调研报告—王鹏—四版.doc

大连科技学院2015届本科生毕业设计（论文）调研报告调研报告1 课题来源及意义 传统PID控制器由于结构简单、易于调整等优点，至今工业过程控制80回路还都采用的是PID控制策略。在PID控制中一个至关重要的问题是参数(比例、积分、微分)的整定，典型的PID参数整定方法是在获取对象数学模型的基础上，根据一定整定原则来确定PID参数。PID的工作原理是依靠参数整定，PID参数整定的优劣不但会影响到控制质量，而且还会影响到控制系统的稳定性和鲁棒性。在一篇关于加拿大造纸厂的统计报告中表明，一座典型的造纸厂一般有2000多个控制回路，其中97以上的回路采用PID控制，但仅有20的控制回路工作比较满意，控制回路性能普遍偏差的原因中，参数整定不合适占30，阀门问题占30传感器问题、采样频率选取问题、滤波问题等占20%可见PID的参数整定是非常重要的。另一方面，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。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这时采用传统的PID控制就不能取得令人满意的控制效果建立被控对象的数学模型是十分复杂的事情，在建立过程中常常需要将系统降阶或将系统以线性化近似，或忽略系统中某些认为不重要的参数，以简化分析难度。因此，到最后所得到的数学模型，即使可快速且精确地算出控制量，但与实际的物理系统可能出现相当大的差距，容易与实际脱节，导致产生性能不佳的控制。小脑模型关节控制器(CMAC)是由Albus最初于1975年基于神经生理学提出的,它是一种基于局部逼近的简单快速的神经网络,类似于Perception的相联记忆方法，能够学习任意多维非线性映射。迄今已广泛用于许多领域。特别是Miller等的突破性应用研究，已使CMAC受到越来越多的关注。CMAC具有许多优点，它具有局部逼近能力，每次修正的权值极少，学习速度快，适合于在线学习；具有连续模拟输入能力；具有寻址编程方式，在利用串行计算机仿真时，它使回响速度加快。因此将CMAC与传统的PID控制相结合，构成智能型的神经网络PID控制器，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，是解决传统PID控制器参数整定难、不能实时调整参数和鲁棒性不强的有效措施，使PID控制器具有经久不衰的生命力，是智能控制器的一个有潜力的发展方向。2 国内外的发展状况2.1 PID的国内外发展 早在1942年，Ziegler与Nichols针对一阶惯性加纯延迟的对象提出PID控制器参数整定的Z-N法，对于常规控制对象，可以用曲线拟合的方法将阶跃响应数据拟合成近似的一阶惯性加纯滞后环节的模型，此方法的提出便很快应用于实际。同年,Ziegler根据对象频域响应曲线上的信息，提出了PID控制器参数整定的临界振荡法。1995年，德国学者UdoKulm提出了基于总和时间常数的整定方法，此方法适用于阶跃响应曲线为S型的自衡对象。1996年，胡晚霞等人提出了一种新的确定被控过程动态特性方法，通过计算机仿真相应的PID参数整定规则，这种方法称之为交叉两点法。近年来，PID控制器的参数整定越来越被人们所重视，国内随之出现了许多较为完备的参数整定理论。2004年，曾振平等人161提出了一种基于改进的广义平方误差积分准则的PID参数整定的新方法，用对象响应特征时间来平衡准则中误差项与误差变化率项的数级，得到了较好的控制效果；同年，王振滨提出了一种新型的分数阶PID控制器参数整定方法，把传统的PID控制器的阶次推广到分数领域，它不但适合于分数阶系统，也适合于某些整数阶系统，设计方法新颖；另外，上海交通大学的李勇男等人提出了反应响应时滞过程PID控制器设计新方法，通过提出期望闭环传递函数，解析地推导出PID控制器的形式。2005年，张立群等人将H控制理论应用于PID控制器的参数整定中，提出了一种基于也混合灵敏度约束的PID控制器设计方法，该方法使PID控制器具有更好的鲁棒性，闭环系统具有良好的瞬态性能。2.2 CMAC神经网络国内外研究现状 1975年，为解决机器手的运动控制问题，Albus 在神经生理学小脑皮层结构特点的基础上首次提出了CMAC算法，并对 CMAC算法中数据存储进行了研究。随着80年代末期，Miller 等人将 CMAC 神经网络成功应用于机器人控制，CMAC神经网络逐渐引起了控制界和神经网络界的重视。进入90年代，CMAC神经网络的研究掀起一个热潮，改进算法层出不穷，主要归纳为以下几类： (1)基函数的改进 1992年，Lane利用 B 样条函数（B-Spline）作为 CMAC 神经网络的 接受域函数，提出 B 样条 CMAC 神经网络，简称 BMAC 神经网络。 1996 年，Chiang 和 Lin提出了广义基函数 CMAC 神经网络，并证明了当学习率满足一定条件时，含有有界基函数的 CMAC 神经网络将收敛于 一个极限环。 1999年 ，Kolez 和 Allinson将 CMAC 神经网络纳入了 GMNN（General Memory Neural Network，广义记忆神经网络）的范畴，并利用GMNN 的原理解释了 CMAC 神经网络的量化机理。 (2)模糊 CMAC（Fuzzy CMAC）神经网络 1994年，Nie 和 Linkens利用基于相似测量的寻址策略代替了基于编码的寻址策略，提出了模糊 CMAC 神经网络，简称 FCMAC 神经网络。 1995年，邓志东和孙增坼提出一种简单模糊 CMAC 神经网络。该网络和一般 CMAC 神经网络有相似的单层连接权，可以用 BP 算法学习推导参数和模糊规则，而且省略了反模糊化过程。 (3)CMAC 学习算法改进 1995年，Chen K. Tham提出一种基于模函数近似值的加强学习算法，提高 CMAC 神经网络的收敛速度和精度。 2001年，何超等人利用矩阵理论和线性方程组迭代收敛的一般性原理，在不附加特殊条件的情况下，证明了 CMAC 算法在批量和增量两种学习方式下的收敛定理，对在关联矩阵正定条件下得出的结论进行推广和改进。 (4)地址压缩和地址碰撞问题 1994至1997年，Eldracher 等人研究了CMAC神经网络的量化编码方式23,24，提出一种自适应拓扑分布式编码策略，有效地提高了 CMAC 神经网络的函数逼近能力。 1996年，Lee 和 Lin 提出一种分簇量化方法，对于非均匀分布的输入信号，该方法可以有效地提高量化分辨率，从而提高 CMAC 的逼近精度。 2005年，王伟和韩明军提出一种基于多维存储结构的 CMAC 模版加权算法改进，从而提高训练和测试样本的收敛速度，也提高了精度。 3 本课题的研究目标 PID控制方法，从问世至今，广泛应用于控制领域的各个方面，是迄今为止最通用的控制方法，但是PID控制中一个至关重要的问题就是PID参数（比例、积分和微分）的整定。而这些参数的整定困难使PID控制器的应用受到限制，实际上PID控制规律是一种线性控制规律，它也具有传统控制理论的弱点，仅在简单的线性单变量系统中有较好的控制效果，而在复杂系统的控制中控制效果不佳。将CMAC和PID控制相结合，既能充分发挥PID控制算法结构简单、运算量小、物理意义明确、能很好的解决参数整定难和参数自整定的问题和保证系统的稳定性等优点，又能利用CMAC学习速度快和较好的非线性逼近能力。因此把CMAC和PID控制相结合，取长补短，既增强系统的稳定性，抑制扰动，又能保证系统的控制精度，具有较强的实用性，使得系统在高反应速度和非线性条件下具有较好的稳定性和鲁棒性。 4 研究内容、方法及手段 PID即常规PID控制器，用它实现反馈控制，保证系统的稳定性;而用CMAC神经网络实现前馈控制，以保证系统的控制精度。两者的结合可以实现对复杂系统的稳定准确控制。最后，用matlab实现系统的仿真。4.1神经网络控制系统的设计设计合适的控制器涉及到三个方面(1)选择恰当的控制器结构和参数。有的参数要离线确定，有的则要通过学习得到。(2)获得被控对象的有关信息。在许多传统控制器设计时，可知道对象的输入输出数据满足己知的微分方程。许多极端的情况是对被控对象的了解很少，但可以得到外部输入输出数据。(3)给定某种控制系统的性能指标4.2 CMAC神经网络的设计步骤小脑模型神经网络是一种表达复杂非线性函数的表格查询型自适应神经网络，该网络可通过学习算法改变表格的内容，具有信息分类存储的能力。CMAC的基本思想在于：在输入空间中给出一个状态，从存储单元中找出对应于该状态的地址，将这些存储单元中的内容求和得到CMAC的输出；将此响应值与期望输出值进行比较，并根据学习算法修改这些己经激活的存储单元的内容。 CMAC的设计分为三步：(1) 量化（概念映射)(2) 地址映射(实际映射)(3)CMAC的函数计算(CMAC输出)4.3 CMAC与PID并行控制CMAC与PID的复合控制，能充分发挥小脑模型神经网络CMAC学习速度快，能逼任意非线 性函数的优势，PID控制器起辅助作用，CMAC控制器起主要控制作用。传统CMACPID控制器在跟踪连续变化信号时，容易维持相当长的稳定时问后使系统变得不稳定文中对各个参数对系统不稳定的影响进行了仿真分析,学习速率是影响系统不稳定的重要因 素，学习速率越大，系统变为不稳定的时间越短。同时重要的一点，系统输出误差不随着PID控制器的比例系数k的变化而变化，而是稳定在一个小范围内，也就是说CMAC-PID控制器时，PID的参数的选取不需要精心的选取，只要在合理的范围内即可，为实际应用带来方便。5 进度计划第一周:读文献，查阅相关资料第二周：调研报告第三周：外文翻译第四周：PID控制理论学习第五周：CMAC网络及其控制理论学习第六周：学习matlab软件及相关建模知识。第七周：建立某实际系统数学模型第八周：用matlab编写PID控制程序第九周：传统的PID与CMAC复合控制的设计第十周：上机运行，修改程序第十一周：根据仿真程序运行结果，验证复合控制效果第十二,十三周：写论文，做PPT第十四周：毕业答辩6 参考文献1 刘金琨.先进PID控制MATLAB仿真(第2版)M.北京: 电子工业出版社.2004 2 王冬梅.陈力.陈静.CMAC与PID复合控制方法在重介选煤系统中的应用研究J. 工矿自动化.2012(12): 51-543 梁新荣.刘艳艳.满国永.徐建闽.基于小脑模型关节控制器与PID复合的高速公路交通流密度控制J.控制理论与应用.2013.3(10): 1281-1286.4 李鑫.陈薇.董学平等.一种基于小脑模型关节控制器评论-策略家的机器人跟踪控制算法J.控制理论与应用.2011.28(6): 894-900.5 杨波.王哲.新型小脑模型关联控制器复合控制在电动加载系统中的结构及算法J.控制理论与应用.2011.28(6): 827-833.7 王耀南.智能控制理论及应用M.北京: 机械工业出版社.2008 8 韩力群.人工神经网络理论设计及应用M.北京: 北京化学工业出版社.2005 9 王翀.刘文生.开关电源模糊PID控制器的设计与仿真J.通信电源技术.2