自动控制方法大综述课件

控制算法天津微纳制造技术工程中心

经典控制特点

单输入、单输出的线性定常（参数不随时间而变化）系统特点简单实用，理论不完善采用试探法设计系统

经验

结果

分析自动控制理论的发展过程系统校正的几种常见方法1、串联校正如果校正元件与系统的不可变部分串联起来，如图所示，则称这种形式的校正为串联校正。+-R(s)C(s)H(s)串联校正系统方框图图中的G0（s）与Gc（s）分别表示不可变部分及校正元件的传递函数。H(s)R(s)C(s)+-+-反馈校正系统方框图2、反馈校正如果从系统的某个元件的输出取得反馈信号，构成反馈回路，并在反馈回路内设置传递函数为Gc(s)的校正元件，则称这种校正形式为反馈校正，如下图所示。3、前馈控制

如果干扰可测，从干扰向输入方向引入的以消除或减小干扰对系统影响的补偿通道。5、校正类型比较：串联校正:

分析简单，应用范围广，易于理解和接受.反馈校正:最常见的就是比例反馈和微分反馈，微分反馈又叫速度反馈。顺馈校正：以消除或减小系统误差为目的。前馈校正：以消除或减小干扰对系统影响。前馈与反馈控制特点比较反馈控制的特点：基于偏差来消除偏差；“不及时”的控制；存在稳定性问题；对各种扰动均有校正作用；控制规律通常是P、PI、PD或PID等典型规律前馈控制的特点：基于扰动来消除扰动对被控量的影响；动作“及时”；只要系统中各环节是稳定的，则控制系统必然稳定；具有指定性补偿的局限性；控制规律取决于被控对象的特性前馈控制属于开环控制方式；完全补偿难以满足，因为：要准确掌握过程扰动通道特性Wf（s）及控制通道特性Wo（s）是不容易的；即使前馈模型Wm（s）能准确求出，有时工程上也难以实现；对每一个扰动至少使用一套测量变送仪表和一个前馈控制器，这将会使控制系统庞大而复杂。前馈控制的局限性

PID控制器模型比例系数Kp的大小决定系统的快速性，越大，系统响应速度越快，调节精度越高。积分系数Ki作用是消除系统的静态误差。Ki太大，系统振荡次数增加，Ki太小系统调节精度降低。微分系统Kd改善系统的动态特性。Kd过大，则超调量较大，调整时间过长。1积分分离PID控制算法在PID控制中，引入积分环节的目的主要是为了消除静差，提高控制精度。但在过程的启动、结束或大幅度增减设定值时，短时间内系统输出有很大的偏差，会造成PID中积分运算的过度积累，使控制量超过执行机构可能允许的最大动作范围，引起系统较大的超调和振荡，这在生产中是绝对不允许的。积分分离控制基本思路和具体实现的步骤是：1）根据实际情况，人为设定阈值ε＞0；2）当∣error(k)∣＞ε时，采用P或PD控制；3）当∣error(k)∣≤ε时，采用PI或PID控制，以保证系统的控制精度。2抗积分饱和PID控制算法若系统存在一个方向的偏差，PID的输出由于积分作用的不断累加导致u(k)达到极限位置。此后若PID控制器的计算输出继续增大，实际执行装置的控制输出u(k)也不会再增大，即进入了饱和区。当出现反向偏差，u(k)逐渐从饱和区退出。进入饱和区愈深则退饱和时间愈长，此时，系统就像失去了控制。这种现象称为积分饱和现象或积分失控现象。（1）积分饱和现象在计算u(k)时，首先判断上一时刻的控制量u(k-1)是否己超出限制范围。若超出，则只累加负偏差；若未超出，则按普通PID算法进行调节。这种算法可以避免控制量长时间停留在饱和区。（2）抗积分饱和算法微分先行PID控制的特点是只对输出量y(t)进行微分，而对给定值r(t)不进行微分。这种输出量先行微分控制适用于给定值r(t)频繁升降的场合，可以避免给定值升降时引起系统振荡，从而明显地改善了系统的动态特性。结构如下图所示。4微分先行PID控制算法5带死区的PID控制算法及仿真在计算机控制系统中，某些系统为了避免控制作用过于频繁，消除由于频繁动作所引起的振荡，可采用带死区的PID控制算法，控制算式为：式中，e(k)为位置跟踪偏差，e0是一个可调参数，其具体数值可根据实际控制对象由实验确定。若e0值太小，会使控制动作过于频繁，达不到稳定被控对象的目的；若e0太大，则系统将产生较大的滞后。现代控制建模分析设计状态空间表达式建立求解转换可控性可观性稳定性状态反馈状态观测器最优控制现代控制方法鲁棒控制跟踪控制预见控制重复控制滑模控制鲁棒控制鲁棒系统设计的目标就是要在模型不精确和存在其他变化因素的条件下，使控制系统仍能保持其稳定性(鲁棒稳定性)和控制性能(鲁棒性能)。模型的不精确性、降阶近似、非线性线性化带来的误

差、系统参数和特性随时间的变化或漂移。

鲁棒控制理论的应用广泛应用于化工、机器人、航空、航天、交通等各个领域鲁棒控制系统的设计要由高级专家完成，故其缺点在于一旦设计好这个控制器，它的参数可能就不易于改变

跟踪控制

可分为路径跟踪和轨迹跟踪路径跟踪：一种不考虑时间的几何位置跟踪轨迹跟踪：希望系统在指定时间到达指定位置。目的：使系统的输出尽可能的逼近目标轨迹。轨迹控制的应用，特别是机床行业及机械手的控制对轨迹跟踪控制的研究主要从提高跟踪精度，抑制干扰误差等方面着手的。提高轨迹系统的跟踪精度可以采用最优预见控制技术

或是与鲁棒控制结合。预见控制对目标值的过去、现在、未来和干扰信号的未来情况完全知道的情况下，使目标值与被控制量间的偏差达到最小。由于控制对象一般都包含动态项，所以当前时刻施加上的控制输入并不能立即在被控制量(输出)上表现出来，而是有一些延迟。出发点：了解目标值信号及干扰信号如何变化。预见控制原理控制受控对象的输出,使图中斜线形成的面积最小化预测控制模型预测控制算法是一种基于预测模型的控制算法。系统在预测模型的基础上根据对象的历史信息和未来输入预测其未来输出，并根据被控变量与给定值之间的误差确定当前时刻的控制作用，使之适应动态控制系统的存储性和因果性特点。线性与非线性系统都可作为预测模型特点：对模型要求低、综合控制质量好、在线计算方便

三个基本特征：即模型预测，滚动优化和反馈校正应用直接在工业现场产生的一种基于模型的计算机优化控制算法。过程控制应用最成功，也最具有前途的先进控制策略。从工业应用：1）取代PID控制器解决一些局部控制问题；2）处理复杂的多变量控制问题时更具优势。各种新的控制算法和策略

鲁棒预测控制、自适应预测控制、神经网络预测控制、滑模控制本质上是一类特殊的非线性控制，其非线性表现为控制作用的不连续性。与其他控制策略的不同之处：系统的“结构”并不固定，而是在动态过程中，根据系统当前的状态有目的地不断变化。滑模控制优点

滑动模态可以设计且与对象参数和扰动无关，具有快速响应、对参数变化和扰动不灵敏（鲁棒性）无须系统在线辨识、物理实现简单。滑模控制缺点

当状态轨迹到达滑动模态面后，难以严格沿着滑动模态面向平衡点滑动，而是在其两侧来回穿越地趋近平衡点，从而产生抖振——滑模控制实际应用中的主要障碍。滑模变结构控制的应用电机、电力系统、机器人、航天器、伺服系统重复控制重复控制是基于内模原理的一种控制方法。用于伺服系统轨迹的高精度控制特点：

控制精度高，实现简单及控制性能的非参数依赖性分类：1）连续时延内模重复控制，应用于伺服系统设计2）离散时延内模重复控制3）有限维重复控制4）非线性系统重复控制重复控制应用旋转或具有周期性质系统的高精度控制中高精度轨迹伺服系统、如，计算机硬盘、机器人控制、气象卫星姿态控制、有源振动补偿、噪声补偿控制不足：学习能力：其学习能力的有限性，重复控制可能会放大非重复频率处的干扰信号优化的设计方法：还缺少能系统、有效解决上述问题的鲁棒重复控制器的设计和优化方法。非线性重复控制。重复控制方法在非线性系统中的研究还十分有限。内模控制一种基于过程数学模型进行控制器设计的新型控制策略。智能控制自动控制发展的高级阶段研究对复杂的不确定性被控对象（过程）采用人工智能的方法有效地克服系统的不确定性，使系统从无序状态到有序状态转移的方法.特点：

非线性控制、变结构、总体自寻优、满足多样性目标的高性能要求人工智能、自动控制和运筹学三个主要学科相结合的产物最优控制在满足一定约束条件下，寻求最优控制策略，使得性能指标取极大值或极小值。寻找容许的控制作用（规律）基本内容和常用方法包括动态规划、最大值原理和变分法。应用：时间最短、能耗最小、线性二次型指标最优、跟踪问题、调节问题和伺服机构问题缺点：理论上还有不完善的地方。即优化算法中的鲁棒性问题和最优化算法的简化和实用性问题内模控制内模控制的主要优点：(1)无需精确的对象模型;(2)在引入滤波器后，系统有可能获得较好的鲁棒性;(3)控制器参数调节方便应用在工业过程中，内模控制用于强耦合多变量过程、强非线性过程和大时滞过程。智能系统功能特征学习能力；对未知环境信息识别记忆学习，改善性能适应性；适应变化的能力容错性；对故障诊断修复的能力鲁棒性；抗干扰能力组织功能；复杂任务分散信息，主动性灵活性实时性；在线实时响应能力人机协作；友好的人机界面传统控制理论的局限性传统的控制理论建立在精确的数学模型基础上—用微分或差分方程来描述。不能反映人工智能过程：推理、分析、学习。丢失许多有用的信息不能适应大的系统参数和结构的变化小的、变化较慢的参数不确定性和干扰传统的控制系统输入信息模式单一

如电量、机械量智能控制与传统控制的关系传统控制：经典反馈控制和现代理论控制。它们的主要特征是基于精确的系统数学模型的控制。适于解决线性、时不变等相对简单的控制问题。智能控制（以上问题用智能的方法同样可以解决。智能控制是对传统控制理论的发展，传统控制是智能控制的一个组成部分，在这个意义下，两者可以统一在智能控制的框架下。智能控制的应用一般无法获得精确的数学模型应用传统控制理论进行控制必须提出并遵循一些比较苛刻的线性化假设，而这些假设在应用中往往与实际情况不相吻合。无法解决建模问题。为了提高控制性能，传统控制系统可能变得很复杂分类分级递阶控制专家控制模糊控制神经网络控制遗传算法学习控制集成（或者复合）混合控制分级递阶控制系统自适应控制和自组织控制基础由三个控制级组成组织级、协调级、执行级

比如：机器人三级递阶智能控制系统。高级输入命令1(组织级）传感器协调器机械臂协调器视觉协调器2（协调级）上臂控制手臂控制

3(执行级）专家控制一般专家系统由知识库、数据库、推理机、解释器及知识获取器五个部分组成。特征：具有专家水平的知识：必须表现专家的技能和高度的技巧以及足够的鲁棒性。能进行有效的推理：能够运用专家的经验和知识进行搜索、推理具有透明性：在推理时，不仅能够得到答案，而且还能给出推理的依据具有灵活性：知识的更新和扩充灵活方便复杂性：人类的知识可以定性或定量的表示，专家系统经常表现为定性推理和定量计算的混合形式，比较复杂专家控制应用诊断型专家系统：根据症状，得到故障的原因及排除故障的方案。如各种故障诊断系统及医疗诊断系统解释型专家系统：根据表征现象和信息解释其深层含义。如：卫星图像分析预测型专家系统：根据以往数据预测未来情况。如：天气预报设计型专家系统：根据设计要求和指标进行产品的设计，如：电路板线路设计决策型专家系统：对各种可能的决策方案进行综合评判。规划型专家系统：根据任务进行行动规划。如：交通导航调度控制专家系统：根据控制过程的状态变化，依据专家经验，合理地选择控制动作，达到优化的目的神经网络控制的应用处理组合优化问题：成功解决了旅行商问题，另外还有最大匹配

问题，装箱问题和作业调度问题。

模式识别：手写字符，指纹和声音识别，还可用于目标的自动识别，目标跟踪，机器人传感器图像识别及地震信号的鉴别。

图像处理：对图像进行边缘监测，图像分割，图像压缩和图像恢复。

机器人控制：对机器人轨道控制，操作机器人眼手系统，用于机械手的故障诊断及排除，智能自适应移动机器人的导航，视觉系统。

医疗：移植次数优化，医院费用节流，医院质量改进等方面均有应用神经网络控制神经网络是指由大量与生物神经系统的神经细胞相类似的人工神经元互连而组成的网络；或由大量象生物神经元的处理单元并联互连而成主要特征：

学习能力、联想存储能力、高速寻找优化解的能力模糊控制模糊控制，就是对难以用已有规律描述的复杂系统，采用自然语言（如大、中、小）加以叙述，借助定性的、不精确的及模糊的条件语句来表达，模糊控制是一种基于语言的一种智能控制模糊控制

被控制量偏差给定值

－模糊控制器被控对象不必对被控对象建模（用方程表达输入输出关系）利用领域专家经验设计模糊控制器，相当于利用专经验加工偏差从而得到控制作用U，使得被控对象输出符合要求。模糊控制的特点适用于不易获得精确数学模型的被控对象一种语言变量控制器从属于智能控制的范畴。该系统尤其适于非线性，时变，滞后系统的控制抗干扰能力强，响应速度快，并对系统参数的变化有较强的鲁棒性。自适应控制研究对象：具有不确定性的系统

被控对象及其环境的数学模型不是完全确定的

自适应控制器：通过及时修正自己的特性以适应对象和扰动的动态特性变化，使整个控制系统始终获得满意的性能。生物能够通过自觉调整自身参数改变自己的习性，以适应新的环境特性

自适应控制的特点：

研究具有不确定性的对象或难以确知的对象

能消除系统结构扰动引起的系统误差

对数学模型的依赖很小，仅需要较少的验前知识

自适应控制是较为复杂的反馈控制自适应控制分类（1）前馈自适应控制前馈自适应控制结构图

与前馈－反馈复合控制系统的结构比较类似

不同在于：增加了自适应机构，并且控制器可调

借助于过程扰动信号的测量，通过自适应机构来改变控制器的状态，从而达到改变系统特性的目的。

当扰动不可测时，前馈自适应控制系统的应用就会受到严重的限制。

（2）反馈自适应控制反馈自适应控制结构图

根据系