《计算机控制》第4章 先进控制技术.pptVIP

目前而临的主要任务如下：①建立一套系统的模糊控制理论。模糊控制联论研究还期待着坚实的、系统的和奠基性的内容，用以解决模糊拧制的机理、稳定性分析，系统化设计方法，新型自适应模糊控制系统、专家模糊控制系统、神经模糊控制系统和多变量模糊控制系统的分析与设计等一系列问题。②模糊集成控制系统设计方法的研究。随着被控对象的门益复杂，忙往需要两种或多种控制策略的集成，通过动态控制特性亡的互补来获得满意的控制效果。现代控制理论、神经网络理论与模糊控制的相互结合、渗透，可构成所谓的模糊集成控制系统。为其建方一套完咎的分析与设计力池也是模糊控制理论研究的一个重要方向。③模糊控制在非线性复杂系统中的模糊建模，以及模糊规则的建立和推理算法的深入研究。④自学习模糊控制策略和智能化系统的实现。⑤常规模糊控制系统稳态性能的改善。⑥把已经取得的研究成果应用到工程过程中，尽快把其转化为生产力。因此，应加快模糊集成芯片和模糊控制装置以及通用模糊控制系统的开发。综上所述，模糊控制在工业中的应用是一个相对迅速发展的领域。随着模糊控制理论的不断发展和应用。模糊控制技术将为工业过程控制开辟新的应用途径，而且前景十分光明。4.2神经网络控制技术神经网络控制是一种基本上不依赖于精确数学模型的先进控制方法，比较适用于那些具有不确定性或高度非线性的控制对象，并具有较强的适应和学习功能。4.2.1神经网络基础1.生物神经元模型人脑是由大量的神经细胞组合而成的，它们之间相互连接。每个神经细胞（也称为神经元）结构如下图所示。2.人工神经元模型人工神经网络是利用物理器件或仿真程序来模拟生物神经网络的某些结构和功能。下图是最典型的人工神经元模型。3.人工神经网络人工神经网络是一个并行和分布式的信息处理网络结构，图a)为前馈型网络，图b)为反馈型网络。4.2.2神经网络控制典型的神经网络控制包括神经网络监督控制（或称神经网络学习控制）、神经网络自适应控制（自校正、模型参考控制，含直接与间接自适应控制）、神经网络内模控制、神经网络预测控制等。1.神经网络监督控制例如，传统的PID控制器基础上，增加一个神经网络控制器，如下图所示，此时神经网络控制器实际是一个前馈控制器，因此它建立的是被控对象的逆模型。2.神经网络直接逆控制神经网络直接逆控制就是将被控对象的神经网络逆模型直接与被控对象串联起来，将神经网络作为前馈控制器，使被控对象的输出为期望输出。神经网络直接逆控制的可用性在很大程度上取决于模型的准确程度。由于缺乏反馈，简单连接的直接逆控制缺乏鲁棒性。为此，一般应使其具有在线学习能力，即逆模型的连接权必须能够得到在线修正。方案1：NN1和NN2具有完全相同的网络结构，并且采用相同的学习算法方案2：评价函数3.神经网络自适应控制神经网络自校正控制：直接调节控制器的内部参数，使系统满足给定的性能指标。神经网络模型参考控制：闭环控制系统的期望性能由一个稳定的参考模型来描述，控制的目的就是要使被控对象y(t)一致渐近地趋近于参考模型的输出。1)神经网络自校正控制(1)直接自校正控制：同神经网络直接逆控制。(2)间接自校正控制：使用常规控制器，结构框图如下图所示。2)神经网络模型参考控制(1)直接模型参考控制：神经网路控制器的作用是使被控对象与参考模型之差达到最小。(2)间接模型参考控制：神经网络辨识器NNI首先离线辨识被控对象的正向模型，并进行在线学习校正。4.神经网络内模控制在内模控制中，系统的正向模型与实际系统并联，两者输出之差被用作反馈信号，此反馈信号又由前向通道的滤波器及控制器进行处理。4.3专家控制技术4.3.1专家系统1.专家系统结构右图为理想专家系统的结构图，主要包括接口、知识库、黑板、解释器、推理机等部分。2.建造专家系统的步骤建立专家系统的步骤一般如下：(1)设计初始数据库1)问题知识化2)知识概念化3)概念形式化4)形式规则化5)规则合法化(2)原型机的开发与试验(3)知识库的改进与归纳4.3.2专家控制介绍与传统控制相比，专家控制利用先验知识和在线信息，具备推理和决策的能力，能对时变系统、非线性系统和易受到干扰的受控过程给出有效的控制决策，并通过增加知