基于人工智能的PID算法研究可编辑.docx
《基于人工智能的PID算法研究可编辑.docx》由会员分享，可在线阅读，更多相关《基于人工智能的PID算法研究可编辑.docx（39页珍藏版）》请在冰豆网上搜索。
基于人工智能的PID算法研究可编辑
基于人工智能的PID算法研究（可编辑）
基于人工智能的PID算法研究
扬州大学
硕士学位论文
基于人工智能的PID算法的研究
姓名:
顾志强
申请学位级别:
硕士
专业:
计算机技术
指导教师:
张天平
20091101摘要
现代控制系统,规模越来越大,系统越来越复杂,用传统的控制理论方法已
不能满足控制的要求。
智能控制是在经典控制理论和现代控制理论的基础上发展
起来的,是控制理论、人工智能和计算机科学相结合的产物。
传统控制是经典控
制和现代控制理论的统称,它们的主要特征是基于模型的控制。
由于被控对象越
来越复杂。
其复杂性表现为高度的非线性,高噪声干扰、动态突变性以及分散的
传感元件,分层和分散的决策机构、多时间尺度,复杂的信息结构等,这些复杂
性都难以用精确的数学模型微分方程或差分方程来描述。
除了上述复杂性以外,
往往还存在着某些不确定性,不确定性也难以用精确数学方法加以描述。
然
而,
对这样复杂系统的控制性能的要求越来越高,这样一来,基于精确模型的传统控
制就难以解决上述复杂对象的控制问题。
在这样复杂对象的控制问题面前,人们
将人工智能的方法和反馈控制相结合,解决复杂系统面临的复杂控制系统的难
题。
智能控制主要分为逻辑控制、神经网络控制和实时专家系统。
研究的主要目
标不仅仅是被控对象,同时也包含控制器本身。
文中介绍了传统的控制原理,
分为位置式和增量式,计算机控制是数字控制。
一些改进的控制算
法是针对实际应用中的不足提出的,如积分分离式控制算法,抗积分饱和算
法,变速积分算法等,实际应用中,控制又分为简单控制和串级控制,
对一些典型的控制算法。
对仿真结果进行了对比分析,说明了改进算法的作用。
本论文对智能控制的一个分支?
?
人工智能控制的算法进行了研究。
将人工
智能控制算法与经典的调节器以及控制方法相结合,对一个三阶时滞系统进
行了仿真控制研究。
仿真结果表明,用这种思想设计的控制器改善了单一控制方
法的控制性能。
在仔细分析人工智能控制算法和控制器的基础之上,将二者结合,相互取长补短,使其算法与单一的控制器比较起来,在快速性、稳定性上有较明
显的改善。
本文还根据人工智能控制算法的特点及控制的优势,将其与控制算法
相结合,显著地改善了系统的性能,并在此基础上加入动、静态校正的算法,
进
一步改善了系统的稳定性、快速性,获得令人满意的控制效果。
最后,文章通
过
对仿真结果的分析说明了结合不同控制方式的必要性、合理性。
显示了智能
控制
的优势和不足,为教学和研究提供了一个新的思路。
关键词:
人工智能控制,控制,智能控制,三阶时滞系统。
.
,.
,
.
.,
?
.
,.,
?
.
.?
.,
.,.
邪,
?
?
..?
.?
.。
、析,,,.
.,,,.,..
:
,?
.扬州大学工程硕:
学位论文
扬州大学学位论文原创性声明和版权使用授权书
学位论文原创性声明
本人声明:
所呈交的学位论文是在导师指导下独立进行研究工作所取得的研究成果。
除文中已经标明引用的内容外,本论文不包含其他个人或集体已经发
表的研究成果。
对本文的研究做出贡献的个人和集体,均已在文中以明确方式标
明。
本声明的法律结果由本人承担。
学位论文作者签名:
艮丢琵
签字日期:
伊叩年/诩/日
学位论文版权使用授权书
本人完全了解学校有关保留、使用学位论文的规定,即:
学校有权保留并向国家有关部门或机构送交学位论文的复印件和电子文档,允许论文被查阅和借
阅。
本人授权扬州大学可以将学位论文的全部或部分内容编入有关数据库进行检
索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。
同时授权中国
科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》,并通过
网络向社会公众提供信息服务。
学位论文作者签名:
导师签名:
日签字日期:
年日
签字日期:
年月月扬州大学丁程硕上学位论文
第一章绪论
.控制理论的发展
控制理论是与人类社会发展密切联系的学科,是控制科学的核心。
控制理论作为一门科学,它的产生可追溯到世纪中叶英国的第一次技术革命。
现在,随着通讯技术及信息处理技术的迅速发展,更加推动了控制理论不断地向前
发展。
控制理论的发展过程一般可以分为三个阶段:
第一阶段二十世纪到年代,称为“古典控制理论时期
第二阶段二十世纪于年代,称为“现代控制理论时期
第三阶段二十世纪年代末至今。
年代末,控制理论向着“大系统理论”和“智能控制方向发展,前者是控制理论在广度上的开拓,后者是控制理论在深度上的挖掘。
.智能控制的发展与现状
传统控制是经典控制和现代控制理论的统称,它们的主要特征是基于模型的控制。
由于被控对象越来越复杂。
其复杂性表现为高度的非线性,高噪声干扰、
动态突变性以及分散的传感元件,分层和分散的决策机构、多时间尺度,复杂
的
信息结构等,这些复杂性都难以用精确的数学模型微分方程或差分方程来描述。
除了上述复杂性以外,往往还存在着某些不确定性,不确定性也难以用精确数学
方法加以描述。
然而,对这样复杂系统的控制性能的要求越来越高,这样一
来,
基于精确模型的传统控制就难以解决上述复杂对象的控制问题。
在这样复杂对象
顾忐强:
基于人工智能的算法研究
的控制问题面前,人们将人工智能的方法和反馈控制相结合,解决复杂系统面临
的复杂控制系统的难题。
近几十年来,自动控制技术由于人工智能、控制理论和计算机科学的交叉取
得了很大的进展,形成了新的一代控制理论一智能控制理论。
虽然,从不同的认
识论和方法论出发的各类控制理论,诸如分层递阶自组织控制、控制、专家控制、
脑模型控制和手动控制等竟相发展,但它们都处于探索、开拓和发展的时期,系
统的理论体系还没有形成。
年美国普渡大学的..教授,他在年发表的论文中率先提出把
人工智能的启发式推理规则用于学习系统,这篇开创性论文为自动控制迈向智能
化揭开了崭新的一页;年于年在空间飞行器的学习控制中应
用了人工智能技术,并提出了“人工智能控制的新概念:
同年,和
年发表了重要论文,
首次使用了“智能控一词;
提出了智能控制就是人工智能与自动控制的交叉的“二元论”思想;年英
国的教授首次成功地将逻辑用于蒸汽机控制,开创了控制的新方向;
年的专著出版,并于年发表了综述文章,全面地论述了从反馈
控制到最优控制、随机控制及自适应控制、自组织控制、学习控制,最终向智能
控制发展的过程,提出了智能控制是人工智能、运筹学、自动控制相交叉的“三
元论思想及分层递阶的智能控制系统框架;年发表了论文,这是
第一篇直接将人工智能的专家系统技术引入到控制系统的代表,明确地提出了建
立专家控制的新概念;年提出的网络及提出的
算法;年在美国纽约召开了第~界智能控制学术讨论会:
年
在美国费城由控制系统学会与计算机学会联合召开了第一界智能控制国际
会议;年美国国家自然科学基金委员会和美国电力研究院联合发出《智能
控制》研究项目倡议书;年美国控制系统学会智能控制专业委员会成扬州大学工程硕学位论文
立专家小组,专门探讨智能控制领域“智能控制’’的含义;年召开了
全球计算智能大会,将系统、神经网络、进化计算三方面的内容综合在一起召开,
这三个新学科己经成为研究智能控制的重要基础;年国际智能自动化学会,简称筹委会第一次会议在加拿大温哥华
召开。
近年来,越来越多的学者已意识到在传统控制中加入逻辑、推理和启发式知识的重要性,但此时人们对“智能控制”这一术语还没有确切的定义,控制系统协会归纳为:
智能控制系统必须具有模拟人类学习和自适应的能力。
智能控制不同于经典控制理论和现代控制理论的处理方法,
而是数学解析模型和知识系统相结合的控制器不再是单一的数学解析模型,
广义
模型。
概括地说,智能控制具有以下基本特点:
应能对复杂系统如非线性、快时变、复杂多变量、环境扰动等进行有效的全局控制,并具有较强的容错能力;
定性决策和定量控制相结合的多模态组合控制;
基本目的是从系统的功能和整体优化的角度来分析和综合系统,以实现预定的目标,并应具有自组织能力;
同时具有以知识表示的非数学广义模型和以数学模型表示的混合控制过程,人的知识在控制中起着重要的协调作用,系统在信息处理上既有数学运算,又有
逻辑和知识推理。
一般认为智能控制是具有人工智能、控制、运筹学三元结构,能自动、智能地实现系统动态性能的控制方法。
由于智能控制的本质是非线性的,同时具有对
复杂系统逐步学习认知的能力,并有很强的鲁棒性,因此对于传统理论难以解决
的具有非线性、复杂结构和不确定性的系统非常适用。
智能控制主要包括:
.学习控制
顾志强:
基于人工智能的算法研究
学习控制是一种通过迭代产生优化输入信号,使系统输出尽可能逼近理想值
的控制方法。
他能以非常简单的方式处理不确定度相当高的复杂系统,且需较少
的经验知识和计算量,适应性强、易于实现。
迄今为止,学习控制已在非线性系
统的控制理论研究及机器人控制等应用中取得了一定的成果。
.模糊控制
模糊控制的基础是模糊集合、模糊逻辑等数学理论,近年来广泛用于工业生
产和智能家电的控制。
模糊控制的最大优势在于不需要被控对象的精确模型,能
适用于比较复杂的不确定非线性系统,具有较强的工程实际意义。
其存在的主要
问题在于缺少良好的学习算法、精确度差,而且应用到非线性系统中有时难以保
证稳定性等。
近年来,模糊控制方法在与神经网络的结合上取得了不少研究成果。
片申经网络控制
人工神经网络砧、『的本质是通过改变神经元拓扑结构网络的连接权值,使
其完成一个复杂的函数映射关系。
而权值的改变是通过学习方式以一定优化算法
实现的。
智能控制研究的最基本的途径之一是“仿人或“仿智,即在宏观结构和
行为功能上对人控制专家进行模拟。
在人参与的控制过程中,经验丰富的操作
者不是依据数学模型,而是按积累的经验和知识例如系统动态响应中出现的特
征信息推理并在线确定或变换控制策略。
智能控制理论认为,反映系统运动状
态的所有动态信息特征构成了系统的特征模型。
特征模型是特征辨识的依据,是
控制器应有的先验知识。
.
在智能控制领域中,人工智能控制具有重要的地位,无数事实表明,最高级
最有效的控制系统是人类自身。
因此,研究人类自身表现出来的控制机制,并用
机器加以模仿是智能控制研究的重要途径。
人工智能控制原则上有两种途径。
其
一是从神经系统的结构功能模拟,其二是从神经系统的行为功能模拟。
目前行为扬州大学工程硕士学位论文
功能的模拟进展显著,并且获得较好的应用。
行为功能模拟把人的控制系统看成
黑箱,侧重于其输入一一输出关系及表现出来的外部控制行为和功能,力图用智
能算子包括数学算法与直觉推理逻辑来逼近人控制系统的控制行为和功能,设
计出人工智能控制系统。
早在年以前,我国的周其鉴、李祖枢、陈民帕等就提出了人工智能控
制的研究方向。
他们认为:
应将对人脑的宏观结构功能模拟与对人控制器的行为
功能模拟结合,人工智能控制器的研究应该从分层递阶智能控制系统的最低层
运行控制级着手,直接对人的控制经验、技巧和各种直觉推理逻辑进行测辨、
概括和总结,编制成各种简单实用、精度高、鲁帮性强、能实时运行的控制算法,
用于实际控制系统。
智能控制从根本上说是要仿效人的智能行为进行控制和决策,即从宏观结构
在得到必要的上和行为功能上对人的控制进行模拟。
通过大量的实验发现,训练
后,由人实现的控制方法是接近最优的。
这个方法的得到不需要了解对象的结构、
参数,即不需要依据对象的数学模型,而是根据积累的经验和知识进行在线推理
确定或变换控制参数。
因此,开展人工智能控制的研究,是目前智能控制的一个
重要研究方向。
人工智能控制的基本思想是在控制过程中利用计算机模拟人的控制行为功
能,最大限度地识别和利用控制系统动态过程所提供的特征信息进行启发和直觉
推理,从而实现对缺乏精确模型的对象进行有效的控制。
人工智能控制器在线识
别被控系统动态过程中的各种特征。
它不仅知道当前系统输出的误差和误差变化
以及误差变化趋势,还可以知道前期控制效果和识别前期控制决策的有效性。
总
之,人工智能控制在同样条件下,所获得有关动态过程的各种信息,要比传统控
制方式丰富得多。
人工智能控制是建立在人体运动之控制特点的基础上而实现的一种智能控顾志强:
基于人工智能的算法研究
制的方法。
人工智能控制系统在结构上和行为上的实现应遵循下面四条原则:
信息处理和决策的分层递阶结构,并且伴随精度递减智能递增;.
.具有在线特征识别与特征记忆能力;
.采用开、闭环结合的多模态控制策略;
.能运用启发式与直觉推理进行问题求解。
对于人工智能控制系统来说,为了获得好的控制效果,关键在于合理的确定
控制方式,实时地选择大小和方向进行适当的控制以及合理的采样周期和控制周
期。
从不同角度模拟仿人的控制决策过程就发现了多种控制模式。
人工智能控制充分注意应用人工智能技术,也可以说是一种更能实时运行的
专家式控制器。
其优良的控制品质和较强的鲁棒性、适应性,充分显示了智能控
制的威力。
年代以来,作为中综合性领域的专家系统己由实验阶段进入实
用阶段,并开始在工业控制领域崭露头角。
用于电力系统、故障诊断、工业过程
控制、和仿真系统等方面的专家系统己相继问世,并得到初步的应用。
专
家系统以知识模型为基础,不仅能利用由解析式表达的知识,而且能方便地利用
人的直觉推理逻辑。
.本论文的内容和主要创新
近十几年来迅速发展起来的神经网络,引起了人们越来越多的兴趣和各界的
普遍重视。
其中,神经网络在控制系统中的研究已经取得了很大的进展。
由
于神
经网络能够通过自身的学习过程了解系统的结构、参数、不确定性和非线性,并
给出系统所需的控制规律,因此由神经网络构成的控制器具有很好的调节能力和
鲁棒性。
基于神经网络模型的控制对于确定性系统和参数变化且有时滞的被
都表现出较好的自适应性和鲁棒性。
扬州人学程硕:
学位论文控系统
本课题首先研究分析了传统的控制系统的优缺点,并在分析常规控制
器的优缺点的同时提出了一些改进方法。
主要有基于专家系统的控制、模糊
控制、灰色控制、遗传算法参数整定控制和神经网络控制等。
其
中重点研究了基于神经网络的控制方法。
经典控制算法作为一般工业过
程控制方法应用范围相当广泛,原则上讲它并不依赖子被控对象的具体的数学模
型,但算法参数的整定却是一件很困难的工作,更为重要的是即使参数整定完成,
由于参数不具有自适应能力,因环境的变化,控制对系统偏差的响应变差,
参数需重新整定。
针对上述问题,人们一直采用神经网络、变结构等各种调整
参数自适应方法克服这一难题。
一般情况下,一个自适应控制系统能够运行,其
相应的参数要适应现场状况的变化,因此就必须根据现场的数据对相应的参数进
行在线辨识或估计。
对非时变参数可以通过一段时间的在线辨识确定下来,但对
时变参数系统,必需将这个过程不断进行下去,因此要求辨识速度快或参数
变化
速度相对较慢,极大地限制了自适应技术的应用。
为克服这种限制,本文利用文
献的思想,将神经网络的技术应用于参数辨识过程,结合经典的控制算法,
形成一种基于神经网络的自适应算法。
这一算法的本质是应用神经网络建立
了系统参数模型,将时变参数系统的参数变化规律转化为神经网络参数模型,反
映了参数随状态而变的规律,即当系统变化后,可直接由模型得到系统的时变参
数,而无需辨识过程。
在神经网络参数模型的基础上,结合文献己知系统模型下
控制参数的计算,推导出一种自适应控制算法。
通过在计算机上对非线
性系统仿真,结果表明了这种自适应控制算法的有效性。
.文章结构
第章绪论。
首先叙述了研究人工智能的目的及意义,其次讨论了人工智能
顾志强:
基于人工智能的算法研究
与人工智能控制的发展与现状,最后简单介绍了人工智能神经网络控制系统特
性、作用和结构、以及当前的研究课题。
第章人工智能概念。
本章主要介绍了人工智能概念的概念,描述了几种典
型的人工智能控制结构。
第章人工智能控制算法。
本章首先介绍了人工智能控制算法的理论基础,
其次分析了控制算法的原理和仿真实现。
第章控制算法的应用。
本章首先提出了基于控制算法的改进算法,
并分别以动态和静态校正实现该改进算法。
第章改进型神经网络控制器设计及其仿真研究。
本章首先介绍了改进
型神经网络自适应控制算法,该算法是本论文的主要创新点,在这一章详
细阐述了它与其他神经网络自适应控制算法的不同之处,最后通过仿真,
先对参数为定常和时变的系统进行系统辨识,辨识结果验证了该算法对参数估计
的收敛性,最后对非线性系统进行系统辨识,辨识结果表明了该算法能够进行在
线实时辨识,从而达到很好的控制效果。
扬州火学工程硕士学位论文
第二章人工智能概念
.基本概念
人工智能控制理论经过十多年的发展,吸收了其他智能控制理论的精华,并
从仿人的角度,提出并逐步阐明了特征模型,特征辨识,特征记忆,稳定性监控
等一系列基本概念,多智能控制机的研制,在技术上为人工智能控制的分
级递阶信息处理和并行的信息流驱动方式的实现提供了基础。
己基本上形成了其
理论体系。
如何对人的控制功能进行模拟。
人工智能控制理论首先遇到的问题就是如何
建立控制问题的广义数学模型特征模型。
人工智能控制认为,系统的误差,
误差对时间的导数,以及时间构成了控制问题求解的信息空间。
这里,误差
可一,是系统的输入,是系统的输出。
控制的目的一般都是当?
时,使得舻。
系统运动在误差信息空间所呈的轨迹,反映了系统所需的
动态信息,不仅反映了被控对象的动态信息,而且也反映了控制作用对系统的影
响。
人是通过对事物特征的认识而认识该事物的,那么,系统在信息空间中所有
特征信息的集合,反映了系统的动态特征,构成了人工智能控制的广义数学模型
要了一一特征模型。
根据人工智能控制器的提出者周其鉴、李祖枢的文献,解人
工智能控制器首先必须要了解以下几个定义:
定义:
特征模型?
是对智能控制系统动态特征的定量
与定性描述相结合的模型,是针对控制问题求解和控制指标要求的不同,对系统
动态信息空间艺的一种划分,划分出的每一区域分别表示系统的一种特征状态
尹,。
特征模型为所有特征状态的集合,即?
。
:
。
?
?
研?
?
顾志强:
基于人工智能的算法研究
特征状态由一些特征基元,的组合来描述,设特征基元集为,,,?
?
其中,对误差信息空间而言常用的有:
?
蠢
。
?
吲口?
五?
一:
?
纵鸩?
。
?
卜必,?
卜?
.式中,南,,
均为闽值,为误差的第次峰值,则特征模型?
与特征元集的关系为
?
式中,为维向量,为维特征基元向量,【.为阶关系矩阵,
可取一,三个值,分别表示取反、取零和取正;符号。
表示一种“与
矩阵相乘关系
【?
宰?
。
】,
当,,,?
?
,中除,一之外均等于零时
斗知阶刁
定义:
特征辨识是智能控制依据特征模型中对采样信息在线处理,模式识
别确定系统当前处于什么样的特征状态的过程。
在整个控制过程中,控制器将接
受大量的信息,将其记录下来可以评判控制效果、确定控制策略、校正控制参数
和影响控制输出。
但控制器记忆有限,不能全部记忆。
实际上对于控制与决策而
言,这些信息中绝大多数是冗余的,真正需要记忆的只是一些特征信息。
定义:
特征记忆是指智能控制对一些反映前期决策与控制效果的特征量和
反映控制任务要求及被控对象性质的特征量的记忆。
记特征记忆量集合为:
九,,?
~,扎?
?
其中常用到的特征记忆量有:
:
?
?
误差的第次极值;如:
一前期输出量扬州大学工程硕士学位论文
的保持值;如:
口。
?
?
误差的第次过零速率;:
?
?
误差极值间隔时间。
采
用特征记忆的好处有:
可以直接影响控制与校正的输出量,可以改善控制效
果:
可以作为自校正、自适应、自学习的根据;可用做系统稳定性监控的依
据;记忆效果高,占用存储单元少。
人的控制策略是灵活多变的,不仅控制策
略不同,而且即使同一对象在相同的动态响应状态下或在不同的控制要求下控制
模态也会不同。
定义:
控制决策模态集合、,是指控制输出与输出信息和特征记忆信
息八合起来记为之间的某种定量或定性映射关系的集合,即甲
、,,?
?
其中,坼:
:
丘,九,?
?
或、,:
丘一条件操
作。
智能控制理论认为:
智能控制中这种不断变化策略的控制方式,称为多模态
控制决策。
这种通过特征辨识识别出系统当前处于什么特征运动状态,并立即
实际上可以看成是对人的启发式和直觉推理逻采取相应的控制模态的过程,
辑的
一种模仿。
定义:
启发与直觉推理规则是对人专家决策过程的一种模仿,它依据特征辨识结果确定决策与控制策略,可用产生式规则形成“?
一予以描述。
总而言之,特征辨识与多模态控制可以说是一种具有二次映射关系的信
息处理过程,即,,?
:
币一、,,;
吼
定性映射;叩:
一甲:
、胆,?
?
驴;,
?
定性映
,她,?
?
定量映射;或?
条件操作
射。
定义:
分层的信息处理与决策机构是求解控制问题的一种高阶产生式系统机构,是对人的神经结构或人专家及其群体机构决策的一种模仿。
顾志强:
基于人工智能的算法研究
.典型的人工智能控制系统结构
人工智能控制系统具有分层递阶的控制结构,各控制层次遵循层次越高智能增加精度降低的原则。
尽管在低层次的执行级智能要低一些,要求有较高的
精度
和实时性,但要满足在复杂环境中的高速、高精度的控制要求,常规控制器显然
是很难满足要求的。
从仿人的运行协调分级信息处理结构中可以看出,人的许多
条件反射行为都是由低级的神经单元处理的,其输入?
输出呈一种复杂的直接映
射关系,显然具有一定的职能因素。
事实证明,人工智能控制在执行级的智能控
制算法在实时控制之中具有比常规控制器更优良的控制品质。
作为一种规则控制的职能控制方法,人工智能控制采用了这种高阶产生式系
统结构,产生式系统由数据库、规则库和推理机也称为规则应用模块,规则解
释器或规则控制器组成,它方便地描述了问题求解过程。
多层次的问题求解过
程对应着高阶产生式系统结构。
典型的人工智能控制系统结构采用高阶产生式系统结构,由中枢司令级、
组织协调级和单元控制级组成。
每个单元控制器又是一个二阶产生式系
统结构,由任务自适应级,参数自校正级和运行级组成见图.。
扬州大学工程硕上学位论文
教控对象
图.人工智能控制系统结构
构成单元控制级的三级结构的运行控制级、参数自校正级和任务
自适应级均有自己的特征辨识器、推理机和规则库,三级间蕴含的
信息交换通过公共数据库完成。
单元控制级的分级结构如下:
图.人工智能控制系统的单元控制级结构
顾志强:
基于人智能的算法研究
的规则库
升级会员 