计算机控制系统第13讲.ppt

1、第六章：计算机控制系统的状态空间设计授课人：李会军,2,其它现代数字控制方法简介,自适应控制 基础：建立在精确模型和精确控制的基础上 与传统控制的区别：增加了实时决策系统 分类： 1、模型参考自适应控制 2、自动寻优自适应控制,3,其它现代数字控制方法简介,模糊控制 模糊概念,天气冷热,雨的大小,风的强弱,人的胖瘦,年龄大小,个子高低,4,其它现代数字控制方法简介,模糊控制 模糊数学：由L.A. Zadh 最早提出来 1、模糊集合和隶属函数 精确集合(非此即彼)： 精确集合的隶属函数： 模糊集合：如果集合X是对象x的集合，则X的模糊集合A定义如下 称为x的隶属函数，X称为论域,5,其它现代数字

2、控制方法简介,模糊控制 模糊数学 2、论域：有两种形式 离散论域(有序或无序)：如果集合 ，则X上的模糊集合A可表示为： 矢量表示： 例1：X为若干城市的集合X=北京，上海，天津，徐州，X上的模糊集合A=“对城市的热爱程度”，则A可表示为： A=（北京，0.8），（上海，0.6），（天津，0.3），（徐州，1.0 ） 注意：隶属函数的取值范围为0，1；,6,其它现代数字控制方法简介,模糊控制 模糊数学 连续论域：如果论域X为实数域，即 ，论域中有无穷多个连续的点，该论域称为连续论域。连续论域上的模糊集合A可表示为： 3、隶属函数：类型多种多样 三角形隶属函数：,7,其它现代数字控制方法简介,模

3、糊控制 模糊数学 降半梯形隶属函数： 升半梯形隶属函数：,8,其它现代数字控制方法简介,模糊控制 模糊数学 梯形函数： 铃形函数：,9,其它现代数字控制方法简介,模糊控制 模糊数学的基本运算 空集： 等集： 子集： 交集： 并集： 补集：,10,其它现代数字控制方法简介,模糊控制 模糊数学的基本运算 例2：假设论域 上有两个模糊子集如下 则有模糊集合的基本运算如下：,11,其它现代数字控制方法简介,模糊控制 模糊关系 精确关系：表示二个或二个以上集合元素之间的关联、交互、互连等关系是否存在； 数学描述： ， 是精确的集合 隶属函数： 举例说明：,12,其它现代数字控制方法简介,模糊控制 模糊关

4、系 模糊关系：表示二个或二个以上集合元素之间关联、交互、互连是否存在或存在的程度； 数学描述： ， 是两个论域； 隶属函数： 举例说明：,13,其它现代数字控制方法简介,模糊控制 模糊关系 模糊关系的合成：设R1是X和Y的模糊关系，R2是Y和Z的模糊关系，则R1和R2的合成是X到Z的一个模糊关系，记作 ，合成规则有多种，按最大-最小合成规则，其隶属函数为： 例3：假设“子女与父母长得相似”的模糊关系为R1，“父母与祖父母长得相似”的模糊关系为R2，求“子女与祖父母长得相似”的模糊关系R； 解：按照最大-最小合成规则，关系合成如下,14,其它现代数字控制方法简介,模糊控制 模糊推理 广义前向推理

5、： 广义反向推理：,15,其它现代数字控制方法简介,模糊控制 模糊推理 模糊蕴含关系： Mamdani 和 Larsen 分别提出最小和乘积的蕴含运算； 广义前向推理公式： 广义反向推理公式：,16,其它现代数字控制方法简介,模糊控制 模糊推理 例4：已知 ， ， ， ，试确定，“If x 是A，Then y是B” 的模糊关系 以及 时，y是多少？ 解：按照最小运算法则，计算如下,17,其它现代数字控制方法简介,模糊控制 模糊推理 可得： 而： 即：,18,其它现代数字控制方法简介,模糊控制 模糊逻辑控制器的基本结构 在k时刻，误差和误差的变化定义为：,输出,19,其它现代数字控制方法简介,模

6、糊控制 模糊控制系统的设计 1、模糊化的策略 (1) 采用单点模糊化 (2) 选择合适的模糊函数 2、知识库 (1) 数据库：存放输入输出语言变量的全部模糊集合的隶属度矢量值； (2) 规则库：存放模糊控制规则，在推理时为推理机提供控制规则； 3、推理机 进行模糊推理，它根据输入的模糊量和知识库进行模糊推理，获得模 糊控制量；,20,其它现代数字控制方法简介,模糊控制 模糊控制系统的设计 4、清晰化 (1) 最大隶属度法。取隶属度最大的控制量作为控制量的精确值； (2) 加权平均法。计算公式为 例5：如果得到的模糊控制量为 解：分别使用两种清晰化方法进行计算 最大隶属度法。论域中元素5的隶属度

7、最大，取控制量 加权平均法,21,其它现代数字控制方法简介,预测控制 预测控制的发展历史 1、 20世纪70年代后期，在美国、法国的工业过程领域出现了一类新型计算机控制算法，包括动态矩阵控制(Dynamic Matrix Control, DMC)、模型算法控制(Model Algorithm Control)等，这类算法在工业过程应用中显示出很好的控制效果； 2、 1978年，理查勒特(Richalet)详细阐述了这类算法的动因、机理和应用效果，并用模型预测控制(Model Predictive Control, MPC)为其命名； 3、 1984年，美国控制年会(American Cont

8、rol Conference, ACC)首次出现了模型预测控制的专题组。从此之后，有关模型预测控制研究和应用的文献越来越多；,22,其它现代数字控制方法简介,预测控制 预测控制的基本原理 基本思路： (1)、使用特定数学模型预测被控对象未来某个时间段内的输出序列； (2)、通过最优化目标函数获取当前最优控制序列； (3)、通过反馈机制以抑制误差累积和模型失配的影响； (4)、通过后退策略使在线优化反复进行；,23,其它现代数字控制方法简介,预测控制 预测模型 预测模型的主要功能是根据被控对象的历史输入输出信息和未来的输入值，预测其未来的输出值。常用的参数模型（状态空间模型、传递函数模型）和非参

9、数模型（阶跃响应模型、脉冲响应模型）都可以作为预测模型。另外，一些非线性模型（比如神经网络模型、模糊逻辑模型），只要具备上述功能，也可以作为预测模型使用。 预测模型具有展示被控对象未来动态行为的功能。这样以来，人们就可以像在系统仿真时那样，任意的给出未来的控制策略，观察在不同控制策略下的输出变化，从而为比较这些控制策略的优劣提供依据。,24,其它现代数字控制方法简介,预测控制 滚动优化 模型预测控制方法是一种优化控制算法，它通过选择一组未来的控制作用，在这组控制作用的影响下，使得被控对像的某一个性能指标达到最优。模型预测控制方法通常选择被控对像未来有限采样时刻上的输出值和某一组期望输出值的最小

10、方差作为最优性能指标，同时还要兼顾控制作用的变化幅度。 预测控制中的滚动优化和传统离散最优控制中的优化的主要区别：离散最优控制中的优化是根据被控对像的精确数学模型，给出被控对像的全局最优控制量；模型预测控制中的滚动优化是根据被控对像的预测模型，给出被控对像在有限时段内的局部最优控制量。,25,其它现代数字控制方法简介,预测控制 反馈校正 通过滚动优化确定了一组未来的控制作用之后，为了防止模型失配或环境干扰引起控制作用对理想状态的偏离，模型预测控制方法并不把这些控制作用逐一全部实施，而是只输出当前时刻的控制作用。到下一采样时刻，重新进行新一轮的优化计算，得到下一采样时刻的控制量。 反馈校正方法：

11、 (1)、保持被控对像的预测模型不变，仅利用预测模型上一时刻的预测输出和被控对象当前时刻的实际输出值之间的偏差对被控对像当前时刻的预测输出进行补偿。 (2)、根据在线系统辨识的原理，直接修改预测模型，消除模型失配现象。,26,其它现代数字控制方法简介,预测控制 经典的预测控制方法 1、动态矩阵控制：动态矩阵控制(Dynamic Matrix Control, DMC)首先由美国科学家卡特勒(Cutler)提出来，并用在壳牌石油公司的生产过程中。动态矩阵控制方法使用阶跃响应模型作为被控对象的预测模型； 2、模型算法控制：模型算法控制(Model Algorithm Control, MAC)也叫

12、模型预测启发式控制，使用脉冲响应模型作为被控对象的预测模型； 3、预测函数控制：预测函数控制(Predictive Function Control, PFC)采用状态空间模型作为预测模型，具有更广的应用范围； 4、广义预测控制：广义预测控制(Generalized Predictive Control, GPC)采用受控自回归积分滑动平均模型作为预测模型，稳定性和鲁棒性较好；,27,其它现代数字控制方法简介,神经网络控制 神经网络的基本结构,28,其它现代数字控制方法简介,神经网络控制 神经网络的特性 (1)、非线性拟合能力。已经证明，只有一个隐藏层的反向传播神经网络(Back Propag

13、ation Neural Network, BPNN)，只要隐藏层中的神经元个数足够多，就可以逼近一个任意复杂的非线性映射关系。反向传播神经网络属于静态神经网络，是人工神经元网络中最基本、最简单的网络形式。 (2)、分布式计算能力。人工神经元网络的大规模网络互联结构，使其能够快速地并行实现全局性的实时信息处理，很好地协调各种输入信息之间的关系，非常适合控制算法中的大规模实时计算。 (3)、容错能力。人工神经元网络的并行处理机制及其冗余结构特性使其具有较强的容错能力，有助于提高信息处理的可靠性、稳定性和鲁棒性。,29,其它现代数字控制方法简介,神经网络控制 神经网络的特性 (4)、泛化能力和自适

14、应能力。经过训练后的人工神经元网络具有潜在的自适应模式匹配功能，能对所学信息加以分布式存储和泛化，这一特性在非线性建模时非常有意义。 (5)、便于集成实现和计算模拟。人工神经元网络在结构上是相同神经元的大规模组合和互联，适合使用大规模集成电路实现，也适合电子计算机编程模拟仿真。 神经网络的分类：根据人工神经元网络结构中是否存在反馈回路，人工神经元网络可以分为静态神经网络(Static Neural Network, SNN)和动态神经网络(Dynamic Neural Network, DNN)。,30,其它现代数字控制方法简介,神经网络控制 神经网络的应用领域 (1) 航空航天领域：飞行路径模拟、飞行控制系统、自动驾驶优化器和飞行部件模拟等； (2