《自动化概论第六讲.ppt》由会员分享，可在线阅读，更多相关《自动化概论第六讲.ppt（84页珍藏版）》请在三一办公上搜索。
1、第6章自动化的核心自动控制,001,本章内容,6.1 自动控制的基本形式6.2最基本和最常用的控制方法PID控制6.3最热门的控制方法智能控制,002,什么是自动控制？,自动控制与自动化的关系和区别：自动控制是自动化的重要组成部分；自动化强调的是代替人完成任务，而自动控制强调的则是控制，通过控制使某些变量（如温度、速度、压力、位置、运动轨迹等）按要求变化。,自动控制就是无须人的直接参与，通过控制装置去自动操纵机器、设备等，使其按照预定的规律运行，完成要求的任务。,003,6.1 自动控制的基本形式,004,例：电加热炉的炉温控制,外部扰动：电源电压波动，环境温度变化等内部扰动：元器件老化、参数
2、改变，工件体积和质量变化等,给定电位器,给定电压,加热炉,+,-,交流电源,工件,6.1.1 最简单的控制开环控制,005,特点：没有反馈，结构简单，但抗扰性差，控制精度低,原理图：,方块图：,功率放大器,加热炉,控制输入,（给定电压）,（电功率）,输出量,（炉温）,控制装置,受控对象,扰动量,扰动量,给定电位器,给定电压,加热炉,+,-,交流电源,工件,006,6.1.2 自动控制的精髓反馈控制,例：电加热炉的炉温反馈控制（人作为控制器）,给定电位器,给定电压,加热炉,+,-,交流电源,工件,温度检测,根据炉温的高低调节给定电压，从而调节温度,007,给定电位器,控制量,加热炉,控制器,误差
3、 e,温度变送器,变换电压 uf,电热丝,温度传感器,功率放大器,温度信号,+,-,交流电源,给定电压ur,u,输出量 y（炉温）,+,-,工件,注：反馈控制又称为“闭环控制”,电加热炉的炉温反馈控制（自动控制）,008,方块图：,原理图：,给定电位器,控制量,加热炉,控制器,误差 e,温度变送器,变换电压 uf,电热丝,温度传感器,功率放大器,温度信号,+,-,交流电源,给定电压 ur,u,输出量 y（炉温）,+,-,工件,009,反馈控制的特点：有反馈信息（信号传递形成闭合回路），抗扰性好，控制精度高,反馈形式：负反馈（广泛应用），正反馈（很少用）,010,反馈系统的相关术语：,受控对象,
4、反馈信号,温度：被控量,给定信号,比较环节,-,011,反馈控制系统的基本结构：,012,反馈控制系统举例：水箱的水位控制,+,-,水位 y,出水,阀门,误差,进水,水箱,放大器,M,电机,给定电位计,方块图？,013,反馈控制举例：全自动燃气热水器,手动调节,全自动反馈调节：自动根据水温调节火力,014,反馈控制举例：电冰箱的温度控制,015,反馈控制举例：楼房恒压供水,016,其他反馈控制的例子：,人走路、骑车、驾车等 数控机床自动加工零件 交通信号反馈控制 雷达火炮系统自动跟踪飞机 人的体温、呼吸、心跳等 教学过程、人才培养过程 人口控制、经济控制,还有哪些你知道的反馈控制系统例子？,0
5、17,6.1.3 即时纠偏补偿控制,例：电加热炉对电源电压波动的补偿控制,电源电压输出电压，但补偿调节器使控制电压 输出电压基本不变温度基本不变,补偿控制的特点：提供一个控制作用来尽量抵消扰 动对系统的影响，抑制扰动比反馈控制更及时。,018,补偿控制属于开环控制，补偿效果取决于设计是否准确，而且仅对特定可测扰动有效，一般扰动要靠反馈控制来抑制。,019,复合控制系统例：水箱的水位反馈控制+针对出水流量变化的补偿控制,比单纯的反馈调节更快、更及时！,020,补偿控制可更快地及时抑制可测扰动对输出的影响（对其他扰动没有抑制作用）；反馈控制可抑制一般扰动对输出的影响；两者的结合可改善抗扰性，提高控
6、制精度；缺点是结构较复杂。,复合控制的一般结构及特点,021,6.2 最基本的控制方法PID控制,022,控制器,受控对象,检测装置,给定输入,反馈信号,控制量,误差,输出,反馈控制系统的常见结构,与人作对比：检测装置人的感觉器官；控制器人的大脑；执行机构人的四肢。决定系统性能的最关键部分：控制器最简单的控制方式：开关控制最常用控制方式：PID控制,执行机构,023,什么是PID控制?,PID:Proportional-Integrel-Derivative（比例-积分-微分）PID控制的原理及结构简单，使用方便；PID控制的历史悠久，产生于20世纪初，先后有机械式、液动式、气动式、电子式等；
7、PID控制的适应面广，生命力强，至今仍为工程应用的主流（80）。,024,PID控制的结构,比例、积分、微分作用可根据需要进行不同组合，如 P控制、PI控制、PD控制、PID控制。,025,例：水温调节系统,控制输入：进水口的热水流量与冷水流量之比受控变量：出水口的水温控制目标：保持出水温度基本恒定各种扰动：进水口水温和水压的波动、环境温度变化、用户的用水量变化等,026,水温反馈控制系统,总的控制思路：若水温偏低，则增大控制输入，即增大热/冷水流量的比值；反之，若水温偏高，则减小控制输入。,027,水温调节的比例控制作用,若水温偏低，则水温低得越多，就使控制输入增大得越多；反之，若水温偏高，
8、则水温高得越多，就使控制输入减小得越多。即控制量的大小大致与偏差成比例。,028,比例控制的特点,比例控制的结构最简单，只有一个比例系数，可以使输出在有扰动的情况下基本恒定。比例系数的设置应适当，过小会调节作用太弱，系统变化过于缓慢，并产生较大误差；过大就会调节过头，偏差的一点点变化会对应产生很大的控制作用，容易引起系统输出上下波动，即发生振荡。比例系数的确定是在响应的快速性与平稳性之间进行折衷。比例调节基于偏差，不可能完全消除偏差。,029,水温调节的积分控制作用,若水温低于期望值，则将输入增大一些，如果还没有达到，就再增大一些，这样一点一点地调节，直到水温合适为止；控制输入包含对偏差的积分
9、，即偏差在时间上的累积，可以最终消除偏差。,030,积分控制的特点,只要偏差不为零，偏差就不断累积，从而使控制量不断增大或减小，直到偏差为零为止。积分作用一般和比例作用配合组成PI调节器，并不单独使用，原因是积分控制作用比较缓慢。例如，水温很低，也就是偏差很大，本应该大幅度增大输入量，使水温尽快上升，但若只有积分控制，则输入量只能逐渐增大，水温上升缓慢；而比例作用则是误差越大，控制作用越强。比例控制是最基本的、不可缺少的控制作用，积分控制只是配合比例控制起作用。,031,水温调节的微分控制作用,若扰动使水温开始升高，则应降低热/冷水比值，且升温速度越快，降低越多；反之若水温要降低，则应增大热/
10、冷水比值，且降低速度越快，增大越多。即控制作用与水温的变化率成正比。,032,微分控制的特点,微分控制是基于偏差的变化率，水温还没有变，刚有变化的趋势，调节作用就开始了，所以微分控制具有“超前”或“预测”的性质，可以及时地抑制水温的变化。微分控制只在系统的动态过程中起作用，系统达到稳态后微分作用对控制量没有影响，所以不能单独使用，一般是和比例、积分作用一起构成PD 或PID调节器。微分会放大高频噪声信号，且频率越高，放大得越厉害，因此通常要配置一个能够过滤掉高频信号的低通滤波器。,033,PID控制的优、缺点,PID控制简单实用，工作原理简单，物理意义清楚，一线的工程师很容易理解和接受。PID
11、控制的设计和调节参数少，且调整方针明确。PID控制是一种通用控制方式，广泛应用于各种场合，且不断改进和完善，如偏差小到一定程度才投入积分作用的“积分分离”控制、能自动计算控制参数的参数自整定PID控制、能随时根据系统状态调整控制参数的自适应或智能型PID控制等。PID控制是以简单的控制结构来获得相对满意的控制性能，控制效果有限，且对时变、大时滞、多变量系统等常常无能为力。,034,6.3 最热门的控制方法智能控制,035,智能控制的基本概念专家控制（Expert Control）模糊控制（Fuzzy Control）神经网络控制（Neural Network Control）对智能控制的一些展
12、望,036,6.3.1 智能控制的基本概念,什么是“智能”?什么是“智能控制”？,人的智能表现在其所具有的记忆、学习、模仿、适应、联想、语言表达、文字识别、逻辑推理、归纳总结、综合决策等各种能力。,当自动控制方式明显地具有这些智能特征时，就称其为“智能控制”。,037,人与智能控制,人本身就是一个非常完美的智能控制系统，人脑及神经系统相当于智能控制器，对通过感官获取的各种信息进行综合分析、处理和决策，并利用手和脚等执行机构作出相应的反应，能适应各种复杂的控制环境，完成难度很大的任务。,038,传统自动控制与智能控制,广义地讲，几乎所有的自动控制系统都在一定程度上模仿了人的控制方式，或多或少地具
13、有“智能”，但是今天我们所讲的“智能控制”仍然有别于传统的自动控制方式，两者虽无明确的界限，但存在明显的区别。,传统的自动控制是基于数学模型、以定量分析为主；而智能控制则更多地基于知识，利用专家经验、逻辑推理、学习功能、遗传和进化机制等来进行控制，是以定性分析为主、定量与定性相结合的控制方式。,039,智能控制的主要特点,体现了人的控制策略和控制思想，拥有受控对象及环境的相关知识以及运用这些知识的能力，具有很强的自适应、自学习、自组织和自协调能力、能在复杂环境下进行综合分析、判断和决策，实现对复杂系统的控制。,属于典型的交叉学科，涉及人工智能、自动控制、运筹学、系统论、信息论等，在系统的实现上
14、则必须依托计算机技术。基本上属于“方法”范畴，理论分析困难，理论体系尚未建立。,040,萌芽期（60年代）,形成期（70年代）,发展期（80年代）,高潮期（90年代至今）,智能控制的发展阶段：,041,智能控制的主要类型,专家控制模糊控制神经网络控制学习控制基于规则的仿人控制,042,什么是专家系统、专家控制?,6.3.2 专家控制（Expert Control）,“专家”是具有某一领域专门知识或丰富实践经验的人，而“专家系统”则是一个计算机系统，存储有专家的知识和经验，并用推理的方式针对问题给出结论。,“专家控制”是将专家或现场操作人员的知识和经验总结成知识库，形成很多条规则，并利用计算机、
15、通过推理来实施控制。,043,专家系统、专家控制的产生及发展,专家系统是人工智能的重要内容，由美国斯坦福大学1965年提出，最初用于化学质谱分析，后广泛应用于工业、农业、医疗、教育等领域。瑞典的strm于1983年首次将专家系统用于常规控制器参数的自动整定，并于1984年正式提出了专家控制的概念，目前已成功应用于机器人控制、飞机的操纵控制、故障诊断、各种工业过程控制等。,044,常见的两类专家控制系统,直接型专家控制 用于取代常规的控制器，直接控制受控对象或生产过程。,间控型专家控制 和常规控制器相结合，组成对受控对象或生产过程进行间接控制的智能控制系统，通常利用偏差和偏差变化率来调节常规控制
16、器的参数。,045,例：水温调节系统的专家控制,间接型专家控制的基本思路：可将常规的PID控制与专家系统相结合，把专家设计和调试PID参数的知识和经验总结成一些规则，根据系统的运行状态自动地调整控制器的相关参数。这就是所谓的“基于规则的参数自整定PID控制”。,046,直接型专家控制的基本思路：,对误差和误差变化率进行了分段，并根据其位于哪一段来决定相应的控制量，属于最简单且最直观的分段智能控制方法。下面讨论这种控制方法。,047,水温调节系统的直接型专家控制,控制规则：若水温很高，则将控制量（热/冷水比值）调至最小；若水温很低，则将控制量调至最大；若水温比较低，且没有上升，则大幅度调大控制量
17、；若水温比较低，且在缓慢上升，则较大幅度调大控制量；若水温比较低，但上升较快，则适当调大控制量；,专家的知识和经验就体现在如何对e及其变化率进行分段，以及如何确定其与u的具体取值上。,048,控制规则的具体化,if e4,then u=10;（水温很低，则输入最大）if e-3,then u=0;（水温很高，则输入最小）if 3e4 and e0,then u=8;（水温较低且没有上升，则输入很大）if 3e4 and-1e0,then u=6;（水温较低且缓慢上升，则输入较大）if 3e4 and-2e-1,then u=3;（水温较低且较快上升，则输入中等）,设-5e5，0u10，e代表误
18、差变化率，则控制规则可能如下：,049,关于专家控制的几点说明,专家控制要求不断地根据反馈信息迅速作出决策，对实时性要求很高，因此专家控制器的结构一般比专家系统简单，其核心是知识库和推理机构。知识库所存储的知识既可以是定性的，也可以是定量的，并可以利用知识获取系统随时对知识进行补充、修改和更新；因此，专家控制比常规控制更加灵活，对复杂环境的适应能力更强。如何简便有效地获取专家知识、如何在控制过程中自动修改、更新和扩充知识，并满足实时控制的快速性需求是非常关键的。,050,6.3.3 模糊控制（Fuzzy Control）,模糊控制的发展：1965年美国的Zadeh提出模糊集合理论;1974年英
19、国的Mamdani首次将模糊理论应用于蒸汽机控制;1985年AT,051,90年代模糊逻辑及其应用形成高潮，应用范围包括工业控制、地铁、电梯、交通、汽车、空间飞行器、机器人、核反应堆、图象识别、故障诊断、污水处理、数据压缩、移动通信、财政金融等,模糊逻辑技术的优越性：,简单、直观、有效、可靠,052,一、模糊集合隶属度函数:某元素 a 属于某集合 A 的程度,用(a)=01 表示(经典集合对应=0,1)例:已知经典集合 A 为 5 的正整数中的偶数 利用隶属度函数表示该集合，则有(1)=0,(2)=1,(3)=0,(4)=1 A=01+12+03+14 A 中的分母为论域中的元素，分子为该元素
20、所对应的隶属度值。,053,例：表示温度“冷”，“热”，“适中”的模糊集合,为简化计算,一般用离散形式表示模糊集合。例如，以 2 为间隔进行离散化，可得“热”=025+0.1427+0.2929+0.4331+0.5733+0.7135+0.8637+139+141+143+145,054,二、模糊控制的基本思路与方法,例：水位控制系统 根据 e 调节 u 保持水位 y 恒定,055,模糊推理规则：若 e 大，则 u 大 若 e 中，则 u 中 若 e 小，则 u 小,设-1 e 4，0 u 5,注1：即 e、u 分别都只设了 3 级。显然 级数越多规则数越多,注2：一般应同时考虑误差 e 和
21、误差变化率 e,056,模糊化及推理过程:,推理方法：削顶法，或称 Mandani 法,057,清晰化（解模糊化）:,重心法 求模糊量所占面积的重心,重心所对应的横坐标即为所需控制量 u(k),缺点:计算量较大，通常采用“离散重心法”。,058,加权平均法(离散重心法):若取离散点为 ui=0,1,2,3,4,5(i=1 6)则离散模糊量为 u=00+0.21+0.22+0.53+0.84+0.85,注：离散间隔一般较该例小得多，计算结果会更接近连续情况,059,说明：,模糊控制器的输入量一般取误差 e 和误差变化率 e,若 e,e 和控制量 u 均离散化 注,则可离线计算好 e,e 与 u
22、的对应关系(查询表),实时控制时采用查表法(计算量小,快速);模糊控制性能的好坏主要取决于如何选取 隶属度函数 模糊推理规则 清晰化方法上例本质上等价于变参数比例调节器,控制器输入为 e 和 e 时则等价于变参数PD调节器,因此存在稳态误差，常与PID控制相结合。,注：对具体的输入值需先进行“量化”，如 e 按间距0.1离散化后有 0.5，0.6，则输入值为 e=0.53 时量化为 0.5,060,以误差中等为例,e=0.5,e=1.5 时的推理过程：,注：先对e 和e 取小（同时满足前提条件的程度以 小的为准）,061,e=0.5,e=1.5 时的推理结果,062,6.3.4 神经元网络控制
23、（Neural Network Control）,人工神经元及神经网络的产生和发展：1943年提出神经元模型1949年 Hebb 提出神经元学习规则（Hebb学习规则）1958年提出基于神经网络的感知器模型（模拟人脑的感知和学习能力）,063,1986年提出神经网络的反向传播学习方法（简称 BP 算法，Back Propagation）注，证明了BP神经网络能无限逼近任意输入输出函数90年代神经网络的研究达到高潮，并成功应用于自动控制、人工智能、信息处理、机器人、机械制造等很多领域。,注：1974年哈佛大学的博士生Werbos就已提出，但未引起注意,064,wi：连接权系数：阈值f()：输出变
24、换函数,f 的确定:根据应用 wi 的确定:通过学习,一、人工神经元模型,065,输出变换函数的常见类型:,控制中常用，,比例函数,S 状函数,双曲函数,符号函数,066,二、神经元的学习方法,学习规则：wi(k+1)=wi(k)+ivi(k),i=1,2,.,n k 第 k 次学习 i 学习速率（i 0）vi(k)学习信号（通常为误差的函数）,学习的意义：通过调整权值 wi，使神经元具有期望的输入输出模式,067,学习方法梯度下降法：,特点：沿梯度方向下降一定能到达 J 的极小点；学习的快慢取决于学习速率i 的选取；缺点是可能陷入局部最小点。,068,简单例：设 y=w1x1（即=0,f(s
25、)=s）w1 的初值 w1(0)=0,取性能指标为 J=e2(k)2=2 y(k)2 2=2 w1(k)2 2,则有,用梯度下降法,使 x1=1 时,y=2,069,表 6-1=0.5 时的学习结果(学习速率较小),表 6-2=1.5 时的学习结果(学习速率较大),表 6-3=2 时的学习结果(学习速率过大),070,表 6-4=3 时的学习结果(学习速率过大),结论：过小收敛慢；过大则振荡甚至可能发散。对于该例，=1 时的学习次数最少(一次结束),071,三、神经元网络,目的：通过学习，使神经网络具有期望 的输入输出模式两个关键:网络结构,学习方法常用结构:前馈网，反馈网等著名的BP网络=前
26、馈网+BP算法（BP:Back Propagation）,072,梯度下降法,由输出层向输入层反向计算每一层的连接权值,BP算法,BP算法的进行方式:由给定的输入样本计算网络输出，并与输出样本进行比较（输出误差）；由输出误差依次反向计算每一层的权值；重复、，直至输出误差满足要求为止；对每组输入输出样本数据都按 进行学习；重复，直至所有输出误差都达到要求的精度。,073,神经网络的特点：,通过学习，可以无限逼近任意的输入输出函数；具有归纳或泛化能力（经样本训练后，输入不属于样本集时也能产生合适的输出）；并行计算（速度快），分布存储（容错性好）；学习过程收敛较慢（较费时），实时应用性差；如何确定网
27、络的层数及每一层的神经元个数尚无明确的方法。,神经网络的实现：神经元芯片 计算机软件模拟,074,四、神经网络的应用,典型应用领域：各类控制与优化问题系统辨识故障诊断容错技术信号处理模式识别文字识别专家系统等,神经网络应用于系统辨识与控制的优点：无须数学建模，只需在线或离线学习训练同时适用于线性和非线性系统具有很强的适应性和鲁棒性容易和其他控制方式结合,075,数字识别,8,通过调整NN的权值使 实际输出标准输出,NN：Neural Network（神经网络）,实际可能输出可能为（0.1 0.8 0.1 0.2 0.1 0.3 0.1 0.2 0.1 0.1）则以最大数字为准，即对应数字 1,
28、每一网格的明暗度经光电器件转换成电信号神经网络(NN)的输入与网格阵列一一对应输出电平高低的组合对应要识别的数字用数字样本和标准输出对NN进行训练,076,系统辨识,通过学习（依据误差 e 调整 NN 的权值）使 yN y 从而使 NN 动态系统,通过学习使 uN u从而使 NN 逆动态系统,077,专家控制,NN控制器,受控对象,检测装置,给定输入,反馈信号,控制量,误差,输出,执行机构,在专家或操作人员能够很好地进行控制的情况下，为了把人解放出来，可以用一个神经网络控制器去模仿人的控制行为，神经网络通过学习和训练就可以逼近操作人员的控制模式。,078,模型参考自适应控制,NN1：自适应控制
29、器（根据 ey 调整 NN1 的权值）,可利用对象正模型 NN2：y yN，ey ymyN，由 ey 经 NN2 反传学习得到u 的误差，再由u 的误差反传学习调整 NN1 的权值。,对象未知 直接调整有困难。,079,6.3.5 对智能控制的一些展望,各种智能控制方法各有利弊，因此可以将不同的智能控制方法有机结合在一起，取长补短，如模糊神经网络控制、基于遗传算法的神经网络控制、基于专家系统的专家模糊控制等。智能控制是传统控制方法的延伸和发展，是自动控制发展的高级阶段，但智能控制与传统控制并不相互排斥，常常可以有机结合，如智能PID控制、智能自适应控制等。,080,对于较复杂的系统，反馈信息往
30、往包含图象、声音、文字、统计数据、各种实时变量等，通常需要综合运用多种技术和控制手段来解决问题，既可能用到“多传感器信息融合”技术，还可能必须采用多层控制结构，在高层（决策、协调层）利用人工智能和智能控制进行综合分析、决策及协调，在底层（执行层）利用常规控制来解决“低级”控制问题。,移动机器人的多层智能控制结构,081,智能控制广泛应用于社会各个领域，解决了大量传统控制无法解决或难以凑效的实际控制问题，展现出强大的生命力和发展前景。例如：城市交通、电力系统、自主机器人等复杂系统的控制往往要依靠智能控制才能获得满意的控制效果；各种家用电器、各类生产过程等应用智能控制不仅避免了耗时费力的建模过程，
31、而且控制系统的设计通常也更简便，控制效果会更好，如智能控制的空调会比常规控制更节能、温度波动更小，智能控制的洗衣机会洗衣更干净、衣物磨损更小、耗水更少等。,082,智能控制尽管已经取得了大量成果，但在控制领域仍然属于比较年轻的学科，还处在一个发展时期，在理论和应用上都不够完善。随着基础理论的不断创新，人工智能技术和计算机技术的迅猛发展，以及实际应用领域的不断扩大，智能控制必将迎来它新的发展高潮。,083,084,1、画出水箱水位控制系统的方块图？分析其工作原理。,2、以水温调节系统为例,分析PID调节器中比例控制、积分控制、微分控制的作用。,3、简述模糊控制的发展史及应用领域。,思考题,复习思考题,
