【正文】 根本原則，任何具體的解耦設計方法都不過是在某些具體場合下以某種技巧來保證最終得到所要求的對角矩陣。 (2)解耦環(huán)節(jié)特性只與解耦要求有關，而對系統(tǒng)的控制要求則由其它環(huán)節(jié)來保證。因此，由單個神經(jīng)元構成的PID控制器引起了控制界的廣泛興趣。單神經(jīng)元自適應線性網(wǎng)絡應用于實時控制中，其權值可以根據(jù)偏差大小來進行修正，因而其最后的控制精度比較高。以第一個單神經(jīng)元的PID控制器為例，控制算法及學習算法為：式中，=； =； =2*+；假設控制對象為： y1(k)=(1+y1_1)^2*(*y1_1+u1_2+*u2_3)。由圖還可以看出,與PID解耦控制相比單神經(jīng)元PID解耦控制響應速度明顯加快,同時單神經(jīng)元PID解耦控制還具有自適應能力強、抗干擾能力強等特點。由上述可以知，用單神經(jīng)元PID對多變量進行解耦是行之有效的，并且可以達到一個很好的控制效果。所以我們就不應該依靠哪一種方法實現(xiàn)多變量的解耦控制。由于強耦合多變量系統(tǒng)的參數(shù)測量不易，補償器、解耦器和控制器的設計、實現(xiàn)和協(xié)調(diào)困難，因此傳統(tǒng)控制方法難以對強耦合帶時延多變量系統(tǒng)進行有效的控制?！　?致 謝論文的完成是許多位幫助過我的人和我一起努力的結果。嚴謹?shù)闹螌W態(tài)度令我十分欽佩。參考文獻[1] 向本祥．解耦控制系統(tǒng)教學實驗裝置開發(fā)及解耦控制算法研究[D]．長沙：中南大學，2005[2] R. S. Guerra, H. J. Goncalves Junior, W. F. Lages[D]．Federal University of Rio Grande　do Sul[3] 陶永華，新型 PID控制及其應用[M]．北京：機械工業(yè)出版社，1998[4] 易以峰．單神經(jīng)元自適應PID在焦爐集氣管壓力中的應用[D]．武漢：武漢科技大學，2006[5] 周峰．神經(jīng)網(wǎng)絡PID控制在工業(yè)控制過程中的應用研究[D]．合肥：合肥工業(yè)大，2006[6] 劉金琨．先進PID控制及其MATLAB仿真[M]．北京：電子工業(yè)出版社，2003[7] 董阿尼．變風量空調(diào)系統(tǒng)自適應神經(jīng)元解耦控制與變靜壓協(xié)調(diào)控制[D]．西安：西安建筑科技大學，2004[8] 金以惠．過程控制[M]．北京：清華大學出版社，1993，4[9] 劉金琨．先進PID控制MATLAB仿真（第2版）[M]．北京：電子工業(yè)出版社，2004。在做畢業(yè)論文期間有時遇到一些不懂的問題經(jīng)常和同學一起探討，在這里也非常感謝這些同學對我的悉心幫助。他不但在畢業(yè)設計這方面多我有很大的幫助，還告訴了我很多關于專業(yè)課的知識、要以扎實的專業(yè)知識去面對這個激烈競爭的社會。用其進行強耦合帶時延多變量統(tǒng)的控制，不需要測量或辨識對象的內(nèi)部結構和參數(shù)，通過自適應學習，調(diào)整權值，并且很容易的在現(xiàn)修改學習速率與比例系數(shù)，能得到很好的控制效果。多變量系統(tǒng)控制的目的是使系統(tǒng)的每個被控變量只按其給定值變化，使其不受或少受其它給定值的影響，并且具備較好的動態(tài)和靜態(tài)性能，即實現(xiàn)解耦控制。 結 論隨著現(xiàn)代工業(yè)的發(fā)展，控制技術的應用領域會越來越寬，被控對象也越來越復雜隨之而帶來的就是對于多變量解耦就越來越困難。加入單神經(jīng)元PID解耦控制后系統(tǒng)振蕩現(xiàn)象基本消除。：單神經(jīng)元PID1單神經(jīng)元PID2多變量被控對象 二變量單神經(jīng)元PID控制系統(tǒng)框圖 R=[1。[9]。單神經(jīng)元自適應線性元件是一種連續(xù)取值的現(xiàn)性加權求和閾值網(wǎng)絡。（4）解決這一問題的一條有效途徑是，把人工智能相關技術應用于自動控制系統(tǒng)，即采取智能控制的技術[7]。所有實際可行的解耦設計方法，在本質(zhì)上都是以某種方式對解耦設計加以某種附加條件，從而使不定的解具有確定性。應當指出，我們常常有些錯覺，以為這些方法是都是毫不相干的，并且，甚至把某些個別的設計方法與對角矩陣法相比或相提并論。這幾種方法應用比較廣泛，但不能說哪種方法最好，因為應用這些方法的人各自有不同的要求，研究的對象與目的也可能不同。同時對的影響亦是如此，從而達到解耦的目的[8]。因此，解耦環(huán)節(jié)應當設置在控制對象之前或者在反饋通道上，用于解除系統(tǒng)中各輸入量和輸出量之間的耦合關系[7]。因為在實際的系統(tǒng)中耦合常常發(fā)生在輸出變量上，而這些輸出變量經(jīng)常是一些具有一定容量的對象的某些實際參數(shù)。所謂解耦控制就是討論應當采取何種措施，能夠把一個有耦合影響的多變量過程，化成為一些無耦合的單變量過程來處理。這種人為的簡化會導致以下一些問題：(1)由于沒有考慮被控對象中各回路間的關聯(lián)，因而很難同時使各個單變量系統(tǒng)穩(wěn)定地運行，也就無法有效地對這種多輸入多輸出、變量間緊密關聯(lián)的系統(tǒng)實現(xiàn)統(tǒng)一的控制。這是一個22的耦合對象，如果采用, 構成兩個單獨的單回路控制系統(tǒng)，其中, 分別代表,的調(diào)節(jié)器，, , , ，則兩個系統(tǒng)在控制過程中形成互相干涉振蕩，結果兩個系統(tǒng)都控制不好。美國著名的化工控制學者Thomas. F. Edgar曾在80年代指出，多變量控制是70年代以來一直受到自動控制學術界和工業(yè)界的廣泛重視并競相研究的重要課題。因此如果對工藝生產(chǎn)不了解，那么設計的控制方案不可能是完善的和有效的。假設在一個生產(chǎn)過程中采用了兩個控制回路，就會產(chǎn)生這樣的問題：哪個控制器(如閥門)應該由哪個測量值來控制？對于有的工藝過程，回答是明顯的。為此，可在性能指標函數(shù)中引入控制量的要求，即=[2+2] ()式中為過程總滯后，、分別為輸出誤差和控制增量的加權系數(shù)，=為時刻的誤差，可以用來代替[5]，或由預測算法求得[6]。⑤在開始調(diào)整時，選擇較小值，當調(diào)整，和，使被控對象具有良好特性時，再逐漸增大，而其他參數(shù)不變，使系統(tǒng)輸出基本無波紋。然后根據(jù)“②一⑤”項調(diào)整規(guī)則調(diào)整。值的變化，相當于，三項同時變化，因此值的選擇非常重要，應在第一步先調(diào)整。下面介紹兩種學習算：有監(jiān)督的Hebb學習算法和基于二次型性能指標的學習算法。正是由于能進行自適應調(diào)整，故可大大提高控制器的魯棒性能。若將兩者結合，則可以在一定程度上解決傳統(tǒng)PID調(diào)節(jié)器不易在線實時整定參數(shù)、難于對一些復雜過程和參數(shù)慢時變系統(tǒng)進行有效控制的不足。 2）誤差校正學習型 () 誤差校正學習型表示單神經(jīng)元控制器在誤差信號指導下進行強迫學習，從而對外界做出反映及作用，也就是在無監(jiān)督的Hebb學習規(guī)則中引入了教師信號。圖中， (=1,2,3…n)分別為控制器的輸入量及相應的權重，為比例系數(shù)，為單神經(jīng)元控制器的輸出,其中=/ () 式中用權重向量除以權重值向量的歐幾里德范數(shù)，即在權重值向量空間中，將權重值向量進行單位化處理，以保證學習算法的收斂性和系統(tǒng)的穩(wěn)定性。細胞體內(nèi)有細胞核，突起的作用是傳遞信息。 但是增量式控制也有其不足之處：積分截斷效應大，有靜態(tài)誤差；溢出的影響大。2) 手動/自動切換時沖擊小，便于實現(xiàn)無擾動切換。而且，因為計算機輸出的對應的是執(zhí)行機構的實際位置，如計算機出現(xiàn)故障，的大幅度變化，這種情況往往是生產(chǎn)實際中不允許的，在某些場合，還可能造成重大的生產(chǎn)事故，因而產(chǎn)生了增量式PID控制器的控制算法。 位置式PID控制算法位置式PID控制算法中必須將式()進行離散化處理。積分作用的強弱取決于積分時間常數(shù)，越大，積分作用越弱，反之則越強。在模擬控制系統(tǒng)中，控制器最常用的控制規(guī)律就是PID控制。 解耦控制的研究方法和內(nèi)容