自动化专业概论与职业发展——第4章.ppt

第四章 基本控制方法 4.1 自动控制系统行为描述从图4.1上可以看出电炉炉膛温度uf在t=0冷工件进入后，稍后温度开始下降，接着就开始产生力图校正误差的控制作用（图上曲线上的向上箭头，表示电炉受到的新增电能供应）。当uf向上升并与ur的横线相交时uf =ur，△u=0，此时放大器输出为0，电动机降速至停止转动。一个能稳定的炉温控制系统的炉膛温度的变化曲线，如图4.2所示。显然，不稳定的自动控制系统不能正常工作，而且系统处在振荡过程中，环节或元件很易损坏。 4.2 反馈控制和扰动补偿另一种消除被控制对象由于外界扰动引起误差的方法，称为扰动补偿。这个补偿原理只能补偿已设计有前馈通道的扰动。但是在自动控制系统中存在着多种扰动。 4.3 比例积分微分控制 4.4 最优控制对于一个自动控制系统的设计和构成，自然会提出一定的技术要求（指标），例如系统必须是稳定的。通过设计控制作用要使这个技术指标达到极值（极大或极小）。这样的控制称为最优控制（optimal Control），它的控制作用的变化规律是唯一的。开环最优控制器的设计要应用JI.庞特里亚金的极大值原理(Maximum Principle)和R.贝尔曼的动态规划(Dynamic Programming)等方法。闭环最优控制器的设计要应用R.卡尔曼的二次型性能指标的线性状态反馈(Linear State Feedback)律方法。 4.5 自适应控制自校正控制则以辨识器来代替自适应控制器，由辨识器求出数学模型，根据模型的变化来改变反馈控制器参数。以下以4.2节所讨论的大型显像管玻璃炉来作为实例。 4.6 智能控制对于许多复杂的被控对象和它的外界环境，难以建立有效的数学模型和采用常规的经典或现代控制理论去进行定量计算和分析、设计。智能控制具有人工智能、控制论和运筹学(Operational Research)等形成交叉学科的特点和定量与定性相结合的分析方法特点。 智能控制→复杂系统控制问题 4.6.1 专家控制系统这是由那些解决专门问题非常熟悉的专家的大量知识和经验里，建立起来的计算机程序系统，它能进行推理和判断，模拟人类专家的决策过程。 专家控制→一类复杂控制问题现以图3.4的自动控制系统为例，来说明基于专家控制器的工业过程专家控制系统。由专家系统构成的专家控制器示明在图4.12上。虚线框所示为专家控制器代替专家的手动控制。它由特征识别与信息处理部分、推理机(Inference Engine)、知识库(Knowledge Base)和控制规则集组成。 4.6.2 模糊控制系统模糊控制和专家系统控制一样，两者都要建立操作人员的经验和决策行为的模型；两者都含有知识库和推理机。所不同的是在模糊控制系统中采用的是模糊知识表示和模糊推理方法。模糊控制的基本结构，如图4.13所示。它由模糊化接口、知识库、推理机和模糊判决接口组成。 模糊控制→一类复杂控制问题 4.6.3 神精网络控制系统人工神经元由计算机模拟一个生物神经元，如图4.14所示。该神经元单元由多个输入xi, i=1,2,…, n和一个输出y组成。Wji是各个输入信号相应的权重。当输入信号的加权和大于某阈值θ时，人工神经元就被激发，有输出yj。图4.15所示为常用的一种前馈多层网络。前馈神经网络具有多层结构，至少为三层，即输入层、隐层和输出层。复杂的前馈神经网络有一个以上的隐层。图中的小圆圈代表神经元。神经元从一层联结到下一层，不存在同层神经元间的联结。人工神经网络通过加以训练（学习），可以在自动控制系统中起重要的作用，已经在神经网络控制中广泛地应用。 神经网络控制→一类复杂控制问题单个人工神经元在自动控制系统用作控制器，并不多见，但人工神经网络经过训练后可以起控制器的作用，称为“神经网络控制器”；也可以经训练后成为模型未知的被控对象的神经网络模型，从而形成自适应控制等许多控制结构。 4.6.4 学习控制学习控制(Learning Control)是指在控制系统的控制进程中估计某些信息并据此改善控制的一种控制方法，以便逐步改进控制系统的性能。学习系统是自适应系统的发展与延伸，它能够按照运行进程中的“经验”和“教训”来不断增长知识，改进算法，更广泛地模拟人类的某些行为（如判断、推理等）。 学习控制→一类复杂控制问题图4.16所示为一个由智能决策单元(IDU, Intelligent Decision Unit)控制来修正的PID控制器的智能工业控制系统。智能决策单元由数据库(Data Base)、规则库、推理机和学习机(Learning Machine)所组成。 4.7 非线性系统及其控制自动控制系统由各种环节（元件组成，而环节或元件按其特性，可分为线性元件和非线性元件。含有这样非线性环节或元件的系统，称为非