述活化函數(shù)過濾并由單獨(dú)的第二加權(quán)因子加權(quán)的輸出求和；和一控制信號(hào)輸出，其為所述輸出神經(jīng)元的輸出函數(shù)，所述的第一和第二加權(quán)因子實(shí)質(zhì)上分別根據(jù)下式被迭代改變其中Δwij(n)=a2η∂y(n)∂u(n)e(n)Ei(n)hj(n),]]>Δhj(n)=aη∂y(n)∂u(n)e(n)qj(n),]]>其中，Δwij(n)是從給定輸入神經(jīng)元到給定隱含神經(jīng)元的信號(hào)加權(quán)因子的迭代變化，Δhj(n)是所述給定隱含神經(jīng)元的加權(quán)因子的迭代變化，a是活化函數(shù)f(x)的任意常數(shù)，η是學(xué)習(xí)速率，2y(t)/2u(t)是所述過程輸出相對(duì)于所述控制信號(hào)變化的梯度，e(n)是原始偏差信號(hào)，Ei(n)是第i個(gè)輸入神經(jīng)元規(guī)格化的和標(biāo)定的偏差信號(hào)，hj是所述給定隱含神經(jīng)元的輸出的加權(quán)因子，而qj(n)是被所述活化函數(shù)濾波后的所述給定隱含神經(jīng)元的輸出。
8．一種多變量無模型的自適應(yīng)過程控制系統(tǒng)，包括a)多個(gè)過程，每個(gè)過程具有響應(yīng)于控制信號(hào)的第一過程輸出，和一子過程，該子過程具有一輸出，該輸出與所述多個(gè)過程的另外過程的所述第一過程輸出相加組合而形成所述其它過程的第二過程輸出；b)多個(gè)預(yù)定的設(shè)置點(diǎn)；c)多個(gè)控制器；d)多個(gè)補(bǔ)償器；e)每個(gè)所述的控制器具有一重復(fù)調(diào)節(jié)的第一控制輸出，它是代表所述多個(gè)過程之一的所述第二過程輸出與一對(duì)應(yīng)的所述設(shè)置點(diǎn)之間偏差的一偏差信號(hào)的函數(shù)；f)每個(gè)所述的補(bǔ)償器使其對(duì)應(yīng)的控制器的所述第一控制輸出作為其輸入，所述補(bǔ)償器的輸出附加來與另外的所述控制器的所述第一控制輸出相結(jié)合而形成對(duì)所述過程和子過程的每一個(gè)進(jìn)行輸入的第二控制輸出；g)所述的控制器每個(gè)包括一神經(jīng)網(wǎng)絡(luò)，其具有一包括多個(gè)輸入神經(jīng)元的輸入層，所述神經(jīng)元被設(shè)置為接收規(guī)格化的、標(biāo)定和延遲形式的所述偏差信號(hào)；一包括多個(gè)隱含神經(jīng)的隱含層，每個(gè)神經(jīng)元被設(shè)置為對(duì)由單獨(dú)的第一加權(quán)因子加權(quán)的被每個(gè)所述輸入神經(jīng)元接收的信號(hào)求和；和一輸出神經(jīng)元，其對(duì)隱含神經(jīng)元的單獨(dú)加權(quán)的輸出求和，所述隱含神經(jīng)元輸出的加權(quán)因子被迭代調(diào)節(jié)，且活化函數(shù)f(x)實(shí)質(zhì)上具有如下形式f(x)=0，如果x<-ba]]>f(x)=ax+b，如果-ba≤x≤ba]]>f(x)=1，如果x>ba]]>其中，a和b是任意可選常數(shù)；h)每個(gè)所述的控制器被設(shè)置來產(chǎn)生一控制信號(hào)u(n)，它是所述神經(jīng)網(wǎng)絡(luò)的輸出v(n)與所有與其它所述控制器有關(guān)的補(bǔ)償器輸出之和，v(n)實(shí)質(zhì)上具有如下形式V(n)=Kce(n)+100[aΣj=1Nhjqj(n)+b],]]>其中，Kc是控制器增益；e(n)是所述的偏差信號(hào)，hj(n)是第j個(gè)隱含神經(jīng)元輸出的加權(quán)因子，而qi(n)是第j個(gè)隱含神經(jīng)元輸出；且i)每個(gè)所述的補(bǔ)償器具有一如下形式的輸出C(S)C(s)=ksksTcs+1]]>其中，Ks是一符號(hào)因子，Kc是一補(bǔ)償器增益，Tc是補(bǔ)償器時(shí)間常數(shù)，而S是拉普拉斯變換算子。
9．如權(quán)利要求8所述控制器，其中，若所述其它過程和所述子過程具有不同的作用類型，則Ks基本上是1；反之，Ks是-1。
10．一種多變量無模型自適應(yīng)預(yù)測(cè)過程控制系統(tǒng)，具體包括a)多個(gè)過程，每個(gè)過程具有響應(yīng)于控制信號(hào)的第一過程輸出，和一子過程，其具有一輸出，該輸出與所述多個(gè)過程的另外過程的所述的第一過程輸出相加組合而形成所述其它過程的第二過程輸出；b)多個(gè)預(yù)定的設(shè)置點(diǎn)；c)多個(gè)控制器；d)多個(gè)預(yù)估器；e)每個(gè)所述的控制器具有一迭代調(diào)節(jié)的第一控制輸出，它是代表所述多個(gè)過程之一的所述第二過程輸出加上所述多個(gè)預(yù)估器的輸出與一對(duì)應(yīng)的所述設(shè)定點(diǎn)之間差異的一偏差信號(hào)的函數(shù)；f)所述的控制器每個(gè)包括一神經(jīng)網(wǎng)絡(luò)，其具有一包括多個(gè)輸入神經(jīng)元的輸入層，所述神經(jīng)元被設(shè)置來接收規(guī)格化的、標(biāo)定和延遲形式的所述偏差信號(hào)；一包括大量隱含神經(jīng)的隱含層，各所述隱含神元經(jīng)被設(shè)置來對(duì)由獨(dú)立的第一加權(quán)因子加權(quán)的每個(gè)所述輸入神經(jīng)元接收的信號(hào)求和；和一輸出神經(jīng)元，其對(duì)所述隱含神經(jīng)元的各個(gè)加權(quán)輸出求和，所述隱含神經(jīng)元輸出的加權(quán)因子被迭代調(diào)節(jié)，且活化函數(shù)f(x)實(shí)質(zhì)上具有如下形式f(x)=0，如果x<-ba]]>f(x)=ax+b，如果-ba≤x≤ba]]>f(x)=1，如果x>ba]]>其中，a和b是任意可選常數(shù)。g)每個(gè)所述的控制器被設(shè)置來產(chǎn)生具有如下形式的控制信號(hào)u(n)u(n)=Kce(n)+100[aΣj=1Nhj(n)qj(n)+b],]]>其中，Kc是控制器增益，e(n)是所述的偏差信號(hào)，hj(n)是第j個(gè)隱含神經(jīng)元輸出的加權(quán)因子，而qi(n)是第j個(gè)隱含神經(jīng)元輸出；且h)每個(gè)所述的預(yù)測(cè)器具有一如下形式的輸出C(S)C(s)=kskc(1-1Tcs+1)]]>其中，Ks是一符號(hào)因子，Kc是預(yù)估器增益，Tc是預(yù)估器時(shí)間常數(shù)，而S是拉普拉斯算子。
11．如權(quán)利要求10所述的控制器，其中，若子過程是正作用，則Ks實(shí)質(zhì)上是1；若子過程為反作用，則Ks是-1。
12．一前饋-反饋過程控制系統(tǒng)，包括a)要被控制的過程；b)代表對(duì)所述過程輸出的已知擾動(dòng)的子過程；c)具有被設(shè)置來控制所述過程的偏差輸入和控制輸出的元模型自適應(yīng)控制器；及d)被設(shè)置來產(chǎn)生前饋信號(hào)的前饋控制器，所述擾動(dòng)的函數(shù)所述前饋信號(hào)是所述擾動(dòng)的函數(shù)；e)所述的前饋信號(hào)被連接以更改所述的控制輸出。
13．如權(quán)利要求12所述的系統(tǒng)，其中，所述的前饋信號(hào)是具有如下形式的拉普拉斯變換函數(shù)Gfc(S)Gfc(s)=ksfkcfTcfs+1]]>其中，Kcf是前饋增益，Tcf是前饋時(shí)間常數(shù)，Ksf是前饋符號(hào)因子，S是拉普拉斯算子，而所述的前饋信號(hào)被加到所述的控制輸出端。
14．如權(quán)利要求13所述的系統(tǒng)，其中，若所述的過程和所述的子過程具有不同的作用類型，則Ks實(shí)質(zhì)上是1；若它們具有相同的作用類型，則Ks是-1。
15．如權(quán)利要求12所述的系統(tǒng)，其中，所述的前饋控制器是一預(yù)估器，而所述的前饋信號(hào)是具有如下形式的拉普拉斯傳遞函數(shù)Gf(S)Gf(s)=kskf(1-1Tcfs+1)]]>其中，Ks是預(yù)估器符號(hào)因子，Kf是預(yù)估器增益，Tcf是預(yù)估器時(shí)間常數(shù)，S是拉普拉斯變換算子，而所述的前饋信號(hào)被加到所述的無模型自適應(yīng)控制器的所述輸入端。
16．如權(quán)利要求15所述的系統(tǒng)，其中，若所述子過程是正作用，則Ks實(shí)質(zhì)上是1；而如果所述過程為反作用，則Ks是-1。
17．一種用于處理大時(shí)間滯后的過程控制系統(tǒng)，包括a)具有過程輸入和過程輸出的一過程，所述的輸出響應(yīng)于所述過程輸入的時(shí)間滯后；b)具有偏差輸入的無模型自適應(yīng)控制器，其偏差輸入是預(yù)定的設(shè)置點(diǎn)與所述過程輸出的第一函數(shù)之間的差值；所述的控制器還具有一控制輸出，它被作為所述過程輸入而加到所述過程中；c)滯后預(yù)估器，將所述控制輸出和所述過程輸出的第二函數(shù)作為其輸入，所述過程輸出的所述第一函數(shù)是所述延遲預(yù)測(cè)器的輸出。
18．如權(quán)利要求17所述的系統(tǒng)，其中所述的預(yù)測(cè)器的所述輸出具有如下形式Y(jié)c(s)=Y(s)+K(1-e-τs)TS+1U(s)]]>其中，Y(S)、U(S)和Yc(S)分別是信號(hào)y(t)、u(t)和yc(t)的拉普拉斯變換；y(t)是過程輸出的所述第二函數(shù)；u(t)是所述控制輸出；而yc(t)是滯后預(yù)估器的所述輸出；K、T、τ是預(yù)估器的參數(shù)。
19．如權(quán)利要求18所述的系統(tǒng)，其中K的值被下式所設(shè)定K=1Kc]]>其中，Kc是所述控制器的控制器增益。
20．如權(quán)利要求18所述的系統(tǒng)，T的值被設(shè)定為預(yù)估的所述過程時(shí)間常數(shù)，τ的值被設(shè)定為所述過程的預(yù)估過程延遲時(shí)間。
全文摘要
公開了一種增強(qiáng)型無模型自適應(yīng)控制器,其由能夠被容易地構(gòu)成的線性動(dòng)態(tài)神經(jīng)元網(wǎng)絡(luò)構(gòu)成,并設(shè)為自動(dòng)模式以控制從簡(jiǎn)單到復(fù)雜的過程。公開了兩種多變量無模型自適應(yīng)控制器設(shè)計(jì)。引入了一種增強(qiáng)型抗滯后無模型自適應(yīng)控制器來控制具有大時(shí)間滯后的過程。引入了一種帶有兩個(gè)設(shè)計(jì)的前饋/反饋無模型自適應(yīng)控制系統(tǒng)來補(bǔ)償可測(cè)量的擾動(dòng)。
文檔編號(hào)G05B13/02GK1316070SQ99810273
公開日2001年10月3日 申請(qǐng)日期1999年8月24日 優(yōu)先權(quán)日1998年8月28日
發(fā)明者程·喬治·樹行 申請(qǐng)人:美國(guó)通控集團(tuán)公司