时滞系统的经典控制与智能控制

《时滞系统的经典控制与智能控制》由会员分享，可在线阅读，更多相关《时滞系统的经典控制与智能控制（4页珍藏版）》请在金锄头文库上搜索。

1、1时滞系统的经典控制与智能控制摘要：研究了两类用于时滞系统控制的方法，即包括自整定 PID 控制、Smith 预估控制和大林算法在内的经典控制方法和包括模糊控制、神经网络控制和模糊神经网络控制在内的智能控制方法，经过比较后认为经典控制结构简单、可靠性及实用性强，而智能控制则具有自适应性和鲁棒性好，抗干扰能力强的优势，因而将这两种控制方法结合起来是控制时滞系统有效实用的方法，具有很好的应用前景。关键词：时滞系统，Smith 预估控制，模糊神经网络Classical Control and Intelligent Control for the Time Delay SystemAbstract:

2、 Two kinds of control methods are mainly researched. One is classical control method, including self-tuning PID control, Smith predictive control and Dahlin algorithm. The other is intelligent control method, including fuzzy control, neural network control and fuzzy neural network control. After com

3、paring, such conclusions are made: Classical control has simple structure, good reliability and practicability. But intelligent control has strong adaptability and robustness, moreover, its performance against disturbance is good. So the combination with these two methods will be effective and signi

4、ficant to control time delay system, and its prospect of application is attractive.Key words: Time delay system, Smith predictive control, Fuzzy neural network1引言在工业生产过程中，具有时滞特性的控制对象是非常普遍的，例如造纸生产过程、精馏塔提馏级温度控制过程、火箭发动机燃烧室中的燃烧过程等都是典型的时滞系统。为解决纯滞后时间 对系统控制性能带来的不利影响，许多学者在理论和实践上做了大量的研究工作，提出了很多行之有效的方法。本文主要介绍

5、其中两类研究得比较多的控制方法，即最早在时滞系统控制中应用的几种经典控制方法和近年来受到广泛关注的智能控制方法。2经典控制所谓经典控制方法是指针对时滞系统控制问题提出并应用得最早的控制策略，主要包括自整定 PID 控制、Smith 预估控制、大林算法这几种方法。这些方法虽然理论上比较简单，但在实际应用中却能收到很好的控制效果，因而在工业生产实践中获得了广泛的应用。2.1 自整定 PID 控制PID 控制器由于具有算法简单、鲁棒性好和可靠性高等特点，因而在实际控制系统设计中得到了广泛的运用，据统计 PID 控制是在工业过程控制中应用最为广泛的一种控制算法。PID 控制的难点在于如何对控制参数进行

6、整定，以求得到最佳控制效果。较早用来整定 PID 控制器参数的方法有： Ziegler-Nichols 动态特性法、 CohenCoon 响应曲线法、基于积分平方准则 ISE 的整定法等。但是这些方法只能在对象模型精确已知的情况下，实现PID 参数的离线整定，当被控对象特性发生变化时，就必须重新对系统进行模型辨识。为了能在对象特性发生变化时，自动对控制器参数进行在线调整，以适应新的工况，PID 参数的自整定技术就应运而生了。目前用于自整定的方法比较多，如继电型自整定技术 【1】 、基于过程特征参数的自整定技术 【2】 、基于给定相位裕度和幅值裕度的 SPAM 法自整定技2术 【3】 、基于递推

7、参数估计的自整定技术 【4】 以及智能自整定技术 【5】 等。总体来看这类自整定 PID 控制器对于 （T 为系统的惯性时间常数）的纯滞后对象控制是6.015./有效的，但对于大纯滞后对象，当 时，按照上述方法整定的 PID 控制器则难以稳/定。2.2 Smith 预估控制Smith 于 1957 年提出的预估控制算法，通过引入一个与被控对象相并联的纯滞后环节，使补偿后的被控对象的等效传递函数不包括纯滞后项，这样就可以用常规的控制方法（如PID 或 PI 控制）对时滞系统进行控制 【6】 。Smith 预估控制方法虽然从理论上解决了时滞系统的控制问题，但在实际应用中却还存在很大缺陷。Palmo

8、r 提出 Smith 预估器存在这样两点不足：1.它要求有一个精确的过程模型，当模型发生变化时，控制质量将显著恶化；2.Smith 预估器对实际对象的参数变化十分敏感，当参数变化较大时，闭环系统也会变得不稳定，甚至完全失效 【7】 。Watanabe 进一步指出 Smith 预估器的两个主要缺陷：1.系统对扰动的响应很差；2.若控制对象中包含 的极点时，即使控制器中含有积分器，系统对扰0s动的稳态误差也不为零 【8】 。另外 Smith 预估器还存在参数整定上的困难，这些缺陷严重制约了 Smith 预估器在实际系统中的应用。针对 Smith 预估器存在的不足，一些改进结构的Smith 预估器就

9、应运而生了。Hang C C 等针对常规预估控制方案中要求受控对象的模型精确这一局限，在常规方案基础上，外加调节器组成副回路对系统进行动态修正 【9】 ，该方法的稳定性和鲁棒性比原来的 Smith 预估系统要好，它对对象的模型精度要求明显地降低了。Watanabe 提出的改进结构的 Smith 预估器采用了一个抑制扰动的动态补偿器 M(s)，通过配置 M(s)的极点，能够获得较满意的扰动响应及对扰动稳态误差为零 【10】 。对于 Smith 预估器的参数整定问题，张卫东等人提出了一种解析设计方法，并证明该控制器可以通过常规的 PID 控制器来实现，从而能根据给定的性能要求（超调或调节时间）来设

10、计控制器参数【11】 。2.3 大林算法大林算法是由美国 IBM 公司的 Dahlin 于 1968 年针对工业过程控制中的纯滞后特性而提出的一种控制算法 【12】 。该算法的目标是设计一个合适的数字调节器 D(z)，使整个系统的闭环传递函数相当于一个带有纯滞后的一阶惯性环节，而且要求闭环系统的纯滞后时间等于被控对象的纯滞后时间。大林算法方法比较简单，只要能设计出合适的且可以物理实现的数字调节器 D(z)，就能够有效地克服纯滞后的不利影响，因而在工业生产中得到了广泛应用。但它的缺点是设计中存在振铃现象，且与 Smith 算法一样，需要一个准确的过程数字模型，当模型误差较大时，控制质量将大大恶化

11、，甚至系统会变得不稳定。实际上已有文献证明，只要在 Smith 预估器中按给定公式设计调节器 D(z)，则 Smith 预估器与Dahlin 算法是等价的，Dahlin 算法可以看作是 Smith 预估器的一种特殊情况 【13】 。3智能控制智能控制是一类无需人的干预就能够独立地驱动智能机器实现其目标的自动控制，它包括了递阶控制、专家控制、模糊控制、神经网络控制、学习控制、遗传算法等。在众多智能控制方法当中，模糊控制、神经网络以及二者的结合模糊神经网络在时滞系统的控制中的应用最为广泛。33.1 模糊控制模糊控制是 Zandeh 于 1965 年首先创立的，其核心是模拟人的思维方式对一些无法得到

12、精确数学模型的被控对象设计模糊控制器，通过建立输入、输出模糊集及模糊规则来实现有效的控制。模糊控制可以不需被控对象的数学模型即可实现较好的控制，因而特别适用于那些具有纯滞后、大惯性、参数漂移大的非线性不确定复杂系统。但模糊控制存在控制精度不高的缺点，为解决这一问题，文献【14】提出了一种能有效克服静差的增量式类积分模糊控制器，在控制的同时辨识出系统的开环放大倍数，再利用类积分的增量式输出，有效地克服了静差。文献【15】则提出了一种自整定模糊控制器，可根据运行工况自动调整各模糊变量的加权因子，从而减小了静差。实际应用中还可将模糊控制与 PID 控制相结合，以提高控制品质。文献【16】提出了一种

13、Fuzzy-PID 双模控制方法，在大偏差范围内采用模糊控制取得较好的动态响应并抑制随机干扰，而在小偏差范围内采用 PID 控制来抑制稳态误差。模糊控制还可用于在线整定 PID 控制器的参数，从而取得较好的控制效果【17】 。将模糊控制与 Smith 预估器相结合是模糊控制在纯滞后系统应用中比较成功的一种方式，利用 Smith 预估器来消除系统纯滞后的影响，而用模糊控制代替原有的 PID 控制，充分利用模糊控制器动态性能好、鲁棒性强的特点，取得对纯滞后系统较好的控制效果，且可以避免繁琐的 PID 参数整定过程 【18】 。3.2 神经网络控制近些年来神经网络的应用成为了时滞系统控制中的一个新的

14、研究热点，取得了大量的研究成果。神经网络控制由于具有非线性逼近特性及自学习、自组织的能力，因而同样不需要对被控对象进行精确的辨识，便可实现对时滞系统的自适应控制。单神经元是神经网络的基本单元，以它为核心构成的单神经元控制器具有结构简单、适应性强、可实时控制的特点，实际应用中，往往是将单神经元控制器与 Smith 预估控制相结合，充分发挥二者的优势，构成一类单神经元 Smith 预估控制 【19】 。文献【20】则利用一个三层结构的 BP 网络结合 Smith 预估器构成了 Smith-NN 预估控制，通过对中和池 pH 过程、动态称重过程的实验研究，证明这是一种克服大纯滞后的有效方法。神经网络

15、不仅具有良好的控制特性，还具有很强的预测和辨识能力。文献【21】提出了一种用于非线性加热炉的神经网络预测控制器，利用神经网络精确描述非线性和不确定性动态过程的特性，设计了一个离线训练的神经网络用于对输出值进行预测，使系统能很好地克服模型误差和过程时变造成的影响，提高了响应性能。文献【22】则将神经网络的控制和辨识能力结合起来，提出了一种针对纯滞后对象的模型参考辨识自适应控制方案，采用了两个具有外部节拍延时反馈的前向多层神经网络，一个用于辨识纯滞后对象的动态模型，另一个作为主控制器产生控制量，从而提高了整个控制系统的实时性及可靠性。3.3 模糊神经网络控制模糊控制和神经网络都是无模型估计器，把

16、NN 和 Fuzzy 结合起来构成的模糊神经网络（FNC ） ，既揉合了模糊逻辑的推理能力，又有神经网络很强的学习能力和非线性表述能力，因而也是一种非常有效的时滞系统控制方法。王耀南提出了利用神经网络的非线性映射能力、分布式并行处理等特性构造一类具有自学习能力的 FNC，该控制器能自动形成相应的隶属函数，推理规则集，通过在线自学习修正各参数，对各规则的推理做到并行处理，控制律适应对象的变化，从而起到智能控制的作用。将 FNC 应用于窑炉温度控制系统中，控制效果良好 【23】 。叶其革提出了一种具有结构和参数学习能力的自组织模糊神经网络控制器，该控制器无需事先确定模糊控制规则，能在控制过程中通过神经网络的结构及参数4学习在线调整模糊神经网络的结构，产生模糊控制规则，调整规则的参数，仿真表明该控制器能用于一般纯滞后时变对象的控制，具有良好的控制性能 【24】 。荣雅君提出了一种过热汽温的模糊神经网络预测控制器设计，先将神经网络与预测控制相结合，实现了对非线性、大时滞系统模型的精确预测，再将模糊控制与神经网络相结合，实现模糊神经预测控制，