13-先進控制方法

13先進控制方法基本概念、方法及應用基礎先進控制：先進控制是以計算機為硬件基礎，基于模型或知識的控制方法的總稱。先進控制核心技術：數(shù)據(jù)采集處理數(shù)學模型建立先進控制策略工程實施主要技術方法：內膜控制、預測控制、推斷控制、監(jiān)督控制、魯棒控制、自適應控制、故障診斷與容錯控制、專家系統(tǒng)、神經網(wǎng)絡控制、模糊控制等應用目的：處理復雜的多變量過程控制問題，滿足生產過程復雜被控對象的高精度控制要求。先進控制技術應用方法直接控制、與常規(guī)PID控制組合應用主要技術基礎

數(shù)學模型、神經網(wǎng)絡、邏輯推理技術等13.1數(shù)學模型建立13.1.1模型及分類：物理模型：

根據(jù)一定的規(guī)則（如相似原理）對系統(tǒng)簡化或比例縮放而得到的復制品。其外觀與實際系統(tǒng)極為相似，描述的逼真感較強。數(shù)學模型：應用數(shù)學邏輯和理解力對所需解決的具體問題的抽象。是控制問題中各主要因素間內在聯(lián)系的數(shù)學表現(xiàn)形式。描述模型：一種抽象的、用話言(白然語言、程序語言)描述的系統(tǒng)模型。1)工業(yè)過程數(shù)學模型分類分類一：靜態(tài)（穩(wěn)態(tài)）模型：描述輸出向量與輸入向量間穩(wěn)態(tài)關系的數(shù)學描述式。模型輸出僅僅是對象系統(tǒng)狀態(tài)的函數(shù)。動態(tài)模型：描述輸出向量與輸入向量間動態(tài)關系的數(shù)學關系式。模型輸出是系統(tǒng)狀態(tài)和時間的函數(shù)。穩(wěn)態(tài)模型在被控變量、操作變量的選擇，監(jiān)測點位置選擇以及控制算法設計、操作優(yōu)化設計中起到重要的指導作用。動態(tài)模型對于自控系統(tǒng)的分析與設計、工藝設計和操作條件的分析起到重要作用。分類二：機理模型：從機理出發(fā)，即從過程內在的物理和化學規(guī)律出發(fā)用理論的方法建立的數(shù)學模型稱為機理模型。機理模型具有各模型參數(shù)物理意義明確，過程描述準確等特點。但是建模過程復雜，建立一個完善的機理模型十分困難等問題。亦被稱為“白箱模型”。經驗模型：應用測試技術和積累經驗獲得過程數(shù)據(jù)，而通過數(shù)學回歸或神經網(wǎng)絡等技術獲得的模型。也稱為“黑箱模型”。機理與經驗的組合模型：通過機理分析獲得數(shù)學模型的結構，通過試驗數(shù)據(jù)回歸模型參數(shù)的方法獲得的模型。也稱為“灰箱模型”其他分類方法：分布參數(shù)和集中參數(shù)模型連續(xù)時間和離散時間模型隨機性和確定性模型線性和非線性模型參數(shù)與非參數(shù)模型2)數(shù)學模型的應用數(shù)學模型是研究和掌握系統(tǒng)運動規(guī)律的有力工具，是分析、設計、預報或預測、控制實際系統(tǒng)的基礎。工業(yè)控制角度：過程的數(shù)學模型是系統(tǒng)方案和控制算法設計的重要基礎和應用工具之一。先進控制應用：過程的數(shù)學模型是實施先進控制的重要先決條件。主要應用：系統(tǒng)特性分析，過程仿真，依據(jù)模型控制，優(yōu)化控制3）數(shù)學模型基本要求①基本要求真實完整真實的、系統(tǒng)的、完整的、形象的反映客觀現(xiàn)象；與實際情況相符合。簡明實用反映系統(tǒng)本質的、重要的關系，忽略非本質的、對反映客觀真實程度影響不大的因素；在保證一定精度的條件下，盡可能的簡單從而提高可操作性。適應變化隨著有關條件的變化和人們認識的發(fā)展，通過相關變量及參數(shù)的調整，能很好的適應新情況。應具有較好的外延型。13.1.2基本建模方法1）

機理建模根據(jù)過程對象的機理知識建立數(shù)學模型方法。主要理論依據(jù)：平衡關系、過程的基本規(guī)律、對象設備特性。前提條件：充分了解對象特性和機理，掌握必要的理論知識。機理模型的主要特點：優(yōu)點：

a.可從事物的本質認識其外部特性；

b.可以事先求得；

c.有較大的適用范圍，條件變化可推導，外延性較好。弱點：

a.對于復雜過程建模困難，甚至無法建立機理模型。

b.由于是理論建模，難免與實際對象特性有一定差別，須經過實踐驗證。模型屬性：白箱模型機理推導模型的種類通過機理推導，一般得到的工業(yè)過程數(shù)學模型的類型如下表所示。過程類型靜態(tài)模型動態(tài)模型集中參數(shù)過程代數(shù)方程微分方程分布參數(shù)過程微分方程偏微分方程多級過程差分方程微分-差分方程例13.1：靜態(tài)模型的建立以圖示無相變換熱器建模為例。其中：G1,G2：換熱器二物料質量流量；

θ1i,θ2i：二物料入口溫度；

θ1o,θ2o：二物料出口溫度；換熱器操作遵循熱量平衡和熱傳遞速率關系，有關系式：其中：Q：單位時間傳熱量；

K：傳熱系數(shù)C1：流體1熱容

F：傳熱面積C2：流體2熱容由熱平衡關系式得熱平衡方程式傳熱速率方程代入傳熱速率方程得

令θ1i=θ1i+△θ1i，建立θ1i對θ1o的影響關系模型。方法：將θ1i=θ1i+△θ1i，以及θ1o=θ1o+△θ1o代入前式，并與原式作比較（作相減運算），得：上式即為描述θ1i與θ1o之間關系的靜態(tài)模型。同樣，可獲得描述其他關系的靜態(tài)模型。例13.2動態(tài)模型建立以串級液體儲槽為例依據(jù)物料平衡關系有：另外，由圖可知：將Q12和Qo代入物料平衡關系式，有令：輸入變量：Qi、R2；輸出變量：h1、h2將上式描述為增量方程，其中非線性關系h2/R2可寫成：下標0表示穩(wěn)態(tài)點有：整理得到：寫成矩陣形式：用傳遞函數(shù)描述：對上式進行拉式變換并整理，得：通過上式可獲得各通道的傳遞函數(shù)，例如，H2對Qi通道的傳遞函數(shù)為2）經驗模型建立經驗模型建立的主要步驟：①確定模型的輸入變量和輸出變量輸入變量為模型的自變量，輸出變量為因變量。②進行（實驗）測試利用試驗裝置或生產設備本身，相應地改變操作條件，記錄穩(wěn)態(tài)數(shù)據(jù)。③數(shù)據(jù)回歸分析按照試驗數(shù)據(jù)回歸模型，確定模型參數(shù)。④檢驗自身檢驗：利用應用原始回歸數(shù)據(jù)檢驗模型的正確性。交叉檢驗：利用新數(shù)據(jù)檢驗模型的正確性。經驗模型特點：經驗模型具有與機理模型相反的特點，主要是：a.能較好地反映實際過程的外部特點；b.模型物理意義不清楚，外延性不好，僅適用于獲取回歸數(shù)據(jù)的過程范圍；c.現(xiàn)場實驗數(shù)據(jù)獲取受到一定限制。d.模型精度取決于建模用數(shù)據(jù)的準確度。模型屬性：黑箱模型系統(tǒng)辨識模型結構由系統(tǒng)辨識所得模型結構主要是線性時間連續(xù)模型和線性時間離散模型（以單輸入-單輸出系統(tǒng)為例）①線性時間連續(xù)模型微分方程形式：傳遞函數(shù)形式②線性時間離散模型差分方程：脈沖時間函數(shù)其中：d：純滯后（采樣周期的整倍數(shù)）q-1：向后差分算符。與z變換中z-1相當。3）

機理與經驗的組合建模本方法是上述兩種建模方法的結合應用建模方法。兩種方法的結合方式主要有三種：a.主體按照機理方式建模，但是部分參數(shù)通過實測獲得。比如：換熱器熱傳遞系數(shù)K，精餾塔的板效率等。b.通過機理分析將自變量適當組合，確定模型結構；通過參數(shù)辨識最終確定過程模型。c.由機理出發(fā)，通過仿真獲取大量輸入輸出數(shù)據(jù)，利用回歸方法得到過程簡化模型。模型屬性：灰箱模型。4）工業(yè)過程動態(tài)模型基本應用和相應要求過程動態(tài)數(shù)學模型是表示輸出向量與輸入向量間動態(tài)關系的數(shù)學描述，對控制系統(tǒng)的設計有著極為重要的意義。應用目的過程模型類型精度要求(關于輸入輸出特性)控制器參數(shù)整定線性，參量（或非參量），時間連續(xù)低前饋、解耦、預估控制系統(tǒng)設計線性，參量（或非參量），時間連續(xù)中等控制系統(tǒng)計算機輔助設計線性，參量（或非參量），時間離散中等自適應控制線性、參量、時間離散中等模式控制，最優(yōu)控制線性、參量、時間離散或連續(xù)高13.1.3最小二乘參數(shù)估計參數(shù)估計是系統(tǒng)辨識的極重要的組成部分，而最小二乘方法是參數(shù)估計的一個常用方法。最小二乘的基本思想：通過參數(shù)擬合獲取的模型參數(shù)能夠使模型的計算值與實測值之差的平方和為最小。通過這一方法能夠獲得一個在最小方差意義上與實驗數(shù)據(jù)最好擬合的模型。最小二乘算式：例如有模型結構：1）普通最小二乘設單輸入單輸出線性定常系統(tǒng)由如下差分方程描述：考慮實測的y(k)是由過程輸出y’(k)與觀測噪聲組合而成，設定實際的輸入輸出關系如下：其中：y(k)：實際過程的輸出；

e(k)：為殘差序列

n：模型階數(shù)根據(jù)最小二乘算法，利用測量數(shù)據(jù)擬合模型參數(shù)，實際上就是求取使得下式結果為最小的參數(shù)值ai和bi。將數(shù)學模型寫成向量形式：其中：則有殘差函數(shù)：這個結果就稱作θ的最小二乘估計。（普通最小二乘算法）根據(jù)極值理論有：則參數(shù)估計值為：其中z和y均為已知2）加權最小二乘估計在實際應用中，由于各個變量的變化對過程的貢獻不同，往往引入殘差的加權陣來體現(xiàn)對殘差序列中某些殘差的重視程度不同。為此，要實現(xiàn)在具有不同加權情況下的最小二乘參數(shù)估計。令W陣為所希望的加權矩陣，則有加權后的殘差指標函數(shù)：則，加權最小二乘估計式為：3）遞推最小二乘算法目的：在不必重新計算大型矩陣的逆的情況下，能夠利用N+1時刻測取的新的數(shù)據(jù)，采用遞推形式刷新已經辨識完了的模型參數(shù)，使得模型更準確地反映過程特性。設定：在N+1時刻，獲取了一組新的觀測數(shù)據(jù)，y(N+1)，z(N+1)，按照最小二乘法，有：則有：可知，為了獲取參數(shù)的刷新，需要計算矩陣的逆。根據(jù)矩陣求逆引理：A為任意n×n滿秩矩陣，B和C為兩個n×m階矩陣，（A+BCT）和(I+CTA-1B)都是滿秩的，則有：結合上述二式，令：有：則：13.2基于模型的預測控制基本出發(fā)點：根據(jù)系統(tǒng)當前、過去的偏差值，并通過系統(tǒng)的預測模型預估過程的未來偏差值，以滾動優(yōu)化方法確定當前的最優(yōu)控制策略。1）預測控制基本結構基本特征對模型要求低，綜合控制質量好，便于在線計算，優(yōu)化控制方法。2）基本內容：預測模型、滾動優(yōu)化、反饋校正預測模型：預測控制需要一個描述系統(tǒng)動態(tài)行為的模型——預測模型。應具有根據(jù)當前時刻的狀態(tài)、輸入輸出及過程的歷史數(shù)據(jù)預測過程未來輸出的功能。作用：實現(xiàn)對未來狀態(tài)的預測，為確定當前控制策略提供依據(jù)。要求:強調模型功能，對其結構形式無特殊要求。模型形式：階躍響應、脈沖響應等模型均可。易于在線辨識的參數(shù)模型：如受控自回歸滑動模型、受控自回歸滑動積分模型等狀態(tài)空間模型滾動優(yōu)化：

一種優(yōu)化算法。通過某一性能指標確定未來的最優(yōu)控制策略?；靖拍睿阂韵嗤膬?yōu)化指標形式，以不同時間區(qū)域的信息按順序進行優(yōu)化處理，提出不同時段的最優(yōu)控制策略。

滾動優(yōu)化特點：優(yōu)化策略僅針對有限時域的優(yōu)化。優(yōu)化過程始終建立在自過程獲得的最新信息的基礎上；優(yōu)化過程是反復在線進行并完成的。所得到的優(yōu)化策略只是全局的次優(yōu)解，再線反復優(yōu)化，具有及時校正模型失配、時變等帶來的不確定性。因此，可以保持實際上的最優(yōu)控制。反饋校正根據(jù)當前對象的實際輸出與模型的預估值確定模型的預測誤差，并利用模型的預測誤差修正模型的預測值，進而獲得更為準確的未來輸出預測值。并應用滾動優(yōu)化策略進行新的優(yōu)化而確定下一時刻的控制策略。作用：使預測控制具有較強的抗干擾性，提高克服系統(tǒng)不確定性的能力。參考軌跡：為避免過程出現(xiàn)劇烈的輸入輸出變化，希望過程輸出沿著一條期望曲線達到設定值，此曲線稱為參考軌跡。

一般形式：采用一階參考軌跡。例如：Ts：采樣周期；T：參考軌跡時間常數(shù)；yd：設定值注意：α是預測設計中的重要設計參數(shù)，關系到系統(tǒng)的動態(tài)特性、魯棒性等。其值越小，參考軌跡越快達到設定值。3）預測控制算法模型算法控制（MAC）是基于脈沖響應模型的預測控制?；緝热荩侯A測模型：式中：N：脈沖響應系數(shù)長度；P：預測時域長度；U：控制向量。U1：K時刻前的控制向量，（N-1維，已知）U2：K時刻后的控制向量。（M維，需優(yōu)化求解）H：脈沖響應系數(shù)矩陣。H1：K時刻前的響應系數(shù)，H2：K時刻后的響應系數(shù)。向量描述：反饋校正為了克服擾動和模型失配等對模型預測的影響，用當前過程輸出測量值y(k)與模型計算值ym(k)比較，由差值e(k)修正模型輸出預估值。有：y(k)：當前時刻k的測量值ym(k)：由脈沖響應模型求出。ym(k+j)：由脈沖響應模型求出。P步預測向量形式：β：加權向量。最優(yōu)控制設優(yōu)化控制目標函數(shù)最優(yōu)控制律：帶入Ym(k)、Yp(k)得：最優(yōu)控制作用：預估長度P和控制長度M選定后，則：權矩陣Q、R已知，H2：固定常數(shù)陣MAC在實施中需注意的問題①脈沖響應系數(shù)長度N

的選擇

N與采樣周期有關，采樣周期短，則N會相應增大。一般選N=20~60。②輸出預估時域P

的選擇是重要參數(shù)之一。P大則魯棒性強，但計算量和存儲量增大。一般，選擇P等于過程的單位階躍響應過渡過程時間的一半所需的采樣次數(shù)。③控制時域長度M

的選擇是重要參數(shù)之一。M大則魯棒性好。但是為了避免過程尋優(yōu)的困難，M一般取值小于10。④參考曲線收斂參數(shù)α的選擇

α大則魯棒性好。但是過大的α將導致閉環(huán)系統(tǒng)響應速度變慢，而α過小過渡過程易出現(xiàn)超調和震蕩。因此α的選擇應在全面考慮過程的非線性、動態(tài)要求及模型誤差的基礎上進行。

⑤誤差權矩陣Q的選擇性能指標中的權矩陣Q反映了在不同時刻逼近的重視程度。qj的取值為了控制系統(tǒng)的穩(wěn)定性。由于對純滯后部分控制作用無能為力，此時，qj=0，其他時刻qj=1。⑥控制權矩陣R的選擇引入r的主要目的在于防止控制量過于激烈的變化，所以，整定中控制量變化過大時可先將r置為0，在穩(wěn)定后加大r值。一般，取一個很小的r值，即可以使控制量的變化趨于平緩。動態(tài)矩陣控制（DMC）是基于階躍響應模型的預測控制。DMC算法包括預測模型、在線反饋校正、滾動優(yōu)化預測模型階躍響應模型（A）與脈沖響應模型（H）關系：則階躍響應模型可寫為：按照控制增量描述：模型描述為：DMC算法p步預測式：其中，A：階躍響應系數(shù)矩陣，Y0(k)：由過去控制輸入預估的輸出量。（已知）反饋校正采用當前時刻k的過程采樣值y(k)與模型計算值ym(k）之差修正上述預測模型的輸出預估值。描述式：其中：滾動優(yōu)化設定過程期望值為：yr(k+j)，優(yōu)化時域：P，控制時域：M設定優(yōu)化指標：不考慮約束時，可通過求取上式極值方式獲取最佳控制變量。結合在線校正算法，可得：滾動優(yōu)化應用策略取現(xiàn)時刻k的控制增量△u(k)與前一次控制輸出u(k)構成時刻k的控制輸出。應用時，DT可以一次性離線計算，在線時只需要計算△u(k)而取得簡單方便的應用。與PID聯(lián)合應用由于預測控制采樣周期較長，對隨機發(fā)生性干擾難以及時克服，所以，一般與PID構成串級控制系統(tǒng)加以應用其中：預測控制發(fā)展第一代預測控制技術算法：MAC（ModelAlgorithmicControl）（模型算法控制）基于脈沖響應模型的控制算法。

DMC（DynamicMatrixControl）（動態(tài)矩陣控制）基于階躍響應模型的一種預測控制算法。GPC（GeneralizedPredictiveControl）（廣義預測控制）主要功能：處理無約束過程的預測控制第二代算法：QDMC（QuadraticDMC）（二次規(guī)劃動態(tài)矩陣控制）主要改進：采用二次規(guī)劃方法系統(tǒng)地處理輸入輸出的約束問題，問題：外界干擾可能造成QP（二次規(guī)劃）無解。第三代模型預測控制特點：處理約束的多變量、多目標、多控制模式和基于模型預測的最優(yōu)控制。

主要軟件包：SMAC，DMC第四代模型預測控制代表產品：DMCplus主要改進：

利用Windows圖形用戶界面，采用多層優(yōu)化，實現(xiàn)不同等級的目標控制；

直接考慮模型的不確定性（魯棒控制設計）；

改進辨識技術。預測控制應用特點：對于處理復雜、多變量控制問題具有較大優(yōu)勢。主要表現(xiàn)：具有較快的跟蹤性能；可直接處理具有純滯后的過程；對模型質量要求低，對模型失配具有較強的魯棒性；對突發(fā)隨機干擾的處理比不上傳統(tǒng)的PID控制。原因：預測控制采樣周期一般較長，對突發(fā)隨機干擾難以及時克服。預測控制應用舉例——FUUC（催化裂化裝置）工藝流程圖控制要求：安全平穩(wěn)前提下，以較大的處理量、較高的目的產品收率、較好的產品質量和較低的能耗，達到最好的生產效果和經濟收益。變量選擇被控變量：一段再生器煙氣CO2含量(CV1)、二段再生器煙氣O2含量(CV2)、一段再生器密相溫度(CV3)二段再生器密相溫度(CV4)操作變量：原料預熱溫度、回煉油、渣油、蠟油、總進料、一再主風量、二再主風量和反應器出口溫度（MV1~MV8）控制策略：二次動態(tài)矩陣預測控制在工作區(qū)附近辨識獲數(shù)學模型CV1CV2CV3CV4MV1MV2MV30MV40MV50MV600MV700MV8目標函數(shù)其中：u：過程輸入y：過程輸出W(k)：y在預測時域上的期望值△uM(k)：u自k時刻起未來控制時域M上的控制增量

：自k時刻起，計及控制序列△uM(k)的在預測時域P上的預測輸出Q、R：加權矩陣C：常數(shù)矩陣

約束條件：模擬仿真仿真條件：采樣周期：Ts=5min，響應時域：N=40，預測時域：P=10，控制時域：M=4，CV設定值：0.45，允許控制區(qū)域：0.4~0.5，MV可調范圍：0.1~0.9。5min，100min，200min，300min分別調整CV1~CV4設定值到0.55，相應允許控制區(qū)域調至0.5~0.6。各模型階躍響應系數(shù)失配0.025仿真結果圖二次動態(tài)矩陣算法具有較好的設定值跟蹤性能，對模型誤差有一定的魯棒性。實際再反裝置應用實驗對比結果由圖可以看出，預測控制使過程曲線的波動得到明顯的改善，提高了操作的平穩(wěn)性，有效地抑制了過程不可測擾動帶來的影響。13.3推斷控制主要是針對系統(tǒng)中存在著不可直接測量、但在工程控制中有重大意義的系統(tǒng)變量，或存在具有重大影響的不可測擾動等情況提出的一種控制策略?？刂撇呗岳眠^程的輔助變量推斷不可測變量的影響，并基于推斷量確定控制輸入，從而消除不可測變量的影響，改善控制品質。主要應用：利用模型推算出不可測輸出變量值以實現(xiàn)過程的反饋控制；利用系統(tǒng)的輔助變量推算出不可測擾動值實現(xiàn)系統(tǒng)的前饋控制，11.3.1推斷控制系統(tǒng)基本結構圖Y(s)：不易測量的過程主要輸出；U(s)：不可測量擾動θ(s)：易于測量的輔助輸出；m(s)：控制輸入關系式：信號分離引入估計模型，分離出U(s)對θ(s)的影響。若，則估計器E(s)的輸入信號：推斷控制基本構成環(huán)節(jié)估計器估計不可測擾動對過程主要輸出Y(s)的影響設估計器傳遞函數(shù)：則U(s)對Y(s)的影響估計值：推斷控制器G1(s)其設計應能使過程對設定值與擾動具有良好的跟蹤和抗干擾性能。

如圖所示過程，有：推斷控制特點：利用易于測量的過程輔助輸出θ取代不易測量的過程輸出進行控制。推斷控制品質主要取決于模型精度，精確的數(shù)學模型不易獲得，控制應用不多。知：對于不可測擾動U(s)，Y(s)=0；

對于設定值Yd(s)變化，Y(s)=Yd(s)設定：推斷控制實際應用模型

上述控制模型受控制元件等約束在物理上難于實現(xiàn)，一般在控制器前需加入濾波器F(s)。設：過程輸出為：若濾波器F(s)放大倍數(shù)為1，則可以保證過程實現(xiàn)穩(wěn)態(tài)無差控制。13.3.2輸出可測推斷控制（內膜控制）

輸出可測，不再需要推斷控制系統(tǒng)中的輔助變量和估計器基本思想：建立對象數(shù)學(估計)模型，通過模型確定控制器的控制規(guī)律，并通過實際系統(tǒng)輸出與模型輸出之差實現(xiàn)反饋控制?；緲嫵稍韴D內模系統(tǒng)關系式：控制器控制規(guī)律：過程響應：令：結果同前控制分析1：設模型準確[情況1]△yd(s)＝0，△U(s)≠0根據(jù)關系式結論：模型準確情況下，外界擾動對Y(s)無影響?？梢酝频茫篬情況2]：△yd(s)≠0，△U(s)＝0同樣根據(jù)關系式可以推得：結論：模型準確情況下，控制器作用保證系統(tǒng)輸出跟蹤給定值變化。控制分析2：設模型不準確

系統(tǒng)穩(wěn)態(tài)誤差：系統(tǒng)的階躍響應穩(wěn)態(tài)誤差為零。結論：該系統(tǒng)中，其穩(wěn)態(tài)性能不受模型的誤差的的影響。13.3.3應用實例：脫丁烷塔的推斷控制塔板數(shù)：16，進料板：8物料：乙烷、丙烷、丁烷、戊烷、己烷五組分混合物控制指標：塔頂：丁烷濃度；塔底：丙烷濃度；主要擾動：各組分變化采用推斷控制。線性化模型：其中y1、y2：塔頂丁烷、塔底丙烷濃度，不可測輸出；θ1~θ5：輔助變量，1、3、8、14、16塔板溫度；u1、u2：操作變量，u1：塔頂回流量，u2：塔底再沸器汽化率；d1~d5：進料中5個組分，不可測擾動。C、B、P、A是傳遞函數(shù)矩陣，分別為：討論塔頂丁烷控制分析仿真知：θ4能很好地反映塔頂丁烷成分變化。選擇第14塊塔板溫度θ4作為輔助變量，系統(tǒng)只應用回流量進行控制。則系統(tǒng)簡化為多輸入單輸出，模型為：進一步，由于傳遞函數(shù)A4i(s)和B1i(s)中時間常數(shù)相差不大，分別利用其增益和時間常數(shù)的算術平均值構成傳遞函數(shù)。傳遞函數(shù)：估計器特性取濾波器特性：則推斷控制器特性：推斷控制系統(tǒng)框圖控制比較進料丁烷含量階躍10%，其中：曲線1：推斷控制響應曲線；曲線2：14塊塔板溫度反饋控制響應曲線；曲線3：成分分析儀反饋控制響應曲線。13.5模糊控制一種應用模糊集合、模糊語言變量和模糊邏輯推理知識，模擬人的模糊思維方法，對復雜系統(tǒng)實行控制的一種智能控制系統(tǒng)?；舅枷耄?/p>

利用模糊數(shù)學方法將人類對事物的分析過程和實踐經驗加以整理，并依照人類的思維方式，應用一套擬人化的、定性的、不確定的工程控制規(guī)則實現(xiàn)工程的智能控制。模糊控制系統(tǒng)一般結構13.5.1模糊理論基礎對應于“清晰”的概念，模糊的詞義一般包含“不確定”，“含糊”的概念。舉例：“清晰”一類具有明確的內涵和外延，即具有明確的邊界。如果用某一屬性集合對它們進行分類，則某一個體屬于且僅屬于一個確定的集合。例如：男人、女人，自然界中的氣體、固體等。“模糊”一類不具有明確的邊界，如果用屬性集合對它們進行分類，則某一個體可能屬于多個的模糊集合。例如：青年人，中年人，老年人，溫度的高、低等。模糊概念主要包括模糊集合、隸屬度函數(shù)、模糊算子和模糊關系等概念。1)模糊集合①定義

論域U中的模糊集合F用一個在區(qū)間[0，1]上取值的隸屬函數(shù)μF

來表示，有

μF：U→[0，1]

μF(x)=1，u完全屬于FμF(x)=0，u完全不屬于F0＜μF(x)＜1，u部分屬于F此處，μF是用來表示u屬于F的程度，則定義于U中的模糊集合F可表示如下：

F={（u，μF(u)|u∈U}其中u是模糊集合的元素。②模糊集合的表示方法對于論域U上的模糊集合F，通常采用表達方式有如下四種。Zadeh表示方法當U為離散有限域{u1,u2,…，un}時，按照Zadeh表示法，有注意，式中并不代表“分式”，而是表示元素ui

對于集合F的隸屬度μf(ui)和元素ui本身的對應關系；同樣，“+”號也不表示“加法”運算，而是表示在論域U上，組成模糊集合F的全體元素ui(i=1,2,…，n)間排序與整體間的關系。矢量表示法如果單獨地將論域U中的元素ui(i=1,2,…，n)所對應的隸屬度值μF(ui)，按序寫成矢量形式來表示模糊子集F，則模糊集合可表示為

F=(F(u1),F(u2),…，F(xiàn)(un))注意：在矢量表示法中隸屬度為0的項不能省略，必須依次列入。序偶表示法若將論域U中的元素ui與其對應的隸屬度值μF(ui)組成序偶〈ui,μF(ui)〉，則F可表示成

F={〈u1,μF(u1)〉,〈u2,μF(u2)〉,…,〈u3,μF(u3)〉}函數(shù)描述法根據(jù)模糊集合的定義，論域U上的模糊子集F完全可以由隸屬函數(shù)μF(ui)來表征，而隸屬函數(shù)μF(ui)表示元素ui對F的從屬程度大小。與清晰集合中的特征函數(shù)表示方法一樣，可以用隸屬函數(shù)曲線來表示一個模糊子集F。例

論域U={u1,u2,u3,u4,u5}中定義的模糊集合F為：zadeh表示：矢量表示：F=(0.3,0.5,1.0,0.7,0.4)序偶表示：F={<u1,0.3>,<u2,0.5>,<u3,1.0>,<u4,0.7>,<u5,0.4>}函數(shù)表示法例：以年齡為論域，設U=[0，150]。設O表示模糊集合“老年”，Y表示模糊集合“青年”，則可有隸屬度函數(shù)：③模糊集合的基本定義全集：設論域U上有模糊子集F，對于每一個元素u都有μF(u)=1,則定義F為論域U上的模糊全集。計為E?？占涸O論域U上有模糊子集F，對于每一個元素u都有μF(u)=0,則定義F為論域U上的模糊空集。計為Φ。包含：設論域U上有兩個模糊子集A、B，對于每一個元素u都有μA(u)>=μB(u),則定義A包含B或B包含A。計作A∈B或B∈A。相等：設論域U上有兩個模糊子集A、B，對于每一個元素u都有μA(u)=μB(u),則定義A與B相等。計作A=B。④模糊集合的運算并集：如有三個模糊集合A、B、C對于所有的u∈U均有則稱C為A與B的并集。計為C=A∪B

交集：如有三個模糊集合A、B、C對于所有的u∈U均有則稱C為A與B的交集。計為C=A∩B補集：如有兩個模糊集合A和B，對于所有的u∈U均有則稱B為A補集。計為直集：如有兩個模糊集合A和B，對于所有的u∈U均有直集：如有兩個模糊集合A和B，其論域分別為X和Y，則定義在積空間X×Y上的模糊集合A×B為A與B的直積。其隸屬度函數(shù)為：例：設論域X=｛x1,x2,x3,x4｝以及模糊集合求：A∪B

，A∩B以及A、B的補集。解：模糊集合運算的基本性質a.分配率2）隸屬度函數(shù)模糊集合是用隸屬度函數(shù)描述的，可以說隸屬度函數(shù)是模糊集合的基礎。在模糊集合論中占有極其重要的地位。隸屬度函數(shù)是反映論域中的元素屬于該模糊集合的程度的衡量尺度。

常見隸屬度函數(shù)3）模糊關系和推理模糊關系是模糊數(shù)學的重要組成部分，是模糊控制中邏輯推理的基礎。①

模糊關系定義：設A×B是集合A和B的直積，以A×B為論域定義的模糊集合R稱為A和B的模糊關系。當A，B皆為有限的離散集合時，A和B的模糊集合關系R可用矩陣表示，稱為模糊關系矩陣。即RA×B=(rij)m×n=(μR(ai,bj))m×ni=1,2,…,mj=1,2,…,n其中μR(ai,bj)是序偶（ai,bj）的隸屬度，它的大小反應了（ai,bj）具有關系R的程度

模糊關系的合成針對諸如IFATHENB，IFBTHENC這種多重推理關系。為了解決多重模糊推理的輸入、輸出的關系，引入模糊關系的合成概念。定義：設R1是X和Y的模糊關系，R2是Y和Z的模糊關系，那么，R1和R2的合成是X到Z的一個模糊關系，記作R1?R2，其隸屬度函數(shù)為例

已知子女與父母相似關系R1和父母與祖父母相似關系R2。求子女與祖父母的相似模糊關系已知：則：②模糊推理推理是根據(jù)已知條件，按照一定的法則、關系推斷結果的思維過程。模糊推理是一種依據(jù)模糊關系的近似推理。

模糊推理在具體應用中，根據(jù)模糊關系的不同取法有著多種推理方法，其中較典型常用的有Zadeh法。Zadeh法基本原理：設A是U上的模糊集合，B是V上的模糊集合，模糊蘊含關系“若A則B”用A→B表示，則A→B是U×V上的模糊關系，即

R=A→B=(A∧B)∨(1－A)確定了上面的模糊關系后，即可據(jù)此實施模糊推理。例：設論域X=Y={1，2，3，4，5}，X、Y上的模糊子集“大”、“小”、“較小”分別定義為：“大”=0.4/3+0.7/4+1/5“小”=1/1+0.7/2+0.4/3“較小”=1/1+0.6/2+0.4/3+0.2/4已知：規(guī)則若x小，則y大，問題：當x=較小時，y=?解已知μ小(x)=[10.70.400]，μ大(y)=[000.40.71]；且μ較小(x)=[10.60.40.20]由zadeh推理法μ小→大(x)=[μ小(x)∧μ大(y)]∨[1-μ小(x)]可推得關系矩陣Rzd如下所示由：有μ小(x)=[10.70.400]μ大(y)=[000.40.71]13.5.2模糊控制1)基本操作主要內容：模糊化，模糊推理，清晰化。①模糊化：基本操作：將輸入的精確量通過定義在其論域上的隸屬度函數(shù)計算出其屬于各模糊集合的隸屬度，從而轉變?yōu)槟：兞?。一般情況下，我們將變量的論域分為多個模糊集合，而利用相應的隸屬度函數(shù)將清晰量轉化為模糊變量。例：某偏差變量的論域為[-e,e]，此論域內定義模糊集合：{NB,NM,NS,ZO,PS,PM,PB}定義隸屬度函數(shù)：三角形函數(shù)，則：偏差與模糊集合的關系可表示為。即：對于任意偏差值均可利用上示關系實現(xiàn)模糊化操作。模糊化過程舉例：設偏差量e論域的模糊集合如圖所示，則某一偏差e1關于模糊集合的隸屬關系可描述為Zadeh表示法：矢量表示法：序偶表示法：注意：實際應用中，一般應將變量的基本論域變換成相應語言的論域，如偏差論域[-e,e]可變換成論域X={-n,-n+1，…，0，1，n-1,n}，其中e是誤差的精確量，n為將[0,e]范圍內連續(xù)變化的誤差離散化后分成的級別數(shù)。設n=6，則上圖化為此一操作稱為尺度變換。實際上，將e乘上一個比例因子即可完成論域的轉換。②推理決策推理決策是模糊控制的核心。是利用知識庫的信息和模糊運算方法，模擬人的推理決策的思想方法。在一定的輸入條件下激活相應的控制規(guī)則給出適當?shù)哪：刂戚敵?。知識庫知識庫由數(shù)據(jù)庫和規(guī)則庫組成。

規(guī)則庫：包含了用模糊變量語言表示的一系列規(guī)則，其反映了操作經驗及專家知識。數(shù)據(jù)庫變量隸屬度函數(shù)尺度變換引資模糊空間分割例：兩輸入-單輸出的模糊規(guī)則庫可描述為其中，E為語言變量“偏差”，EC為語言變量“偏差的變化率”，以R11為例，表中規(guī)則為：R11：如果E為NB，且EC為NB，則U為NB表明：當偏差和偏差變化率均為負大，則輸出應為負大。R11③精確化過程將由一組具有多個隸屬度值描述的模糊向量轉化成一個確定的（控制器輸出）值過程即為精確化過程。常用的精確化方法：最大隸屬度法：選擇具有最大隸屬度的對應值作為清晰化結果。若具有最大隸屬度的值不是一個點，則取這些值的均值作為清晰值。重心法：確定隸屬度函數(shù)曲線與X軸圍成面積的重心，并以其作為清晰化結果。論域連續(xù)：論域離散：清晰化舉例：某模糊輸出集為清晰化最大隸屬度法：重心法：2）模糊控制器設計①設計步驟：a.定義輸入輸出變量

是控制器設計的首要任務。對于多輸入多輸出模糊控制器的設計是十分復雜的，目前沒有完整的理論指導設計工作。

單輸入單輸出，可分為一維、二維及多維模糊控制。一般來說，模糊控制器的維數(shù)越高，控制精度越高；但也導致了控制器規(guī)則的復雜化，控制算法實現(xiàn)困難等問題。目前廣泛應用的大多是二維控制器。下圖給出了不同維數(shù)的單輸入單輸出控制器結構示意圖。b.定義所有變量的模糊化條件根據(jù)被控系統(tǒng)情況，決定輸入（輸出）變量的測量（控制）范圍，確定各變量的論域、語言變量、空間模糊劃分（分割）以及對應的隸屬度函數(shù)。模糊劃分模糊劃分是確定各語言變量取值的模糊集合的個數(shù)。例如：二圖分別表示了對空間[-1，1]作3個模糊劃分和7個劃分的情況。注意：語言變量的模糊劃分數(shù)目的多少決定了控制性能及控制規(guī)則數(shù)目的多少。應根據(jù)具體過程確定模糊劃分數(shù)目。例如：輸入變量x1，x2的模糊劃分分別是3和7，則最大可能的規(guī)則數(shù)為：3×7=21模糊劃分數(shù)目的影響：劃分數(shù)目越多，控制越精確、靈敏，同時也導致了規(guī)則數(shù)的大幅增加，可能引起“規(guī)則爆炸”問題。劃分數(shù)目過少，則控制規(guī)則太少、規(guī)律過于粗略，難以達到要求的控制性能。c設計控制規(guī)律庫模糊控制規(guī)律庫一般由一系列“if—then—”型規(guī)則構成。規(guī)則主要來源：專家知識和熟練操作工的經驗轉換為模糊控制規(guī)律。過程的模糊模型通過學習通過系統(tǒng)整體性要求產生新的規(guī)則或修改已有規(guī)則。模糊控制規(guī)則庫的性能評價完備性一致性規(guī)則數(shù)d.設計模糊推理機（推理結構）e.選擇精確化（解模糊）策略②設計舉例以某溫度系統(tǒng)為例說明模糊控制器的設計。a.確定輸入輸出變量模糊控制器選用系統(tǒng)的實際溫度T與溫度設定Td的偏差e=Td-T及其變化de作為輸入變量，把送到執(zhí)行器的控制信號u作為輸出變量。則構成一個二維模糊控制器，如圖所示。其中：k1、k2、k3為尺度變換比例因子。b.定義模糊化條件首先，取三個語言變量的量化等級都為9級，即x,y,z={-4,-3,-2,-1,0,1,2,3,4}。誤差e的論域為：[-50，50]；誤差變化de的論域為：[-150，150]；控制輸出u的論域為：[-64，64]則，各比例因子為：

k1=4/50=2/25,k2=4/150=2/75,k3=4/64其次，確定各語言變量論域內模糊子集的個數(shù)。各變量都取5個模糊子集，即{PB、PS、ZE、NS、NB}各語言變量模糊子集通過隸屬度函數(shù)來定義。為了提高穩(wěn)定態(tài)點控制的精度，采用非線性量化方式。有模糊集的隸屬度如下表所示：誤差e-50-30-15-505153050誤差率de-150-90-30-100103090150控制v-64-16-4-20241664量化等級-4-3-2-101234狀態(tài)變量相關的隸屬度函數(shù)PB00000000.351PS000000.410.40ZN0000.210.2000NS00.410.400000NB10.350000000c.模糊控制規(guī)則確定

確定模糊控制規(guī)則的原則是必須保證控制器的輸出能夠使系統(tǒng)輸出響應的動靜態(tài)特性達到最佳。這里設控制系統(tǒng)的響應曲線如圖所示?？紤]誤差e=Td-T為負的情況。當e為負大(NB)時，即系統(tǒng)響應處于曲線第一段。此時，無論de的值如何，為了消除偏差應使控制量加大。所以控制量u應取正大(PB)。即有如下控制規(guī)則：規(guī)則1：如果誤差e是NB、且誤差變化de是PB，則控制U為PB;規(guī)則2：如果誤差e是NB、且誤差變化de是PS，則控制U為PB;規(guī)則3：如果誤差e是NB、且誤差變化de是ZE，則控制U為PB;規(guī)則4：如果誤差e是NB、且誤差變化de是NS，則控制U為PB;

UNBNSZEPSPBNB*NSPBZNPBPSPBPBPBDEE當誤差e為負小或零時，主要矛盾轉化為系統(tǒng)的穩(wěn)定性問題了。為了防止超調過大并使系統(tǒng)盡快穩(wěn)定，就要根據(jù)誤差的變化de來確定控制量的變化。若de為正，表明誤差有減小的趨勢。系統(tǒng)響應位于曲線的第二段，所以可取較小的控制量。有如下控制規(guī)則：規(guī)則5：如果誤差e是NS、且誤差變化de是ZE，則控制

為PS;規(guī)則6：如果誤差e是NS、且誤差變化de是PS，則控制

U為ZE;規(guī)則7：如果誤差e是NS、且誤差變化de是PB，則控制

U為NS;規(guī)則8：如果誤差e是ZE、且誤差變化de是ZE，則控制

U為ZE;規(guī)則9：如果誤差e是ZE、且誤差變化de是PS，則控制U為NS;規(guī)則10：如果誤差e是ZE、且誤差變化de是PB，則控制U為NB。UNBNSZEPSPBNBNSZNPSZEPSZNNSPBNSNBDEE當誤差變化de為負時，偏差有增大的趨勢，這時應使控制量增加。此時系統(tǒng)響應位于曲線第5段?？刂埔?guī)則：規(guī)則11：如果誤差e是NS、且誤差變化de是NS，則控制U為PS;規(guī)則12：如果誤差e是NS、且誤差變化de是NB，則控制U為PB;規(guī)則13：如果誤差e是ZE、且誤差變化de是NS，則控制U為PS;規(guī)則14：如果誤差e是ZE、且誤差變化de是NB，則控制U為PB。

根據(jù)系統(tǒng)工作的特點，當誤差e和誤差同時變號時，控制量的變化也應變號。這樣可得出剩余的9條規(guī)則。控制規(guī)則庫制表如下所示。UNBNSZEPSPBNB*PBPBPSNBNSPBPSPSZENBZNPBPSZENSNBPSPBZNNSNSNBPBPBNSNBNB*DEEd.模糊控制器模糊控制表是最簡單的模糊控制器之一。它可以通過查詢將當前時刻模糊控制器的輸入變量量化值（如誤差、誤差變化量化值）所對應的控制輸出值作為模糊邏輯控制器的最終輸出，從而達到快速實時控制。模糊控制器的控制表。模糊控制表應用此表，模糊邏輯推理控制的算法就是簡單的查表法，其運算速度是相當快的，完全能滿足實時控制的要求。-4-3-2-101234-4433223000-3333222000-23322110-1-2-1322110-1-1-2022110-1-1-2-212110-1-1-2-2-32110-1-1-2-2-3-33000-1-2-2-3-3-34000-1-2-2-3-3-4dejcijei13.5.3模糊控制應用1）模糊PID控制器a.一個模糊控制器實現(xiàn)PID控制方案模糊規(guī)則數(shù)目：若每個變量取7個模糊集合描述，則規(guī)則數(shù)為73=343由于規(guī)則數(shù)較多，實時控制中實時推理和實時查詢的代價很大。此方案中，模糊P控制器與累加器結合構成積分環(huán)節(jié)。模糊規(guī)則數(shù)（7個劃分）

模糊PD控制器：49模糊P控制器：7規(guī)則總數(shù)：49+7=56個。b.利用兩個模糊控制器方案由一個模糊控制器與一個常規(guī)積分控制器并聯(lián)構成。常規(guī)積分控制器輸出ui與模糊PD控制器的輸出uf疊加作為PID控制器總輸出。可使系統(tǒng)成為無靜差模糊控制系統(tǒng)。模糊規(guī)則數(shù)：49c.混合型模糊PID控制方案2）復合型模糊控制系統(tǒng)系統(tǒng)中模糊控制器與傳統(tǒng)PID控制器并存控制系統(tǒng)。a.雙膜控制結構工作特點：由特征識別器識別系統(tǒng)工作狀態(tài)，根據(jù)工作狀態(tài)切換工作控制器。

過渡過程前期，偏差較大，利用模糊控制器可以較好地抑制超調量。

過渡過程后期，系統(tǒng)偏差較小，主要任務消除靜差，切換到常規(guī)PID控制。b.串級控制結構以模糊控制器作為主控制器，常規(guī)控制器作為副控制器。特點：利用模糊控制器能較好處理非線性特點，可以較好地抑制內、外環(huán)之間的非線性影響。3）模糊自整定PID控制器利用模糊集合論建立PID參數(shù)同誤差絕對值和誤差變化絕對值之間的函數(shù)關系，在線地自整定PID控制器參數(shù)。自整定基本規(guī)則：①誤差絕對值較大時：為使系統(tǒng)具有較好的快速跟蹤性，應取較大的KP和較小的KD，同時為避免系統(tǒng)響應具有較大超調，應對積分加以限制。通常取KI=0。②誤差絕對值中等大小時：為使系統(tǒng)響應具有較小超調量，KP應取小點，此時KD的取值對系統(tǒng)響應的影響較大，KI的取值要適中。③誤差絕對值較小時：為使系統(tǒng)具有較好的穩(wěn)態(tài)性能，KP和KI均應取的較大，為避免系統(tǒng)在設定值附近出現(xiàn)震蕩，KD的取值很重要。13.6神經網(wǎng)絡控制基于人工神經網(wǎng)絡的控制是一種基本上不依賴于模型的控制方法，它模擬人腦細胞的分布式工作特點和自組織功能，具有快速并行處理、自學習及非線性映射等能力。適用于高度不確定性和非線性系統(tǒng)的控制應用。13.6.1神經網(wǎng)絡構成：人工神經網(wǎng)絡是由模擬生物神經元的人工神經元相互連接而成的，下圖描述了最典型的人工神經元模型，它是神經網(wǎng)絡的基本處理單元。1）神經元wij：權值，θ：閾值；f(·)：變換函數(shù)表達式：基本神經元：2）轉換函數(shù)：神經網(wǎng)絡通過轉換函數(shù)完成其學習訓練過程，并且在應用中通過轉換函數(shù)按照一定的規(guī)律將輸入端信息傳送到輸出端。常用的轉換函數(shù)如圖所示：13.6.2典型神經網(wǎng)絡1）BP神經網(wǎng)絡

BP屬于前向型神經網(wǎng)絡。由輸入層，中間層（隱層）和輸出層組成，每一層的神經元只接受前一層神經元的輸出；并輸出到下一層。BP神經網(wǎng)絡學習BP網(wǎng)絡是屬于有教師學習神經網(wǎng)絡。其學習過程誤差反向傳播學習。學習過程簡要：正向傳播過程：輸入信號自輸入層通過隱層傳向輸出層，每層的神經元僅影響下一層神經元狀態(tài)。反向校正過程：在輸出層不能得到期望輸出時，則實行反向傳播，將誤差信號沿原通路返回，并將誤差分配到各神經元。通過修改各層神經元的權值，使輸出誤差信號最小。

BP網(wǎng)絡各神經元采用的激發(fā)函數(shù)是sigmoid函數(shù)其中，θ表示偏置或閾值。BP神經網(wǎng)絡特點可以證明，一個三層BP網(wǎng)絡，通過對教師信號的學習，改變網(wǎng)絡參數(shù)，可在任意ε平方誤差內逼近任意非線性函數(shù)。應用：BP網(wǎng)絡在模式識別、系統(tǒng)辯識、優(yōu)化計算、預測和自適應控制領域有著較為廣泛的應用。2）RBF網(wǎng)絡徑向基函數(shù)神經網(wǎng)絡亦稱RBF(RadialBasisFunction)神經網(wǎng)絡，其網(wǎng)絡結構亦是三層結構。RBF網(wǎng)絡是一種局部逼近的神經網(wǎng)絡，即，它對于輸入空間的某個局部區(qū)域只有少數(shù)幾個連接權值影響網(wǎng)絡輸出。因此，具有學習速度較快的特點。RBF神經網(wǎng)絡訓練RBF網(wǎng)隱層節(jié)點由像高斯函數(shù)的作用函數(shù)構成，節(jié)點通常是如下所示的高斯函數(shù)：其中，μ：是第j個隱層節(jié)點的輸出，X：是輸出樣本，cj：是高斯函數(shù)的中心值，σj：是第j個高斯函數(shù)的尺度因子，n：是隱層節(jié)點數(shù)。網(wǎng)絡輸出RBF網(wǎng)絡的輸出是其隱層節(jié)點輸出的線性組合，即m:輸出層節(jié)點數(shù)RBF網(wǎng)的學習過程與BP網(wǎng)的學習過程相類似，兩者的主要差別在于各使用不同的作用函數(shù)。BP網(wǎng)中隱層節(jié)點使用的是Sigmoid函數(shù)，其函數(shù)值在輸入空間中無限大的范圍為零值。RBF網(wǎng)中使用的是高斯函數(shù)。屬局部逼近的神經網(wǎng)絡。3）互連型神經網(wǎng)絡單層網(wǎng)絡，共有n個神經元節(jié)點，每個節(jié)點輸出均連接到其它神經元的輸入，各節(jié)點沒有自反饋。網(wǎng)絡中的每個節(jié)點都附有一閾值θj。wij是神經元i與神經元j間的連接權值?；ミB型神經網(wǎng)絡中任意兩個神經元之間都存在連接，即網(wǎng)絡的輸入節(jié)點及輸出節(jié)點均有影響存在，因此，信號在神經元之間反復傳遞，各神經元的狀態(tài)要經過若干次變化，逐漸趨于某一穩(wěn)定狀態(tài)。特點：離散Hopfield網(wǎng)絡實際上是一個離散的非線性動力學系統(tǒng)。因此，如果系統(tǒng)是穩(wěn)定的，則它可以從一個初態(tài)收斂到一個穩(wěn)定狀態(tài)，若系統(tǒng)是不穩(wěn)定的，由于節(jié)點輸出1或-1兩種狀態(tài)，因而系統(tǒng)不可能出現(xiàn)無限發(fā)散，只可能出現(xiàn)限幅的自持震蕩或極限環(huán)。13.6.3神經網(wǎng)絡控制應用直接逆(模)控制內?？刂芅N1：逆?？刂破骶W(wǎng)絡NN2：再線學習校正網(wǎng)絡NNC：控制器網(wǎng)絡NNI：預測模型網(wǎng)絡神經網(wǎng)絡預測控制13.7專家系統(tǒng)控制將專家系統(tǒng)的理論和方法與控制理論和方法相結合，應用專家的智能技術指導工程控制，使得工程控制達到專家級控制水平的一種控制方法。專家控制系統(tǒng)是智能控制的一個重要分支。13.7.1專家系統(tǒng)

是一計算機程序系統(tǒng)1）專家系統(tǒng)的結構專家系統(tǒng)的主要功能取決于大量的知識及合理、完備的智能推理機構。①知識庫是知識的存儲器。它主要由規(guī)則庫和數(shù)據(jù)庫兩部分構成。規(guī)則庫：主要存儲著作為專家經驗的判斷性知識，用于問題的推理和求解。常見的知識表示方法邏輯因果圖，產生式規(guī)則，框架理論，語義網(wǎng)絡，決策樹，神經網(wǎng)絡描述等。尤以產生式規(guī)則使用最多。

數(shù)據(jù)庫主要用于存儲表征應用對象的特性、狀態(tài)、求解目標、中間狀態(tài)等數(shù)據(jù)，供推理和解釋機構使用。知識庫通過“知識獲取”機構與領域專家相聯(lián)系，實現(xiàn)知識庫的修正更新，知識條目的測試、精煉等對知識庫的操作。

②推理機是專家系統(tǒng)的推理機構。是一個運用知識庫提供的知識，基于某種通用的問題求解模型進行自動推理求解的計算機軟件系統(tǒng)。承擔著控制并執(zhí)行專家推理的過程。

推理機系統(tǒng)主要由解釋程序和調度程序兩部分構成解釋程序用于檢測和解釋知識庫中的相應規(guī)則，決定如何使用判斷性知識推導新知識，調度程序判斷并決定各知識規(guī)則的應用次序。

A.推理機的驅動運行策略及推理方法：a.推理機驅動運行策略正向推理（數(shù)據(jù)驅動策略）：利用原始數(shù)據(jù)和已知條件推斷出結論的方法；反向推理（目標驅動策略）：首先提出結論或假設，然后逆向尋找其支持條件或證據(jù)，若成功則結論(假設)成立；雙向推理（混合推理）：運用正向推理幫助系統(tǒng)提出假設，再運用反向推理尋找證據(jù)。b.推理方法基于充分置信度的演繹推理是一種保真變換的過程，將推理前提的置信度完全轉移到結論上。即結論具有同前提相同的置信度。

推理策略可是正向、反向或雙向推理。歸納推理是“主觀不充分置信度推理”，推理過程只能將前提置信度的一部分轉移到結論中，結論置信度低于前提置信度。

主要方法：枚舉法、類比法不確定性推理不精確推理。主要處理不確定性問題的推理。主要方法：可信度方法、主觀Bayes法、模糊集合論、證據(jù)理論法等。2）專家系統(tǒng)的特點專家系統(tǒng)是利用存儲的相應知識，模擬人類專家的推理決策過程，求解復雜問題的人工智能處理系統(tǒng)。專家系統(tǒng)具有如下的基本特征：a.是具有專家水平的知識信息處理系統(tǒng)。知識庫內存儲的知識是領域專家的專業(yè)知識和實際操作經驗的總結和概括；推理機構依據(jù)知識的表示和知識推理確定問題的求解途徑,并制定決策求解問題。知識庫和推理機之間相互獨立又相互作用的構造形式使得知識的擴充和更新更加靈活方便，保證了知識庫內知識的先進性和正確性。b.對問題求解具有高度靈活性推理機構可根據(jù)具體問題的不同特點靈活地選擇相應知識來構成求解方案，具有較靈活的適應性。c.啟發(fā)式和透明的求解過程能夠運用人類專家的知識對不確定或不精確問題進行啟發(fā)式的搜索和試探性的推理，并驗證結論的一致性及合理性。能夠向用戶顯示其推理依據(jù)和過程。d.具有一定的復雜性和難度人類的知識大多是模糊的和不完全的，這為知識的歸納、表示造成了一定的困難，也帶來了知識獲取的瓶頸問題；專家系統(tǒng)在問題求解中不存在確定的求解方法和途徑，在客觀上造成了構造專家系統(tǒng)的復雜性。3）專家系統(tǒng)的類型①解釋專家系統(tǒng)對已知信息和數(shù)據(jù)進行分析與解釋。主要應用：語音理解、圖像分析、系統(tǒng)監(jiān)視等②預測專家系統(tǒng)通過對過去和現(xiàn)在的已知狀態(tài)的分析，預測未來狀態(tài)的發(fā)展。

主要應用：氣象預報、軍事預測、人口預測、經濟預測等③診斷專家系統(tǒng)根據(jù)觀測的數(shù)據(jù)情報推斷對象機能失常的原因。主要應用：醫(yī)療診斷、設備和工業(yè)過程故障診斷、軟件系統(tǒng)診斷等④規(guī)劃專家系統(tǒng)根據(jù)要求尋找出能夠達到某個既定目標的動作序列或步驟。主要應用：交通運輸調度、工程項目論證、通訊及軍事指揮等⑤控制專家系統(tǒng)管理被控對象或某一事物的全面行為，使之滿足預期要求。主要應用：交通管制、商業(yè)管理、生產過程控制等⑥其他專家系統(tǒng)如：設計專家系統(tǒng)、監(jiān)視專家系統(tǒng)、管理專家系統(tǒng)、修理專家系統(tǒng)等13.7.2專家控制系統(tǒng)專家控制是指將專家系統(tǒng)的設計規(guī)范和運行機制與傳統(tǒng)控制理論和技術相結合而成的智能控制系統(tǒng)。專家控制主要有兩種形式，即專家控制系統(tǒng)和專家式控制器。1）專家控制系統(tǒng)特點a.與傳統(tǒng)控制系統(tǒng)比較：專家控制系統(tǒng)是基于知識工程的智能控制系統(tǒng)。具有解釋、預測、診斷和執(zhí)行等多種功能，適用于各種復雜的和具有時滯性、不確定性等強非線性系統(tǒng)的工程控制要求。b.與通常的專家系統(tǒng)比較通常的專家系統(tǒng)只完成專門領域問題的咨詢功能，它的推理結果一般用于輔助用戶的決策；專家控制系統(tǒng)則要求能對控制動作進行獨立的、自動的決策。它的功能一定要具有連續(xù)的可靠性和較強的抗擾性。通常的專家系統(tǒng)一般處于離線工作方式，專家控制系統(tǒng)則要求在線地獲取動態(tài)反饋信息，因而是一種動態(tài)系統(tǒng)，具有使用的靈活性和實時性。2）專家控制系統(tǒng)的構成及工作原理①專家控制系統(tǒng)結構專家控制系統(tǒng)由知識基系統(tǒng)、數(shù)值算法庫、和人-機接口三個并發(fā)運行的子過程以及5個通訊模塊構成。

系統(tǒng)的控制器主要由數(shù)值算法和知識基系統(tǒng)兩部分構成。數(shù)值算法部分：包含控制、辨識和監(jiān)控三種算法。用于定量的解釋和進行數(shù)值計算。知識基系統(tǒng)：包含定性的啟發(fā)式知識。用于邏輯推理、對數(shù)值算法進行決策、協(xié)調和組織。知識基系統(tǒng)的推理輸出和決策通過數(shù)值算法庫作用于受控過程。系統(tǒng)的通訊專家系統(tǒng)內部及與人-機接口之間的信息交流通過5個模塊進行，其基本作用：輸出模塊將控制配置命令、控制算法的參數(shù)變更值以及信息發(fā)送請求從知識基系統(tǒng)發(fā)往數(shù)值算法部分。輸入模塊將算法執(zhí)行結果、監(jiān)測預報信號、對于信息發(fā)送請求的答案、用戶命令以及定時中斷信號，分別從數(shù)值算法、人-機接口以及定時操作部分送往知識基系統(tǒng)。應答模塊傳送數(shù)值算法對知識基系統(tǒng)的信息發(fā)送請求的通訊應答信號。解釋模塊傳送知識基系統(tǒng)發(fā)出的人-機通訊結果。包括用戶對知識庫的編輯、查詢、算法執(zhí)行原因、推理依據(jù)、推理過程跟蹤等系統(tǒng)運行狀況的解釋。定時模塊用于發(fā)送知識基系統(tǒng)內部推理過程需要的定時等待信號供應定時操作部分處理。A/D、D/A接口板專家控制系統(tǒng)與被控對象之間的信息交換通道。②知識的種類專家控制系統(tǒng)基本構成方法13.7.3專家控制器根據(jù)專家控制系統(tǒng)在整個控制系統(tǒng)中的作用，可把專家控制系統(tǒng)分為直接專家控制器和間接專家控制器兩種。專家控制系統(tǒng)直接作為控制器，向系統(tǒng)提供控制信號，對受控過程產生直接作用的稱為直接專家控制器。專家控制系統(tǒng)的輸出間接地影響被控對象，如進行控制器參數(shù)在線整定、執(zhí)行控制系統(tǒng)的指導、協(xié)調、監(jiān)督作用的專家控制系統(tǒng)稱為間接專家控制器。

直接專家控制器間接專家控制器例：某間歇放熱反應由冷劑液氨作為控制變量控制調節(jié)反應溫度和壓力。工藝要求在反應的某一階段實施升溫升壓操作，將反應溫度由65℃提升到85℃，相應的反應壓力由0.7MP提升到0.97MP。反應器的壓力上限報警為1.1MP，壓力達到1.2MP時安全閥動作?？刂撇僮鲗嵺`表明，該系統(tǒng)在升溫升壓階段中，溫度、壓力上升速率過快，在達到工藝要求上限時，難于控制其上升趨勢，會產生危險的大超調量；而上升速率過緩時，則延長生產周期，同時將影響產品質量。由于該系統(tǒng)存在著極大的非線性特性，常規(guī)控制系統(tǒng)難以獲得理想控制結果?？刂埔螅合到y(tǒng)升溫升壓階段分時分段控制上升速率。兼顧溫度、壓力，應能隨時自動變更被控變量（T/P）。液氨控制閥開度不允許作瞬間大幅度變化。專家控制設計反應過程溫度專家控制方案

根據(jù)系統(tǒng)控制要求，選擇如下變量作為專家控制器的輸入變量。時間變量：TIME溫度相關變量：T，△T，△TT壓力相關變量：P，△P氨面變量：H規(guī)則庫根據(jù)系統(tǒng)運行規(guī)律及實際操作曲線，歸納工程師和熟練操作人員的經驗知識，應用產生式規(guī)則建立控制規(guī)則庫。規(guī)則庫主要由溫度控制規(guī)則、壓力控制規(guī)則、聯(lián)合決策規(guī)則三個子庫組成決策設計采用兩級決策控制：一級：溫度、壓力控制決策

IF(TIME,T,△T,△TT)THENOUT1IF(TIME,P,△P)THENOUT2二級：綜合決策

IF(TIME,T,P,OUT1,OUT2,H)THENOUT313.4故障診斷與容錯控制13.4.1故障診斷控制系統(tǒng)故障：系統(tǒng)狀態(tài)出現(xiàn)不期望的、不能容許的、并且不能自動恢復的偏差。故障診斷技術：

是對系統(tǒng)的異常狀態(tài)檢測、異常狀態(tài)原因的識別以及包括異常狀態(tài)預測在內的各種技術的總稱。

故障診斷技術是建立在各專業(yè)領域工程技術和控制論、可靠性理論、模糊集理論、以及數(shù)理統(tǒng)計、信號處理、模式識別、人工智能等多學科技術基礎上的一門綜合性技術。1）故障分類：被控過程對象故障：對象某部分器件失效儀器儀表故障包括檢測元件、變送器、執(zhí)行器、控制裝置和計算機接口故障。其中，檢測元件、變送器和執(zhí)行器發(fā)生故障概率較大。軟件故障

計算機控制程序故障，或病毒故障。故障原因系統(tǒng)設計錯誤，包括測量和控制軟件不完善設備性能老化，包括對象和儀表的性能退化操作人員誤操作2）故障檢測與診斷系統(tǒng)的任務及內容故障建模

按照先驗知識及系統(tǒng)輸入輸出關系建立系統(tǒng)故障數(shù)學模