東北大學-自動化專業(yè)概論PPT課件4

1、第四章 基本控制方法4.1 自動控制系統(tǒng)行為描述0urtufuf圖4.1 自動控制系統(tǒng)中被控制量的振蕩 電爐爐膛溫度uf在t=0冷工件進入后，稍后溫度開始下降，接著就開始產(chǎn)生力圖校正誤差的控制作用。從上圖可以看出：當uf向上升并與ur的橫線相交時uf =ur，u=0，此時放大器輸出為0，電動機降速至停止轉(zhuǎn)動。一個能穩(wěn)定的爐溫控制系統(tǒng)的爐膛溫度的變化曲線，如圖所示0urtufuf 顯然，不穩(wěn)定的自動控制系統(tǒng)不 能正常工作。而且，系統(tǒng)處在振蕩過程中，環(huán)節(jié)或元件很易損壞。圖4.3 放大器的輸出輸入時間特性0電壓時間t輸出電壓輸入電壓圖4.4 電動機的輸出輸入時間特性0電動機轉(zhuǎn)角時間t輸出-輸出特性輸

2、入電壓圖4.5 電爐的輸出輸入時間特性0溫度時間t爐溫的時間特性電壓4.2 反饋控制和擾動補償 另一種消除被控制對象由于外界擾動引起誤差的方法，稱為擾動補償。 這個補償原理只能補償已設計有前饋通道的擾動。但是在自動控制系統(tǒng)中存在著多種擾動。圖4.6 復合自動控制系統(tǒng)框圖給定環(huán)節(jié)被控對象控制器放大環(huán)節(jié)執(zhí)行環(huán)節(jié)給定輸入誤差反饋信號輸出擾動擾動測量擾動補償+-反饋環(huán)節(jié)4.3 比例積分微分控制dedt1TiP = K( e + Td+edt )圖4.7 在控制規(guī)律中引入微分0urtufuf圖4.8 有穩(wěn)態(tài)誤差的被控量uf曲線0urtufuf靜差4.4 最優(yōu)控制 對于一個自動控制系統(tǒng)的設計和構(gòu)成，自然會

3、提出一定的技術(shù)要求（指標），例如系統(tǒng)必須是穩(wěn)定的。 通過設計控制作用要使這個技術(shù)指標達到極值（極大或極?。＿@樣的控制稱為最優(yōu)控制（optimal Control），它的控制作用的變化規(guī)律是唯一的。 最優(yōu)控制器飛行器圖4.9 最省燃料的開環(huán)控制 最優(yōu)控制有開環(huán)和閉環(huán)兩種結(jié)構(gòu)形式。圖4.10 最優(yōu)控制器實現(xiàn)線性狀態(tài)反饋被控對象最優(yōu)控制ux 開環(huán)最優(yōu)控制器的設計要應用JI.龐特里亞金的極大值原理(Maximum Principle)和R.貝爾曼的動態(tài)規(guī)劃(Dynamic Programming)等方法。閉環(huán)最優(yōu)控制器的設計要應用R.卡爾曼的二次型性能指標的線性狀態(tài)反饋(Linear State F

4、eedback)律方法。4.5 自適應控制 自校正控制則以辨識器來代替自適應控制器，由辨識器求出數(shù)學模型，根據(jù)模型的變化來改變反饋控制器參數(shù)。以下以4.2節(jié)所討論的大型顯像管玻璃爐來作為實例。圖4.11 顯像管玻璃爐側(cè)視圖312 ABC工作池E 料道口溶解池 4.6 智能控制 對于許多復雜的被控對象和它的外界環(huán)境，難以建立有效的數(shù)學模型和采用常規(guī)的經(jīng)典或現(xiàn)代控制理論去進行定量計算和分析、設計。 智能控制具有人工智能、控制論和運籌學(Operational Research)等形成交叉學科的特點和定量與定性相結(jié)合的分析方法特點。智能控制復雜系統(tǒng)控制問題4.6.1 專家控制系統(tǒng) 這是由那些解決專門

5、問題非常熟悉的專家的大量知識和經(jīng)驗里，建立起來的計算機程序系統(tǒng)，它能進行推理和判斷，模擬人類專家的決策過程。專家控制一類復雜控制問題 現(xiàn)以圖3.4的自動控制系統(tǒng)為例，來說明基于專家控制器的工業(yè)過程專家控制系統(tǒng)。由專家系統(tǒng)構(gòu)成的專家控制器示明在圖4.12上。圖4.12 專家控制器的結(jié)構(gòu)特征識別信息處理推理機（IE）控制規(guī)則集對象和執(zhí)行機構(gòu)知識庫（KB）反饋環(huán)節(jié)IGKSUYReu專家控制器 虛線框所示為專家控制器代替專家的手動控制。它由特征識別與信息處理部分、推理機(Inference Engine)、知識庫(Knowledge Base)和控制規(guī)則集組成。4.6.2 模糊控制系統(tǒng) 模糊控制和專家

6、系統(tǒng)控制一樣，兩者都要建立操作人員的經(jīng)驗和決策行為的模型；兩者都含有知識庫和推理機。所不同的是在模糊控制系統(tǒng)中采用的是模糊知識表示和模糊推理方法。 模糊控制的基本結(jié)構(gòu)，如圖4.13所示。它由模糊化接口、知識庫、推理機和模糊判決接口組成。模糊控制一類復雜控制問題模糊化接口推理機模糊判決接口過程+ -設定輸入輸出數(shù)據(jù)庫規(guī)則庫知識庫傳感器模糊控制器圖4.13 模糊控制的基本結(jié)構(gòu)4.6.3 神精網(wǎng)絡控制系統(tǒng) 人工神經(jīng)元由計算機模擬一個生物神經(jīng)元，如圖4.14所示。f ( )yj-1x1xnx2Wj1Wj2Wjn.圖4.14 神經(jīng)元模型 該神經(jīng)元單元由多個輸入xi, i=1,2, n和一個輸出y組成。W

7、ji是各個輸入信號相應的權(quán)重。當輸入信號的加權(quán)和大于某閾值時，人工神經(jīng)元就被激發(fā)，有輸出yj。 圖4.15所示為常用的一種前饋多層網(wǎng)絡。前饋神經(jīng)網(wǎng)絡具有多層結(jié)構(gòu)，至少為三層，即輸入層、隱層和輸出層。復雜的前饋神經(jīng)網(wǎng)絡有一個以上的隱層。圖中的小圓圈代表神經(jīng)元。 x1x2xnw11wnny1y2yn反向傳播輸入層隱層輸出層圖4.15 前饋多層網(wǎng)絡 神經(jīng)元從一層聯(lián)結(jié)到下一層，不存在同層神經(jīng)元間的聯(lián)結(jié)。人工神經(jīng)網(wǎng)絡通過加以訓練（學習），可以在自動控制系統(tǒng)中起重要的作用，已經(jīng)在神經(jīng)網(wǎng)絡控制中廣泛地應用。神經(jīng)網(wǎng)絡控制一類復雜控制問題 單個人工神經(jīng)元在自動控制系統(tǒng)用作控制器，并不多見，但人工神經(jīng)網(wǎng)絡經(jīng)過訓練

8、后可以起控制器的作用，稱為“神經(jīng)網(wǎng)絡控制器”；也可以經(jīng)訓練后成為模型未知的被控對象的神經(jīng)網(wǎng)絡模型，從而形成自適應控制等許多控制結(jié)構(gòu)。4.6.4 學習控制 學習控制(Learning Control)是指在控制系統(tǒng)的控制進程中估計某些信息并據(jù)此改善控制的一種控制方法，以便逐步改進控制系統(tǒng)的性能。 學習系統(tǒng)是自適應系統(tǒng)的發(fā)展與延伸，它能夠按照運行進程中的“經(jīng)驗”和“教訓”來不斷增長知識，改進算法，更廣泛地模擬人類的某些行為（如判斷、推理等）。學習控制一類復雜控制問題 圖4.16所示為一個由智能決策單元(IDU, Intelligent Decision Unit)控制來修正的PID控制器的智能工業(yè)

9、控制系統(tǒng)。智能決策單元由數(shù)據(jù)庫(Data Base)、規(guī)則庫、推理機和學習機(Learning Machine)所組成。圖4.16 由智能決策單元（IDU）來修正控制器PID控制器工業(yè)過程數(shù)據(jù)庫規(guī)則庫學習機推理機誤差+ -輸入輸出IDU4.7 非線性系統(tǒng)及其控制 自動控制系統(tǒng)由各種環(huán)節(jié)（元件組成，而環(huán)節(jié)或元件按其特性，可分為線性元件和非線性元件。0輸入（誤差）（mV）輸出（V）圖4.17 電子放大器的靜特性圖輸入（誤差）（mV）0輸出（V）圖4.18 極化繼電器的靜特性輸入輸出012（a）輸入輸出0（b）+2-2圖4.19 飽和特性 含有這樣非線性環(huán)節(jié)或元件的系統(tǒng)，稱為非線性系統(tǒng)。線性系統(tǒng)由線性部件組成，并以線性微分方程來描述。非線性系統(tǒng)會出現(xiàn)一些在線性系統(tǒng)中不可能發(fā)生的奇特現(xiàn)象： 線性系統(tǒng)的穩(wěn)定性和輸出動態(tài)過程只決定于系統(tǒng)本身的結(jié)構(gòu)和參數(shù)。而非線性系統(tǒng)的穩(wěn)定性和輸出動態(tài)過程不僅與系統(tǒng)的結(jié)構(gòu)和參數(shù)有關(guān)，而且還與系統(tǒng)的初始條件和輸入信號大小有關(guān)； 非線性系統(tǒng)的平衡運動狀態(tài)（即穩(wěn)態(tài)，Steady State