第一章计算机控制技术.pptVIP

计算机控制技术 第一章 概述 1.1 计算机控制系统的分类 1.1.1 按计算机参与形式 1.1.2 按采用的控制规律 1.1.3 按完成的功能和结构 1.1.1 按计算机参与形式 1.开环控制 2.闭环控制 1.开环控制 控制器直接根据给定值去控制被控对象，使被控参数发生改变，这种控制系统不能自动消除被控参数与给定值之间的误差。 2.闭环控制 被控参数经测量反馈环节，与给定值比较形成误差信号，控制器根据误差信号产生相应的控制信号并驱动执行机构，对被控对象进行控制，以消除误差，使被控参数与给定值保持一致。 1.1.2 按采用的控制规律 1.常规控制（PID控制） 2.高级控制 3.智能控制 2.高级控制 系统辩识 最优控制 自适应控制 系统辩识 这是现代控制技术中一个很活跃的分支。所谓系统辨识就是通过观测一个系统或一个过程的输入、输出关系来确定其数学模型的方法。在许多实际系统中，由于根据物理化学定律而推导建立起来的所谓机理模型一般都比较复杂，用它不便于寻求一个最优控制方案；或者由于没有足够的有关系统及其环境的先验知识，因而无法对其设计一个最优控制；因此，面临的首要问题就是通过实验，测量系统的输入、输出关系，从中找出一个既简单又能恰当地描述该系统特征的数学模型，这样才便于实现最优控制或自适应控制。系统辨识理论不但广泛用于工业、农业、国防和交通等工程控制系统中，而且还应用于计量经济学、社会学、生理学等领域。如对于人—机器—环境系统中人的性能、瞳孔和肌肉的控制功能等等，已经获得了很成功的模型。 最优控制 最优控制是现代控制技术中一个重要的组成部分，最优控制问题是在已知系统的状态方程、初始条件以及某些约束条件下，寻求一个最优控制向量，使系统的状态或输出在控制向量作用下满足某种最佳准则或使某一指标达到最优。解决最优控制问题的方法有变分法、庞特里亚金的极大值原理和贝尔曼的动态规划方法等。 实际问题中的指标要求往往可以用“多、快、好、省”来表达，如“多”可指产量高；“快”可指时间短、投产快；“好”可指产品质量好、精度高等；“省”可指能源、材料消耗少等等。只要把时间问题中的数学模型建立起来，约束条件和指标要求用数学表达式表达出来，经过一定的变换就可以化为最优控制理论可解的问题；因此，使最优控制理论得到广泛的使用。 自适应控制 自适应控制也是现代控制理论中近十几年来发展比较快的一个活跃的分支。对于控制对象的结构或参数会随环境条件的变化有大的变化的情况，为了保证控制系统在整个控制过程中都满足某一最优准则，那么最优控制器的参数就需要随时加以调节变化才行，换句话说，控制器的参数要适应环境条件的变化而自动地调整其参数，使得整个系统仍然满足最优准则，因此，这类控制系统称为自适应控制系统。 3.智能控制 智能控制系统可认为是一种能在各种复杂的不确定环境中，以一个或多个常规控制系统为“执行机构”，以这种复杂过程为“控制对象”，面向目标任务的闭环自动控制系统。它具有多层次系统结构、复合型的信息结构‘能利用知识进行推理、学习与联想。一个好的智能控制系统应能满足多目标与高性能指标的要求，对环境干扰与不确定因素具有鲁棒性，对故障具有屏蔽和自恢复能力，系统具有相当的在线实时响应能力，能适应对象特性、运行条件等变化，并具有良好的人-机界面，便于操作与维护。 智能控制技术的主要内容 智能控制是人工智能、控制论和运筹学的交叉。人工智能主要包括专家系统、模糊理论和神经网络；控制论主要指古典控制和现代控制；运筹学主要涉及定量优化方法，而模糊逻辑控制、神经网络控制和专家控制则是三种典型的智能控制技术。 模糊控制技术 模糊数学在工业中的实际应用始于70年代初，进入80年代时曾掀起一股研究热潮，目前模糊控制技术正处于稳定发展的阶段。模糊控制是以模糊集合论、模糊语言变量与模糊逻辑推理为基础的一种计算机数字控制；它是从行为上模拟人的模糊推理和决策过程的一种实用控制方法。该方法适用于对难以建模的对象实施鲁棒控制，而且最终控制形式简单、易于实现，其控制的效果取决于是否正确、全面和有效地把操作人员的控制经验总结为一系列语言控制规则，该方法在工业过程控制等领域发挥着重要作用。但模糊控制表一般需要人工建立，而且控制精度也很不理想，目前正在向开发和提高模糊控制器的自学习功能、自适应性能方向发展。 人工神经网络控制技术（ANN） 神经网络控制是智能控制中另一种流行的方式，人工神经网络是模拟人脑神经元的活动，由大量的神经元组成，它利用神经元之间的联结与权值的分布来表示特定的信息，构成信息处理的计算机系统，因此具有分布存储信息的特点。由于每个神经元都可接收到信息，并作独立的运算与处理，然后输出到相连的神经元的输入端，表现了一种并行处理能力，即ANN对一个特定的输入信息，通过前向计算产生输 出信息，它