智能PID控制方法的研究现状及应用展望

SAY

智能PID控制方法的研究现状及应用展望

ntelligent PI D Control of the Status and the Application of PROSpect

王威  扬平

(上海电力学院电力与自动化工程学院，上海200090)
摘要：在传统PID控制基础上，融合了先进智能控制思想和传统PID控制的智能PID控制器在很多方面表现出更好的特性。现今的P|D控制已逐渐向智能化、自适应化、最优化的趋势发展。介绍了几种常见的智能PID控制器，如模糊PID、神经网络PID、遗传算法PID控制等。分析了它们各自的典型结构及特点，并总结了近年来智能PID控制器研究的重点方向和存在的问题，最后论述了智能PID控制器的应用前景。
关键词：PID控制神经网络智能复合控制模糊控制遗传算法
中图分类号：TP273 文献标志码：A
Abstract：The intelligent PID controller integrated advanced intelligent control concept and conventional PID control offers more favorable characteristies than the conventional PID control in many aspects．At present。the developing trend of PID control is facing more intelligent。sema．daptive。and optimized．Some of the commonly used intelligent PID controllers-including Fuzzy—PID，NN—PID，and PID control ba．∞t Off genetiealgorithm are introduced；and the typical structure and features of these controllers are analyzed respectively．The major issues and existing problems in researching intelligent PID controllers are summarized。and the prospective application of these controllers is expounded finally．
Keywords：PID control Neural network Intelligent compound control Fuzzy control Genetic algorithm

0引言
      PID调节器及其改进型是在工业控制中最常见的控制器¨‘2 3。PID控制中一个关键的问题便是PID对参数的整定，使PID控制系统达到所期望的控制性能po。但是在实际的应用中，许多被控过程机理复杂，具有高度非线性、时变不确定性和纯滞后等特点，特别是在噪声、负载扰动等因素的影响下，过程参数甚至模型结构均会随时间和工作环境的变化而变化。DES—BOROUGH和MILLER在2002年的一次统计报告中指出，目前在美国有超过11 600个具有PID控制器结构的调节器广泛应用于工业控制领域中，有超过97％的反馈回路采用了PID控制算法【4J，甚至在一些复杂的控制律中，其基本控制层采用的依旧是PID控制算法∞1。然而，只有近1／3的PID控制器在实际应用过程中取得了令人满意的控制效果，有2／3的PID控制系统的控制性能达不到用户所期望的要求H 3。这给控制理论研究和应用带来了前所未有的机遇和挑战。
     智能控制是控制理论、人工智能、信息论和运筹学等旧3多方面综合而成的交叉学科，主要用于处理两大类问题i71：①难以用数学模型进行准确描述的大规模和复杂非线性系统，需要引入人为因素才能进行有效控制；②控制目标通常需要分解成多个子任务的系统。智能PID控制器吸收了智能控制与常规PID控制两者的优点坤。。首先，它具备自学习、自适应、自组织的能力，能够自动辨识被控过程参数、自动整定控制参数，能够适应被控过程参数的变化；其次，它又具有常规PID控制器结构简单、鲁棒性强、可靠性高、为现场工程设计人员所熟悉等特点。正是这两大优势，使得智能PID控制成为众多过程控制中一种较理想的控制装置。因此，人们开始较多地关注比较流行的几种智能PID控制器，考察它们的构成形式、各自特点和未来发展趋势。
1模糊Pm控制器
     模糊控制器FC(fuzzy controller)是一种近年来发展和应用最普遍的新型控制器，其优点是不要求提供受控对象的数学模型，根据人工控制规则来设计控制决策表。模糊控制与PID控制有着密切的联系，事实上，模糊控制在很多情况下被称作为非线性PID控制。将模糊控制和PID控制两者结合起来，扬长避短，既具有模糊控制灵活、适应性强的优点，又具有PID控制精度高的特点。
     在常规的模糊控制中，为实现简便性和快速性，通常采用e和ec作为模糊控制器的输入，因而，具有类似于常规PD控制器的作用。根据线性控制理论，此类模糊控制器有可能获得良好的动态特性，但无法消除静态误差。为了改善模糊控制的稳态性能，通常在模糊控制系统中引人模糊积分环节。图l所示的是BASSEVILLE M提出的一种模糊控制器。误差的模糊值经积分后与常规模糊控制器的输出进行叠加构成控制器的最终输出。这种对误差的模糊值进行积分的PID模糊控制器可以消除大的系统静差，但是，要减小零点附近的极限环振荡，必须增加控制规则，这样就增加了系统设计的复杂程度。

     对模糊控制引入规则修正因子、模糊控制与PID控制的有机结合以及利用模糊控制机制对PID参数进行整定是有代表性的研究工作，并且在工业应用方面已经有很多探讨。文献[9]对模糊PID控制器的设计方法、性能及稳定性进行了分析，文献[10—11]将模糊PID控制应用于火电厂主气温控制、羰基合成反应装置中温度控制系统，文献[12一13]对模糊PID控制器进行了基于FPGA和单片机的硬件实现。
2神经网络PID控制器
     人工神经网络ANN(artificial neural network)是最近发展起来的十分热门的交叉学科。它涉及生物、电子计算机、数学、和物理等学科，有着非常广泛的应用背景，这门学科的发展对目前和未来的科学技术的发展将有着重要的影响。以大规模并行处理为主要特征的神经网络具有学习、记忆、联想、容错、并行处理等能力，已在控制领域得到广泛的应用。基于神经网络的PID控制，其结构方式有两类：一类是单神经元控制，即神经元输入权值一一对应PID参数，神经元输入值为经过比例、积分、微分处理的偏差值，其主要局限性在于单神经元结构无任意函数逼近能力；另一类是在常规PID控制器的基础上增加一个神经网络模块，按照BP学习算法(如前向算法和反传算法)进行离线学习，实时调整出PID参数，同时还要继续学习不断地调整神经网络中各神经元间权系数，以适应被控对象的变化，因此，具有很强的适应性。
     图2所示的是一种神经网络PID控制器¨“。其中的神经网络控制器部分实际是一个前馈控制器，它建立的是被控对象的逆向模型。从图2可以看出，神经网络控制器通过向传统控制器的输出进行学习，在线调整自己，目标是使反馈误差e或肛，趋近于零，从而使自己逐渐在控制作用中占据主导地位，以便最终取消反馈控制器的作用。但是以PID构成的反馈控制器一直存在，一旦系统出现干扰动，反馈控制器马上可以重新起作用。因此，采用这种前馈加反馈的智能控制方法，不仅可确保控制系统的稳定性和鲁棒性，而且可有效地提高系统的精度和自适应能力。文献[15]提出了一种基于对角回归神经网络的PID控制器结构，分别建立了基于对角回归神经网络和BP网络的液位实时控制系统，具有较好的鲁棒性。

3遗传算法PID控制器
     20世纪90年代末，即在遗传算法GA等进化计算思想提出20年后，在生物医学界和自动控制界出现了研究进化控制的苗头¨6|。遗传算法是基于自然选择和基因遗传学原理的搜索算法，达尔文主义的“适者生存”基本理论贯穿于整个算法。基本思想就是将待求解问题转换成由个体组成的演化群体和对该群体进行操作的一组遗传算子，包括4个基本操作：选择、复制、交叉、变异。
     基于遗传算法的自适应PID控制的一种原理框图如图3所示，图中省略了遗传算法的具体操作过程。其思想就是将控制器参数构成基因型，将性能指标构成相应的适应度，便可利用遗传算法来整定控制器的最佳参数，并且不要求系统是否为连续可微的，能否以显式表示。当遗传算法用于PID控制参数寻优时，其操作流程主要包括：①优化问题表示，包括确定待寻优参数、参数编码成位串、形成个体；②生成初始种群；③通过复制、交叉、变异等算子更新种群；④结束进化过程。在许多情况下，PID控制器为混合控制器，如一种基于遗传算法的模糊PID控制器。模糊PID控制器中需要做调整最多的是各个模糊集合的隶属函数，这是决定模糊控制性能的关键。模糊PID在正式投入使用并胜任工作之前，需反复试凑，这其实是一个寻优过程，而这项工作可以由遗传算法来完成。

     基于遗传算法的PID具有以下特点：①把时域指标同频域指标做了紧密结合，鲁棒性和时域性都能得到良好保证；②采用了新型自适应遗传算法，收敛速度和全局优化能力大大提高；③具有较强的直观性和适应性；④较为科学地解决了确定参数搜索空间的问题，克服了人为主观设定的盲目性。在应用方面，文献[17]针对新一代资源卫星使用遗传算法PID参数自整定的方法进行了卫星姿态控制，有效地消除了可转动载荷对卫星姿态的影响。文献[18]提出了一种基于改进遗传算法寻优的神经网络PID控制方法，不仅解决了遗传算法存在的缺陷，而且提高了寻优精度和快速收敛性能。
4智能PID控制器研究及应用展望
     除上述的三种控制方法以外，专家控制、学习控制、仿人控制、免疫算法等都在发展之中。纵观近年来智能PID控制的发展，可以大致归纳出以下特点：
     ①智能复合控制成为提供和改善智能控制性能的有效途径，并成为研究的重点。近几年来，模糊控制与神经网络的结合代表着控制与智能系统研究的一个新的趋势，另外有一个值得注意的动向是利用遗传算法GA对神经网络的PID控制器的权系数进行寻优，而将遗传算法应用于模糊控制，被证明是调整规则和隶属函数的一种有效方法。文献[19]将遗传算法、模糊控制和免疫反馈机理与传统的PID控制相结合，提出了基于遗传整定的模糊免疫PID控制算法并将它应用在双容液位系统的控制中。
     ②PID控制重新受到广泛重视，并和智能控制等方法结合，形成新一轮的研究热潮。国际著名学术刊物Control Engineering Practice和IEEE Control Systems Magazine分别于2001和2006年出版了PID控制特辑。2000年，IFAC数字控制工作组在西班牙Terrassa举行了专题为“Past．Present and Future of PID Control”的PID控制学术会议。国际著名控制理论学者AS．TROM教授指出，PID控制器在未来的控制工程中仍将继续扮演重要的角色，同时将成为各种复杂控制器的基本单元。国内学者吴宏鑫院士提出的“特征建模”理论脚。2¨，第一次从理论上论证了PID控制器广泛应用的理论依据并且指出，PID控制器具有独特的优越性，它将成为复杂系统智能控制中最基本、最基础的子控制单元僻J。
     ③在理论研究特别在应用方面，国内与国外差距明显。国外如13本、欧美等国家不但在理论研究方面走在前列，而且已经有成功应用的产品，Yokogawa电气和Fuji电气的温度控制器，它们把模糊逻辑与标准的PID控制集成在一起来抑制超调，取得了成功。而国内重复研究的多，创造性研究的少；停留于仿真成果的多，能够在工程上应用的少，尤其是运行时问较长的智能PID控制器可以说微乎其微。这一状况需要广大理论工作者和工程技术人员共同努力，尽快转变这一局面。
5结束语
     综上所述，智能PID控制方法将智能控制与传统PID控制结合起来，可以很好地控制复杂的非线性系统，兼顾了各种方法的优点。随着控制理论和计算机软硬件技术的不断发展和传感器集成化程度的提高，智能PID控制必将是极有发展前途的研究和应用方向。


参考文献
[1]须田信英．PID控制理论与实务[M]．台北：全华科技图书股份有限公司，1992．
[2]ASTROM K J，HAGGLUND T．PID controllers：theory，design，and tuning[M]．2nd ed．NC，Research Triangle Park：Instrument Society of American，1995．
[3]WENDELL S R．Take control of PID tuning[J]，Plant Engineerlag，2005，59(9)：57-60．
[4]DESBOUROUGH L，MILLER R．Increasing customer value ofindustrial control peffonnmw弛monitoring-Honeywell's aq)erience[C]．Proceedings of the 6th International Conference Oil Chemical Process Control，2002：172—192．
[5]QIN S J，BADGWELL T A．An overview of industrial model pre·dictive control technology[R]．CACHE，AICHE，1997：232—256
[6]蔡自兴．智能控制的结构理论[C]．中国人工智能学会首届计算机视觉与智能控制学术年会论文集，1989：29—32．
[7]许力．智能控制与智能系统[M]．北京：机械工业出版社，2007．
[8]沈永福，吴少军．邓方林．智能PID控制综述[J]．工业仪表与自动化装置，2002(6)：11一13．
[9]CARVAJAL J，CHEN G，HALUK 0．Fu=y PID controller：Design．performance evaluation，and stability maJysi8[J]．Idormation Sciences，2000。123(3)：249—270．

修改稿收到日期：2008—06—20。
第一作者王威，男．1984年生．现为上海电力学院电力系统及其自动化专业在读硕士研竞生；主要从事智能控制、潮拄系统方向的研究。

智能PID控制方法的研究现状及应用展望.pdf(404.8 KB, 下载次数: 4)<div class="tip tip_4" id="attach_445_menu" style="position: absolute; display: none" disautofocus="true"><div class="tip_c xs0">2015-11-9 00:16 上传
点击文件名下载附件