慣導(dǎo)測(cè)試與仿真設(shè)備報(bào)告.docx

慣導(dǎo)測(cè)試與仿真設(shè)備報(bào)告學(xué) 院：航天學(xué)院專 業(yè)：控制科學(xué)與工程姓 名：徐銳學(xué) 號(hào)：09S004135PID控制的應(yīng)用及發(fā)展趨勢(shì)目前工業(yè)自動(dòng)化水平已成為衡量各行各業(yè)現(xiàn)代化水平的一個(gè)重要標(biāo)志。同時(shí)，控制理論的發(fā)展也經(jīng)歷了古典控制理論、現(xiàn)代控制理論和智能控制理論三個(gè)階段。智能控制的典型實(shí)例是模糊全自動(dòng)洗衣機(jī)等。自動(dòng)控制系統(tǒng)可分為開環(huán)控制系統(tǒng)和閉環(huán)控制系統(tǒng)。一個(gè)控制系統(tǒng)包括控制器、傳感器、變送器、執(zhí)行機(jī)構(gòu)、輸入輸出接口?？刂破鞯妮敵鼋?jīng)過輸出接口、執(zhí)行機(jī)構(gòu)，加到被控系統(tǒng)上；控制系統(tǒng)的被控量，經(jīng)過傳感器，變送器，通過輸入接口送到控制器。不同的控制系統(tǒng)，其傳感器、變送器、執(zhí)行機(jī)構(gòu)是不一樣的。比如壓力控制系統(tǒng)要采用壓力傳感器。電加熱控制系統(tǒng)的傳感器是溫度傳感器。目前，PID控制及其控制器或智能PID控制器（儀表）已經(jīng)很多，產(chǎn)品已在工程實(shí)際中得到了廣泛的應(yīng)用，有各種各樣的PID控制器產(chǎn)品，各大公司均開發(fā)了具有PID參數(shù)自整定功能的智能調(diào)節(jié)器 (intelligent regulator），其中PID控制器參數(shù)的自動(dòng)調(diào)整是通過智能化調(diào)整或自校正、自適應(yīng)算法來實(shí)現(xiàn)。有利用PID控制實(shí)現(xiàn)的壓力、溫度、流量、液位控制器，能實(shí)現(xiàn)PID控制功能的可編程控制器(PLC），還有可實(shí)現(xiàn)PID控制的PC系統(tǒng)等等?？删幊炭刂破鳎≒LC) 是利用其閉環(huán)控制模塊來實(shí)現(xiàn)PID控制，而可編程控制器（PLC）可以直接與ControlNet相連，如Rockwell的PLC-5等。還有可以實(shí)現(xiàn) PID控制功能的控制器，如Rockwell 的Logix產(chǎn)品系列，它可以直接與ControlNet相連，利用網(wǎng)絡(luò)來實(shí)現(xiàn)其遠(yuǎn)程控制功能。一、PID的原理方法在工程實(shí)際中，應(yīng)用最為廣泛的調(diào)節(jié)器控制規(guī)律為比例、積分、微分控制，簡(jiǎn)稱PID控制，又稱PID調(diào)節(jié)。PID控制器問世至今已有近70年歷史，它以其結(jié)構(gòu)簡(jiǎn)單、穩(wěn)定性好、工作可靠、調(diào)整方便而成為工業(yè)控制的主要技術(shù)之一。當(dāng)被控對(duì)象的結(jié)構(gòu)和參數(shù)不能完全掌握，或得不到精確的數(shù)學(xué)模型時(shí)，控制理論的其它技術(shù)難以采用時(shí)，系統(tǒng)控制器的結(jié)構(gòu)和參數(shù)必須依靠經(jīng)驗(yàn)和現(xiàn)場(chǎng)調(diào)試來確定，這時(shí)應(yīng)用PID控制技術(shù)最為方便。即當(dāng)我們不完全了解一個(gè)系統(tǒng)和被控對(duì)象，或不能通過有效的測(cè)量手段來獲得系統(tǒng)參數(shù)時(shí)，最適合用PID控制技術(shù)。PID控制，實(shí)際中也有PI和PD控制。PID控制器就是根據(jù)系統(tǒng)的誤差，利用比例、積分、微分計(jì)算出控制量進(jìn)行控制的。比例（P）控制比例控制是一種最簡(jiǎn)單的控制方式。其控制器的輸出與輸入誤差信號(hào)成比例關(guān)系。當(dāng)僅有比例控制時(shí)系統(tǒng)輸出存在穩(wěn)態(tài)誤差（Steady-state error）。積分（I）控制在積分控制中，控制器的輸出與輸入誤差信號(hào)的積分成正比關(guān)系。對(duì)一個(gè)自動(dòng)控制系統(tǒng)，如果在進(jìn)入穩(wěn)態(tài)后存在穩(wěn)態(tài)誤差，則稱這個(gè)控制系統(tǒng)是有穩(wěn)態(tài)誤差的或簡(jiǎn)稱有差系統(tǒng)（System with Steady-state Error）。為了消除穩(wěn)態(tài)誤差，在控制器中必須引入“積分項(xiàng)”。積分項(xiàng)對(duì)誤差取決于時(shí)間的積分，隨著時(shí)間的增加，積分項(xiàng)會(huì)增大。這樣，即便誤差很小，積分項(xiàng)也會(huì)隨著時(shí)間的增加而加大，它推動(dòng)控制器的輸出增大使穩(wěn)態(tài)誤差進(jìn)一步減小，直到等于零。因此，比例+積分（PI）控制器，可以使系統(tǒng)在進(jìn)入穩(wěn)態(tài)后無穩(wěn)態(tài)誤差。微分（D）控制在微分控制中，控制器的輸出與輸入誤差信號(hào)的微分（即誤差的變化率）成正比關(guān)系。自動(dòng)控制系統(tǒng)在克服誤差的調(diào)節(jié)過程中可能會(huì)出現(xiàn)振蕩甚至失穩(wěn)。其原因是由于存在有較大慣性組件（環(huán)節(jié)）或有滯后（delay）組件，具有抑制誤差的作用，其變化總是落后于誤差的變化。解決的辦法是使抑制誤差的作用的變化“超前”，即在誤差接近零時(shí)，抑制誤差的作用就應(yīng)該是零。這就是說，在控制器中僅引入 “比例”項(xiàng)往往是不夠的，比例項(xiàng)的作用僅是放大誤差的幅值，而目前需要增加的是“微分項(xiàng)”，它能預(yù)測(cè)誤差變化的趨勢(shì)，這樣，具有比例+微分的控制器，就能夠提前使抑制誤差的控制作用等于零，甚至為負(fù)值，從而避免了被控量的嚴(yán)重超調(diào)。所以對(duì)有較大慣性或滯后的被控對(duì)象，比例+微分（PD）控制器能改善系統(tǒng)在調(diào)節(jié)過程中的動(dòng)態(tài)特性。二、PID參數(shù)的預(yù)置與調(diào)整比例增益 P變頻器的 PID 功能是利用目標(biāo)信號(hào)和反饋信號(hào)的差值來調(diào)節(jié)輸出頻率的，一方面，我們希望目標(biāo)信號(hào)和反饋信號(hào)無限接近，即差值很小，從而滿足調(diào)節(jié)的精度：另一方面，我們又希望調(diào)節(jié)信號(hào)具有一定的幅度，以保證調(diào)節(jié)的靈敏度。解決這一矛盾的方法就是事先將差值信號(hào)進(jìn)行放大。比例增益 P 就是用來設(shè)置差值信號(hào)的放大系數(shù)的。任何一種變頻器的參數(shù) P 都給出一個(gè)可設(shè)置的數(shù)值范圍，一般在初次調(diào)試時(shí)， P 可按中間偏大值預(yù)置或者暫時(shí)默認(rèn)出廠值，待設(shè)備運(yùn)轉(zhuǎn)時(shí)再按實(shí)際情況細(xì)調(diào)。積分時(shí)間P如上所述比例增益 P 越大，調(diào)節(jié)靈敏度越高，但由于傳動(dòng)系統(tǒng)和控制電路都有慣性，調(diào)節(jié)結(jié)果達(dá)到最佳值時(shí)不能立即停止，導(dǎo)致“超調(diào)”，然后反過來調(diào)整，再次超調(diào)，形成振蕩。為此引入積分環(huán)節(jié) I ，其效果是，使經(jīng)過比例增益 P 放大后的差值信號(hào)在積分時(shí)間內(nèi)逐漸增大 ( 或減小 ) ，從而減緩其變化速度，防止振蕩。但積分時(shí)間 I 太長(zhǎng)，又會(huì)當(dāng)反饋信號(hào)急劇變化時(shí)，被控物理量難以迅速恢復(fù)。因此， I 的取值與拖動(dòng)系統(tǒng)的時(shí)間常數(shù)有關(guān)：拖動(dòng)系統(tǒng)的時(shí)間常數(shù)較小時(shí)，積分時(shí)間應(yīng)短些；拖動(dòng)系統(tǒng)的時(shí)間常數(shù)較大時(shí)，積分時(shí)間應(yīng)長(zhǎng)些。微分時(shí)間D微分時(shí)間 D 是根據(jù)差值信號(hào)變化的速率，提前給出一個(gè)相應(yīng)的調(diào)節(jié)動(dòng)作，從而縮短了調(diào)節(jié)時(shí)間，克服因積分時(shí)間過長(zhǎng)而使恢復(fù)滯后的缺陷。D 的取值也與拖動(dòng)系統(tǒng)的時(shí)間常數(shù)有關(guān)：拖動(dòng)系統(tǒng)的時(shí)間常數(shù)較小時(shí)，微分時(shí)間應(yīng)短些；反之，拖動(dòng)系統(tǒng)的時(shí)間常數(shù)較大時(shí)， 微分時(shí)間應(yīng)長(zhǎng)些。三、智能PID的發(fā)展趨勢(shì)1PID人工智能基礎(chǔ)微電子技術(shù)、計(jì)算機(jī)軟硬件是PID智能控制器構(gòu)成的基礎(chǔ)之一，另一個(gè)基礎(chǔ)是智能化理論，當(dāng)前智能化理論主要是指專家系統(tǒng)、模糊集理論、神經(jīng)網(wǎng)絡(luò)、混沌集理論等內(nèi)容。實(shí)時(shí)專家系統(tǒng)除了專家系統(tǒng)的組成部分(知識(shí)庫(kù)、數(shù)字庫(kù)及推理機(jī))外，還應(yīng)有獲取知識(shí)、人機(jī)接口及解釋執(zhí)行的機(jī)構(gòu)。作為專家系統(tǒng)的知識(shí)，應(yīng)該是實(shí)踐經(jīng)驗(yàn)豐富、被證明是有效的知識(shí)，盡可能完備、完滿與正確。而推理決策的結(jié)果應(yīng)有可復(fù)現(xiàn)性或重復(fù)性，知識(shí)獲取可借助于DCS的數(shù)據(jù)采集系統(tǒng)，并通過啟發(fā)式之類的專家推理邏輯，對(duì)獲取知識(shí)加以確認(rèn)使知識(shí)得到更新。DCS采用某類軟件平臺(tái)后，如Onspee與Intouch，實(shí)現(xiàn)PID專家系統(tǒng)的軟件或硬件接口已得到解決。專家系統(tǒng)推理規(guī)則一般為“If條件函數(shù)置Xithen決策函數(shù)Yi”相當(dāng)于查字典的推理決策。智能PID優(yōu)化同確定性PID優(yōu)化的差別在于智能PID優(yōu)化是不考慮被控制對(duì)象的特性，它僅根據(jù)被控制系統(tǒng)的控制偏差e、偏差變化速度de/dt及其歷史狀態(tài)，應(yīng)用各種智能優(yōu)化推理方法、模糊推理、神經(jīng)網(wǎng)絡(luò)等，確定最優(yōu)的控制器輸出量或決定P,I,D三個(gè)參數(shù)的最優(yōu)加權(quán)系數(shù)，這就是無對(duì)象模型的PID優(yōu)化控制，而有對(duì)象模型的確定性的PID優(yōu)化控制則是根據(jù)已知的對(duì)象模型，按已有的PID參數(shù)整定規(guī)則，由人工調(diào)整PID參數(shù)(Kp,Ti與Td)。如果改手動(dòng)調(diào)整為自動(dòng)調(diào)整，則是自整定PID調(diào)節(jié)，自整定PID調(diào)節(jié)器就是智能PID控制器的雛型。有模型的智能PID控制器的困難在于實(shí)時(shí)辨識(shí)模型結(jié)構(gòu)及其參數(shù)，雖然辨識(shí)模型的方法很多，而且都富有成效，如時(shí)間序列法、參考模型法、最小二乘法、滾動(dòng)模型辨識(shí)法等，但往往由于模型計(jì)算時(shí)間長(zhǎng)，擬合方法又費(fèi)時(shí)使實(shí)時(shí)辨識(shí)模型難以實(shí)現(xiàn)，加上目前的許多辨識(shí)方法不適用于非線性與非平穩(wěn)隨機(jī)過程，所以無模型的智能控制器受到學(xué)術(shù)界與工程界的重視2智能PID控制的發(fā)展近年來，人們對(duì)模糊智能PID控制器、神經(jīng)網(wǎng)絡(luò)智能PID控制器、混沌PID智能控制器及遺傳算法一神經(jīng)網(wǎng)絡(luò)PID智能控制器等，產(chǎn)生了濃厚的興趣，研究者甚多。但是，在目前研究中，重復(fù)研究的多，創(chuàng)造性研究的少；停留于仿真成果的多，能夠在工程上應(yīng)用的少，尤其是運(yùn)行時(shí)間較長(zhǎng)的智能PID控制器?？梢哉f微乎其微。1965年，美國(guó)加州大學(xué)L_AZadeh提出模糊集Fuzzy Set理論，20世紀(jì)80年代模糊控制器已在許多領(lǐng)域推廣應(yīng)用，如蒸汽發(fā)動(dòng)機(jī)、交流伺服系統(tǒng)、艦艇、飛機(jī)、空調(diào)器、洗衣機(jī)等都有應(yīng)用模糊控制的報(bào)導(dǎo)，在過程控制中也曾風(fēng)靡一時(shí)，但至今效果都不理想，原因是當(dāng)時(shí)的模糊控制器敵不過常規(guī)的PID控制器。模糊控制器的研究，許多是重復(fù)前人的二維控制器的設(shè)計(jì)思路，以誤差e(t)及誤差變化de(t)dt作為輸入量，后經(jīng)模糊量化處理成模糊量E與EC，送人模糊算法模塊運(yùn)算，產(chǎn)生控制輸出決策U，再經(jīng)反模糊化處理，變成閉環(huán)系統(tǒng)的統(tǒng)一信號(hào)，二維模糊控制器可以理解為非線性PD控制器，非線性可增加系統(tǒng)的適應(yīng)性，但PD控制有一個(gè)明顯的缺點(diǎn)，就是無法消除自衡對(duì)象的控制偏差，許多模糊控制的論文都是圍繞如何消除系統(tǒng)控制偏差進(jìn)行的，如在模糊決策之前或之后加入一個(gè)確定性的PI控制模塊，形成PDPI決策模糊算法或PIPD模糊算法。確定性PID控制有一系列的成熟整定參數(shù)的經(jīng)驗(yàn)，而模糊PDPI或PIPD的參數(shù)整定卻不成熟，而且固定的模糊控制算法難以適應(yīng)過程控制系統(tǒng)多變的環(huán)境，因而不少學(xué)者研究以模糊控制、PID控制各為一模的雙?？刂疲騀uzzyPI的雙?？刂?，目的都是為提高Fuzzy控制系統(tǒng)的環(huán)境適應(yīng)性。有些學(xué)者研究FuzzyPPI三?？刂?，其關(guān)鍵的問題是如何選擇切換條件與界限，而且模型數(shù)量太多，調(diào)試系統(tǒng)會(huì)更加困難，這些都應(yīng)在今后的研究中加以解決。神經(jīng)網(wǎng)絡(luò)控制器(NNPID)是將控制算式改寫成PID=Kp1+1TiS+TdS=W1+W2S+W3S，即控制器是對(duì)誤差e=X1、誤差積分etdt=X2，與誤差微分detdt=X3進(jìn)行加權(quán)運(yùn)算，亦即m=W1X1+W2X2+W3X3，以此作為神經(jīng)網(wǎng)絡(luò)的輸入層，隱含層則多數(shù)采用Sigmoid函數(shù)，SX=1+exp(-x)-1并同輸入層、輸出層一起構(gòu)成神經(jīng)網(wǎng)絡(luò)向前三層結(jié)構(gòu)模型，其控制器的好壞在很大程度上是取決于輸入層權(quán)系數(shù)Wi， i=1，2，3的選擇。盡管可供選擇的優(yōu)化方法很多，一般還是選擇BP算法，但BP算法本質(zhì)上是梯度尋優(yōu)的一種方法，容易陷入局部最優(yōu)解，而不是真正的全局優(yōu)化。近幾年來，有一個(gè)值得注意的動(dòng)向是利用遺傳算法GA對(duì)神經(jīng)網(wǎng)絡(luò)的PID控制器的權(quán)系數(shù)Wi，i=1，2，3進(jìn)行尋優(yōu)。由于GA中尋優(yōu)的“交叉”與“變異”可以使搜尋過程跳出局部?jī)?yōu)化區(qū)域，而“選擇”又可使局部區(qū)域的優(yōu)化解保留與復(fù)制下來，因而是一種較理想的參數(shù)尋優(yōu)方法，比窮舉法可大大節(jié)約參數(shù)尋優(yōu)的時(shí)間，但對(duì)于某些對(duì)象參數(shù)尋優(yōu)的時(shí)間仍需很長(zhǎng)。DA在NNPID應(yīng)用的成功關(guān)鍵是看能否達(dá)到實(shí)時(shí)控制，對(duì)于快變對(duì)象，目前看來仍然是有困難。同PID控制器一樣，GANNPID控制器雖然較好地解決時(shí)變對(duì)象的控制問題，但不適用于大滯后對(duì)象與快速非線性響應(yīng)的對(duì)象的控制。不少研究者已對(duì)此類問題發(fā)生興趣，如采用Simth預(yù)估器補(bǔ)償大滯后，采用IMC(內(nèi)?？刂?補(bǔ)償大滯后以及滯后削弱器方法等，事先將有滯后的對(duì)象演變成無滯后或小滯后的等效對(duì)象，再按PID控制方式筑成NNPID控制系統(tǒng)。無論那種大滯后補(bǔ)償結(jié)構(gòu)，對(duì)象誤差模型的參數(shù)靈敏度都較大，系統(tǒng)的魯棒性不高，這些都是應(yīng)用中存在的問題。至于非線性問題，可在控制器與對(duì)象之間插入一種稱之為逆非線性補(bǔ)償器的函數(shù)模塊，將非線性控制轉(zhuǎn)換成準(zhǔn)線性控制，再采用NNPID控制，但目前僅見諸于學(xué)術(shù)研究，尚未見到工程成功實(shí)例，這些研究能否獲得工程應(yīng)用，關(guān)鍵是要看最終結(jié)果是否簡(jiǎn)單且有效，簡(jiǎn)單有效則意味著實(shí)用。目前的GANNPID控制器的研究?jī)?nèi)容比較豐富，如GA的編碼問題、種群選擇問題、迭代評(píng)價(jià)問題、交叉與變異的概率選擇問題，有人還試圖利用模糊規(guī)則與專家系統(tǒng)方法來選擇交叉概率與變異概率，以期達(dá)到最優(yōu)問題的解。NN網(wǎng)絡(luò)復(fù)雜化與多層化，也是網(wǎng)絡(luò)研究的一大趨勢(shì)，例如Eiman網(wǎng)絡(luò)，除了傳統(tǒng)的三層結(jié)構(gòu)(輸入層、輸出層、隱含層)外，還有一個(gè)對(duì)信號(hào)起延遲與存儲(chǔ)作用的結(jié)構(gòu)單元，隱含層輸出通過它自聯(lián)到隱含層的輸入端，相當(dāng)于信號(hào)流圖的自閉回路。該網(wǎng)絡(luò)對(duì)歷史狀態(tài)的數(shù)據(jù)具有敏感性，被用于需動(dòng)態(tài)建模的參考模型PID控制系統(tǒng)?；煦鐑?yōu)化方法求PID控制系統(tǒng)的最優(yōu)結(jié)構(gòu)參數(shù)，是近幾年開始熱門的研究課題。當(dāng)參數(shù)微變后，混沌軌道會(huì)顯著變化，尤其是初始值發(fā)生變化時(shí)，混沌軌道變化更加顯著，這就是非混沌系統(tǒng)演變到混沌系統(tǒng)進(jìn)行參數(shù)辨識(shí)與尋優(yōu)的重要原因