智能pid控制綜述(編輯修改稿)
2025-08-03 14:27 本頁面
【文章內(nèi)容簡介】 可以根據(jù)此時(shí)刻系統(tǒng)響應(yīng)偏離給定的情況及變化趨勢， 依據(jù)已有的系統(tǒng)控制知識，運(yùn)用模糊控制方法，適當(dāng)加大或減小控制力度，以控制響應(yīng)朝偏離給定的方向變化，使輸出盡快趨于穩(wěn)定，可基于這種思路來設(shè)計(jì)FAC。模型規(guī)則表物理意義明確，實(shí)時(shí)計(jì)算工作量小，便于工程應(yīng)用。事實(shí)上，由于模糊控制部分已隱含對誤差的PD成分[6]，所以在采用FAPID控制時(shí)，PID 控制器中微分部分沒有必要加入。與傳統(tǒng)PID 控制比較，F(xiàn)APID 控制大大提高了系統(tǒng)的魯棒性，減小了超調(diào)量，提高了抗干擾能力，縮短了調(diào)節(jié)時(shí)間。圖41 FAPID控制系統(tǒng)框圖、基于神經(jīng)網(wǎng)絡(luò)的模糊PID控制[29,30,31]將模糊控制具有的較強(qiáng)的邏輯推理功能、神經(jīng)網(wǎng)絡(luò)的自適應(yīng)、自學(xué)習(xí)功能以及傳統(tǒng)PID的優(yōu)點(diǎn)融為一體，構(gòu)成基于神經(jīng)網(wǎng)絡(luò)的模糊PID系統(tǒng)框圖見圖42所示。它包括4個(gè)部分:(1)傳統(tǒng)PID控制部分:直接對控制對象形成閉環(huán)控制；(2)模糊量化模塊：對系統(tǒng)的狀態(tài)向量進(jìn)行歸檔模糊量化和歸一化處理；3)辨識網(wǎng)絡(luò)NNM ：用于建立被控系統(tǒng)中的辨識模型；(4)控制網(wǎng)絡(luò)NNC :根據(jù)系統(tǒng)的狀態(tài)，調(diào)節(jié)PID 控制的參數(shù)以達(dá)到某種性能指標(biāo)最優(yōu)，具體實(shí)現(xiàn)方法是使神經(jīng)元的輸出狀態(tài)對應(yīng)PID控制器的被調(diào)參數(shù)，通過自身權(quán)系數(shù)的調(diào)整，使其穩(wěn)定狀態(tài)對應(yīng)某種最優(yōu)控制規(guī)律下的PID控制參數(shù)。這種控制器對模型、環(huán)境具有較好的適應(yīng)能力以及較強(qiáng)的魯棒性，但是由于系統(tǒng)組成比較復(fù)雜，存在運(yùn)算量大、收斂慢、成本較大的缺點(diǎn)。圖42 基于神經(jīng)網(wǎng)絡(luò)的模糊PID控制系統(tǒng)框圖五、專家PID控制器[1718,4446]具有專家系統(tǒng)的自適應(yīng)PID控制器結(jié)構(gòu)如圖51所示。它由參考模型、可調(diào)系統(tǒng)和專家系統(tǒng)組成。從原理上看，它是一種模型參考自適應(yīng)控制系統(tǒng)。其中，參考模型由模型控制器和參考模型被控對象組成；可調(diào)系統(tǒng)由數(shù)字式PID 控制器和實(shí)際被控對象組成?？刂破鞯腜ID參數(shù)可以任意加以調(diào)整，當(dāng)被控對象因環(huán)境原因而特性有所改變時(shí)，在原有控制器參數(shù)作用下,可調(diào)系統(tǒng)輸出的響應(yīng)波形將偏離理想的動態(tài)特性。這時(shí)，利用專家系統(tǒng)以一定的規(guī)律調(diào)整控制器的PID參數(shù)，使的動態(tài)特性恢復(fù)到理想狀態(tài)。專家系統(tǒng)由知識庫和推理機(jī)制兩部分組成，它首先檢測參考模型和可調(diào)系統(tǒng)輸出波形特征參數(shù)差值即廣義誤差。PID自整定的目標(biāo)就是調(diào)整控制器PID參數(shù)矢量，使值逐步趨近于(即值趨近于0)。圖51專家自適應(yīng)PID控制原理圖該系統(tǒng)由于采用閉環(huán)輸出波形的模式識別方法來辨別被控對象的動態(tài)特性，不必加持續(xù)的激勵(lì)信號，因而對系統(tǒng)造成的干擾小。另外，采用參考模型自適應(yīng)原理，使得自整定過程可以根據(jù)參考模型輸出波形特征值的差值來調(diào)整PID參數(shù)，這個(gè)過程物理概念清楚，并且避免了被控對象動態(tài)特性計(jì)算錯(cuò)誤而帶來的偏差。六、基于遺傳算法的PID控制[4749]遺傳算法(Genetic Algorithm，以下簡稱GA)是一種基于自然選擇和基因遺傳原理的迭代自適應(yīng)概率性搜索算法?；舅枷刖褪菍⒋蠼鈫栴}轉(zhuǎn)換成由個(gè)體組成的演化群體和對該群體進(jìn)行操作的一組遺傳算子，包括3個(gè)基本操作:復(fù)制(reproduction)、交叉(crossover)、變異(mutation)?；谶z傳算法的PID具有以下特點(diǎn)：(1)把時(shí)域指標(biāo)同頻域指標(biāo)做了緊密結(jié)合，魯棒性和時(shí)域性能都得到良好保證；（2)采用了新型自適應(yīng)遺傳算法， 收斂速度和全局優(yōu)化能力大大提高；(3)具有較強(qiáng)的直觀性和適應(yīng)性；(4)較為科學(xué)地解決了確定參數(shù)搜索空間的問題，克服了人為主觀設(shè)定的盲目性?；谶z傳算法的自適應(yīng)PID控制的原理框圖如圖61所示，圖中省略了遺傳算法的具體操作過程。其思想就是將控制器參數(shù)構(gòu)成基因型，將性能指標(biāo)構(gòu)成相應(yīng)的適應(yīng)度，便可利用遺傳算法來整定控制器的最佳參數(shù)，并且不要求系統(tǒng)是否為連續(xù)可微的，能否以顯式表示。當(dāng)遺傳算法用于PID控制參數(shù)尋優(yōu)時(shí)，其操作流程主要包括:(1)參數(shù)編碼、種群初始化；(2)適應(yīng)度函數(shù)的確定；(3)通過復(fù)制、交叉、變異等算子更新種群；(4)結(jié)束進(jìn)化過程。圖61 基于遺傳算法的自適應(yīng)PID控制原理圖七、總結(jié)與展望隨著人類科技不斷發(fā)展，受控對象越來越復(fù)雜，傳統(tǒng)的PID控制已經(jīng)不能滿足人們的需求，因此，智能PID的研究與應(yīng)
試題試卷相關(guān)推薦
鄂ICP備17016276號-1