自动控制方法大综述.pptVIP

（4）自校正控制 自校正控制系统结构图 自校正控制系统又称自优化控制或模型辨识自适应控制。 通过采集的过程输入、输出信息，实现过程模型的在线辨识和参数估计。在获得的过程模型或估计参数的基础上，按照一定的性能优化准则，计算控制参数，使得闭环系统能够达到最优的控制品质。 学习控制 学习控制是模拟人类自身各种优良的控制调节机制的一种尝试。 所谓学习是一种过程，它通过重复输入信号，并从外部校正该系统，从而使系统对特定输人具有特定响应。 学习控制系统是一个能在其运行过程中逐步获得受控过程及环境的非预知信息，积累控制经验，并在一定的评价标准下进行估值、分类、决策和不断改善系统品质的自动控制系统 遗传算法 解决经典数学方法无法有效地求出最优解的复杂的、大规模的难题 定义：模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法 函数优化 组合优化 自动控制 生产调度问题 图像处理 机器检测诊断优化 遗传算法应用 鲁棒控制理论的应用 广泛应用于化工、机器人、航空、航天、交通等各个领域 鲁棒控制系统的设计要由高级专家完成，故其缺点在于一旦设计好这个控制器，它的参数可能就不易于改变 跟踪控制 可分为路径跟踪和轨迹跟踪 路径跟踪：一种不考虑时间的几何位置跟踪 轨迹跟踪：希望系统在指定时间到达指定位置。 目的：使系统的输出尽可能的逼近目标轨迹。 轨迹控制的应用，特别是机床行业及机械手的控制 对轨迹跟踪控制的研究主要从提高跟踪精度，抑制干扰误差等方面着手的。 提高轨迹系统的跟踪精度可以采用最优预见控制技术 或是与鲁棒控制结合。 预见控制 对目标值的过去、现在、未来和干扰信号的未来情况完全知道的情况下，使目标值与被控制量间的偏差达到最小。 由于控制对象一般都包含动态项，所以当前时刻施加上的控制输入并不能立即在被控制量(输出)上表现出来，而是有一些延迟。 出发点：了解目标值信号及干扰信号如何变化。 预见控制原理 控制受控对象的输出,使图中斜线形成的面积最小化 预测控制 模型预测控制算法是一种基于预测模型的控制算法。 系统在预测模型的基础上根据对象的历史信息和未来输入预测其未来输出，并根据被控变量与给定值之间的误差确定当前时刻的控制作用，使之适应动态控制系统的存储性和因果性特点。 线性与非线性系统都可作为预测模型 特点： 对模型要求低、综合控制质量好、在线计算方便 三个基本特征：即模型预测，滚动优化和反馈校正 应用 直接在工业现场产生的一种基于模型的计算机优化控制算法。 过程控制应用最成功，也最具有前途的先进控制策略。 从工业应用： 1）取代PID控制器解决一些局部控制问题； 2）处理复杂的多变量控制问题时更具优势。 各种新的控制算法和策略 鲁棒预测控制、自适应预测控制、神经网络预测控制、 滑模控制 本质上是一类特殊的非线性控制，其非线性表现为控制作用的不连续性。与其他控制策略的不同之处：系统的“结构”并不固定，而是在动态过程中，根据系统当前的状态有目的地不断变化。 滑模控制优点 滑动模态可以设计且与对象参数和扰动无关， 具有快速响应、对参数变化和扰动不灵敏（ 鲁棒性） 无须系统在线辨识、物理实现简单 。 滑模控制缺点 当状态轨迹到达滑动模态面后，难以严格沿着滑动模态面向平衡点滑动，而是在其两侧来回穿越地趋近平衡点，从而产生抖振——滑模控制实际应用中的主要障碍。 滑模变结构控制的应用 电机、电力系统、机器人、航天器、伺服系统 重复控制 重复控制是基于内模原理的一种控制方法。 用于伺服系统轨迹的高精度控制 特点： 控制精度高，实现简单及控制性能的非参数依赖性 分类： 1）连续时延内模重复控制，应用于伺服系统设计 2）离散时延内模重复控制 3）有限维重复控制 4）非线性系统重复控制 重复控制 应用 旋转或具有周期性质系统的高精度控制中 高精度轨迹伺服系统、如，计算机硬盘、机器人控制、气象卫星姿态控制、有源振动补偿、噪声补偿控制 不足： 学习能力：其学习能力的有限性，重复控制可能会放大非重复频率处的干扰信号 优化的设计方法：还缺少能系统、有效解决上述问题的鲁棒重复控制器的设计和优化方法。 非线性重复控制。重复控制方法在非线性系统中的研究还十分有限。 内模控制 一种基于过程数学模型进行控制器设计的新型控制策略。 智能控制 自动控制发展的高级阶段 研究对复杂的不确定性被控对象（过程）采用人工智能的方法有效地克服系统的不确定性，使系统从无序状态到有序状态转移的方法. 特点： 非线性控制、变结构、总体自寻优、满足多样性目标的高性能要求 人工智能、自动控制和运