当前课程知识点:智能控制 > 第二章 专家控制专题 > 2.3 专家PID > 2.3.1 专家PID (上)
下面我们看一下
专家PID的控制过程
专家PID就是融合了
专家系统的经验
和PID控制算法的优点
这样的一个组合控制策略
我们知道对于一个典型的二阶系统
如果我们知道它们的
单位阶跃响应曲线
如图所示
这是它的误差响应曲线
表示它的设定值和反馈值之间的偏差
e随时间变量t的变化关系
从这个图我们就发现了
专家看到这张图
就可以把它划分为
这样几个不同的区域
比如说区域I
我们发现这个区域它有什么特点
它误差虽然比较大
正的
但是它一直
在朝着误差减小的方向变化
区域II什么特征呢
误差是小于0的
它的误差变化率也是小于0
也就是它误差的绝对值
朝着增大的方向变化
区域III它误差也是小于0
但是它的误差变化趋势
是朝着绝对值减小的方向变化
区域IV就不同
它误差是大于0的
但它朝着绝对值增大的方向变化
区域V和区域I类似
但是它误差的绝对值相对来说
比较小一些
区域VI和区域II类似
但是它误差绝对值相对来说比较小
区域VII和区域III
它们的变化趋势相同
但是它的误差绝对值
相对来说比较小
那么区域VIII类似于区域IV
若专家通过分析这样一个阶跃响应曲线
他就能够提出相应的控制策略
那么我们能不能够结合专家的经验
和PID控制算法的优点
提出一种专家PID的控制策略
我们来看一下
第一
当误差的绝对值
大于某一个比较大的正数M1的时候
这时候说明什么
误差的绝对值本身已经很大了
无论误差变化趋势如何
都要使得控制器的输出
按照最大或者最小输出
以迅速调整误差
使误差的绝对值
以最大的速度减小
这时候相当于实施了开环工作
这里面为什么要最大
或者是最小输出呢
因为有的被控对象它是正对象
也就是说
它的被控变量会随着控制量的
也就是
被控对象的输入增大而增大
比如水箱水位
会随着进水调节阀门的开度
增大而增大
但是在火电厂里
还有相反的对象
比如主汽温度
随着喷水减温量的大小越多
减温水调节阀开度越大
控制量越大
那么它对应的汽温被控变量
就会越低的
它喷水减温是
所以有的情况
希望控制器的指令最大
有的时候
希望控制器的指令最小
这是因为被控对象的正反作用不同造成的
这是第一个方面
第二个方面呢
当误差e(k)乘以delta e(k)
大于0的时候
这什么情况
比如e(k)大于0的时候
那么delta e(k)也大于0
说明什么呢
delta e(k)是等于当前时刻的误差e(k)
减去上一次的误差e(k-1)
它大于0
说明e(k)大于e(k-1)
大于0
说明这时候
误差在朝着绝对值增大的方向变化
当然如果e(k)小于0
结论是一样的
或者误差为某一常数并未发生变化
这个时候我们就要考虑一下
如果误差的绝对值大于或等于M2
它是比M1小的另外一个正数
说明误差也比较大
可以实施较强的控制作用
以使得误差
朝绝对值减小的方向变化
这时候控制器的输出就为这个式子
这个式子就是在
计算机控制技术系统这门课程里面
我们学到了关于PID离散化的过程
我们有位置式有增量式 这里面就是一种增量式
因为每时每刻我只需要计算当前时刻的控制量的增量
也就是delta u(k)也就是u(k)减u(k-1)就行了
后面这个式子就是PID控制器算法的离散过程
这是增量式的PID 当然还有位置式PID
实际中呢 增量式PID应用更普遍
因为它的计算量小
便于工程实践
这里面在常规的PID的基础上还乘以了一个系数k1
k1要是大于一的一个数
说明要加强控制作用
另外如果误差的绝对值小于M2
说明尽管误差朝的绝对值增大方向变化
但是误差绝对值本身并不大
可以考虑实施一般的控制作用
这时候控制器的输出呢就是这个公式
当我们看到了增量式PID是一样的
那么上下比较一下
上面的系数是k1
下面的系数是k2
k1是大于1的一个数
k2是大于0小于1的一个数
这样的话就可以
根据误差绝对值
是否大于某一个正数M2
来决定实施较强的控制作用
还是实施较弱的控制作用
第三种情况
当e(k)乘以delta e(k)小于0
并且delta e(k)乘以得到e(k-1)大于0
或者是e(k)等于0的时候
我们来观察一下
假定e(k)大于0
那么delta e(k)就是小于0
当然e(k-1)
也小于0
delta e(k)和delta e(k-1)都小于0
意味着什么
它都是正的
e(k)是正的
意味着e(k)小于
e(k-1)小于e(k-2)
说明误差的绝对值是逐渐减小的方向
发生变化
或者是e(k)等于0
说明已经达到了平衡状态
这时候控制器的输出可以保持不变
也就是说系统已经接近稳定状态了
这时候控制指令保持不动就可以了
第四个
当e(k)乘以delta e(k)小于0
并且delta e(k)乘以
delta e(k-1)小于0
这时候发生什么呢
我假定e(k)是大于零的
那么delta e(k)就小于0
delta e(k-1)就大于0了
e(k)是正的时候
delta e(k)小于0
delta e(k-1)大于0说明什么
e(k)就会小于e(k-1)而大于e(k-2)
说明e(k-1)
比两边的e(k)和e(k-2)都要大
显然此时误差就处在极值状态
如果e(k)是小于0的情况
结果是一样的
所以这个时候我们要进一步考虑
看误差的绝对值大不大
如果误差绝对值还是比较大的
如果误差绝对值大于或等于
某一个正数M2可以实施较强的控制作用
按照这个式子进行控制
这时候就根据极值状态的
误差乘以相应的系数
如果误差绝对值小于M2
那么就可以实施较弱的控制作用
这时候选系数显然是k2
k1还是大于1的
k2大于0小于1的
这是第四种情况
第五种情况
当误差绝对值小于等于
某一个非常小的正数 ef
说明误差的绝对值很小
此时要考虑加入积分
以减少稳态误差
那么这也是这些变量的含义
eM(k)表示误差e的第k个极值
u(k)表示控制器的第k次输出
也就是控制指令
u(k-1)表示控制器的第k-1次输出
k1增益放大系数 一般大于1的
k2
增益的抑制系数
也就是k2在0到1之间那个数
M1 M2就是事先设定的误差界限
M1是大于M2的都是大于零的数
k表示控制周期的序号是一个自然数
从1 2 3 4开始
ef 是任意小的一个正实数
-开篇
--开篇
-1.1课程考试方式
-1.2 数据、信息、知识与智能
-1.3传统控制面临的挑战
-1.4 控制科学发展过程
-1.5 智能控制的多元论
--1.5
-1.6 控制策略的渗透与融合
--1.6
-1.7 智能控制与传统控制的联系与区别
--1.7
-1.8 智能控制的类型之分级递阶智能控制系统
--1.8
-1.9 智能控制的类型之专家控制系统
--1.9
-1.10 智能控制的类型之模糊控制系统
--1.10
-1.11 智能控制的类型之神经网络控制系统,智能控制的类型之基于规则的仿人智能控制系统,集成智能控制系统,组合智能控制
--1.11
-1.12智能控制系统的类型之基于规则的仿人智能控制系统,集成智能控制系统,组合智能控制
--1.12
-1.13本章小结
--1.13
-第一章测试
-2.1基于搜索的问题求解
-- 2.1.7 均一代价搜索
-- 2.1.10 A星算法
-2.2 专家系统简介
- 2.3 专家PID
-第二章测试
-3.1 模糊控制概述
-3.2 模糊集合
-3.3 隶属函数
--3.3隶属函数.
-3.4 模糊关系及其运算
-第三章测试
- 4.1 模糊自适应整定PID控制原理
-4.2 基于FF的模糊PID控制试验验证
-第四章测试
- 5.1 神经网络简介
- 5.2 神经网络的发展简史
-5.3 神经网络的基本概念
- 5.4 神经网络的分类
-5.5 神经网络的学习算法、基本特征和研究领域
-第五章测试
-6.1 感知器
--6.1.2.1 感知器应用实例分析(实现逻辑运算与或非)
- 6.2 BP神经网络
--6.2.2.1 BP神经网络应用实例分析之一:逻辑运算异或实现
--6.2.2.2 BP神经网络应用实例分析之二:非线性函数拟合
-第六章测试
- 7.1 什么是遗传算法
-7.2 遗传算法的特点
-7.3 遗传算法的基本操作之复制
-7.4 遗传算法的基本操作之交叉与变异
-第七章测试
-8.1 遗传编程工作原理
-8.2 遗传编程基本操作之复制
-8.3 遗传编程基本操作之交换和突变
- 8.4 遗传编程的工作步骤及实例分析
-第八章测试
-期末测试