1、华中科技大学硕士学位论文PID控制算法及其在风速控制中的应用姓名：李尹申请学位级别：硕士专业：物理电子学指导教师：袁孝;温渝昌20070524I摘 要 本论文探讨了学习型 PID (比例 积分 微分 ) 算法与传统 PID 算法的原理，分析了它们在各种过程控制中的不同表现。应用 CVI（ C for Virtual Instrument）对这两种控制算法进行仿真实验，通过对仿真曲线的分析与比较，总结 PID 控制算法中各控制参数的不同作用及这两种控制算法的优劣。将传统 PID 控制算法应用于风速控制系统的开发。并针对应用中遇到的需反复整定控制参数 、抗干扰能力不足等问题，探索采用学习型 PID
2、 控制算法解决问题的方案。 (1) 分析了传统 PID 控制理论， 并在此基础上结合现代计算机技术给出了传统 PID控制算法的具体软件实现。针对需要快速进入稳态等应用需求，总结出了多种 PID 控制算法的变形，这使得 PID 控制能够更好地适应实际工程的需要。 (2) 基于测控开发环境 CVI，分别采用传统 PID 控制算法及学习型 PID 控制算法对理想控制对象和具有迟滞和干扰因素的控制 对象进行了多组仿真。结果表明：学习型 PID 控制算法的抗干扰能力和适应能力等性能优于传统 PID 控制算法。 (3) 在香港城市大学低风速风洞的风速控制系统的开发中， 应用了传统 PID 控制算法，控制系
3、统的控制精度达到了 3%，获得了很好的控制效果。同时针对该风速控制系统中应用传统 PID 控制算法所遇到的问题，如需反复整定控制参数、抗干扰能力不足等，探讨了采用学习型 PID 控制算法取代传统 PID 控制算法的方案。 通过对传统 PID 控制算法及学习型 PID 控制算法的讨论，论证了学习型 PID 控制算法的先进性和实现的可能性，为 PID 控制算法今后在风洞实验的风速控制等方面提供了一个新的应用。 关键词： PID 算法 智能控制 风速控制 IIAbstract This thesis analyzes the theory of self-learning PID (Proporti
4、on Integral Differential) control arithmetic and traditional PID control arithmetic, and their potential applications in different process controls. The different functions of the parameters in PID arithmetic and their advantages and disadvantages are summarized with applying CVI (C for Virtual Inst
5、rument) simulating these control arithmetic. Traditional PID control arithmetic is applied in a wind-speed control system, in which many problems have been found, such as it is infirm to disturbing. The thesis proposes a scheme using self-learning PID control arithmetic to solve these problems. (1)
6、The traditional PID control arithmetic is analyzed. The code of the PID control arithmetic with modern computer technology is programmed. Different variations of PID arithmetic in different applications such as stabilizing ability are summarized, which can better satisfy the engineering requirements
7、. (2) Based on CVI, ideal control object and relaxing control object with disturbing factors are simulated using self-learning control arithmetic and traditional control arithmetic. It is shown that the anti-disturbing ability and adaptive ability of self-learning PID is better than that of traditio
8、nal PID. (3) PID control arithmetic has been applied in Wind-speed Control System of the Low Wind-speed Tunnel Project in Hong Kong City University, and the control precision of 3% for the system is attained. In order to deal with the problems found in the project, such as the redundancy of ascertai
9、ning the control parameters repeatedly, a scheme applying self-learning PID control arithmetic instead of traditional PID control arithmetic has been discussed. From the discussion of self-learning PID control arithmetic and traditional PID control arithmetic, the possibility of self-learning PID co
10、ntrol arithmetic is proposed in the application of wind-speed control. Key words： PID arithmetic intelligent control wind-speed control 独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除文中已经标明引用的内容 外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究 做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 日期： 年 月
11、日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件 和电子版，允许论文被查阅和借阅。本人授权华中科技大学可以将本学位论文的全部 或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 保密， 在 年解密后适用本授权书。 不保密。 （请在以上方框内打“” ） 学位论文作者签名： 指导教师签名： 日期： 年 月 日 日期： 年 月 日 本论文属于 11 绪论 1.1 引言 智能控制自 20 世纪 70 年代形成至今，研究势头异常迅猛。其中的学习控制是广义智能控制（包括学习控制
12、，认知控制与联想 决策等）的一个高级分支，它相对于其他典型的智能控制方法而言，具有 自动知识获取能力即学习能力1。美国学者 Fu2在1970 年最先提出这一控制理论，他是在对线性再激励学习控制系统的研究中率先使用了人工智能中的启发式方法。学习控制的研究 热点之一是对迭代学习控制的研究(Iterative Learning Control)，它于 20 世纪 80 年代由日本兴起， 1978 年日本学者内山 （ Uchiyama, 东北大学） 最先提出这一方法， 并于 1984年由日本学者本卓 （ Arimoto, 大阪大学）等明确其概念，后由川村，宫崎（ 大阪大学）等学者进一步研究并促进了这种
13、理论的发展和完善3-4。 学习控制研究的动机来源于从经验学习知识的这种深刻认识。设计一种控制器，让控制器本身具有某种智能，即能在系统运行 中估计未知的信息并基于这个估计的信息确定最优控制，使它在控制过程中能不断地 完善自己，也就是不断训练控制器，以使控制效果越来越好。这种具有学习能力的控 制器一直是工程师们追求的目标。换句话说，当我们重复完成某一控制任务的时候， 我们从过去的控制输入和跟踪误差数据中获得额外的信息，这种信息我们把它看成一 种经验，一种关于动态过程模型的经验知识。利用这样的经验知识，我们降低了对过 程模型的依赖，并且提供了改进跟踪控制性能的可能性5。 PID 控制是工业工程中应用
14、最为广泛，最有效率的控制理论，从它的出现到现在已经经历了很长的时间，今天它依然在工业控制 中占有不可替代的地位，相信在以后的很长一段时间 PID 控制还会有很强的生命力6。现代工业的高速发展使原始，单一的控制技术已经很难适应现代控制的要求，将新型的控制理论，如学习控制，与传统的 PID控制技术相结合在未来的控制领域内会有广阔的前景。 1.2 国内外技术现状 在学习控制理论形成期的研究集中在新算法的构成以及它的特性分析，这一时期2的研究中，学习控制一般作为离线计算方法， 主要由以下三个基本元素构成：学习控制适用的系统，输入的迭代控制算法以及保证算法收敛的条件。 1973 年美国和日本以学习控制和
15、智能控制为题召开了专题研讨会，在 20 世纪 70 年代发表了大量有关学习控制和智能控制的文章7。 1977 年 Sa-tadis 发表了他著名的专著随机系统的自组织控制 ，总结了这些理论成果。在 20 世纪 80 年代， Arimoto 与其同事 Kawamura8对开环的 P 型， PI 型， PID 型以及 D 型， PD 型的自学习算法的理论与应用做了大量的研究工作，取得了相当的理论成果，并取得了在机 器人上应用的成功，其研究工作带动了当时国际学术界对迭代学习控制的深入研究。 最初，关于其他类型控制系统的研究结果远不如机器人迭代学习控制的研究结果多。 它的使用区别于常规控制方法。经典控
16、制理论对具有在一定时间内循环往复运动的机 器人的应用难以收到令人满意的效果，尤其当机器人处于高速运动的状态，这主要是 因为那些控制理论应用时在循环中对系统的响应总是需要一定的时间才能达到期望值 ，即只有当系统经历一段过渡时间后好的性能才能得到保证。这样对机器人短暂的重 复运动控制显然是不可取的。由于迭代学习控制自身的一些特点，如对系统只需要较 少的先验知识和较少的计算量，一般不需要辨识系统的参数，从而能处理未知参数和 不确定性问题，具有一定的鲁棒性等，决定了它可作为一类机器人或机械装置基于自 主训练来调整运动性能的一种较好的方法。它的研究对诸如机器人等有着非线性，强 耦合，难建模且对运动控制有
17、着高速，高精度要求的对象有着重要的意义9-10。 此后的十几年间，自学习控制技术随着与其相关的学科及应用领域，如计算机技术，现代智能控制，机器人技术等的发展而发展。 自 1992 年以来，迭代学习控制的研究出现了新飞跃，在国内外都涌现出了不少的研究成果，如迭代学习算法结构的研究，鲁棒 性研究，尤其是工程实际应用方法的研究，它们都扩大了迭代学习控制理论的适用范 围和具体实施的可能。例如，如果能将自学习控制技术应用于具有某种重复运行性质 的工业过程就极具前景。自学习控制技术的控制目的在于改善控制系统的瞬态性能， 实现控制系统的稳态补偿，抑制系统的不确定性干扰。其基本做法是在反馈控制环的 基础上，增
18、加一个自学习控制环。迭代学习控制能处理具有未知参数的对象，在许多工业过程中，这样的问题是经常遇到的。3如自来水生产过程，间歇式反应器过程，集成 电路焊接过程和各种装配线或生产线等等。它通过多种方式实现对适用系统进行卓有 成效的智能控制，迭代学习控制已广泛应用于数控加工，坐标测量，光盘驱动系统，化工间歇过程等领域。 对于未来的自学习控制会更多的运用自适应，模糊控制，神经网络，变结构控制等先进的控制技术，由此必然会产生许多新的 控制算法。未来的自学习控制技术会逐步克服传统控制方法所固有的特性设计方面的缺陷。另外，它还将渗透到非控制领域，用于参数，模型的曲线拟合等方面。因此现阶 段对于自学习型控制技
19、术的研究将会十分有意义11-12。 学习型 PID 控制理论从提出到现在发展很快，在很多研究方向上都取得了不少的成果。但是对于这种新型的控制技术仍然存在 着很多问题需要解决，如鲁棒性问题，学习速度，初值问题，应用领域问题等等。这些关键问题的研究直接制约了学习型 PID控制算法的发展和实际应用，近年来国内外的 许多科技工作者都致力于这些关键问题的解决方案： (1) 鲁棒性问题讨论当系统中存在各种干扰时，如不确定输入，状态扰动，测量误差，初始条件误差，期望轨迹变动及学习区间偏移时，在 PID 算法中，被控对象的稳定与收敛问题，即自学习型 PID 算法的跟踪性能13。这一问题最早由 Arimoto1
20、4提出，是针对线性系统而言的，后由 Saab,Chien15-16等推广至非线性系统。频域鲁棒性研究方法能有效解决被控对象模型不确定性和外界扰动不确定性问题，由此 H控制方法和结构奇异值 方法被用于自学习控制的分析和设计以增强其鲁棒性17。一些鲁棒性较强的控制如变结构控制也用于和迭代学习控制相结合解决其鲁棒性性问题。 (2) 学习速度对于各类自学习系统而言都是一个重要的概念。学习速度是研究自学习控制对给定的被控系统在各种不同的学习 律下，系统的输出收敛到给定的性能指标与哪些因素有关18。在迭代学习控制中，采取一些有效的措施，可以加快收敛速度，提高算法的稳定性等，使算法的性能得到改善 。不少学者
21、做了许多努力，期望以最优的学习律和最佳的系统构成，来获得最快的收 敛速度。有结果表明，采用高阶学习律可提高收敛速率。 Togai19给出了离散系统优化的 D 型学习律，优化方法为梯度法，牛顿 -拉夫逊法和高斯法， LEE H 指出用 sup 范数比范数可大大改善学习的动态过程。可4选择最优范数和 H范数。 (3) 初值问题是说控制过程中系统的初始状态与收敛性的关系，目前大多数研究的学习控制都是假定系统的初始状态位于期望轨迹上才得出收敛条件，例如 Arimoto对于一阶非正则连续系统给出初始条件， Sugie20对正则系统提出初始条件。 Porter对部分非正则连续系统给出初始条件。解决迭 代学
22、习控制理论中的初始条件问题一直是人们追求的目标之一。许多文献提出系统初 始条件不在期望轨迹上时，如何保证学习控制收敛的问题，但其收敛条件相对严格。如 Heinzinger21得出当初态可重复时初始偏差不影响学习控制系统的稳定和收敛，收 敛误差与初始偏差成正比，但没有给出如何减小收敛误差的方法。任雪梅22等首先采用初始状态学习方法解决了仿射非线性系统在 D 性学习律作用下的初态问题，但需要系统的输入矩阵 B(t)来确定下次迭代时系统的初始状态。 LEE,HS23等人指出在 PD 和 PID 性学习律作用下，由于初始误差引起系统在时间轴 t 上的跟踪误差，可以通过选择学习矩阵 和 尽快减小， Po
23、rter24等人用补偿项消除了在 PD 型学习率下的非线性系统初始误差引起的跟踪误差。 (4) 学习控制的应用研究是研究的重点，早期的应用主要集中在离线状态，目前在线应用则是研究的趋势之一，另外不断的拓 宽应用领域也是研究的主要任务。学习型 PID 控制在工业控制的很多方面都取得了效果25。 1.3 本文的课题内容 本论文在传统 PID 控制算法的基础上，探讨了学习型 PID 控制算法的原理，数学描述和定义。利用仿真工具 CVI 对传统 PID 控制算法和学习型 PID 控制算法进行仿真实验，分析仿真实验的结果，比较传统 PID 控制算法与学习型 PID 控制算法之间的优势和劣势。参与设计和开
24、发了香港城市大学低 风速风洞的风速控制系统，在开发过程中成功地应用了 PID 控制算法，这为其今后在风速控制方面提供了一个新的应用。 52 学习型PID原理 2.1 传统PID控制原理 2.1.1 PID控制理论 工业的自动化水平是衡量各行各业现代化水平高低的一个重要标志 ,而 PID控制理论在整个工业控制的发展历史中始终都占据着举足轻重的地位。 PID 控制是最早发展起来的控制策略之一，由于其算法简单，鲁棒性 好和可靠性高，被广泛应用于工业过程控制，尤其适用于可建立精确数学模型的确定性控制系统。 PID 控制器由比例单元，积分单元，和微分单元组成。它结构简单、稳定性好、工作可靠、调整方便。
25、PID 控制器的结构框图如图 2-1： 积分微分比例被控对象r(t) + + u(t) e(t)-+图 2-1 PID 控制器结构框图 其中 r(t)为给定值， e(t)为控制偏差， u(t)为控制输出。 PID 控制器是一种线性控制器，它根据给定值 r(t)与实际输出值 c(t)构成控制偏差： e(t)=r(t)-c(t) (2-1) 将 (2-2) 式中的控制偏差 e(t)与 比例环节 P，积分环节 I 和微分环节 D 通过线性组合构成控制量输出，对被控对象进行控制，故称为 PID 控制器。其控制规律为 : DP tI0Tde(t)1u(t) K e(t) dtT e(t)dt=+ +(2
26、-2) 其中IT ，DT 为积分时间和微分时间，PK 为比例系数。 PID 控制器各校正环节在控制过程中都对输出值产生影响： (1) 比例环节 即实时成比例地反映控制系统的偏差 e(t)，偏差一旦产生，控制器6立即产生控制作用，以减少偏差。 (2) 积分环节 主要用于消除静差，提高系统的误差度。积分作用的强弱取决于积分时间，积分时间越大，积分作用越弱，反之则越强。 (3) 微分环节 能反映偏差信号的变化趋势（变化速率） ，并能在偏差信号变得太大之前，在系统中引入一个有效的早期修正信 号，从而加快系统的动作速度，减小调节时间26。 2.1.2 数字PID控制 随着计算机技术的不断发展和性能的飞速
27、提高，计算机在现代控制领域中有了广泛的应用。由软件所构成的软件控制器代替过 去的模拟控制器不仅会使控制过程变得十分灵活，同时也非常的智能化，因此现代的 PID 控制器都采用计算机程序控制即数字 PID 控制27-28。由于计算机控制是一种采样控制，它只能根据采样时刻的偏差值计算控制量，因此对于 (2-2) 式中的积分项和微分项要进行离散化处理。故有式子： kPI Dj0u(k) K e(k) K e(j) K e(k) e(k 1)=+ + (2-3) 计算机的 A/D、 D/A 接口取代了模拟控制器的输入输出接口使得对模拟 PID 控制器的研究变成了对数字 PID 控制算法的研究。传统的 P
28、ID 控制算法有两种基本形式：位置式 PID 控制算法和增量式 PID 控制算法。 2.1.2.1 位置式PID控制算法 若 PID 控制器输出的 u(k) 直接去控制执行机构 ,而 u(k) 的值和执行机构的位置是一一对应的，这样的控制系统被称为位置式控制系统。图 2-2 是位置式 PID 控制系统的系统框图： PID位置算法D/A执行机构被控对象e(k) r(k) + u(k) u(t) c(t)T- c(k)图 2-2 位置式 PID 控制系统框图 7其中 r(k) 是给定的控制位置， c(k) 是实际控制过程中测量的位置，位置式 PID控制算法通过给定控制位置和实际测量位置的差值 e(
29、k) 计算出下一次控制输出量u(k)。位置式 PID 控制算法由计算机程序实现如下： (1) 软件实现流程： 开始设置各参数值 Kp、 T1、 Tp、 T采入 r(k)、 c(k)计算偏差值 e(k)=r(k)-c(k)计算计算 K1 计算 KDe(k)-e(k-1)+A A输出 A即 u(k)返回AAk0je(j) +=1)e(ke(k) 图 2-3 位置式 PID 控制算法程序流程图 图 2-3 为位置式 PID 控制算法的程序设计流程图，主要步骤有设置控制参数，计算当前时刻的偏差值，控制量输出，循环采样。 (2) 基于 C 的算法模块： #include #include struct
30、_pid int pv; /过程量 int sp; /给定量 float integral; /中间量 8float pgain， igain， dgain; /pid的三个参数 int deadband; int last_error; ; struct _pid warm,cold,*pid; int process_point, set_point, dead_band; float p_gain, i_gain, d_gain, integral_val,new_integ; void pid_init(struct _pid *warm, int process_point, int
31、 set_point) struct _pid *pid; /设定初始过程量和指定量 pid = warm; pid-pv = process_point; pid-sp = set_point; void pid_tune(struct _pid *pid, float p_gain, float i_gain, float d_gain, int dead_band) /参数初始化 pid-pgain = p_gain; pid-igain = i_gain; pid-dgain = d_gain; pid-deadband = dead_band; pid-integral= integ
32、ral_val; pid-last_error=0; void pid_setinteg(struct _pid *pid,float new_integ) pid-integral = new_integ; pid-last_error = 0; /初始化误差 void pid_bumpless(struct _pid *pid) pid-last_error = (pid-sp)-(pid-pv); /返回前一次计算的误差 9float pid_calc(struct _pid *pid) /控制算法 int err; float pterm, dterm, result, ferror;
33、 err = (pid-sp) - (pid-pv); if (abs(err) pid-deadband) ferror = (float) err; pterm = pid-pgain * ferror; if (pterm 100 | pterm integral = 0.0; else pid-integral += pid-igain * ferror; if (pid-integral 100.0) pid-integral = 100.0; else if (pid-integral integral = 0.0; dterm = (float)(err - pid-last_e
34、rror) * pid-dgain; result = pterm + pid-integral + dterm; pid-last_error = err; return (result); 程序返回的 result 值即为下一次输出的控制量。它直接作用到控制对象上，通过测量接口得到控制对象的输入反馈后，再次代 入到上面的程序模块中从而输出下一次的控制量，直到控制对象的输出响应在误差给定的范围之内，控制过程停止。 位置式 PID 控制算法原理简单，在实际应用中也容易操作，在很多工业控制中都有应用。但这种算法的缺点是：因为是全量输 出，每次的输出都与过去的所有状态有关，所以计算控制量时要对 e
35、(k)进行累加，计算机的运算工作量很大。而且，因为计算机输出的 u(k)对应的是执行机构的实际位置。若 u(k)出现大幅度的变化，会引起执行机构位置的大幅度变化，这种情况往往是生 产实践中不允许的。在某些大功率的场合，还可能造成重大的生产事故。 102.1.2.2 增量式PID控制算法 增量式 PID 控制算法是指数字 PID 控制器的输出只是控制量的增量 u(k),由增量与上次控制的输出值相加得出此时的控制输出量。 根据（ 2-3）式改进得到增量式 PID 控制算法的式子： PIDu(k) K e(k) K e(k) K e(k)- e(k-1)=+ (2-4) 其中 e(k) e(k)-e
36、(k-1)= 。 计算机的控制系统采用恒定的采样周期 t。由（ 2-4）式可以知道，一旦确定了 Kp，Ki， Kd这三个控制参数，只要使用前后三次测量值的偏差，即可求出控制增量。增量式PID 控制算法由计算机程序实现如下： (1) 软件实现流程 图 2-4 增量式 PID 控制算法程序流程图 开始计算控制参数 A、 B、 C设初值 e(k-1)=e(k-2)=0本次采样输入 c(k)计算偏差值 e(k)=r(k)-c(k)计算控制量=Ae(k)-Be(k-1)+Ce(k-2)输出为下一时刻作准备采样时刻到吗？NY1)e(ke(k)2),e(k1)e(k u(k)u(k)u(k)11图 2-4
37、为增量式 PID 控制算法的程序流程，主要步骤有设置控制参数，计算采样时刻的控制偏差，由（ 2-4）式得到此时输出的控制增量，循环进入下一轮控制。 (2) 基于 C 的算法模块 float pid_calc(struct _pid *pid) /控制算法 int err; float pterm, dterm, result, ferror; err = (pid-sp) - (pid-pv); if (abs(err) pid-deadband) ferror = (float) err; pterm = pid-pgain * ferror; if (pterm 100 | pterm i
38、ntegral = 0.0; else pid-integral += pid-igain * ferror; if (pid-integral 100.0) pid-integral = 100.0; else if (pid-integral integral = 0.0; dterm = (float)(err - pid-last_error) * pid-dgain; result = pterm + pid-integral + dterm; pid-last_error = err; return (result); 程序中返回的 result 值为此时控制输出量与上一次控制输出
39、的差值， 因此 result加上前一采样时刻的控制量即为此时的控制输出量。 增量式 PID 控制算法和位置式 PID 控制算法应用于不同的工程对象，它们都有各自的特点。下面列举一些增量式 PID 控制算法的优缺点： (1) 由于计算机输出增量，所以误动作时影响小，必要时可用逻辑判断的方法去12掉。 (2) 手动 /自动切换时冲击小，便于实现无扰动切换。此外，当计算机发生故障时，由于输出通道或执行装置具有信号的锁存作用，因此可以保持原值。 (3) 控制量的输出不需要累加。 控制增量 u(k)的确定仅与最近的 k 次的采样值有关，所以较容易通过加权处理而获得比较好的控制效果。 (4) 增量式 PI
40、D 控制算法的不足之处在于积分截断效应大，有静态误差，溢出的影响大。因此，在实际工程中对于算法的选择不可一概而论，应具体环境具体分析。 2.2 改进的PID控制算法 因为计算机程序编写的灵活性以及实际工程应用的需要，所以从原始的 PID 控制算法中派生出了很多新的 PID 控制算法，如积分分离 PID 控制算法和带死区的 PID 控制算法。 实际的工程往往会有一些特定的需求，如不允许出现超调，不允许出现振荡，过渡时间快速等，而这些特定的需求往往原始的 PID 控制算法时不能满足的。因此，实际工程的应用中一些派生的控制算法应用得十分广泛。 2.2.1 积分分离PID控制算法 积分环节在 PID
41、控制算法中起着消除静差，提高精度的目的。但是在系统的启动，结束或大幅度增减设定值时，系统的输出与设 定值之间在短时间内会有很大的偏差。这种情况会造成 PID 控制的积分积累，致使控制系统输出的控制量超过执行机构的极限控制量，最终引起系统产生较大的超调，甚 至引起系统的震荡。引入积分分离 PID控制算法，既保持了积分作用，又减小了超调 量，使得控制性能有了较大的改善。其具体实现如下： (1) 根据控制系统的实际情况，人为设定一个阀值 0。 (2) 当控制偏差 e(k) 时，即当 e(k)比较大时，采用 PD 控制，可避免积分积累而出现过大的超调，又能使系统有较快的响应。 (3) 当控制偏差 e(
42、k)e0时，数字调节器输出控制偏差，则 PID控制器输出控制量。 2.3 新型PID控制原理 传统 PID 控制算法结构简单，应用灵活，在控制领域中占有很高的地位。然而随着技术的发展，原始的控制算法已经越来越不 能满足现代工业控制的要求了。自动化在向人工智能的方向发展， PID 控制也在向智能控制发展。 2.3.1 智能控制 2.3.1.1 智能控制的含义 智能控制29-30应包含有两方面的含义： (1) 采用“人工智能”的理论，方法和技术。而“人工智能”包括启发程序 ,专家14系统 (Expert System), 知识工程 (Knowledge Engineering), 模式识别 (Pa
43、ttern Recognition)，自然语言理解 (Natural Language Understanding),定理证明 (Theorem Providing)， 机器学习 (Machine Learning),人工神经网络 (Artificial Neural Network)等相关理论，方法和技术 ,是智能自动化的技术基础。 (2) 具有“拟人智能”的特性或功能，如：自适应 (Self-Adaptation),自学习(Self-Recognition),自校正 (Self-Tuning),自协调 (Self-Coordination),自组织(Self-Organization),自
44、诊断 (Self-Diagnosis),自修复 (Self-Repairing)等是作为衡量是不是智能化装置，设备，系统的性能标准。 2.3.1.2 智能控制的功能 (1) 学习功能：系统具有自行改善自身性能的能力，即在发生某种变化后，系统的性能应该优于变化前的系统性能。 (2) 适应功能：系统应具有适应受控对象动力学特性变化，环境变化和运行条件变化的能力。 (3) 组织能力：系统对于复杂的任务和分散的传感信息具有自行组织和协调功能，该组织功能还表现为系统具有的主动性和灵活性。 (4) 鲁棒性：系统性能应对环境干扰和不确定性等诸多因素不敏感。 (5) 容错性：系统对各类故障具有屏蔽和自修复的功
45、能。 (6) 实时性：系统应能够在线实时响应即需要具有实时监控，实时处理，实时学习和实时动态推理的能力。 2.3.1.3 智能控制技术的类型 智能控制技术的方法实现即智能控制类型，归纳有专家控制，自学习控制，模糊控制，神经网络控制，分层递阶控制，拟人智 能控制等方式。其中专家控制与自学习控制的研究有很重要的实用价值。 (1) 专家控制 专家控制系统即将专家系统的理 论和技术与自动控制的理论 方法与技术结合，在未知的环境下，仿效专家的智能，实现对系统 的自动控制。把基于专家控制的原理所设计的系统或控制器，分别称为专家 控制系统或专家控制器。它 对环境的变化有很强的自适15应能力和自学习能力，具有
46、高可 靠性及长期运行的连续性， 在线控制的实时性等特点。 知识库信息获取与处理推理机构控制规则集被控对象传感器给定 +输出专家控制 -图 2-6 专家控制系统框图 图 2-6 是专家控制系统的框图。方框内为专 家控制器，它由知识库，控制规划集，推理机构及信息获取与处理四部 分组成。其中知识库与推理 机制是必须的，知识库中存储有某个专门领域中经过事先总 结的按某种格式表示的专家水平的 知识条目，在参数调整中可进行有经验的调整；推理机制按照类 似专家水平的问题求解方法，调用知识库中的条目进行推理，判断和决策31。 (2) 自学习控制 一个智能控制系统若能通过在线实时学习，自动获取知识，并能将所学到
47、的知识用来不断改善一个不确定过程的控制性能，则 称这个控制系统为自学习控制系统。图2-7 是自学习系统的框图： 监督器 学习器 知识库 推理机 执行器选例器被控对象传感器输入自学习控制器图 2-7 自学习控制系统框图 其中的关键是自学习控制器，它包括选例器，知识库，学习器，推理机和监督器等五个环节。自学习控制器由计算机软件来实 现。实际上，它是一组具有拟人自学习功能的智能控制程序，其中包括一些基本的控制算法。 16自学习控制应用于具有可重复性的被控对象，即该被控系统的向量函数在每一次重复运行时所表示的函数关系不变，利用控制 系统先前的控制经验，根据测量系统的实际输出信号和期望信号，来寻找一个理
48、想的 输入特性曲线，使得被控对象产生期望运动。其中“寻找”过程是对被控制对象做反复训练的过程。 智能控制与传统 PID 控制算法的结合，形成了所谓的智能 PID 控制器，这种新型的控制器已引起人们的普遍关注和极大兴趣， 并已得到较为广泛的应用。它具有不依赖系统的精确数学模型的特点，对被控系统的参数变化具有较好的鲁棒性。 智能控制器应具有自整定，自综合和监控三种运行状态。自整定是指控制器根据对象特性变化自动整定 PID 参数，使控制系统具有稳定的鲁棒性；自综合用来保证控制系统的性能鲁棒性；监控状态用来确保控制系统安全可靠运行32。 2.3.2 专家PID控制算法 专家控制是基于知识的智能控制技术，因而又被称为基于知识的控制或专家智能控制。专家控制技术对于复杂的受控对象或过 程尤为必要，在实际工业控制中有广泛的前景。专家 PID 控制有两种典型的结构： (1) 基于模式识别的专家式 PID 自整定控制器 模式识别器比较器专家系统PID控制器模式识别器ei.eiem.emkpkIkDu(k) ye(k)Y1 +图 2-8 基于模式识别的专家式 PID 自整定控制器框图 图 2-8 是基于模式识别的专家式 PID 自整定控制器的框图，框图中除广义被控对象外，其余部分为专家式 PID 自整定控制器。该自整定控制器的工作过程是，在闭环系统受到扰动时，对
