当前课程知识点:智能控制 >  第四章 模糊控制 >  4.1 模糊自适应整定PID控制原理 >  4.1.1 模糊自适应整定PID控制原理(上)

返回《智能控制》慕课在线视频课程列表

4.1.1 模糊自适应整定PID控制原理(上)在线视频

下一节:4.1.2 模糊自适应整定PID控制原理(下)

返回《智能控制》慕课在线视频列表

4.1.1 模糊自适应整定PID控制原理(上)课程教案、知识点、字幕

有了模糊数学的基础

我们就可以研究怎么样

将模糊数学和控制理论结合起来

这就是第四讲要讲的内容

模糊控制

这里面我们要讲两个内容

第一模糊自适应整定PID控制原理

第二基于FF机械化现场总线

的模糊PID控制实验验证

首先我们看一下

模糊自适应PID控制原理

在实际的工业生产过程中

许许多多的被控对象

随着运行工况的变化

生产负荷的变化

或者是外界干扰各种因素的影响

它的被控对象的动态特性

参数或者结构

经常会发生各种变化

比如在火电厂的过程控制中

许多的过程控制回路

它的PID控制器

它的参数可能是固定的

但是如果生产工况的变化

负荷发生大范围变工况的情况下

同一套控制器参数

对于参数大范围变化的被控对象

它的控制效果不一定很好

那么这时候我们在实际生产过程中

可能会希望我的PID控制器参数

能够在不同的负荷情况下

采用不同的控制器参数

能达到比较好的效果

那么实际中我们可以采用这种

自适应的变参数的PID控制算法

希望获得比较好的控制效果

那么这种自适应的控制算法

运用了现代控制理论

在线的辨识被控对象的动态特征

而且能够实时的根据工况的变化

负荷的变化

改变它的控制策略

控制参数

使得整个闭环控制回路

性能指标保持在最佳范围之内

但是控制效果的好坏

往往取决于我们辨识对象模型的精确度

对于复杂的工业过程系统

往往是非常困难的

因为它的模型比较难辨识的很精确

因此在工业生产过程中

大量采用了仍然是传统的PID控制算法

PID控制器参数的整定方法很多

但大多数是以被控对象的动态特性为基础

那么随着计算机技术的发展

人们可以利用人工智能的方法

将操作人员的丰富的这种参数整定经验

作为知识存入计算机中

可以根据现场的实际情况

计算机能自动地调整PID控制器的参数

这样就出现了各种各样的

智能PID控制器

那么这种智能PID控制器

就把经典的PID控制算法

和先进的专家系统相结合

实现了系统的最佳控制

这种控制必须精确地确定对象模型

首先将操作人员长期实践的经验

用控制规则模型化

然后运用推理

便可对PID参数实现最佳调整

但是这里面有个问题

由于有很多有丰富运行的经验的

这些运行人员

他的操作经验

它有时候是模糊的

不容易精确的描述

他是凭感觉

稍微大一点

稍微小一点

适中一点

调节方面态度

控制给煤量

稍微大一点

稍微小一点

这个都是比较模糊的

那么这样控制过程中

各种信号量以及评价指标

不容易递量表示

它是一个定性的

而且比较模糊的

我们采用了模糊数学

模糊理论

它是解决这个问题的有效途径

我们可以运用

模糊数学的基本理论方法

把各种推理规则的前提、条件

操作、推理用模糊集合来表示

并把这些模糊控制规则

以及有关信息

比如评价指标

怎么样评价它的性能优劣

初始的PID控制器参数等等

作为知识存入计算机知识库中

然后计算机可以根据

控制系统的实际响应情况

也就是专业系统的输入条件

运用模糊推理

就可以自动实现对PID参数的最佳调整

也就是说我PID控制的参数

可以实时在线自动的

根据被控对象的动态特征

自动的去调整

调整到最佳状态

使得整个闭环系统就要最佳性能

这就是我们要介绍的

模糊自适应PID控制器

那么模糊自适应PID控制器

目前有多种结构形式

它的基本原理基本一致

它本质上是融合了模糊控制和PID控制

两种不同的算法

它本质上还是PID控制器

但是它和PID控制器

有一个显著的区别

就是它可以让PID控制器的参数

在线的自动地采用模糊推理的方法

来根据被控变量和设定值的偏差

以及它的偏差的变化率

这两个参数对PID控制参数

实时在线自动整定

而且是利用模糊控制的规则

在线的对PID参数进行修改

从而构成了模糊自适应PID控制器

这是它的结构

我们发现在这个方格图里面

我们要控制被控对象的被控变量

使得它稳定在给定值上面

构成这样一个闭环控制回路

我们发现这里面有PID控制器

但是它跟传统的PID又不一样

它是将设定值与反馈值之间偏差

以及偏差的一些导数

作为PID控制器的输入

同时这两个输入送给了模糊控制器

是吧通过模糊推理的方法

在线的自动调整

PID控制器的三个参数

kp、ki、kd

那么PID参数模糊自整定

就是要找出PID三个参数

kp、ki、kd和它两个输入

偏差、偏差的导数之间的模糊关系

在运行中通过不断的检测

这两个输入变量

偏差e和偏差倒数ec

根据模糊推理的规则

对这三个参数进行在线的自动的修改

以满足不同的偏差

不同的偏差导数的时候

对控制参数的不同要求

从而使得被控对象

具有良好的稳态动态性能

我们发现这个方格图里面

其实我们就是用模糊自适应PID控制器

取代了传统的PID控制器

要使得它具有很好的控制性能

这样就是模糊自适应控制器

那么从系统的稳定性

响应速度、超调量和稳态精度

等各方面来综合考虑

PID控制器的三个参数的作用分别如下

第一个参数

比例系数kp它干什么的呢

我们通过研究PID控制器的参数作用

发现了kp作用是加快系统的响应速度

提高系统的调节精度

kp越大系统的响应速度越快

调节精度越高

但是容易产生超调

甚至会导致系统不稳定

反之kp如果取值过小

将会降低调节精度

使得响应速度变慢

从而延长调节时间

使得系统的稳态性能

动态性能变坏

这是第一个参数

第二个参数积分作用系数ki

有了积分

它的作用主要是来消除系统的稳态误差

ki越大系统的稳态误差消除这一块

但是如果ki过大

那么在响应过程的初期

会产生积分饱和现象

从而引起响应过程的较大超调

反之如果ki过小

那么将会使得系统的稳态误差难以消除

影响系统的调节进度

第三微分作用系数kd

它的作用是改善系统的动态特性

主要在响应过程中

抑制偏差

向任何方向的变化

对偏差的变化进行提前预报

那么如果微分作用系数kd过大

会导致响应过程提前制动

从而延长了调节时间

降低了系统的抗干扰性能

那么这是这三个参数的作用

那么PID控制器参数的整定

必须考虑到在不同的时刻

三个参数的作用

以及相互之间的关联关系

模糊自适应的PID控制器

控制方案源于这个图所示

它就是在传统的PID控制算法的基础上

通过计算当前系统的误差

以及误差变化率

利用模糊推理的规则进行模糊推理

通过查询矩阵表

模糊矩阵表

进行参数整定

智能控制课程列表:

第一章 智能控制课程概论

-开篇

--开篇

-1.1课程考试方式

--1.1课程考试方式

-1.2 数据、信息、知识与智能

--1.2 数据、信息、知识与智能

-1.3传统控制面临的挑战

--1.3 传统控制面临的挑战.

-1.4 控制科学发展过程

--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

第二章 专家控制专题

-2.1基于搜索的问题求解

--2.1.1 搜索与人工智能的关系

--2.1.2 算法1 随机搜索

--2.1.3 算法2 引入CLOSED表.

--2.1.4 算法3 引入OPEN表.

--2.1.5 纵向搜索算法(深度优先搜索)

--2.1.6 横向搜索算法(广度优先搜索)

-- 2.1.7 均一代价搜索

--2.1.8 启发式搜索

--2.1.9 登山法和最佳优先搜索.

-- 2.1.10 A星算法

-- 2.1.11 八数码魔方实例分析

-2.2 专家系统简介

--2.2.1 专家系统简介(上)

--2.2.2 专家系统简介(下)

- 2.3 专家PID

--2.3.1 专家PID (上)

--2.3.2 专家PID (下)

-第二章测试

第三章 模糊控制的理论基础

-3.1 模糊控制概述

--3.1.1 模糊控制概述

-3.2 模糊集合

--3.2.1 模糊集合(上)

--3.2.2 模糊集合(中)

--3.2.3 模糊集合(下)

-3.3 隶属函数

--3.3隶属函数.

-3.4 模糊关系及其运算

--3.4模糊关系及其运算

-第三章测试

第四章 模糊控制

- 4.1 模糊自适应整定PID控制原理

--4.1.1 模糊自适应整定PID控制原理(上)

--4.1.2 模糊自适应整定PID控制原理(下)

-4.2 基于FF的模糊PID控制试验验证

-- 4.2.1 基于FF的模糊PID控制试验验证(上)

-- 4.2.2 基于FF的模糊PID控制试验验证(下)

-第四章测试

第五章 神经网络的理论基础

- 5.1 神经网络简介

--5.1 神经网络简介

- 5.2 神经网络的发展简史

--5.2 神经网络的发展简史

-5.3 神经网络的基本概念

--5.3 神经网络的基本概念

- 5.4 神经网络的分类

--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

--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

第六章 典型神经网络

-6.1 感知器

--6.1.1 感知器的数学模型.

--6.1.2.1 感知器应用实例分析(实现逻辑运算与或非)

--6.1.2.2 感知器应用实例分析(实现逻辑运算异或)

- 6.2 BP神经网络

--6.2.1.1 BP神经网络简介(上)

--6.2.1.2 BP神经网络简介(中)

--6.2.1.3 BP神经网络简介(下)

--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

第七章 遗传算法及其应用

- 7.1 什么是遗传算法

--7.1 什么是遗传算法

-7.2 遗传算法的特点

--7.2 遗传算法的特点

-7.3 遗传算法的基本操作之复制

--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

--7.4 遗传算法的基本操作之交叉与变异

-第七章测试

第八章 遗传编程

-8.1 遗传编程工作原理

--8.1 遗传编程工作原理

-8.2 遗传编程基本操作之复制

--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

--8.3 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

-- 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

-期末测试

4.1.1 模糊自适应整定PID控制原理(上)笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。