过程控制系统和仪表第8章-先进过程控制技术.pptVIP

人一机接口作为人一机界面，把用户输入的信息转换成系统内规范化的表示形式，然后交给相应模块去处理；把系统输出的信息转换成用户易于理解的外部表示形式显示给用户，实现与知识基系统的直接交互联系，与算法库间接联系。 由于生产过程的复杂性和先验知识的局限性，难以对它进行完善的建模，这时就要根据过去获得的经验信息，通过估计来学习，逐渐逼近未知信息的真实情况，使控制性能逐步改善，具有学习功能的系统才是完善的专家控制系统。 8.5模糊控制 在实际生产中有相当数量的过程用传统的方法难以实现自动控制。但一个熟练的操作人员可能并没有多少控制理论知识，也不知道被控过程数学模型，却能凭自己丰富的实践经验，通过手动操作实现复杂生产过程的控制。人们的经验知识具有模糊性，无法用精确的数学语言表达，但可用模糊集合与模糊逻辑描述。1974年，英国的E．H．Mamdani根据美国自动控制理论专家L．A．Zadeh于1965年提出的模糊集合理论，提出了模糊控制器的概念，标志模糊控制的正式诞生。 与各种精确控制方法相比，模糊控制有如下优点： （1）模糊控制使一些难于建模的复杂生产过程的自动控制成为可能。 （2）模糊控制具有较强的鲁棒性，被控过程特性对控制性能影响较小。 （3）基于模糊控制规则的推理、运算过程简单，控制实时性好。 （4）模糊控制机理符合人们对过程控制作用的直观描述和思维逻辑，为人工智能和专家系统在过程控制中的应用奠定了基础。 8.5.1模糊控制系统的基本结构 图8.9为模糊控制系统的方块图，虚线框部分为模糊控制器。系统将测得的数据y（被控参数）与给设值进行比较后得到的偏差e和偏差变化率?输入到模糊控制器，模糊控制器通过计算得出控制量u，通过u对生产过程进行控制。 A/D 模糊化 处理 模糊控 制算法 去模糊 化处理 D/A 被 控 过 程 ｄ － dt r + - y e（t） u 模糊控制器 图8.9 模糊控制系统框图 模糊控制器的输入、输出变量都是精确的数值，模糊控制器采用模糊语言变量，用模糊逻辑进行推理。模糊控制器的基本结构框图如图8.10所示。 A/D 模 糊 化 模糊规 则推理 清 晰 化 D/A 知识库 ｅ ． ｅ Ｅ ． Ｅ Ｕ ｕ＊ ｕ 图8.10 模糊控制器结构框图 1．模糊化 模糊化是将偏差e及其变化率?的精确量转换为模糊语言变量，即根据输入变量模糊子集的隶属函数找出相应的隶属度，将e和?变换成模糊语言变量E、?。在实际控制过程中，把一个实际物理量划分为“正大”，“正中”，“正小”，“零”，“负小”，“负中”，“负大”7级，分别以英文字母PB、PM、PS、ZE、NS、NM、NB表示。每一个语言变量值都对应一个模糊子集。首先要确定这些模糊子集的隶属度函数μ(?)，才能进行模糊化。 隶属度函数曲线一般选择三角形或梯形。在某一区间内，要求控制器精度高、响应灵敏，则相应区间的分割细一些、三角形隶属度函数曲线斜率取大一些，如图8.11（a）所。反之，则如图8.11（b）所示。 隶属度 隶属度 2．模糊规则推理 模糊控制器的核心是依据语言规则进行模糊推理，在控制器设计时，首先要确定模糊语言变量的控制规则。 规则的形式为：IF…THEN…。 一般描述为：IF X is A and Y is B，THEN Z is C。 3．清晰化 清晰化即是将模糊语言变量转换为精确的数值，即根据输出模糊子集的隶属度计算出确定的输出数值。清晰化有各种方法，其中最简单的一种是最大隶属度方法。在控制技术中最常用的清晰化方法则是面积重心法COG，其计算式为 （8.13） 式中， μ(ui)为各规则结论ui的隶属度。对于连续变量，式（8.13）的和式变为积分形式来表示