课件：先进控制技术.pptVIP

* ② 模糊规则 4.3.2 模糊控制器 例如： R1 : IF e is negetive AND Δe is positive, THEN Δp1 is zero R2 : IF e is zero AND Δe is positive, THEN Δp2 is medium increase ……………………………………………………… R9 : IF e is positive AND Δe is negetive, THEN Δp9 is zero Δpi表示第i条规则的输出 * 模糊控制规则的生成方法归纳起来主要有以下几种： 根据专家经验或过程控制知识生成控制规则。这种方法通过对控制专家的经验进行总结描述来生成特定领域的控制规则原型，经过反复的实验和修正形成最终的规则库。 根据过程的模糊模型生成控制规则。这种方法通过用模糊语言描述被控过程的输入输出关系来得到过程的模糊模型，进而根据这种关系来得到控制器的控制规则。 根据学习算法获取控制规则。应用自适应学习算法（神经网络、遗传算法等）对控制过程的样本数据进行分析和聚类，生成和在线优化较完善的控制规则。 ② 模糊规则 4.3.2 模糊控制器 * 4.3.2 模糊控制器 ③ 模糊推理 将模糊控制器的输入量转化为模糊量供模糊逻辑决策系统用，每一条模糊规则可以求出一个模糊关系R。决策时根据控制规则决定的模糊关系R，应用模糊逻辑推理算法得出控制器的模糊输出控制量，最后精确化输出。 对于n条模糊控制规则可以得到输入输出关系矩阵R1，R2，…….，Rn，从而有模糊规则的合成算法可得到总的模糊关系矩阵为： 对于任一系统误差 和系统误差变化 ，其对应的模糊控制器输出 为： 通过上面公式可计算出模糊控制量 ，但计算量非常大，一般采用查表法。 * 查表法案例 4.3.2 模糊控制器 ③ 模糊推理 * 4.3.2 模糊控制器 通过模糊推理得到的结果仍然是一个模糊量，但实际应用中，控制或驱动执行机构需要的是精确量。因此要将模糊量转换为精确量，这一过程称为模糊判决过程（俗称反模糊化）。 工程应用一般采用重心法进行反模糊化。 所谓重心法就是取输出模糊集合隶属函数曲线与横坐标轴围成面积的重心相应的输出作为输出的精确值。 ④ 模糊判决 * 例如： 4.3.2 模糊控制器 ④ 模糊判决 Δp=4.55% * 4.3.3 模糊控制总结 设计时不需要建立被控制对象的数学模型，只要求掌握人类的控制经验。 系统的鲁棒性强，尤其适用于非线性时变、滞后系统的控制 控制算法表现形式比较友好，便于升级维护。 确立模糊化和逆模糊化的方法时，缺乏系统的方法，主要靠经验和试凑。 总结模糊控制规则有时比较困难。 模糊控制的优点： 模糊控制的缺点： 为克服模糊控制的缺点，常与其它算法结合运用，如模糊PID、模糊自适应控制、模糊预测控制等。 谢谢您的观看！ * * 4 先进过程控制技术 信息学院 二○一七年十一月 现代过程控制基础 * * 本章内容： 软测量技术 预测控制技术 模糊控制技术 * 4.1 软测量技术 电极加热系统 钢包炉体 测温枪 1558 1550 过程基本参数 钢水容量: 100 t 温度区间: 1520~1620℃ 电极加热系统参数: 功率：13500 KW 现场温度测量 温度 热电偶点测 不能有效测量 控制效率低、精度差 经验估算误差大 生产节奏快 经验估算 多步控制 准确性 连续性 及时性 4.1.1 软测量技术的基本概念 * 估计 软测量技术（soft sensor technique） 结合生产过程知识，应用计算机技术，对于难于测量或暂时不能测量的重要变量（称为主导变量），通过选择另外一些容易测量的变量（称为辅助变量），并与主导变量构成某种数学关系来进行推断估计，以软件代替硬件（传感器）。 条件1——与温度变化相关的可测量 条件2——可测量与温度之间的数学关系 * 4.1.2 软测量技术的核心 机理建模法 从过程内在的物理或化学规律出发，通过物料平衡、能量平衡或动量平衡建立对象的输入输出关系模型。 优势：性能可靠，可用于过程特性分析 缺点：建模难度高 精炼过程能流图 * 4.1.2 软测量技术的核心 黑箱建模法（或称数据驱动建模法） 基于积累的过程运行数据，用统计学习、人工智能等方法建立对象的输入输出关系模型。 优势：建模简单 缺点：数据需求量大 可选用的建模方法： 线性回归法：如PLS等 非线性回归法：多项式回归等 智能学习算法：神经网络等 黑箱建模原理图 输入-输出数据对 软测量模型 输入x （辅助变量） 输出y （