《智能PID控制综述》由会员分享，可在线阅读，更多相关《智能PID控制综述（10页珍藏版）》请在金锄头文库上搜索。
1、智能PID控制综述摘要传统的PID控制应用于复杂的实际系统时存在一定的局限性，因而智能PID控制器是 当今研究的热点融合了先进智能控制思想和传统PID构成的智能PID控制器则具有更加良 好的特性.文中对几种常见的智能PID控制器，包括模糊PID、神经网络PID、专家PID控制 器及基于遗传算法的PID控制器等进行了综述。关键词PID控制器 智能控制 智能PID一、引言PID控制110,51-52 作为经典控制算法中的典型代表，是一种传统的控制方式.1922年 N.Minorsky 提出 PID 控制方法，1942 年美国 Taylor 仪器公司的 J。g.ziegler 和 N。B.Nicho
2、ls 提出PID参数1的最佳调整法至今，其在工业控制中的应用已十分广泛24。PID控制具有结 构简单、参数物理意义明确和鲁棒性强等特点。PID控制器5-9对系统给定值r (t)同系统输出 值y (t)的偏差e(t)分别进行比例、积分、微分运算，并由此得到其输出值u (t),计算公式为：u(t) = K e(t) + K I te(t)d (t) + KPL 0D dt式中K为比例系数；K为积分系数；K为微分系数.K、K、K可对系统的稳定性、稳P L D P L D态精度、响应速度和超调量等性能产生影响，它们的作用分别为：(1)比例系数 K 可以加快P系统的响应速度，提高系统的调节精度。系统的响
3、应速度和调节精度同K呈正相关，但K过PP 大则会产生超调，使系统不稳定， K 过小则会使响应速度变慢，使系统静、动态特性变坏。(2)P积分作用系数 K 可以消除系统的稳态误差。 K 越大，系统静差就会越快消除。但 K 过大会L L L在响应过程产生较大超调，产生积分饱和现象。 K 过小则会使系统稳态误差不易消除，影响 L调节精度.(3)微分作用系数 K 可以改善系统的动态性能.但 K 过大会使系统的调节时间延 DD长，抗干扰性能降低。PID控制具有结构简单、稳定性能好、可靠性高等优点，尤其适用于可建立精确数学模型 的确定性控制系统。在控制理论和技术飞速发展的今天，工业过程控制领域仍有近90的回
4、 路在应用PID控制策略oPID控制中一个关键的问题便是PID参数的整定。但是在实际的应用中， 许多被控过程机理复杂，具有高度非线性、时变不确定性和纯滞后等特点。在噪声、负载扰动 等因素的影响下，过程参数甚至模型结构均会随时间和工作环境的变化而变化。这就要求在 第 1 页 共 10 页PID控制中，不仅PID参数的整定不依赖于对象数学模型，并且PID参数能够在线调整，以满足实 时控制的要求。智能控制是一门新兴的理论和技术，它是传统控制发展的高级阶段，主要用 来解决那些传统方法难以解决的控制对象参数在大范围变化的问题，其思想是解决PID参数在 线调整问题的有效途径148。近年来，智能控制1116
5、，53无论是理论上还是应用技术上均得到了长足的发展，随之不断 涌现将智能控制方法和常规PID控制方法融合在一起的新方法，形成了许多形式的智能PID控 制器。它吸收了智能控制与常规PID控制两者的优点首先，它具备自学习、自适应、自组织 的能力， 能够自动辨识被控过程参数、自动整定控制参数、能够适应被控过程参数的变化； 其次，它又具有常规PID控制器结构简单、鲁棒性强、可靠性高、为现场工程设计人员所熟悉 等特点。正是这两大优势，使得智能PID控制成为众多过程控制的一种较理想的控制装置。文 中主要介绍几种智能PID控制器的常见构成形式，并分析各自的特点.二、智能PID控制器研究现状智能PID控制的专
6、家控制 1718、 学习控制 1920、 仿人控制2122、免疫算法2224等都在 发展之中。纵观近年来智能PID控制的发展，可以大致归纳出以下特点：智能复合控制成为提 供和改善智能控制性能的有效途径，并成为研究的重点。近几年来，模糊控制25-29与神经网 络30-36的结合代表着控制与智能系统研究的一个新的趋势，另外有一个值得注意的动向是利 用遗传算法GA对神经网络的PID控制器的权系数进行寻优，而将遗传算法应用于模糊控制，被 证明是调整规则和隶属函数的一种有效方法。文献9将遗传算法、模糊控制和免疫反馈机理 与传统的PID控制相结合，提出了基于遗传整定的模糊免疫PID控制算法并将它应用在双容
7、液 位系统的控制中.PID控制重新受到广泛重视，并和智能控制等方法结合，形成新一轮的研究热潮。国际著 名学术刊物 Control Engineering Practice 和 IEEE Control Systems Magazine 分别于2001 和2006年出版了 PID控制特辑。2000年，IFAC数字控制工作组在西班牙Terrassa 举行了专 题为Pas t Present and Fut ure of PID Con trol的PID控制学术会议.国际著名控制理论学者AS TROM教授指出，PID控制器在未来的控制工程中扔将继续扮演重要的角色，同时将成 为各种复杂控制器的基本单元
8、。国内学者吴宏鑫院士提出的特征建模理论3738，第一次从理 论上论证了 PID控制器广泛应用的理论依据并且指出，PID控制器具有独特的优越性，它将成 为复杂系统智能控制中最基本、最基础的子控制单元2,9,14，16,19。在理论研究特别在应用方面， 国内与国外差距明显。国外如日本、欧美等国家不但在理 论研究方面走在前列，而且已经有成功应用的产品，Yokogawa电气和Fuji电气的温度控制器， 它们把模糊逻辑与标准的PID控制集成在一起来抑制超调，取得了成功.而国内重复研究的 多， 创造性研究的少， 停留于仿真成果的多， 能够在工程上应用的少， 尤其是运行时间较长 的智能PID控制器可以说微乎
9、其微这一状况需要广大理论工作者和工程技术人员共同努力， 尽快转变这一局面.三、基于神经网络的PID控制器人工神经网络是最近发展起来的十分热门的交叉学科.它涉及生物、电子计算机、数学和 物理等学科， 有着非常广泛的应用背景， 这门学科的发展对目前和未来的科学技术的发展将 有着重要的影响。以非线性大规模并处理为主要特征的神经网络， 以生物神经网络为模拟基 础，试图模拟人的思维以及学习和获取知识的能力。它具有学习、记忆、联想、容错、并行处 理等能力， 已在控制领域得到广泛应用.3。1、单神经元PID控制器 39-40用单神经元实现自适应PID控制的结构框图如图3-1所示。图3-1中转换器的输入为设定
10、值 y及输出y，转换器的输出为神经元学习控制所需要的状态量X ,X ,X。神经元pid控制器 r 1 2 3的输出为u(k)二 u(k -1) + Kt W (k)X (k)iii=1式中， K 为神经元比例系数。在单神经元控制器中引入输出误差平方的二次型性能指标， 通过修改神经元控制器的加 权系数W，使性能指标趋于最小，从而实现自适应PID的最优控制。利用具有自学习和自适i应能力的单神经元来构成单神经元自适应PID控制器，不但结构简单、学习算法物理意义明确、 计算量小， 且能适应环境变化， 具有较强的鲁棒性。31单神经元自适应PID控制器结构3。2、神经网络PID控制器 29, 30, 33
11、, 35在常规PID控制器的基础上，加入一个神经网络控制器，构成如图32所示的神经网络 PID控制器4.此时神经网络控制器实际是一个前馈控制器，它建立的是被控对象的逆向模型. 由图3-2容易看出，神经网络控制器通过向传统控制器的输出进行学习，在线调整自己，目标是 使反馈误差e(t)或u (t)趋近于零，从而使自己逐渐在控制作用中占据主导地位，以便最终取消 反馈控制器的作用。但是以PID构成的反馈控制器一直存在，一旦系统出现干扰等，反馈控制 器马上可以重新起作用。因此采用这种前馈加反馈的智能控制方法，不仅可确保控制系统的 稳定性和鲁棒性，而且可有效地提高系统的精度和自适应能力。图3-2神经网络+
12、PID控制器四、模糊PID控制器将模糊控制技术和PID控制相结合，既可克服常规PID控制器的不足，又能使PID控制器具有 参数自适应能力模糊PID控制器以数字PID控制器为基础，引入模糊集合论，将PID参数根据 偏差和偏差变化值的大小而动态变化，这样显然更符合被控对象真实的控制规律。在此着重 简述模糊自适应PID控制器以及基于神经网络的模糊PID控制器。模糊自适应PID（FAPID）控制系统如图4-1所示。FAC为模糊自适应控制器，与常规PID控 制器一起组成FAPID控制器。FAPID控制器的设计分为独立的两步进行，简单方便.FAC的输 出即为PID控制器的输入oPID参数若采用工程方法整定
13、，可不需要被控对象模型整定PID参 数时，去掉FAC的作用.当在每个采样时刻获得了系统响应后，就可以根据此时刻系统响应偏离 给定的情况及变化趋势，依据已有的系统控制知识，运用模糊控制方法，适当加大或减小控 制力度，以控制响应朝偏离给定的方向变化，使输出尽快趋于稳定，可基于这种思路来设计 FAC.模型规则表物理意义明确，实时计算工作量小，便于工程应用。事实上，由于模糊控制部 分已隐含对误差的PD成分H,所以在采用FAPID控制时，PID控制器中微分部分没有必要加 入。与传统PID控制比较，FAPID控制大大提高了系统的鲁棒性，减小了超调量，提高了抗 干扰能力，缩短了调节时间。尸1. rar-fa
14、- ! d r-l- 4 F M * W - - |图41 FAPID控制系统框图4。2、基于神经网络的模糊PID控制29,3, 31将模糊控制具有的较强的逻辑推理功能、神经网络的自适应、自学习功能以及传统PID 的优点融为一体，构成基于神经网络的模糊PID系统框图见图4-2所示。它包括4个部分：（1） 传统PID控制部分：直接对控制对象形成闭环控制；（2）模糊量化模块：对系统的状态向量进 行归档模糊量化和归一化处理；3）辨识网络NNM :用于建立被控系统中的辨识模型；（4）控制 网络NNC :根据系统的状态，调节PID控制的参数以达到某种性能指标最优，具体实现方法是 使神经元的输出状态对应P
15、ID控制器的被调参数，通过自身权系数的调整，使其稳定状态对应 某种最优控制规律下的PID控制参数。这种控制器对模型、环境具有较好的适应能力以及较强 的鲁棒性，但是由于系统组成比较复杂，存在运算量大、收敛慢、成本较大的缺点.图4-2基于神经网络的模糊PID控制系统框图五、专家PID控制器 1 7-18, 4446具有专家系统的自适应PID控制器结构如图5-1所示。它由参考模型、可调系统和专家系 统组成。从原理上看，它是一种模型参考自适应控制系统。其中，参考模型由模型控制器和 参考模型被控对象组成；可调系统由数字式PID控制器和实际被控对象组成。控制器的PID参 数可以任意加以调整，当被控对象因环境原因而特性有所改变时，在原有控制器参数作用下， 可调系统输出y(t)的响应波形将偏离理想的动态特性。这时，利用专家系统以一定的规律调 整控制器的pid参数，使y(t)的动态特性恢复到理想状态.专家系统由知识库和推理机制两部分组成，它首先检测参考模型和可调系统输出波形特 征参数差值即广义误差e。PID自整定的目标就是调整控制器PID参数矢量9 C，使9值逐步趋 近于9 (即e值趋近于0)。推理机制*PTD控制mr舌亂烈魏划识还卜T r 1 I - 广乂 |寸调承址:图51专家自适应PID控制原理图
