新第6章 先进控制技术

第六章 先进控制技术,6.1 模糊控制技术 6.2 神经网络控制技术 6.3 专家控制技术 6.4 预测控制技术 6.5 其它先进控制技术,控制技术中的模糊控制技术、神经网络控制技术、专家控制技术和预测控制技术。先进控制技术主要解决传统的、经典的控制技术所难以解决的控制问题，代表着控制技术最新的发展方向，并且与多种智能控制算法是相互交融、相互促进发展的。,6.1 模糊控制技术,6.1.1 模糊控制的数学基础 6.1.2 模糊控制原理 6.1.3 模糊控制器设计,6.1.1 模糊控制的数学基础,1. 模糊集合 2. 模糊集合的运算 (1)相等： ,都有 ，则称A与B相等，记作 。 (2)补集： ,都有 ，则称B是A的补集，记作 。 (3)包含： ,都有 ，则称A包含B，记作 。 (4)并集： ,都有 ，则称C是A与B的并集，记作 。 (5)交集： ,都有 ，则称C是A与B的交集，记作 。,3.模糊关系 (1)关系 关系的概念 直积集 几个常见的关系 我们常见的关系有自返性、对称性和传递性等关系。 (2)模糊关系 模糊关系也有自返性、对称性、传递性等关系。 (3)模糊矩阵 模糊矩阵的一般形式为 其中 ， ， ，矩阵A可记为 。 4.模糊逻辑 5.模糊推理,6.1.2 模糊控制原理,模糊控制系统通常由模糊控制器、输入输出接口、执行机构、测量装置和被控对象等五个部分组成，如下图所示。,模糊控制器主要包括输入量模糊化接口、知识库、推理机、输出清晰化接口四个部分，如下图所示。 1.模糊化接口 2.知识库 3.推理机 4.清晰化接口,6.1.3 模糊控制器设计,设计一个模糊控制系统的关键是设计模糊控制器，而设计一个模糊控制器需要：选择模糊控制器的结构、选取模糊规则、确定模糊化和清晰化方法、确定模糊控制器的参数、编写模糊控制算法程序。 1模糊控制器的结构设计 (1)单输入单输出结构 一维模糊控制器 二维模糊控制器 (2)多输入多输出结构,2.模糊规则的选择和模糊推理 (1)模糊规则的选择 模糊语言变量的确定 语言值隶属函数的确定 模糊控制规则的建立 (2)模糊推理 一维形式 二维形式 3.清晰化 4.模糊控制器论域及比例因子的确定 5.编写模糊控制器的算法程序,6.双输入单输出模糊控制器设计 (1)模糊控制器的基本结构 (2)模糊化 (3)模糊控制规则、模糊关系和模糊推理 (4)清晰化,6.2 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。,6.2.1 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。,人工神经网络,下图表示了两个典型的神经网络结构，图a)为前馈型网络，图b)为反馈型网络。,6.2.2 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，我们可以考虑在传统控制器，如PID控制器基础上，再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,下图给出了两种结构方案。在图a)中,NN1和NN2具有完全相同的网络结构（逆模型），并且采用相同的学习算法，即NN1和NN2的连接权都沿 的负梯度方向进行修正。上述评价函数也可采用其他更一般的加权形式，这时的结构方案如图b)所示。,3.神经网络自适应控制,（1）神经网络自校正控制 1)直接自校正控制 2)间接自校正控制 神经网络间接自校正自适应控制的结构框图如下图所示。,（2）神经网络模型参考控制 a) 直接模型参考控制 b) 间接模型参考控制,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。下图给出了内模控制的神经网络实现。其中，被控对象的正向模型及控制器（逆模型）均由神经网络实现，滤波器仍然是常规的线性滤波器。,6.3 专家控制技术,6.3.1 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,6.3.2 专家控制介绍,专家控制系统大致可以分为以下几类： 1.基于规则的专家自整定控制 基于规则的自整定控制器结构如下图所示。,2.专家监督控制 如下图所示为专家监督控制系统结构框图。 3.混合型专家控制 4. 仿人智能控制,6.3.3 专家控制基本思想,1.专家控制的知识表示 知识表示方法有以下几种: 1）产生式规则表示法：其规则的一般形式为： IF 条件l AND 条件2 AND 条件N THEN 结论或动作 2）框架表示法 3) 状态空间表示法：状态空间可表示为三元组 ,其中 表示初始状态集合， 表示操作集合， 表示目标状态集合。 4）混合表示法：混合表示法包括两种结合:框架与规则相结合；数学模型与基于规则的技术相结合。 5）其他知识表达形式：例如语义网络、谓词逻辑等等。,2.专家控制的推理与控制策略 专家控制的推理机制可以表示为如下模型： 专家控制往往带有模糊性、不确定性和不完全性，因此专家控制的推理计算过程也要具备某种不确定性。通过将知识库中的知识赋予相应的可信度，在推理过程中完成可信度的转移和计算，可以得到带有可信度的推理结果。从这一意义上讲，推理的方式可以分为以下几种: 1）演绎推理 2）归纳推理 3）确定性推理 专家控制的推理策略主要有以下几种： 数据驱动控制策略 目标驱动控制策略 双向推理控制策略,6.3.4 专家控制组织结构,专家控制系统的一般结构下图所示，这种系统的组织结构有两个显著特点： 知识库可以由定量知识与定性知识分离构造。 用户可以通过知识获取系统直接地与内部规则，进而间接地与数值算法进行交互，以便操作人员可以对控制系统进行离线的修改和在线的监督干预。,6.4 预测控制技术,预测控制是一类控制算法的统称，其中有动态矩阵控制（DMC, Dynamic Matrix Control）、模型算法控制（MAC, Model Algorithmic Control）、预测控制（PC，Predictive Control）以及广义预测控制（GPC，Generalized Predictive Control）等。 预测控制系统如下图所示，主要由内部模型、预测模型、参考轨迹和预测控制算法组成。,6.4.1 内部模型,内部模型即为被控对象的阶跃响应或脉冲响应，下图通过实验方法采集对象的阶跃响应或脉冲响应，分别以 和 表示。,对象的阶跃响应如图a）所示，采样周期为 ，对每个采样时刻 有对应的响应值 ，从 开始变化直到 时刻对象趋向稳态值 ，其中 为截断步长。这有限个响应信息 的集合就是对象的内部模型。 对象的脉冲响应如图b）所示，采样周期为 ，对每个采样时刻 有对应的响应值 ，从 开始变化直到 时刻对象趋向稳态值 ，其中 为截断步长。这有限个响应信息 的集合就是对象的内部模型。,6.4.2 预测模型,根据内部模型的信息，预测未来的控制量及响应，即构成预测模型。 1.基于阶跃响应的开环预测模型 2.基于脉冲响应的开环预测模型 3.闭环预测模型,6.4.3 预测控制算法,1.动态矩阵控制（DMC） 2.模型算法控制（MAC）,6.5 其它先进控制技术,1.自适应控制 2.分层递阶控制 3.鲁棒控制 4.学习控制,习 题,