過程控制系統(tǒng)與儀表

王再英陳毅靜編著

過程控制系統(tǒng)與儀表

王再英陳毅靜編著第8章先進過程控制技術(shù)8.1概述從40年代開始至今，采用PID控制規(guī)律的單回路系統(tǒng)一直是過程控制領(lǐng)域最主要的控制系統(tǒng)，單回路系統(tǒng)主要采用經(jīng)典控制理論的頻域分析方法進行控制系統(tǒng)的分析和設(shè)計。PID控制算法簡單、有效，可以實現(xiàn)一般生產(chǎn)過程的平穩(wěn)操作與運行。但單回路PID控制并不適用于特性復(fù)雜的被控過程，不能滿足生產(chǎn)工藝的特殊需要和高精度控制的要求。第8章先進過程控制技術(shù)8.1概述從50年代開始，過程控制領(lǐng)域陸續(xù)出現(xiàn)了串級、比值、前饋、均勻和Smith預(yù)估控制等控制系統(tǒng)，即所謂的復(fù)雜控制系統(tǒng)，這些系統(tǒng)在一定程度上滿足了復(fù)雜生產(chǎn)過程、特殊生產(chǎn)工藝以及高精度控制的需要。從60年代初期逐漸發(fā)展起來的以狀態(tài)空間為基礎(chǔ)的現(xiàn)代控制理論日趨完善，形成了狀態(tài)反饋、狀態(tài)觀測器、最優(yōu)控制等一系列多變量控制系統(tǒng)的設(shè)計方法，對自動控制技術(shù)的發(fā)展起到了積極的推動作用。

從50年代開始，過程控制領(lǐng)域陸續(xù)出現(xiàn)了串級、

隨著過程工業(yè)日益走向大規(guī)模、復(fù)雜化、對生產(chǎn)過程的控制品質(zhì)要求越來越高，出現(xiàn)了許多過程、結(jié)構(gòu)、環(huán)境和控制均十分復(fù)雜的生產(chǎn)系統(tǒng)，出現(xiàn)了先進過程控制APC（亦稱高等過程控制）的概念。關(guān)于先進過程控制，目前尚無嚴格而統(tǒng)一的定義。習(xí)慣上，將那些不同于常規(guī)單回路PID控制，并具有比常規(guī)PID控制更好控制效果的控制策略統(tǒng)稱為先進過程控制，如自適應(yīng)控制、預(yù)測控制、專家控制、模糊控制、神經(jīng)網(wǎng)絡(luò)控制、推理控制等都屬于先進控制。隨著過程工業(yè)日益走向大規(guī)模、復(fù)雜化、對生產(chǎn)過程相對于傳統(tǒng)的控制技術(shù)，先進控制有以下一些特點：（1）先進控制的控制策略與傳統(tǒng)的PID控制不同。（2）先進控制通常用于實現(xiàn)復(fù)雜被控過程的自動控制。（3）先進控制的實現(xiàn)需要足夠的計算能力作為支持平臺。本章簡單介紹近年來出現(xiàn)的典型先進控制，這些控制方法在復(fù)雜工業(yè)過程控制中得到了成功的應(yīng)用，并受到工程界的歡迎和好評。

相對于傳統(tǒng)的控制技術(shù)，先進控制有以下一些特點：8.2自適應(yīng)控制前面討論的控制系統(tǒng)設(shè)計和控制器參數(shù)整定，都是在假定被控過程特性呈線性、模型參數(shù)固定不變的條件下進行的，但在實際生產(chǎn)中，被控過程的數(shù)學(xué)模型參數(shù)會隨著生產(chǎn)的不斷進行發(fā)生變化。為了保證控制品質(zhì)，當對象特性發(fā)生變化時應(yīng)該重新整定控制器參數(shù)。采用常規(guī)PID控制不能很好地適應(yīng)工藝參數(shù)的變化，導(dǎo)致控制品質(zhì)下降，產(chǎn)品產(chǎn)量和質(zhì)量不穩(wěn)定。有一種控制系統(tǒng)，它能根據(jù)被控過程特性變化情況，自動改變控制器的控制規(guī)律和可調(diào)參數(shù)，使生產(chǎn)過程始終在最佳狀況下進行，這稱為自適應(yīng)控制系統(tǒng)。

8.2自適應(yīng)控制自適應(yīng)控制系統(tǒng)應(yīng)該具有以下基本功能：辨識被控對象的結(jié)構(gòu)、參數(shù)和性能指標的變化，建立被控過程的數(shù)學(xué)模型，或確定當前的實際性能指標；能根據(jù)條件變化，選擇合適的控制策略或控制規(guī)律，并能自動修正控制器的參數(shù)，保證系統(tǒng)的控制品質(zhì)，使生產(chǎn)過程始終在最佳狀況下進行。根據(jù)設(shè)計原理和結(jié)構(gòu)的不同，自適應(yīng)控制系統(tǒng)可分為兩大類，即自校正控制系統(tǒng)和模型參考自適應(yīng)控制系統(tǒng)。自適應(yīng)控制系統(tǒng)應(yīng)該具有以下基本功能：8.2.1自校正控制系統(tǒng)自校正控制系統(tǒng)的原理圖如圖8.1所示：控制器參數(shù)計算參數(shù)辨識被控過程控制器xuy圖８.1自校正控制系統(tǒng)框圖8.2.1自校正控制系統(tǒng)控制器參數(shù)計算參數(shù)辨識被控過程控制器根據(jù)具體生產(chǎn)過程的特點，采用不同的辨識算法、控制規(guī)律（策略）以及參數(shù)計算方法可設(shè)計出各種類型的自整定控制器和自校正控制系統(tǒng)。8.2.2模型參考自適應(yīng)控制系統(tǒng)

模型參考自適應(yīng)控制系統(tǒng)的基本結(jié)構(gòu)如圖8.2所示參考模型自適應(yīng)機構(gòu)控制器被控過程r+—e（t）+ym（t）y（t）圖8.2模型參考自適應(yīng)控制系統(tǒng)框圖根據(jù)具體生產(chǎn)過程的特點，采用不同的辨

模型參考自適應(yīng)控制系統(tǒng)除了圖8.2所示的并聯(lián)結(jié)構(gòu)之外，還有串聯(lián)結(jié)構(gòu)、串——并聯(lián)結(jié)構(gòu)等其它形式。按照自適應(yīng)原理不同，模型參考自適應(yīng)控制系統(tǒng)還可分為參數(shù)自適應(yīng)、信號綜合自適應(yīng)或混合自適應(yīng)等多種類型。8.3預(yù)測控制

被控過程的數(shù)學(xué)模型的準確程度直接影響到控制的質(zhì)量。對于復(fù)雜的工業(yè)過程，要建立它的準確模型是非常困難的。1978年Richalet提出的預(yù)測控制是一種對模型精度要求不高而同樣能實現(xiàn)高質(zhì)量控制的方法，并很快在工業(yè)生產(chǎn)過程自動化中獲得了成功的應(yīng)用。模型參考自適應(yīng)控制系統(tǒng)除了圖8.2所示的并

雖然這些控制算法的表達形式和控制方案各不相同，但都是采用工業(yè)過程中較易得到的對象的脈沖響應(yīng)或階躍響應(yīng)曲線為依據(jù)，并將它們在采樣時刻的一條列數(shù)值作為描述對象動態(tài)特性的數(shù)據(jù)，構(gòu)成預(yù)測模型，據(jù)此確定控制量的時間序列，使未來一段時間中被控量與期望軌跡之間的誤差最小，這種“優(yōu)化”過程反復(fù)在線進行，這就是預(yù)測控制的基本思想。

雖然這些控制算法的表達形式和控制方案各不相8.3.1模型算法控制

MAC的原理圖如圖8.3所示。參考軌跡優(yōu)化算法被控過程內(nèi)部模型閉環(huán)預(yù)測輸出ryr(k+i)+_u(k)y(k)+_e(k)ym(k+i)yp(k+i)=ym(k+i)+hie(k)圖8.3MAC原理框圖ym(k)8.3.1模型算法控制參考軌跡優(yōu)化算法被控過程內(nèi)部模型閉環(huán)預(yù)

模型算法控制的結(jié)構(gòu)包括內(nèi)部模型、反饋校正、滾動優(yōu)化、參考軌跡四個環(huán)節(jié)。具體的模型算法可分為單步模型算法、多步模型算法、增量模型算法和單值模型算法等多種算法控制。下面以多步模型算法控制為例，說明各個環(huán)節(jié)的算法和整個系統(tǒng)的工作原理。1．內(nèi)部模型對于有自衡特性的對象，模型算法控制采用單位脈沖響應(yīng)曲線作為內(nèi)部模型。如圖8.4所示。

模型算法控制的結(jié)構(gòu)包括內(nèi)部模型、反饋校正、滾動優(yōu)化、設(shè)當前時刻為k，對于圖8.4所示的內(nèi)部模型，可以根據(jù)過去和未來的輸入數(shù)據(jù)，由卷積方程計算出被控過程未來k＋i時刻輸出y(k＋i)的預(yù)測值（8.1）

k＋i-1時刻預(yù)測模型輸出ym(k＋i-1)

（8.2）

將式(8.1)與式(8.2)相減可得增量表達式

(8.3)設(shè)當前時刻為k，對于圖8.4所示的內(nèi)部模型，可以第8章-先進過程控制技術(shù)ppt課件

2．反饋校正對式（8.1）的開環(huán)預(yù)測模型的輸出進行修正。通常采用第k步的實際輸出測量值y(k)與預(yù)測輸出值ym(k)之間的誤差e(k)=y(k)一

ym(k)對模型的預(yù)測輸出ym(k＋i)進行修正。修正后的預(yù)測值用yp(k＋i)表示

yp(k+i)=ym(k+i)+hi[y(k)–ym(k)]

=ym(k+i)+hie(k)（8.4）

2．反饋校正由式（8.4）可知，由于每個預(yù)測時刻都引入了當前時刻實際對象輸出和預(yù)測模型輸出的偏差對開環(huán)模型預(yù)測值ym(k＋i)進行修正，這樣可克服模型不精確和系統(tǒng)中存在的不確定性可能帶來的誤差。用修正后的預(yù)測值yp(k＋i)作為計算最優(yōu)性能指標的依據(jù)，實際上是對測量值y(k)的一種負反饋，故稱反饋校正。由于存在反饋環(huán)節(jié)，經(jīng)過反饋校正，控制系統(tǒng)的魯棒性就有了很大提高，這也是預(yù)測控制得到廣泛應(yīng)用的一個重要原因。由式（8.4）可知，由于每個預(yù)測時刻

3．參考軌跡

模型算法控制的目的是使輸出y(k)沿著一條事先規(guī)定好的曲線逐漸達到給定值r，這條指定曲線稱為參考軌跡yr。通常參考軌跡采用從現(xiàn)在時刻k對象實際輸出值y(k)出發(fā)的一階指數(shù)曲線。yr在未來k十i時刻的數(shù)值為yr(k)=y(k)yr(k+i)=ariy(k)+(1-ari)r（8.5）采用這種參考軌跡，將會減小過量的控制作用，使系統(tǒng)輸出能平滑地到達設(shè)定值r；參考軌跡的時間常數(shù)T0越大，αr值也越大，yr越平滑，系統(tǒng)的柔性越好，魯棒性也越強，但控制快速性也會降低。

3．參考軌跡

4．滾動優(yōu)化

預(yù)測控制是一種最優(yōu)控制策略，其目標函數(shù)JP是使某項性能指標最小。最常用的是二次型目標函數(shù)

（8.6）這種方法采用滾動式的有限時域優(yōu)化算法，優(yōu)化過程是在線反復(fù)計算，對模型時變、干擾和失配等影響能及時補償，因而稱其為滾動優(yōu)化算法。

4．滾動優(yōu)化

由于目標函數(shù)中加人控制量的約束，可限制過大的控制量沖擊，使過程輸出變化平穩(wěn)，參考軌跡曲線yr(t)如圖8.5所示。過去未來由于目標函數(shù)中加人控制量的約束，可限制過大的控制量沖21設(shè)擬合直線方程：最小二乘擬合法最小二乘法擬合y=kx+b若實際校準測試點有n個，則第i個校準數(shù)據(jù)與擬合直線上響應(yīng)值之間的殘差為最小二乘法擬合直線的原理就是使為最小值，即Δi=yi-(kxi+b)對k和b一階偏導(dǎo)數(shù)等于零，求出a和k的表達式21設(shè)擬合直線方程：最小二乘擬合法最小二乘法擬合y=kx+b22即得到k和b的表達式將k和b代入擬合直線方程，即可得到擬合直線，然后求出殘差的最大值Lmax即為非線性誤差。22即得到k和b的表達式將k和b代入擬合直線方程，即可得到擬23

例題：測得某檢測裝置的一組輸入輸出數(shù)據(jù)如下：

試用最小二乘法擬合直線X0.92.53.34.55.76.7y1.11.62.63.24.05.0帶入數(shù)據(jù)得：，23

例題：測得某檢測裝置的一組輸入輸出數(shù)據(jù)如下：

試

8.3.2動態(tài)矩陣控制

1980年由Culter提出的動態(tài)矩陣控制DMC也是預(yù)測控制的一種重要算法，DMC與MAC的差別是內(nèi)部模型不同。DMC采用工程上易于測取的對象階躍響應(yīng)做為內(nèi)部模型，在實際應(yīng)用取得了顯著的效果，并在石化領(lǐng)域得到廣泛的應(yīng)用。

1．內(nèi)部模型

DMC的內(nèi)部模型為單位階躍響應(yīng)曲線，如圖８.6所示。8.3.2動態(tài)矩陣控制

單位階躍響應(yīng)曲線同單位脈沖響應(yīng)曲線一樣可以表示對象的動態(tài)特性，二者之間的轉(zhuǎn)換關(guān)系為

（8.7）第8章-先進過程控制技術(shù)ppt課件

將式（8.7）代入式（8.1）

式(8.8）還可表示為（8.9）

（8.8）

將式（8.7）代入式（8.1）如果定義向量和矩陣YM(k+1)=[yM

(k+1)y

M

(k+2)…y

M

(k+p)]TY0(k+1)=[y0(k+1)y0(k+2)…y0(k+p)]T則式（8.9）可表示為（8.10）如果定義向量和矩陣

2．反饋校正由于非線性、隨機干擾等因素，模型預(yù)測值與實際輸出可能存在差異，為了減少這種影響，用對象實際輸出和預(yù)測模型輸出的偏差e(k)=y(k)一

ym(k)，對模型預(yù)測值ym(k)進行修正

yp(k+i)=ym(k+i)+hi[y(k)–ym(k)]

=ym(k+i)+hie(k)（8.11）通過對預(yù)測值進行修正，構(gòu)成反饋校正，形成閉環(huán)預(yù)測輸出，提高了系統(tǒng)的魯棒性。2．反饋校正

如果定義向量Yp(k+1)=[yp(k+1)yp(k+2)…yp(k+p)]TY(k+1)=[y(k+1)y(k+1)…y(k+p)]TH=[h1h2

…h(huán)m]T則式（8.11）可表示為

Yp(k+1)=YM(k+1)+H[y(k+1)-yM(k+1)]（8.12）

8.3.3廣義預(yù)測控制與內(nèi)部模型控制

1．廣義預(yù)測控制Clarke于1985年提出廣義預(yù)測控制GPC，在保留MAC、DMC算法特點的基礎(chǔ)上，采用受控自回歸積分滑動平均模型CARIMA或受控自回歸滑動平均模型CARMA作為內(nèi)部模型，對模型失配、模型參數(shù)誤差的魯棒性有所提高。如果定義向量

2．內(nèi)部模型控制

內(nèi)部模型控制（IMC）是Garcia和Morari于1982年提出來的一種控制算法，其基本結(jié)構(gòu)如圖8.7所示。2．內(nèi)部模型控制

8.4專家控制專家控制（也稱專家智能控制）是專家系統(tǒng)與傳統(tǒng)控制理論結(jié)合，它將專家系統(tǒng)理論同控制理論與技術(shù)相結(jié)合，在未知環(huán)境下仿效專家的智能，實現(xiàn)對系統(tǒng)的控制。根據(jù)專家系統(tǒng)在控制系統(tǒng)中應(yīng)用的復(fù)雜程度，專家控制可分為專家控制系統(tǒng)和專家式控制器。專家控制系統(tǒng)具有全面的專家系統(tǒng)結(jié)構(gòu)、完善的知識處理功能，同時又具有實時控制的可靠性能；專家式控制器是專家控制系統(tǒng)的簡化，二者在功能上沒有本質(zhì)的區(qū)別。

8.4專家控制

專家控制能夠運用控制工作者成熟的控制思想、策略和方法以及直覺經(jīng)驗和手動控制技能進行控制。專家控制統(tǒng)不僅可以提高常規(guī)控制系統(tǒng)的控制品質(zhì)，拓寬控制系統(tǒng)應(yīng)用范圍，而且可以對傳統(tǒng)控制方法難以奏效的復(fù)雜生產(chǎn)過程實現(xiàn)高品質(zhì)控制。1．專家控制系統(tǒng)的類型根據(jù)用途和功能，專家控制系統(tǒng)可分為直接型專家控制系統(tǒng)（器）和間接型專家控制系統(tǒng)（器）；根據(jù)知識表達技術(shù)分類，可分為產(chǎn)生式專家控制系統(tǒng)和框架式專家控制系統(tǒng)等。專家控制能夠運用控制工作者成熟的控制思想、策

（1）直接型專家控制系統(tǒng)直接型專家控制系統(tǒng)（器）具有模擬（或延伸、擴展）操作工人的智能的功能，能夠取代常規(guī)PID控制，實現(xiàn)在線實時控制。它的知識表達和知識庫均較簡單，由幾十條產(chǎn)生式規(guī)則構(gòu)成，便于修改，其推理和控制策略簡單，推理效率較高。（1）直接型專家控制系統(tǒng)（2）間接型專家控制系統(tǒng)間接型專家控制系統(tǒng)和常規(guī)PID控制器相結(jié)合，對生產(chǎn)過程實現(xiàn)間接智能控制，具有模擬控制工程師的智能的功能，可實現(xiàn)優(yōu)化、適應(yīng)、協(xié)調(diào)、組織等高層決策。按其高層決策功能，可分為優(yōu)化型、適應(yīng)型、協(xié)調(diào)型和組織型專家控制系統(tǒng)。這類專家控制系統(tǒng)功能復(fù)雜，智能水平較高，相應(yīng)的知識表達需采用綜合技術(shù)，既用產(chǎn)生式規(guī)則，也要用框架和語義網(wǎng)絡(luò)以及知識模型和數(shù)學(xué)模型相結(jié)合的綜合模型化方法。系統(tǒng)功能可在線實時實現(xiàn)，也可通過人機交互或離線實現(xiàn)。（2）間接型專家控制系統(tǒng)

2．專家控制系統(tǒng)基本組成不同類型專家控制系統(tǒng)的結(jié)構(gòu)可能有很大差別，但都包含算法庫、知識基系統(tǒng)、人-機接口、通信系統(tǒng)等基本組成部分，如圖8.8所示。人機接口通信系統(tǒng)知識基系統(tǒng)算法庫：辨識算法監(jiān)督算法控制算法．．．控制對象圖8.8專家控制系統(tǒng)典型結(jié)構(gòu)框圖2．專家控制系統(tǒng)基本組成人機通信知算法庫：控圖8.8專算法庫主要進行數(shù)值計算：控制算法根據(jù)知識基系統(tǒng)的控制配置命令和對象的測量信號，按選定的控制策略或最小方差等算法計算控制信號。辨識算法和監(jiān)控算法是從數(shù)值信號流中抽取特征信息，只有當系統(tǒng)運行狀況發(fā)生某種變化時，才將運算結(jié)果送入知識基系統(tǒng)，增加或更新知識。知識基系統(tǒng)貯存控制系統(tǒng)的知識信息，包括數(shù)據(jù)庫和規(guī)則庫。在穩(wěn)態(tài)運行期間，知識基系統(tǒng)是閑置的，整個系統(tǒng)按傳統(tǒng)控制方式運行。知識基系統(tǒng)具有定性的啟發(fā)式知識，進行符號推理，按專家系統(tǒng)的設(shè)計規(guī)范編碼，通過算法庫與對象相連。

算法庫主要進行數(shù)值計算：

人一機接口作為人一機界面，把用戶輸入的信息轉(zhuǎn)換成系統(tǒng)內(nèi)規(guī)范化的表示形式，然后交給相應(yīng)模塊去處理；把系統(tǒng)輸出的信息轉(zhuǎn)換成用戶易于理解的外部表示形式顯示給用戶，實現(xiàn)與知識基系統(tǒng)的直接交互聯(lián)系，與算法庫間接聯(lián)系。由于生產(chǎn)過程的復(fù)雜性和先驗知識的局限性，難以對它進行完善的建模，這時就要根據(jù)過去獲得的經(jīng)驗信息，通過估計來學(xué)習(xí)，逐漸逼近未知信息的真實情況，使控制性能逐步改善，具有學(xué)習(xí)功能的系統(tǒng)才是完善的專家控制系統(tǒng)。人一機接口作為人一機界面，把用戶輸入的8.5模糊控制

在實際生產(chǎn)中有相當數(shù)量的過程用傳統(tǒng)的方法難以實現(xiàn)自動控制。但一個熟練的操作人員可能并沒有多少控制理論知識，也不知道被控過程數(shù)學(xué)模型，卻能憑自己豐富的實踐經(jīng)驗，通過手動操作實現(xiàn)復(fù)雜生產(chǎn)過程的控制。人們的經(jīng)驗知識具有模糊性，無法用精確的數(shù)學(xué)語言表達，但可用模糊集合與模糊邏輯描述。1974年，英國的E．H．Mamdani根據(jù)美國自動控制理論專家L．A．Zadeh于1965年提出的模糊集合理論，提出了模糊控制器的概念，標志模糊控制的正式誕生。

8.5模糊控制

與各種精確控制方法相比，模糊控制有如下優(yōu)點：（1）模糊控制使一些難于建模的復(fù)雜生產(chǎn)過程的自動控制成為可能。（2）模糊控制具有較強的魯棒性，被控過程特性對控制性能影響較小。（3）基于模糊控制規(guī)則的推理、運算過程簡單，控制實時性好。（4）模糊控制機理符合人們對過程控制作用的直觀描述和思維邏輯，為人工智能和專家系統(tǒng)在過程控制中的應(yīng)用奠定了基礎(chǔ)。與各種精確控制方法相比，模糊控制有如下優(yōu)點：

8.5.1模糊控制系統(tǒng)的基本結(jié)構(gòu)圖8.9為模糊控制系統(tǒng)的方塊圖，虛線框部分為模糊控制器。系統(tǒng)將測得的數(shù)據(jù)y（被控參數(shù)）與給設(shè)值進行比較后得到的偏差e和偏差變化率?輸入到模糊控制器，模糊控制器通過計算得出控制量u，通過u對生產(chǎn)過程進行控制。A/D模糊化處理模糊控制算法去模糊化處理D/A被控過程ｄ－dtr+-ye（t）u模糊控制器圖8.9模糊控制系統(tǒng)框圖8.5.1模糊控制系統(tǒng)的基本結(jié)構(gòu)A/D模糊化模糊控去模

模糊控制器的輸入、輸出變量都是精確的數(shù)值，模糊控制器采用模糊語言變量，用模糊邏輯進行推理。模糊控制器的基本結(jié)構(gòu)框圖如圖8.10所示。

A/D模糊化模糊規(guī)則推理清晰化D/A知識庫ｅ

．ｅＥ．ＥＵｕ＊ｕ圖8.10模糊控制器結(jié)構(gòu)框圖模糊控制器的輸入、輸出變量都是精確的數(shù)值

1．模糊化

模糊化是將偏差e及其變化率?的精確量轉(zhuǎn)換為模糊語言變量，即根據(jù)輸入變量模糊子集的隸屬函數(shù)找出相應(yīng)的隸屬度，將e和?變換成模糊語言變量E、?。在實際控制過程中，把一個實際物理量劃分為“正大”，“正中”，“正小”，“零”，“負小”，“負中”，“負大”7級，分別以英文字母PB、PM、PS、ZE、NS、NM、NB表示。每一個語言變量值都對應(yīng)一個模糊子集。首先要確定這些模糊子集的隸屬度函數(shù)μ(?)，才能進行模糊化。1．模糊化

隸屬度函數(shù)曲線一般選擇三角形或梯形。在某一區(qū)間內(nèi)，要求控制器精度高、響應(yīng)靈敏，則相應(yīng)區(qū)間的分割細一些、三角形隸屬度函數(shù)曲線斜率取大一些，如圖8.11（a）所。反之，則如圖8.11（b）所示。

隸屬度隸屬度隸屬度函數(shù)曲線一般選擇三角形或梯形。在某一

2．模糊規(guī)則推理

模糊控制器的核心是依據(jù)語言規(guī)則進行模糊推理，在控制器設(shè)計時，首先要確定模糊語言變量的控制規(guī)則。規(guī)則的形式為：IF…THEN…。一般描述為：IFXisAandYisB，THENZisC。

2．模糊規(guī)則推理

3．清晰化

清晰化即是將模糊語言變量轉(zhuǎn)換為精確的數(shù)值，即根據(jù)輸出模糊子集的隸屬度計算出確定的輸出數(shù)值。清晰化有各種方法，其中最簡單的一種是最大隸屬度方法。在控制技術(shù)中最常用的清晰化方法則是面積重心法COG，其計算式為

（8.13）

3．清晰化式中，μ(ui)為各規(guī)則結(jié)論ui的隸屬度。對于連續(xù)變量，式（8.13）的和式變?yōu)榉e分形式來表示

（8.14）此外，還有一些可供選擇的清晰化計算方法，如最大值平均MOM、左取大LM、右取大R、乘積和重心法PSG等。在選擇清晰化方法時，應(yīng)考慮隸屬度函數(shù)的形狀、所選擇的推理方法等因素。式中，μ(ui)為各規(guī)則結(jié)論ui的隸屬度。對于連續(xù)

4．知識庫知識庫中包含了有關(guān)控制系統(tǒng)及其應(yīng)用領(lǐng)域的知識、要達到的控制目標等，由數(shù)據(jù)庫和模糊控制規(guī)則庫組成。數(shù)據(jù)庫主要包括各語言變量的隸屬度函數(shù)、尺度變換因子以及模糊空間的分級數(shù)等；規(guī)則庫包括用模糊語言變量表示的一系列控制規(guī)則，它們反映了控制專家的經(jīng)驗和知識。4．知識庫

8.5.2模糊控制的幾種實現(xiàn)方法1．CRI查表法

CRI（關(guān)系合成推理）查表法是模糊控制最早采用的方法。所謂查表法就是將所有可能輸入變量的隸屬度函數(shù)、模糊控制規(guī)則及輸出變量的隸屬度函數(shù)都用表格（稱為模糊控制表）來表示。輸入變量模糊化、模糊規(guī)則推理和輸出變量的清晰化均通過查表實現(xiàn)。

8.5.2模糊控制的幾種實現(xiàn)方法

2．專用硬件模糊控制器

專用硬件模糊控制器是用硬件直接實現(xiàn)模糊規(guī)則推理。優(yōu)點是推理速度快，控制精度高。3．軟件模糊推理法

軟件模糊推理法的特點就是模糊控制過程中輸入量模糊化、模糊規(guī)則推理、輸出清晰化和知識庫這四部分都用軟件來實現(xiàn)。2．專用硬件模糊控制器

8.6神經(jīng)網(wǎng)絡(luò)控制

基于神經(jīng)網(wǎng)絡(luò)的控制是一種基本上不依賴于模型的控制方法，適用于難于建?；蚓哂懈叨确蔷€性的被控過程。

8.6.1神經(jīng)元模型1．生物神經(jīng)元模型人的大腦是由大量的神經(jīng)細胞組合而成的，它們之間互相連接。每個腦神經(jīng)細胞（也稱神經(jīng)元）具有如圖8.12所示的結(jié)構(gòu)。

8.6神經(jīng)網(wǎng)絡(luò)控制

腦神經(jīng)元由細胞體、樹突和軸突構(gòu)成。細胞體是神經(jīng)元的中心。樹突是神經(jīng)元的主要接受器，用來接受信息。軸突傳導(dǎo)信息，從軸突起點傳到軸突末梢，軸突末梢與另一個神經(jīng)元的樹突或細胞體構(gòu)成一種突觸的機構(gòu)。通過突觸實現(xiàn)神經(jīng)元之間的信息傳遞。圖8.12生物神經(jīng)元模型腦神經(jīng)元由細胞體、樹突和軸突構(gòu)成。細胞體是神2．人工神經(jīng)元模型

人工神經(jīng)元網(wǎng)絡(luò)是利用物理器件來模擬生物神經(jīng)網(wǎng)絡(luò)的某些結(jié)構(gòu)和功能。人工神經(jīng)元模型如圖8.13所示。

神經(jīng)元模型的輸人輸出關(guān)系為：（8.15）

yj=f(Ij)

（8.16）

2．人工神經(jīng)元模型

人工神經(jīng)元網(wǎng)絡(luò)是利用物理器

8.6.2人工神經(jīng)網(wǎng)絡(luò)模型

將多個人工神經(jīng)元模型按一定方式連接而成的網(wǎng)絡(luò)結(jié)構(gòu)，稱為人工神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)有多種結(jié)構(gòu)模型，圖8.15（a）所示為前向神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)；（b）為反饋型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。輸出輸入輸出層隱層輸入層(a)前向神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)(b)反饋型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)8.6.2人工神經(jīng)網(wǎng)絡(luò)模型輸出輸入輸出層隱層輸入層(a

誤差反向傳播網(wǎng)絡(luò)簡稱BP網(wǎng)絡(luò)，如圖8.15（a）所示，是一種單向傳播的多層前向網(wǎng)絡(luò)，由輸入層、隱含層（可以有多個隱含層）和輸出層構(gòu)成，可以實現(xiàn)從輸入到輸出的任意非線性映射。BP算法屬于全局逼近方法，有較好的泛化能力，是當前應(yīng)用最廣泛的一種網(wǎng)絡(luò)；缺點是訓(xùn)練時間長，易陷入局部極小，隱含層數(shù)和隱含節(jié)點數(shù)難以確定。

BP網(wǎng)絡(luò)在建模和控制中應(yīng)用較多。誤差反向傳播網(wǎng)絡(luò)簡稱BP網(wǎng)絡(luò)，如圖8.15

8.6.3神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用

神經(jīng)網(wǎng)絡(luò)控制是指在控制系統(tǒng)中采用神經(jīng)網(wǎng)絡(luò)，對難以精確描述的復(fù)雜非線性對象進行建模、特征識別，或作為優(yōu)化計算、推理的有效工具。其在控制領(lǐng)域的應(yīng)用可簡單歸納為以下幾個方面：在基于精確模型的各種控制結(jié)構(gòu)中作為對象模型。在反饋控制系統(tǒng)中直接承擔(dān)控制器的作用。在傳統(tǒng)控制系統(tǒng)中實現(xiàn)優(yōu)化計算。在與其它智能控制方法相融合中，為其提供非參數(shù)化對象模型、優(yōu)化參數(shù)、推理模型和故障診斷等。8.6.3神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用

8.7推理控制

在實際生產(chǎn)中，常常存在這樣一種情況：被控過程的主要參數(shù)不能直接測量或者難以測量，無法實現(xiàn)反饋控制；或者被控過程的擾動無法測量，不能進行前饋補償。針對這一問題，美國的ColemanBrosilom和MarrinTong等人于1978年提出了推理控制方法。推理控制在建立過程數(shù)學(xué)模型的基礎(chǔ)上，根據(jù)過程輸出的性能要求，通過數(shù)學(xué)推理導(dǎo)出控制系統(tǒng)應(yīng)具有的結(jié)構(gòu)形式，通過輔助參數(shù)實現(xiàn)對不可測主要參數(shù)的反饋控制和不可測擾動的補償。8.7推理控制8.7.1推理控制系統(tǒng)的組成

推理控制系統(tǒng)框圖如圖8.16所示。

圖8.16推理控制系統(tǒng)框圖8.7.1推理控制系統(tǒng)的組成

推理控制系統(tǒng)框圖如圖8.16所

現(xiàn)設(shè)計Gc(s)，克服F(s)對Y(s)的影響。從圖8.16可知，F(xiàn)(s)對Ys(s)與Y(s)影響可表示如下（8.17）

（8.18）

設(shè)，帶入式（8.18）

（8.19）如果（8.20）,則有Y(s)=0

即完全消除了不可測干擾F(s)對被控過程主要參數(shù)Y(s)的影響?，F(xiàn)設(shè)計Gc(s)，克服F(s)對Y(s)的影響。

從式（8.18）可得推理控制部分的傳遞函數(shù)

（8.21）

若已知環(huán)節(jié)傳遞函數(shù)的估計值，可求出

（8.22）

推理控制部分的輸出（8.23）從式（8.18）可得推理控制部分的傳遞函數(shù)

式（8.23）簡寫為：

（8.24）令，則可由式（8.24）畫出圖8.17所示的推理控制系統(tǒng)組成框圖。式（8.23）簡寫為：

由圖8.17不難看出，推理控制部分具有如下三個基本功能：①實現(xiàn)信號分離②估計不可測擾動③實現(xiàn)輸出跟蹤8.7.2推理——反饋控制系統(tǒng)消除誤差的途徑之一是構(gòu)成主要參數(shù)反饋控制系統(tǒng)，但由于主要輸出參數(shù)不可測，可通過推理方法估算出主要參數(shù)，實現(xiàn)反饋控制。這就是推理——反饋控制系統(tǒng)的基本思路，其框圖如圖8.18所示。由圖8.17不難看出，推理控制部分具有如下三個基本功從圖8.18可得Ｙ(s)=G0(s)U(s)+Gf(s)F(s)（8.25）Ｙs(s)=G0s(s)U(s)+Gfs(s)F(s)（8.26）從圖8.18可得

由（8.26）可得（8.27）將式（8.27）代入式（8.25）可得：（8.28）

圖8.17所示的推理控制系統(tǒng)實現(xiàn)了對不可測擾動的補償，圖8.18所示的推理——反饋控制系統(tǒng)實現(xiàn)了不可測被控參數(shù)的反饋控制，如果將二者結(jié)合起來，則可構(gòu)成不可測干擾與不可測被控參數(shù)的補償——反饋復(fù)合控制系統(tǒng)。由（8.26）可得

8.8基于規(guī)則的仿人控制8.8.1仿人比例控制8.8.1.1仿人比例控制工作原理假定被控過程為線性定常系統(tǒng)，其比例反饋控制系統(tǒng)如圖8.19所示。

KpG0(s)ｘ＋－ｙ圖8.19單回路比例控制系統(tǒng)8