模糊神经PID融合的控制策略的工程应用.doc

模糊_神经_PID融合的控制策略的工程应用 摘要：模糊控制和神经控制是智能控制的前沿领域，文章对模糊控制和神经控制的设计理论和应用进行了研究，针对基于数学模型的传统PID控制方法不能满足具有不确定性、难以精确建模的复杂控制系统设计的要求，采用了多种模糊—神经—PID融合的控制策略，并对工程实际进行了仿真实验，验证了所采用的控制方法的有效性。本文的主要内容如下： 总结了自动控制理论、模糊控制、神经控制的发展，研究状况和展望；指出传统PID控制方法存在的缺陷和不足；阐明了设计先进PID控制策略的必要性。 2）研究了模糊控制和自适应单神经元控制的原理和设计方法。 针对锅炉燃烧器这类存在大惯性环节，难以建立精确数学模型的控制对象，采用了模糊PID复合控制策略。这种策略在大偏差范围内采用模糊控制，加快动态响应过程；在小偏差范围内转换为PID控制，消除稳态误差，实现精确控制。通过MATLAB仿真实验表明，模糊PID复合控制能够满足系统要求，具有良好的快速性和稳态精度，具有很强的鲁棒性和抗干扰力，体现了优异的控制品质。 针对过热汽温调节系统这样一个存在非线性耦合、大滞后、多变量、干扰强的复杂被控对象，采用基于单神经元网络的智能PID控制。该方法利用了神经元具有高度的容错性，鲁棒性，自组织，自学习和实时处理等特点对过热气温调节系统进行控制。通过MATLAB仿真实验表明，基于单神经元网络的智能PID控制方法具有算法简单、实时性好的特点，具有较强的自适应、自学习能力和较强的鲁棒性。 将模糊PID复合控制策略和基于单神经元网络的智能PID控制方法融合采用了模糊—神经—PID融合的控制策略，通过MATLAB仿真实验表明模糊—神经—PID融合的先进控制策略综合了模糊控制、神经控制和传统PID的优点，比前面两种控制策略具有更好的鲁棒性、快速性和控制精度。表现出及其优异的控制品质。 关键词：模糊PID；智能PID；工业对象；不确定性 前言 自动控制理论形成以来，一直在科技的发展中扮演着举足轻重的角色。由于它涉及的学科非常广泛，因此，自动控制理论的应用和影响也遍及了工农业生产和人类社会的各个领域。回顾自动控制理论的发展历程，大体上可以划分为经典控制理论、现代控制理论和智能控制理论三个阶段。通常，人们将经典控制理论和现代控制理论称为传统控制理论，而它们是基于对象线性化数学模型已知的控制方法，而智能控制不但可以应用于对象线性化数学模型已知的情况下，而且可以用于控制对象模型未知以及非线性时变的系统。 传统控制理论的一个重要应用领域是工业控制。目前，工业控制大多采用常规PID控制，因为，PID控制可以满足大多数工业控制的需要。并且具备控制效果较好、理论成熟、实现方便等优点。尤其适用于可以精确建立数学模型的确定性系统。然而随着工业化的迅速发展，受控对象和环境的日益复杂和多样化，在许多场合下，要想建立精确的数学模型变得十分困难或不可能，加之系统的复杂导致系统的非线性、时变程度增大，这使得基于对象线性化数学模型的传统控制理论无法满足控制系统对控制理论的要求。由此，理论界致力于研究新的控制理论，从而使自动控制向智能控制方向发展。 智能控制由于具备不同于传统控制理论的本质特征：学习功能、自适应功能和组织功能，使其在解决复杂、非线性时变和不确定性受控的控制问题时，具有传统控制无法比拟的优势。因此智能控制理论及其应用的研究成为自动控制发展的一个主要方向，作为两种主要的智能控制方法，模糊控制和神经网络控制，由于它们能模拟人的智能行为，并能够处理传统控制方法难以解决的控制问题，因此，模糊控制和神经网络控制成为智能控制的前沿和研究热点。 研究模糊控制是为了将人类的经验（知识）通过模糊逻辑语言变量及其之间的模糊关系进行模糊推理。从而，使计算机控制进入那些基于对象精确数学模型无法控制的禁区，以便获得基于对象精确数学模型控制无法达到的控制效果。 研究神经网络控制是利用人工神经网络具有信息分布存储、自组织和自学习能力强大、可以利用并行处理技术提高效率以及它具有极强的非线性逼近能力等优点，对难以精确描述的复杂非线性对象建立数学模型。还可以作为控制器来控制对象，以及用于优化计算，推理和故障诊断等多种用途。从而达到对复杂非线性系统进行卓有成效的控制。 本文在PID控制的基础上，结合模糊控制、神经网络控制算法，先将模糊控制、神经网络控制与传统PID控制结合，最后将三种控制策略结合，采用模糊神经PID控制策略，并对实际工程应用进行了MATLAB实验仿真。第一章综述了自动控制理论的发展历程，指出传统控制存在的缺陷和不足，阐述模糊控制、神经网络控制的基本思想。第二章系统的介绍了模糊控制和神经网络控制的基本概况，神经网络的分类、算法以及应用研究现状。第三章介绍了模糊控制和自适应神经网络控制的基本原理及设计。第