（模式识别与智能系统专业论文）基于模糊逻辑和微粒群算法的智能pid的应用研究.pdf

摘要 基于模糊逻辑和微粒群算法的智能p id 的应用研究 摘要 随着科学技术和现代工业生产的不断发展，在实际的工业生产 过程中遇到的受控对象越来越复杂，主要表现在以下几个方面：多 输入多输出、时滞、时变性、非线性、耦合，而且系统和周围环境 具有许多不确定和未知的因素，这些因素也会对控制产生无法预料 的影响。面对如此复杂的系统，由于无法获得精确的数学模型，使 得传统的控制理论很难获得比较好的控制效果。而模糊控制是一种 不依赖于数学模型的智能控制方法，在面对非线性等控制问题时能 取得更好的效果，但是它的模糊控制稳态性能较差并且缺乏系统的 参数设计方法从而限制了它的应用，本文将传统的p i d 控制器和 模糊控制结合起来，采用自适应模糊p i d 控制取得了良好的控制 效果。此外，针对模糊控制器稳态性能较差的问题，讨论了几种模 糊控制器并联积分的方法，提出了一种采用智能积分器的方案，仿 真结果显示能够比较好地克服传统模糊控制器的缺点。 微粒群算法( p a r t i c l es w a r mo p t i m i z a t i o n ) 是近几年出现的一 种新型的群体智能随机优化算法，该算法与传统算法相比有较高的 收敛速度和计算速度，可以高效、并行在搜索空间寻找全局最优 解，适合于求解非线性、不可微和多峰值的复杂优化问题。针对传 统p i d 整定方法效率不高，无法获得好的控制参数的问题，本文 提出了采用微粒群算法来整定p i d 控制器参数并获得了良好的控 制效果。 本文的选题以某大型石化公司6 0 万吨乙烯控制系统的改扩建 摘要 项目为背景，选取聚丙烯装置为控制对象。由于聚丙烯是的生产过 程具有非常复杂、大滞后、非线性严重的特点，需要控制的变量很 多，常规的控制方法如单回路控制和串级控制无法进行有效的控制 来保证产品的质量。 针对以上的问题，本文结合e m e r s o nd e l t a v 控制系统，在理 论上作了深入的分析研究，并结合实际的工程应用问题，探讨了将 模糊控制和微粒群算法应用到实际工业生产中的方法，主要做了如 下的工作： 1 总结回顾了模糊控制理论的产生、发展和现状以及最新的 研究状况，讨论了模糊控制技术发展面临的几个问题，并 对微粒群算法的发展作了概述。 2 深入研究了聚丙烯的生产工艺流程，分析了控制方法及控 制难点，确定了控制方案。 3 全面分析了基于d e l t a v 系统的聚丙烯装置的控制系统架 构，工作站和控制器的配置，网络连接和数据库组态等内 容。 4 介绍了模糊控制的基本原理，针对聚丙烯装置的控制难 点，将模糊控制与p i d 技术相结合，提出了一种模糊自适 应p i d 控制器，利用m a t l a b 仿真结果表明其稳定性好，稳 态误差小，适应能力强。 5 针对常规模糊控制存在稳态误差的问题，提出在模糊控制 器中加入积分器，对三种常用方法进行了分析和推导，并 对并联智能积分器的模糊控制器进行了仿真实验，结果显 示系统性能优于常规模糊控制器。 6 针对d e l t a v 系统中p i d 参数需要人工整定，控制效果不佳 摘要 和效率低的问题，提出了用p s o 来对p i d 参数进行寻优的 方法，仿真结果表明优化后的p i d 上升速度快，稳态精度 高，加入超调惩罚因子后无超调。 7 详细介绍了c o m 技术，并举例说明其在m a t l a b 中与v c + + 相结合的具体实现方法。 关键字：模糊控制，d e l t a v ，聚丙烯，微粒群，p i d ，m a t l a b a b s t r a c t t h er e s e a r c ho f a p p l i c a t i o no fi n t e l l i g e n tp i db a s e do n f u z z yl o g i ca n dp s o a b s t r a c t w i t ht h ed e v e l o p m e n to fs c i e n c ea n dt e c h n o l o g ya n dm o d e m i n d u s t r i a l m a n u f a c t u r i n g ，t h e c o n t r o l o b j e c t s i nt h e p r a c t i c a l m a n u f a c t u r i n gp r o c e s sb e c o m em o r ea n dm o r ec o m p l e xa n dt h em a i n p r o b l e m sa l em i m o ，d e l a y , v a r i a b l e ，n o n - l i n e a la n dc o u p l e b e s i d e s t h a t ，t h e r ea l em a n y u n c e r t a i na n du n k n o w nf a c t o r so ft h es y s t e ma n d t h ee n v i r o n m e n tw h i c hw i l lh a v eu n p r e d i c t a b l ei n f l u e n c eo nt h ec o n t r o l o ft h es y s t e m w h i l ef a c i n gt h ec o m p l e xs y s t e mm e n t i o n e da b o v e ，i ti s v e r yh a r df o ru st oa c q u i r et h ea c c u r a t em a t h e m a t i c a lm o d e l ，w h i c h m a k e sc o n v e n t i o n a lc o n t r o lm e t h o du n s a t i s f y i n g f u z z yc o n t r o li sa n i n t e l l i g e n tc o n t r o lm e t h o dt h a ti sn o tr e l yo nm a t h e m a t i c a lm o d e l ，a n di t w i l lg e ts a t i s f y i n gc o n t r o lr e s u l tw h e nm e e t st h ea b o v ep r o b l e m s b u ti t s a p p l i c a t i o nh a sb e e nn a r r o w e db e c a u s eo fb a ds t e a d y s t a t ep e r f o r m a n c e a n dl a c ko fs y s t e m a t i cp a r a m e t e rd e s i g nm e t h o d s t h ea r t i c l ec o m b i n e s p i dc o n t r o l l e rw i t hf u z z yc o n t r o l ，a n da d a p t i v ef u z z y p i dc o n t r o l l e ri s a d o p t e dw h i c hs h o w sg o o dc o n t r o le f f e c t r e g a r d i n gt h eb a ds t e a d y s t a t ep e r f o r m a n c eo ff u z z yc o n t r o l l e r , s e v e r a lm e t h o d sa r ep r o p o s e da n d t h ea r t i c l ei n t r o d u c e s i n t e l l i g e n ti n t e g r a t o r t oc o n v e n t i o n a l f u z z y c o n t r o l l e r t h es i m u l a t i o ne x p e r i m e n ts h o w st h a tt h ei m p r o v e dm e t h o d o v e r c o m e sw e a k n e s s o fc o n v e n t i o n a lf u z z yc o n t r o l l e r p s o ( p a r t i c l es w a r mo p t i m i z a t i o n ) i san e wk i n d o fs w a r m i n t e l l i g e n tr a n d o mo p t i m i z a t i o na l g o r i t h m c o m p a r e dw i t hc o n v e n t i o n a l a l g o r i t h m ，p s oh a sf a s t e rc o n v e r g e n ta n dc o m p u t a t i o n a ls p e e d ，a n di t l v a b s t r a c t c a ns e a r c ht h eg l o b a lm i n i m u ms o l u t i o ni nt h eg i v e ns p a c e i ti sf i tf o r s o l v i n gc o m p l e xo p t i m i z a t i o np r o b l e m s s u c ha s n o n l i n e a r , n o n - d if f e r e n t i a la n dm u l t i p e a k s c o n s i d e r i n gt h a tc o n v e n t i o n a lp i dt u n i n g m e t h o d sa r en o te f f i c i e n ta n dc a nn o tg e tg o o dc o n t r o lp a r a m e t e r s ，t h e a r t i c l ep r o p o s e st u n i n gt h ep i dp a r a m e t e r sb yp s oa n dt h er e s u l ti s s a t i s f y i n g t h er e s e a r c ht o p i co ft h ea r t i c l ec o m e sf r o mt h ei m p r o v e m e n ta n d e x p a n do f t h ee t h y l e n ec o n t r o ls y s t e mo fa nc e r t a i nb i gc o m p a n ya n d t h ep o l y p r o p y l e n ed e v i c ei ss e l e c t e da st h ec o n t r o lo b j e c t s i n c et h e m a n u f a c t u r i n gp r o c e s so fp o l y p r o p y l e n ei sv e r yc o m p l e x ，l a r g ed e l a y a n dn o n l i n e a r , a n dt h e r ea r em a n yc o n t r o lv a r i a b l e s c o n v e n t i o n a l c o n t r o lm e t h o d ss u c ha ss i n g l el o o pc o n t r o la n dc a s c a d ec o n t r o lc a nn o t w o r ke f f e c t i v e l ya n dg u a r a n t e et h eq u a l i t yo fp r o d u c t s a f t e ra n a l y z i n gt h ea b o v e p r o b l e m s ，t h e a r t i c l ec o m b i n e d t h e o r e t i c a lr e s e a r c hw i t he n g i n e e r i n ga p p l i c a t i o na n dd i s c u s s e dh o wt o a p p l yf u z z yc o n t r o la n dp s o t ot h ep r a c t i c a lm a n u f a c t u r i n gp r o c e s s t h em a i nr e s e a r c hw o r ki sd e s c r i b e da sf o l l o w s ： a s u r v e yo fo r i g i n ，d e v e l o p m e n t ，c u r r e n ts t a t u s a n dt h el a t e s t r e s e a r c ho ff u z z yc o n t r o li ss u m m a r i z e d s e v e r a lp r o b l e m st h a tf u z z y c o n t r o lm e e t sa r ed i s c u s s e da n dt h ed e v e l o p m e n to fp s oi sa l s o s u m m a r i z e d d e e pr e s e a r c h e so ft h em a n u f a c t u r i n gt e c h n i c so fp o l y p r o p y l e n e a r ec o n d u c t e d t h ec o n t r o lm e t h o d sa n dc o n t r o ld i f f i c u l t i e sa r ea n a l y z e d a n dt h e nc o n t r o lp r o j e c ti sc o n f i r m e d o v e r a l la n a l y s eo fc o n t r o ls y s t e ma r c h i t e c t u r e ，c o n f i g u r a t i o no f w o r k s t a t i o na n dc o n t r o l l e r s ，n e t w o r ka n dd a t a b a s ei sc o n d u c t e d t h eg e n e r a lp r i n c i p l eo ff u z z yc o n t r o li si n t r o d u c e d c o n s i d e r i n g c o n t r o ld i f f i c u l t i e s ，f u z z yc o n t r o la n dp i dc o n t r o l l e ri sc o m b i n e da n d o n ek i n do ff u z z ya d a p t i v ep idc o n t r o ll e ri sp r o p o s e d t h em a t l a b v a b s t r a c t s i m u l a t i o ns h o w si th a sg o o ds t e a d y s t a t e p e r f o r m a n c ea n dr o b u s t a d a p t i v ea b i l i t y t h r e em e t h o d so fi n t r o d u c i n gi n t e g r a t o ri n t of u z z yc o n t r o l l e ri s a n a l y z e d a n di n f e r r e dt os o l v et h e p r o b l e mt h a tf u z z yc o n t r o lh a s s t e a d y s t a t ee r r o r t h es i m u l a t i o ne x p e r i m e n to fp a r a l l e l i n gi n t e l l i g e n t i n t e g r a t o rw i t hf u z z yc o n t r o l l e ri sc o n d u c t e da n dt h er e s u l ts h o w si th a s b e r e r p e r f o r m a n c et h a tc o n v e n t i o n a lf u z z yc o n t r o l l e r c o n s i d e r i n gt h a tc o n v e n t i o n a lp i dt u n i n gm e t h o d sc a l ln o tb ea u t o t u n e da n da r en o te f f i c i e n t ，am e t h o do ft u n i n gt h ep i dp a r a m e t e r sb y p s oi sp r o p o s e da n dt h es i m u l a t i o ns h o w si th a sf a s t e rr i s i n gs p e e da n d g o o ds t e a d y - s t a t ep e r f o r m a n c e a f t e rt h ep u n i s h i n gf a c t o ri si n t r o d u c e d ， t h e r ei sn oo v e r s h o o t d e t a i l e di n t r o d u c t i o no fc o mt e c h n o l o g yi sc o n d u c t e da n da n e x a m p l ei sm a d et os h o wt h ec o m b i n a t i o np r o g r a m m i n go f m a t l a ba n d v c + + k e y w o r d s ：f u z z yc o n t r o l ，d e l t a v , p o l y p r o p y l e n e ，p s o ，p i d ， m a t l a b v l 东华大学学位论文原创性声明 本人郑重声明：我恪守学术道德，崇尚严谨学风。所呈交的学位 论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除 文中已明确注明和引用的内容外，本论文不包含任何其他个人或集体 已经发表或撰写过的作品及成果的内容。论文为本人亲自撰写，我对 所写的内容负责，并完全意识到本声明的法律结果由本人承担。 学位论文作者签名：滑屋超 日期：2 卯_ 7 年月日 东华大学学位论文版权使用授权书 学位论文作者完全了解学校有关保留、使用学位论文的规定，同 意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允 许论文被查阅或借阅。本人授权东华大学可以将本学位论文的全部或 部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复 制手段保存和汇编本学位论文。 保密口，在年解密后适用本版权书。 本学位论文属于 ， 不保密囱。 学位论文作者签名：诵晨怒 日期：如7 年月矿日 指导教师签名：易莞簧_ 日期：口7 年月尸日 第一章绪论 1 1 引言 第一章绪论 本章首先介绍了课题的背景及其意义，接着对模糊控制理论的产生、发 展和现状进行了回顾，并就模糊控制的应用情况进行了介绍。综述了提高模 糊控制性能方面的研究概况，包括模糊p i d 的研究、基于模糊控制器自身的 研究以及优化算法在模糊控制器设计中的应用等，接着简单的介绍了微粒群 算法及其发展概况，最后给出了本文研究的主要内容及研究成果。 1 2 课题的背景及其意义 随着工业生产的不断发展，以及经济改革的不断深化，提高企业的经济 效益己日益成为企业在激烈的市场竞争中立于不败之地的关键因素，这样必 将导致对生产控制的质量要求也越来越高。上世纪三十年代由于工业生产对 控制要求的非严格化，以及工业流程的简单化，因此常规p i d 控制一直是控 制的主流，然而随着现场总线技术的发展，以及工业流程逐步走向大型化、 连续化，用常规p i d 控制己无法满足工业生产对控制的要求。然而，目前多 数企业的d c s 应用还只停留在常规控制，从而不能实现多参数综合控制或应 用高级控制策略优化控制。如果在实旌d c s 项目的同时，将先进控制一起计 划，将其作为d c s 设计或改造项目的一个部分，在用d c s 进行常规控制组态 和系统现场调试时，同时设计先进控制策略，并在d c s 投运之后立即安装所 采用的先进控制，这样企业很快就会取得先进控制所带来的效益。另外，将 先进控制纳入d c s ，还可以使操作人员在习惯d c s 的同时，也就熟悉了先进 控制，而不用作为另外一项必须接受的技术。先进控制技术旨在提高系统的 鲁棒性、灵敏度、控制性能和企业的经济效益，这必将在今后的工业生产控 制系统中得到广泛的应用。先进p i d 这一先进控制研究策略，对于解决系统 的不确定性，提高系统的稳定性，都有一定的研究和应用，显然在提高企业 效益上具备重要作用。艾默生过程管理公司开发的d e l t a v 系统，结合了 第章绪论 p l a n t w e b 思想，对于解决工业问题得到了很大的突破。如将先进p i d 这一 先进控制策略应用到该系统中将会更大地提高企业的经济效益，从而d e l t a v 系统将会成为更多应用厂商选择的对象。 本课题是基于艾默生过程管理公司的d e l t a v ( 8 1 ) 系统在兰州石化6 0 万吨 乙烯改扩建项目工程中的应用，由于目前几乎没有由国内承担的基于d e l t a v 系统的先进控制项目，本文根据在项目执行过程中遇到的实际问题，从理论 上分析解决问题的方法，采用了模糊控制和p s o 算法来进行仿真实验，为今 后在d e l t a v 系统上更好的采用先进控制并实现其应用模块的开发进行一些初 步探索工作。 1 3 模糊控制理论的产生、发展和现状 随着现代科学技术和工业的发展，生产过程变得日益复杂，人们对工业 过程总体性能，如系统稳定性、控制精度、响应速度及适应能力的要求也不 断提高。人们从系统受控对象所能获得的控制信息量正相对减少，而对控制 性能的要求却日益提高1 。就像z a d e h 教授指出的那样：“当一个系统复杂性 增大时，人们能使它精确化的能力将降低，当达到一定的闻值时，复杂性和 精确性将互相排斥”( 即“不相容原理”) 。而传统的控制理论都要求建立在被控 对象精确的数学模型基础上，如微分方程、传递函数或状态方程，在这种情 况下，要想精确地描述复杂对象与系统的任何物理现象和运动状态是十分困 难的，因而传统的控制理论难以进行有效的控制。 近年来，为了在复杂系统的控制问题上取得突破，世界各国控制理论界 都在进行一些探索，把传统控制理论与智能算法相结合，并取得了良好的效 果，其中模糊控制、神经网络控制和专家系统是目前公认的三大智能控制方 法1 2 】o 模糊逻辑模仿人脑的不确定性概念判断、推理思维方式，对于模型未知 或不能确定的描述系统，以及强非线性、大滞后的控制对象，应用模糊集合 和模糊规则进行推理，表达过渡性界限或定性知识经验，实行模糊综合判 断，推理解决常规方法难于对付的规则型模糊信息问题。模糊逻辑善于表达 2 第一章绪论 界限不清晰的定性知识与经验，它借助于隶属度函数概念，区分模糊集合， 处理模糊关系。 模糊控制相对于传统控制主要具有以下特点p 1 ：它是一种基于规则的控 制，它直接采用语言型控制规则，出发点是现场操作人员的控制经验或相关 专家的知识，在设计中不需要建立被控对象的精确的数学模型，因而使得控 制机理和策略易于接受与理解，设计简单，便于应用。并且模糊控制系统的 鲁棒性强，干扰和参数变化对控制效果的影响被大大减弱，尤其适合于非线 性、时变及纯滞后系统的控制。 1 3 1模糊控制理论的产生 自动控制理论经历了经典控制理论、现代控制理论两个发展阶段，现在 已进入了非线性智能控制理论发展时期。从控制理论解决的问题而论，很多 重要问题，如可控性、可观测性、稳定性等系统的基本性质，控制系统的综 合设计方法等在传统控制中都建立了比较完善的理论体系。应用传统控制理 论基本能够满足工程技术及各种其它领域的需要。但是随着工业和现代科学 技术的发展，各个领域中自动控制系统对控制精度、响应速度、系统稳定性 与适应能力的要求越来越高，应用范围也更加广泛。特别是本世纪8 0 年代以 来，电子计算机的快速更新换代和计算技术的高速度发展，推动了控制理论 研究的深入开展，并进入了新的一段历程。控制理论的迅速发展，出现了许 多先进的控制算法，然而，以p i d 为原理的各种控制器仍是过程控制中不可 或缺的基本控制单元。至今，p i d 控制算法在世界范围内9 0 以上的工业过 程中被采用。p i d 控制技术已经得到了很好的发展，研究者提出了许多控制系 统设计和参数调整方法。这是因为p i d 控制具有结构简单、容易实现、控制 效果好等特点，且p i d 算法原理简明，参数物理意义明确，理论分析体系完 整，为广大控制工程师所熟悉。 随着科学技术的进步和发展，自动控制系统的受控对象越来越复杂，主 要表现在控制系统具有多输入一多输出的强耦合性、参数与结构的时变、大 时滞和严重的非线性特性，特别是从系统对所能获得的指示信息量相对地减 少，以及与此相反地对控制性能的要求却同益高度化。因此，要精确地描述 第章绪论 复杂对象与系统的任何物理现象和运动状态，实际上已经是不可能了。经典 的控制理论已经提出了许多对策，其中典型的有鲁棒性控制、最优控制、自 适应控制等方式，但是，对于非线性复杂系统，这些控制策略却难以适用， 不仅算法相当复杂，而且无望获得满意的结果。而以模糊集合和模糊逻辑理 论为基础、模拟人的思维方式、具有智能化特点的模糊控制，正是解决问题 的理想方法。模糊控制是基于启发性的知识及语言决策规则设计的，这有利 于模拟人工控制的过程和方法，增强控制系统的适应能力，使之具有一定的 智能水平。 1 3 2 模糊控制理论的发展 模糊逻辑控制( f u z z yl o g i cc o n t r 0 1 ) 简称模糊控制( f u z z yc o n t r 0 1 ) ，是以模 糊集合论、模糊语言变量和模糊逻辑推理为基础的一种控制技术。1 9 6 5 年年 美国著名控制论学者z a d e h 发表了 f u z z ys e t s ) ) 4 1 这一开创性论文，提出了 模糊集合理论，为处理客观世界中存在的模糊性问题提供了有力的工具。 模糊理论从诞生之日起，就一直存在争议，很多学者认为“模糊化”与基 本的科学原则相违背，还有许多学者认为概率论已足以描述不确定性，用概 率论同样可以很好地解决任何模糊理论的问题，因此在模糊理论产生初期， 世界上所有的大型研究机构都未将模糊理论作为重要的研究领域。z a d e h 在 1 9 6 8 年提出了模糊算法的概念，1 9 7 0 年提出了模糊决策等，并于1 9 7 3 年发 表了另一篇开创性的文章分析复杂系统和决策过程的新方法纲要1 5 j ，该 文件建立了研究模糊控制的基础理论，给出了模糊逻辑控制的定义和相关的 定理，在引入语言变量的概念的基础上，提出了i f t h e n 的规则来量化人 类的知识。 进入8 0 年代以后这一领域发展缓慢，没有新的概念和方法被提出，但是 日本的工程师以其对新技术的敏感，发现了模糊控制技术具有语词计算和处 理不精确、不确定性和模糊信息的能力，不需要数学模型，可应用到很多因 数学模型未知而无法用传统控制论的系统中去，他们用此技术首先控制一家 富士电子净化水工厂，又开发了仙台地铁模糊系统，创造了当时世界上最先 进的地铁系统，也引起了模糊领域的一场巨变。 4 第一章绪论 从此支持模糊理论的浪潮迅速蔓延到各个领域，到了9 0 年代初有许多的 模糊产品大量出现，可以说实践是模糊系统和模糊控制发展的驱动力。 我国对模糊控制的理论与应用研究起步较晚，但发展较快，诸如在模糊 控制、模糊辨识、模糊聚类分析、模糊图象处理、模糊信息论、模糊模式识 别等领域取得了不少有实际影响的结果。1 9 7 9 年1 6 1 开始用连续数字仿真方法 研究典型模糊控制器的性能，随后一些高校及科研单位的专家与学者都加入 到研究队伍之中。1 9 8 1 年，成立了中国模糊系统和模糊数学学会，并创办了 当时世界上第二份模糊专业学术杂志模糊数学，1 9 8 7 年易名为模糊系 统与数学。国内为数众多的学术论文己发表在国内外专业刊物上。1 9 8 8 年，模糊理论研究正式成为国家自然科学基金项目和“8 6 3 ”计划项目。1 9 8 9 年，国家教委在北京师范大学建立了国家级模糊实验室。刘增良教授主持完 成的“模糊控制计算机系统”和“基于因素神经网络理论的学习型模糊推理控制 机”成果，都达到了世界先进水平。2 0 0 1 年9 月，李洪兴领导的科研团队采用 变论域自适应模糊控制理论成功地实现了三级倒立摆实物系统控制，具有良 好的稳定性i 7 8 i ，2 0 0 2 年8 月1 1 日，李洪兴领导的科研团队采用变论域自适 应模糊控制理论在世界上第一个实现了四级倒立摆控制实物系统 9 1 。以上所 做的工作都对我国的模糊控制理论及其应用研究起到了积极的促进作用。 1 3 3 模糊控制理论的现状 从目前的情况来看，模糊控制技术日趋成熟和完善。各种模糊产品不断 出现在市场上，如模糊洗衣机、模糊吸尘器和模糊摄像机等等，模糊技术几 乎变得无所不能，各国都争先开发模糊新技术和新产品。多年来一直未解决 的稳定性分析问题正在逐步解决。模糊芯片也已研制成功且功能不断加强， 成本不断下降。直接采用模糊芯片开发产品己成为趋势。模糊开发软件包也 充满市场。模糊控制技术除了在硬件、软件上继续发展外，将在自适应模糊 控制、混合模糊控制以及神经模糊控制上取得较大发展。随着其它学科新理 论、新技术的建立和发展，模糊理论的应用更加广泛。模糊理论结合其它新 技术和人工神经网络和遗传基因形成交叉学科神经网络模糊技术( n e u r o n f u z z yt e c h n i q u e ) 和遗传基因模糊技术( g e n e t i cf u z z yt e c h n i q u e ) ，用于解决单 第一章绪论 一技术不能解决的问题。模糊理论在其它学科技术的推动下，正朝着更加广 泛的方向发展。 1 ) 模糊控制与神经网络的融合【1 0 j i 】 近年来，模糊控制和神经网络不仅在各自的学科里取得了引入注目的进 展，而且在这两个学科的边缘开辟了众多研究新领域。两者的相互渗透和有 机结合必将引起电子产业和信息科学的新革命。 神经模糊控制是神经网络技术与模糊逻辑控制技术相结合的产物，是指 基于神经网络的模糊控制方法。模糊系统是建立在“i f t h e n ”表达式之上，这 种方式容易让人理解，但是在自动生成和调整隶属函数和模糊规则上却很困 难。而神经网络对环境的变化具有较强的自适应能力，所以可结合神经网络 的学习能力来训练模糊规则。提高整个系统的学习能力和表达能力，是目前 最受注目的一个课题。 2 ) 模糊控制与遗传算法的融合【1 2 】 由于模糊逻辑控制所要确定的参数很多，专家的经验只能起一个指导作 用，很难根据它准确地定出各项参数，因而实际上还要反复试凑，寻找一个 最优过程。通过改进遗传算法，按所给优化性能指标，对被控对象进行寻优 学习从而有效地确定模糊逻辑控制器的结构和参数。 3 ) 专家模糊控制 专家模糊控制器e f c ( e x p e r tf u z z yc o n t r o l l e r ) f l jr m t o n g 提出m 1 ， 1 9 8 4 年他发表了关于模糊控制系统展望的论文，首先提出这一新概念。专家 模糊控制系统是由专家系统技术和模糊控制技术相结合的产物。把专家系统 技术引入了模糊控制之中，目的是进一步提高模糊控制器的智能水平。专家 模糊控制保持了基于规则的方法的价值和用模糊集处理带来的灵活性，同时 把专家系统技术的表达，利用知识的长处结合进来。 4 ) 模糊系统建模及参数变识【1 4 1 建模与参数辩识是实现控制的重要基础，因此这一研究工作从1 9 9 1 年至今 一直是模糊控制领域的热门话题。系统模糊模型就是指采用与系统输入输出 样本数据相关的，能表示系统状态的一组模糊规则来描述系统特征的、具有 模糊性的表示形式。中森义辉提出“模糊建模”，并介绍了一种基于结构模糊 6 第一章绪论 性线形回归模型。市桥秀友在“模糊控制与建模”中提出一种统计( 非参量法) 模 糊建模，用于机器人手臂运动和行走的建模问题。 5 ) 模糊硬件产品 虽然模糊控制器的设计方法越来越成熟和完善，但是在时间要求非常高 的控制问题中，软件实现已不能满足控制要求，这时常常采用硬件实现，比 如采用f p g a 、c p l d 或者a s i c 来实现模糊控制器【1 5 1 ，还有美国n e u r a l o g i x 公司推出的n l x 2 3 0 型单片模糊控制器是种可编程的超大规模集成模糊逻 辑微处理器f m c ( f u z z ym i c r oc o n t r o l l e r ) 。模糊硬件产品适应于复杂的控 制系统和信息处理。如下列领域：( 1 ) 工业自动化的控制系统；( 2 ) 伺服电机； ( 3 ) 自动驾驶：( 4 ) 燃料喷射控制等。 除了上面所述的模糊控制的几大方面进展外，模糊预测控制、模糊变结 构控制、模糊模式识别等的研究，也都属于较为前沿的研究方向。 1 3 4 模糊控制理论的面临的问题 虽然模糊理论已经取得了很多的成功，但是模糊理论还有一些重要的理 论课题还没有解决，主要为： 1 ) 建立一套系统的模糊控制理论，以解决模糊控制的机理、稳定性分 析、系统化设计方法、专家模糊控制系统、神经模糊控制系统和多变 量模糊控制系统的分析与设计等一系列问题。 2 ) 模糊控制在非线性复杂系统应用中的模糊建模、模糊规则的建立和推 理算法的深入研究。 3 ) 模糊规则爆炸的问题，1 9 9 7 年，k o s k o 评论说【1 6 】：“任何模糊控制系 统将遭受由规则爆炸引起的维数灾难。”所以降低模糊规则有效数量 一直是模糊理论学者关心的问题。 4 ) 很易产生振荡现象。如果模糊查询表构造得不合理或者量化因子、比 例因子选择不恰当，都会导致振荡现象。 5 ) 模糊集成控制系统的设计方法研究。 6 ) 自学习模糊控制策略的实现。 第一章绪论 1 4 微粒群算法研究综述 微粒群算法( p s o ) 是由美国社会心理学家j k e n n e d y 博士和电气工程师 r e b e r h a r t 等1 5 2 1 在1 9 9 5 年开发的一种演化计算技术，来源他们早期对鸟类 群体行为研究结果的启发。其中“群( s w a r m ) ”来源于微粒群符合m i l l o n a s p 引在 开发应用于人工生命( a r t i f i c i a ll i f e ) 的模型时所提出的群体智能的5 个基木原 则。而“微粒( p a r t i c l e ) ”则是一个折衷的选择。因为既需要将群体中的成员描述 为没有质量、没有体积的，同时也需要描述它的速度和加速状态。 由于p s o 算法简单、容易实现而且运算速度快，寻优效率高，短短几年 时间里p s o 算法便获得了很大的发展，并在一些领内得到应用。日前己被“国 际演化计算会议”( c e c ) 列为讨论专题之一。 p s o 算法是一种介于遗传算法和进化规划之间的进化计算方法。p s o 算 法和其它进化算法相似，也是基于群体的，然而它不使用进化算子，而是将 每个个体看作是搜索空间中的一个没有体积的微粒，在搜索空间中以一定的 速度飞行，这个速度的大小是根据它本身的飞行经验和同伴的飞行经验来动 态调整。p s o 算法的调节参数分别是：惯性权重w ，与粒子上一次的运动速 度相联系；加速常数c l 和岛，分别和自身经历过的最好位置与群体所经历的 最好位置相联系；最大速度用来防止计算溢出。q = q ：o ，微粒将一直以 当前的速度飞行，直到到达边界，没有寻优能力；若w = 0 ，则速度只取决于 微粒当前的位置和它们历史最好位置：若q 0 ，岛= o ，则微粒之间没有社会 信息共享，也就是“只有认知”的模型，因为个体间没有互交，得到的解非常 小；若c l = 0 ，c 2 0 ，则微粒没有认知能力，也就是“只有社会”模型，它的收 敛速度比标准版本更快，但对复杂问题，比标准更容易陷入局部极值点1 6 7 1 。 p s o 算法的创始人之一e b e r h a r t 认为惯性权重系数w 在平衡p s o 算法的 全局搜索和局部搜索上起着重要的作用1 6 8 1 。w 较大时，粒子群趋于全局搜 索；w 较小时，则趋于局部搜索。因此，他提出一个惯性权重随时间线性递 减的方案以获得更好的全局寻优性能。后来，e b e r h a r t 等又提出用模糊逻辑系 统来调节惯性权重系数的方法，并在对多种测试函数的实验中体现了比线性 递减方案更有效的搜索1 6 9 1 。最近，e b e r h a r t 等1 7 0 1 在解决跟踪优化动态系统的 第一章绪论 问题时，提出将惯性权重系数w 随机化的思想。 s u g a n t h a n 的实验表明c l 和c ：为常数时可以得到较好的解，但却不一定必 须为2 。c l e r c 引入了收缩因子来保证p s o 算法的收敛性。此外，针对p s o 算 法参数组合选择自由度较大的情况，c l e r c 还提出一个简化的p s o 算法，只有 一个公式和一个社会信心参数，定义了一个“无希望”收敛规则和一个“重新希 望”方法，以便随时根据对目标函数的梯度估计和先前的初始化来重新初始化 群体位置。a n g e l i n e 对不对称的初始化进行了实验，验证了p s o 种群初始化 对算法的性能影响不大，算法的鲁棒性较好。a n g e l i n e 通过研究还发现，虽 然p s o 算法比其它进化算法能更快地得到较满意的解，但当代数增加时并不 能进行更精确的搜索。故此，引入一个变化的邻域算子：在优化的初始阶 段，一个微粒的邻域就是它本身，当优化代数增加后，邻域逐渐变大，最后 将包括所有的微粒。测试结果表明它优于原先的p s o 模型。a n g e l i n e 的另一 个尝试是在p s o 算法中结合进化规划中的选择算子，以提高群体的局部细化 搜索能力。研究表明，这一改进虽然对不少测试函数取得了较原来的p s o 算 法要好的效果，但对某些测试函数如g r i e w a n k 函数的效果却不甚理想。p s o 算法的另- - 仓, j 始人k e n n e d y 提出了簇分解方法1 7 1 j ，使得收敛速度有所加快， 但同时引入一些附加的计算，因此和正常的p s o 算法相比，需要更长的计算 时间。 1 5 本文的主要研究内容 聚丙烯的生产过程是一个典型的复杂工业过程中，存在着大量的不确定 性信息，得不到被控对象精确的数学模型，从而使基于模型设计得到的控制 器得不到满意的控制效果。而模糊控制设计方法一个显著的优点就是不需要 知道被控对象精确的数学模型，基于控制规则和模糊推理来产生控制输出。 本文从实际项目出发，结合理论分析，对提高复杂工业生产过程的控制效 果，优化模糊控制器的性能，提高p i d 控制器参数的整定效果和效率等问题 作了深入的分析和实验仿真，主要的研究内容和研究成果有以下几个方面： 9 第一章绪论 1 详细概述了模糊控制理论的产生、发展和现状。针对传统模糊控制存在的 问题介绍了几种提高模糊控制器性能的方法。 2 结合实际项目分析了聚丙烯装置的控制系统架构，服务器、工作站和控制 器的配置情况以及网络的连接和数据库的组态等内容。 3 深入研究了聚丙烯的生产工艺流程及其反应装置，介绍了反应机理，分析 对比了聚丙烯装置的控制方法，提出了采用模糊控制的方案。 4 全面介绍了模糊逻辑和模糊控制的基本理论和方法，为后面模糊p i d 控制 器和模糊控制的设计和优化奠定基础，提供原理和方法。 5 针对聚丙烯生产控制面临的大滞后和非线性等问题，提出了采用自适应模 糊p i d 的控制方法，仿真结果显示其适应能力强，鲁棒性能好，控制效果 显著。 6 针对常规模糊控制器存在稳态误差的问题，提出了并联积分器的方法，并 分析对比了三种不同方案，最终采用并联智能积分器的控制方法，仿真结 果显示提高了控制精度，克服了常规模糊控制器存在稳态误差等问题。 7 针对项目中遇到的p i d 参数整定效率不高的问题，从理论上分析了使用 p s o 算法来整定p i d 控制器参数的可行性，通过仿真实验表明经过p s o 参数优化后的控制器控制性能优越。此外，与遗传算法的仿真比较显示 p s o 算法运算速度和收敛速度快，克服了遗传算法过早收敛的问题。 8 详细介绍了c o m 技术及其在m a t l a