1、【精品文檔】如有侵權，請聯系網站刪除，僅供學習與交流智能PID控制綜述.精品文檔.智能PID控制綜述摘要 傳統的PID控制應用于復雜的實際系統時存在一定的局限性，因而智能PID控制器是當今研究的熱點。融合了先進智能控制思想和傳統PID構成的智能PID控制器則具有更加良好的特性。文中對幾種常見的智能PID控制器,包括模糊PID、神經網絡PID、專家PID控制器及基于遺傳算法的PID控制器等進行了綜述。關鍵詞 PID控制器 智能控制 智能PID一、引言PID控制1-10,51-52作為經典控制算法中的典型代表，是一種傳統的控制方式。1922年 N.Minorsky提出PID控制方法，1942年美國

2、Taylor儀器公司的 J.g.ziegler和 N.B.Nichols提出PID參數1的最佳調整法至今，其在工業控制中的應用已十分廣泛2-4。PID控制具有結構簡單、參數物理意義明確和魯棒性強等特點。PID控制器5-9對系統給定值同系統輸出值的偏差分別進行比例、積分、微分運算，并由此得到其輸出值，計算公式為：式中為比例系數;為積分系數；為微分系數。、可對系統的穩定性、穩態精度、響應速度和超調量等性能產生影響，它們的作用分別為：(1)比例系數可以加快系統的響應速度，提高系統的調節精度。系統的響應速度和調節精度同呈正相關，但過大則會產生超調，使系統不穩定，過小則會使響應速度變慢，使系統靜、動態特

3、性變壞。(2)積分作用系數可以消除系統的穩態誤差。越大，系統靜差就會越快消除。但過大會在響應過程產生較大超調，產生積分飽和現象。過小則會使系統穩態誤差不易消除，影響調節精度。(3)微分作用系數可以改善系統的動態性能。但過大會使系統的調節時間延長，抗干擾性能降低。 PID控制具有結構簡單、穩定性能好、可靠性高等優點，尤其適用于可建立精確數學模型的確定性控制系統。在控制理論和技術飛速發展的今天，工業過程控制領域仍有近90%的回路在應用PID控制策略。PID控制中一個關鍵的問題便是PID參數的整定。但是在實際的應用中，許多被控過程機理復雜，具有高度非線性、時變不確定性和純滯后等特點。在噪聲、負載擾動

4、等因素的影響下，過程參數甚至模型結構均會隨時間和工作環境的變化而變化。這就要求在PID控制中，不僅PID參數的整定不依賴于對象數學模型，并且PID參數能夠在線調整，以滿足實時控制的要求。智能控制是一門新興的理論和技術，它是傳統控制發展的高級階段，主要用來解決那些傳統方法難以解決的控制對象參數在大范圍變化的問題，其思想是解決PID參數在線調整問題的有效途徑148。近年來，智能控制11-16,53無論是理論上還是應用技術上均得到了長足的發展，隨之不斷涌現將智能控制方法和常規PID控制方法融合在一起的新方法，形成了許多形式的智能PID控制器。它吸收了智能控制與常規PID控制兩者的優點。首先，它具備自

5、學習、自適應、自組織的能力， 能夠自動辨識被控過程參數、自動整定控制參數、能夠適應被控過程參數的變化；其次，它又具有常規PID控制器結構簡單、魯棒性強、可靠性高、為現場工程設計人員所熟悉等特點。正是這兩大優勢，使得智能PID控制成為眾多過程控制的一種較理想的控制裝置。文中主要介紹幾種智能PID 控制器的常見構成形式，并分析各自的特點。二、智能PID控制器研究現狀智能PID控制的專家控制17-18、學習控制19-20、仿人控制21-22、免疫算法22-24等都在發展之中。縱觀近年來智能PID控制的發展，可以大致歸納出以下特點：智能復合控制成為提供和改善智能控制性能的有效途徑，并成為研究的重點。近

6、幾年來，模糊控制25-29與神經網絡30-36的結合代表著控制與智能系統研究的一個新的趨勢，另外有一個值得注意的動向是利用遺傳算法GA對神經網絡的PID控制器的權系數進行尋優，而將遺傳算法應用于模糊控制,被證明是調整規則和隸屬函數的一種有效方法。文獻9將遺傳算法、模糊控制和免疫反饋機理與傳統的PID控制相結合，提出了基于遺傳整定的模糊免疫PID控制算法并將它應用在雙容液位系統的控制中。PID控制重新受到廣泛重視，并和智能控制等方法結合，形成新一輪的研究熱潮。國際著名學術刊物 Control Engineering Practice和IEEE Control Systems Magazine 分

7、別于2001和2006年出版了PID控制特輯。2000年, IFAC 數字控制工作組在西班牙 Terrassa 舉行了專題為 Past Present and Future of PID Control 的PID控制學術會議。國際著名控制理論學者AS-TROM 教授指出, PID控制器在未來的控制工程中扔將繼續扮演重要的角色，同時將成為各種復雜控制器的基本單元。國內學者吳宏鑫院士提出的特征建模理論37-38，第一次從理論上論證了PID控制器廣泛應用的理論依據并且指出，PID控制器具有獨特的優越性，它將成為復雜系統智能控制中最基本、最基礎的子控制單元2,9,14,16,19。在理論研究特別在應用

8、方面，國內與國外差距明顯。國外如日本、歐美等國家不但在理論研究方面走在前列，而且已經有成功應用的產品，Yokogawa電氣和Fuji電氣的溫度控制器，它們把模糊邏輯與標準的PID控制集成在一起來抑制超調，取得了成功。 而國內重復研究的多，創造性研究的少,停留于仿真成果的多，能夠在工程上應用的少，尤其是運行時間較長的智能PID控制器可以說微乎其微。這一狀況需要廣大理論工作者和工程技術人員共同努力，盡快轉變這一局面。三、基于神經網絡的PID控制器 人工神經網絡是最近發展起來的十分熱門的交叉學科。它涉及生物、電子計算機、數學和物理等學科，有著非常廣泛的應用背景，這門學科的發展對目前和未來的科學技術的

9、發展將有著重要的影響。以非線性大規模并處理為主要特征的神經網絡，以生物神經網絡為模擬基礎，試圖模擬人的思維以及學習和獲取知識的能力。它具有學習、記憶、聯想、容錯、并行處理等能力，已在控制領域得到廣泛應用。3.1、單神經元PID控制器39-40用單神經元實現自適應PID控制的結構框圖如圖3-1所示。圖3-1中轉換器的輸入為設定值及輸出，轉換器的輸出為神經元學習控制所需要的狀態量。神經元PID 控制器的輸出為式中,為神經元比例系數。 在單神經元控制器中引入輸出誤差平方的二次型性能指標，通過修改神經元控制器的加權系數 ，使性能指標趨于最小，從而實現自適應PID的最優控制。利用具有自學習和自適應能力的

10、單神經元來構成單神經元自適應PID控制器，不但結構簡單、學習算法物理意義明確、計算量小，且能適應環境變化，具有較強的魯棒性。3-1單神經元自適應PID控制器結構3.2、神經網絡PID控制器29,30,33,35在常規PID控制器的基礎上，加入一個神經網絡控制器，構成如圖3-2 所示的神經網絡PID控制器4。此時神經網絡控制器實際是一個前饋控制器，它建立的是被控對象的逆向模型。由圖3-2容易看出，神經網絡控制器通過向傳統控制器的輸出進行學習，在線調整自己，目標是使反饋誤差或趨近于零，從而使自己逐漸在控制作用中占據主導地位，以便最終取消反饋控制器的作用。但是以PID構成的反饋控制器一直存在，一旦系

11、統出現干擾等，反饋控制器馬上可以重新起作用。因此 采用這種前饋加反饋的智能控制方法，不僅可確保控制系統的穩定性和魯棒性，而且可有效地提高系統的精度和自適應能力。圖3-2 神經網絡+PID控制器四、模糊PID控制器將模糊控制技術和PID控制相結合,既可克服常規PID控制器的不足,又能使PID控制器具有參數自適應能力。模糊PID控制器以數字PID控制器為基礎,引入模糊集合論,將PID參數根據偏差和偏差變化值的大小而動態變化, 這樣顯然更符合被控對象真實的控制規律。在此著重簡述模糊自適應PID控制器以及基于神經網絡的模糊PID控制器。4.1、模糊自適應PID控制器41-43,54模糊自適應PID(F

12、APID)控制系統如圖4-1 所示。FAC 為模糊自適應控制器，與常規PID 控制器一起組成FAPID 控制器。FAPID 控制器的設計分為獨立的兩步進行，簡單方便。FAC 的輸出即為PID控制器的輸入。PID 參數若采用工程方法整定，可不需要被控對象模型。整定PID 參數時，去掉FAC的作用。當在每個采樣時刻獲得了系統響應后，就可以根據此時刻系統響應偏離給定的情況及變化趨勢， 依據已有的系統控制知識，運用模糊控制方法，適當加大或減小控制力度，以控制響應朝偏離給定的方向變化，使輸出盡快趨于穩定，可基于這種思路來設計FAC。模型規則表物理意義明確，實時計算工作量小，便于工程應用。事實上，由于模糊

13、控制部分已隱含對誤差的PD成分6，所以在采用FAPID控制時，PID 控制器中微分部分沒有必要加入。與傳統PID 控制比較，FAPID 控制大大提高了系統的魯棒性，減小了超調量，提高了抗干擾能力，縮短了調節時間。圖4-1 FAPID控制系統框圖4.2、基于神經網絡的模糊PID控制29,30,31將模糊控制具有的較強的邏輯推理功能、神經網絡的自適應、自學習功能以及傳統PID的優點融為一體，構成基于神經網絡的模糊PID系統框圖見圖4-2所示。它包括4個部分:(1)傳統PID控制部分:直接對控制對象形成閉環控制；(2)模糊量化模塊：對系統的狀態向量進行歸檔模糊量化和歸一化處理；3)辨識網絡NNM ：

14、用于建立被控系統中的辨識模型；(4)控制網絡NNC :根據系統的狀態，調節PID 控制的參數以達到某種性能指標最優，具體實現方法是使神經元的輸出狀態對應PID控制器的被調參數，通過自身權系數的調整，使其穩定狀態對應某種最優控制規律下的PID控制參數。這種控制器對模型、環境具有較好的適應能力以及較強的魯棒性，但是由于系統組成比較復雜，存在運算量大、收斂慢、成本較大的缺點。圖4-2 基于神經網絡的模糊PID控制系統框圖五、專家PID控制器17-18,44-46具有專家系統的自適應PID控制器結構如圖5-1所示。它由參考模型、可調系統和專家系統組成。從原理上看，它是一種模型參考自適應控制系統。其中，

15、參考模型由模型控制器和參考模型被控對象組成；可調系統由數字式PID 控制器和實際被控對象組成。控制器的PID參數可以任意加以調整，當被控對象因環境原因而特性有所改變時，在原有控制器參數作用下,可調系統輸出的響應波形將偏離理想的動態特性。這時，利用專家系統以一定的規律調整控制器的PID參數，使的動態特性恢復到理想狀態。專家系統由知識庫和推理機制兩部分組成，它首先檢測參考模型和可調系統輸出波形特征參數差值即廣義誤差。PID自整定的目標就是調整控制器PID參數矢量，使值逐步趨近于(即值趨近于0)。圖5-1專家自適應PID控制原理圖該系統由于采用閉環輸出波形的模式識別方法來辨別被控對象的動態特性，不必

16、加持續的激勵信號，因而對系統造成的干擾小。另外，采用參考模型自適應原理，使得自整定過程可以根據參考模型輸出波形特征值的差值來調整PID參數，這個過程物理概念清楚，并且避免了被控對象動態特性計算錯誤而帶來的偏差。六、基于遺傳算法的PID控制47-49遺傳算法(Genetic Algorithm，以下簡稱GA)是一種基于自然選擇和基因遺傳原理的迭代自適應概率性搜索算法。基本思想就是將待求解問題轉換成由個體組成的演化群體和對該群體進行操作的一組遺傳算子，包括3個基本操作:復制(reproduction)、交叉(crossover)、變異(mutation)。基于遺傳算法的PID具有以下特點：(1)把

17、時域指標同頻域指標做了緊密結合，魯棒性和時域性能都得到良好保證；（2)采用了新型自適應遺傳算法， 收斂速度和全局優化能力大大提高；(3)具有較強的直觀性和適應性；(4)較為科學地解決了確定參數搜索空間的問題，克服了人為主觀設定的盲目性。基于遺傳算法的自適應PID控制的原理框圖如圖6-1所示，圖中省略了遺傳算法的具體操作過程。其思想就是將控制器參數構成基因型，將性能指標構成相應的適應度，便可利用遺傳算法來整定控制器的最佳參數，并且不要求系統是否為連續可微的，能否以顯式表示。當遺傳算法用于PID控制參數尋優時，其操作流程主要包括:(1)參數編碼、種群初始化；(2)適應度函數的確定；(3)通過復制、

18、交叉、變異等算子更新種群；(4)結束進化過程。圖6-1 基于遺傳算法的自適應PID控制原理圖七、總結與展望隨著人類科技不斷發展，受控對象越來越復雜，傳統的PID控制已經不能滿足人們的需求，因此，智能PID的研究與應用，打開了新的篇章。本文介紹了幾種智能PID控制器，并給出了幾種常見的構成形式。基于經典PID控制結合智能控制思想的智能PID控制器，由于具有良好的性能在實踐中也得到了廣泛的應用。近年來，PID經歷了近百年的發展，涌現出許多成就。但是就智能PID控制來講，有必要將自適應、自整定和增益計劃設定有機結合，使其具有自診斷功能；結合專家經驗知識、直覺推理邏輯等專家系統思想方法對原有的PID控

19、制器設計思想方法及整定方法進行改進；從生產過程實際出發，設計滿足實際過程要求的控制方案，將預測控制、模糊控制、優化控制、神經網絡和PID控制有機結合，是智能PID發展的極有前途的方向。 參考文獻1王偉,張晶濤,柴天佑. PID參數先進整定方法綜述J. 自動化學報,2000,26(3)1.2須田信英. PID控制理論與實務M. 臺北:全華科技圖書股份有限公司,1992.3張國忠. 智能控制系統及應用M. 北京:中國電力出版社,2007.4陶永華. 新型PID控制及其應用M. 北京:機械工業出版社,1998,95-128.5羅安,路甬祥. 專家PID控制器及應用J. 信息與控制,1992,21(3

20、),151-155.6張軍英,方敏. 智能PID控制及其自學習J. 黑龍江自動化技術與應用,1992,11(1),20-23.7閆永躍,李慶周,于樹新等. 智能PID綜述J. 2006,(12):9-13.8沈永福,吳少軍,鄧方林. 智能PID控制綜述J. 工業儀表與自動化裝置,2002(6):11-13.9趙望達,等. PID控制器及其智能化方法探討J. 化工自動化及儀表,1999,26(6). 10鄭力新,周凱汀,王永初. PID進化設計法J. 儀器儀表學報,2001,22(4).11李士勇. 模糊控制、神經控制和智能控制論M. 哈爾濱:哈爾濱工業大學出版社,1998,85-88.12杜海

21、樹,等. 神經智能PID控制算法應用J. 甘肅工業大學學報,1999,25(3)1.13師黎,陳鐵軍,李曉媛等. 智能控制理論及應用M. 北京:清華大學出版社,2009.14蔡自興. 智能控制的結構理論C. 中國人工智能學會首屆計算機視覺與智能控制學術年會論集,1989:29-32.15 宋勝利. 智能控制技術概論M. 北京:國防工業出版社,2008.16許力. 智能控制與智能系統M. 北京:機械工業出版社,2007.17Astrom K J,Anton J J, Arzen K E. Expert controlJ. Automatica,1986,22(3):277-286. 18侯立剛.

22、 專家控制及其在微型反應器中的應用. 自動化與儀表,1996:(3).19王娟,李國寧,劉雨佳. 基于迭代學習控制的列車自動運行研究J. 計算機工程與應用,2014(09).20于淼,王佳森,齊冬蓮. 具有未知控制方向的輸出反饋自適應學習控制J. 浙江大學學報(工學版),2013(08).21王培進,宋宜斌,徐麗萍. 仿人智能控制經驗與技巧的研究J. 計算機工程與應用,2004(22).22朱承,劉詠梅. 基于工程經驗的仿人智能控制技術J. 科技資訊,2008(19).23余建軍,孫樹棟,吳秀麗,蔡志強. 四種改進免疫算法及其比較J. 系統工程,2006(02).24賈麗媛,李蕾,習勝豐. 免

23、疫算法在基因表達式程序設計中的應用J. 計算機仿真,2008(03).25邵鵬鳴.基于對象模型的自適應模糊專家控制系統. 自動化與儀表,2000:(2).26諸靜等. 模糊控制原理及應用M. 北京:機械工業出版社,1995,338-341.27蘇巍. 模糊PID的研究J. 工業儀表與自動化裝置,2001(2).28張恩勤,施頌椒,翁正新. 模糊控制與PID控制方法的比較J. 上海交通大學報,1999,33(4).29莫建林,朱承高. 基于神經網絡的模糊自適應PID控制及其實現J. 自動化技術與應用,1998,17(2).30莫建林,朱承高. 基于神經網絡的模糊自適應PID控制及其實現J. 自動

24、化技術與應用,1998,17(2).31趙振宇,徐用懋. 模糊理論和神經網絡的基礎與應用M. 北京:清華大學出版社,南寧:廣西科學技術出版社,1996,80-86,116-124.32達飛鵬,宋文忠. 基于模糊神經網絡的滑模控制J. 控制理論與應用,2000(01).33李鴻儒,邊春元,顧樹生. 基于神經網絡的一類非線性系統的自適應控制J. 控制與決策,1999.34王曉曄,李少遠. 神經網絡自學習模糊控制及其在合成氨生產中的應用J. 控制與決策,1999.35葉其革,王晨皓,吳捷. 基于自組織模糊神經網絡電力系統穩定器的設計J. 控制理論與應用,1999(05).36章兢. 仿人智能控制與模

25、糊控制神經網絡融合技術J. 控制與決策, 1999(05).37紀志成,沈艷霞,姜建國. 基于Matlab無刷直流電機系統仿真建模的新方法J. 系統仿真學報,2003(12).38趙甘露,張文,朱新華. 一種改進傳統模糊PID控制器性能的方法J. 自動化技術與應用,2002(05).39李迪陽,周明順,何文雪. 一種基于單神經元的模糊自整定PID控制器J. 青島大學學報(工程技術版),2006(01).40肖冰,王印松,楊光軍. 一種基于專家調節增益的單神經元PID控制J. 自動化技術與應用,2003(04).41張涇周,楊偉靜,張安祥. 模糊自適應PID控制的研究及應用仿真J. 計算機仿真,2009(09).42馬金祥,余發山,董愛華,王福忠. 一種模糊自適應PID控制器的設計與仿真J. 焦作工學院學報(自然科學版),2002(03).43劉利,馬勁松,李黎. 基于神經元的模糊自適應PID控制及其應用J. 自動化技術與應