（控制理论与控制工程专业论文）挡板角度控制系统的分析与设计.pdf

华中科技大学硕士学位论文 摘要 本文研究挡板角度控制系统，研究如何通过各种控制手段精确控制挡板倾斜的 角度。本系统是一个时变，有时延，扰动较大的非线性比较严重的系统，对控制系 统的性能要求较高，控制起来比较麻烦。 f 传统控制是古典控制和现代控制理论的总称，他们的主要特征是基于模型的控 制。由于被控对象越来越复杂，而这些复杂性都难以用精确的数学模型来描述。除 了上述复杂性外，往往还存在某些不确定性，不确定性也很难用精确数学方法来描 述。然而，对这样复杂系统的控制性能的要求越来越高，这样一来，基于精确模型 的传统控制就难以解决上述复杂对象的控制问题。相反，智能控制在处理复杂性、 不确定性方面能力高，用拟人化的方式来表达，即智能控制系统具有拟人的智能或 仿人的智能，这种智能主要表现在智能决策上。智能控制的核心就是去控制复杂性 、7 和不确定性，而控制的最有效的途径就是仿人智能决策。矿。 本文较为详细地讨论了分阶段控制思想，智能控制最主要和成熟的两种形式： 模糊控制和神经网络在挡板角度控制系统中的应用。详细介绍了模糊控制器和神经 网络p i d 控制器的设计步骤。模糊控制器的设计包括：模糊控制器的结构设计，模 糊控制规则的建立，确定模糊变量的赋值表，建立模糊控制表以及模糊控制器的仿 真结果。神经网络p 1 d 控制器的设计包括：神经网络控制器的结构设计，神经网络 学习算法的选择，神经网络稳定性的分析以及神经网络p i d 控制器的仿真结果。在 文章的最后部分还详细讨论了系统的硬件实现，提高系统布线性能的方法以及系统 的实验结果。 关键词：智能控制，神经网络，模糊控制，电磁兼容 华中科技大学硕士学位论文 a b s t r a c t t h es y s t e ms t u d i e di nt h i sd i s s e r t a t i o ni sab a f f l ea n g l ec o n t m ls y s t e mt h a tu s e s v a r i o u sm e t h o d st op r e c i s e l yc o n t r o lt h eb a f f l ea n g l e b e c a u s eo ft h et i m ed e l a y , t h et i m e r e l e v a n tp a r a m e t e ra n dt h ep r e f e r a b l yd i s t u r b ，t h es y s t e mi sas e r i o u s l yn o n l i n e a rs y s t e m w i t h p r e c i s ec o n t r o lt a r g e tw h i c h i sd i f f i c u l tt oc o n t r 0 1 t h et r a d i t i o n a lc o n t r o lt h e o r yi n c l u d e st h ec l a s s i cc o n t r o lt h e o r ya n dm o d e mc o n t r o l t h e o r yw h o s ec h a r a c t e r i s t i c sa r et h em o d e l b a s e dc o n t r 0 1 b e c a u s et h es y s t e m sa r em o r e a n dm o r e c o m p l e xa n d t h e c o m p l e x i t y i sd i f f i c u l tt od e s c r i b ew i t l l p r e c i s e m o d e l a d d i t i o n a lt ot h ec o m p l e x i t y , t h ei n c e r t i t u d ei nt h es y s t e mi sa l s od i f f i c u l tt od e s c r i b ew i t h p r e c i s em a t h e m a t i c sm o d e l s ot h et r a d i t i o n a lc o n t r o lt h e o r yi sh a r d t os o l v et h ec o n t r o l p r o b l e m so f t h e s es y s t e m s i nt h eo t h e rw a y r o u n d ，t h ei n t e l l i g e n tc o n t r o lt h e o r yd o e sn o t n e e dp r e c i s em a t h e m a t i c sm o d e l t h ei n t e l l i g e n tc o n t r o lt h e o r yh a st h es t r o n ga b i l i t yt o s o l v et h ec o m p l e x i t ya n di n c e r t i t u d eo ft h e s es y s t e m s t h em a i np u r p o s eo fi n t e l l i g e n t c o n t r o li st oc o n t r o ls y s t e m sw i t hc o m p l e x i t ya n di nc e r t i t u d e t h ed i s s e r t a t i o nd i s c u s s e dt h es u b s e c t i o n c o n t r o li d e a , a p p l i c a t i o no ft h em a i nt w o f o r m a t so fi n t e l l i g e n tc o n 廿o li n c l u d i n gt h en e u r a ln e t w o r ka n dt h ef u z z yc o n t r o li nt h e b a f f l ea n g l ec o n t r o ls y s t e mi nd e t a i l t h ed e s i g no ft h ec o n t r o l l e ri n c l u d e st h es t r u c t u r e d e s i g n ，t h e a r i t h m e t i c d e s i g na n de t c t h e l a s t p a r t o ft h ed i s c o u r s ei n t r o d u c e dt h e h a r d w a r er e a l i z a t i o no f t h es y s t e m ，t h em e t h o dt oi m p r o v et h er e l i a b i l i t yo f t h es y s t e ma n d t h er e s u l to f t h e s y s t e mu s i n g t h ed e s i g n e dc o n t r o l l e r k e yw o r d s ：i n t e l l i g e n tc o n t r o l ，f u z z y c o n t r o l ，n e u r a ln e t w o r k ，e l e c t r o m a g n e t i s m c o m p a t i b i l i t y j i 华中科技大学硕士学位论文 1 1 引言 l 综述 传统控制是古典控制和现代控制理论的总称，他们的主要特征是基于模型的控 制。由于被控对象越来越复杂，其复杂性表现为高度的非线性、高噪声干扰、动态 突变性、分散的传感元件与执行元件、分层和分散的决策机构、复杂的信息结构等。 这些复杂性都难以用精确的数学模型( 微分方程或差分方程) 来描述【l 】。除了上述复 杂性外，往往还存在某些不确定性，不确定性也很难用精确数学方法来描述1 2 】。然而， 对这样复杂系统的控制性能的要求越来越高，这样一来，基于精确模型的传统控制 就难以解决上述复杂对象的控制问题。相反，智能控制在处理复杂性、不确定性方 面能力高【3 1 。用拟人化的方式来表达，即智能控制系统具有拟人的智能或仿人的智能， 这种智能不是智能控制系统中固有的，而是人工赋予的，这种智能主要表现在智能 决策上【“。智能控制的核心就是去控制复杂性和不确定性，而控制的最有效的途径就 是仿人智能决策。 1 。2 智能控制的产生及其发展 从6 0 年代开始，由于空间技术、计算机技术及人工智能技术的发展，控制界学 者在研究自组织、自学习控制的基础上，为了提高控制系统的自学习能力，丌始注 意将人工智能技术与方法应用于控制系统。 6 0 年代初期，k w s m i t h 提出采用性能模式识别器来学习最优控制方法的新思 想，试图用模式识别技术来解决复杂系统的控制问题。s m i t h 用线性判别器作为控制 器的核心，先对控制器进行开路训练，确定线性判别函数的系数，即可用来工作。 他在研究报告中指出，当模拟元件损坏2 0 后，性能仅稍有差别p j 。 1 9 6 5 年，美国著名控制论专家z a d e h 创立了模糊集合论，为解决复杂系统的控 制问题提供了强有力的数学工具；同年，美国著名科学家f e i g e n b a u m 着手研制了世 华中科技大学硕士学位论文 界上第一个专家系统；也在同年，傅京孙首先提出了把人工智能中的直觉推理方法 用于学习控制系统。1 9 6 6 年m e n d a l 进一步在空间飞行器的学习控制系统中应用了人 工智能技术，并提出了“人工智能控制”的概念。直到1 9 6 7 年，l e o n d e s 和m e n d a l 才首先正式使用“智能控制”一词，并把记忆、目标分解等一些简单的人工智能技 术用于学习控制系统，提高了系统处理不确定性问题的能力1 6 】。这些理论和实践标志 着智能控制的思想萌芽。 从7 0 年代初开始，傅京孙、g l o f i s o 和s a f t d i s 等人从控制论的角度进一步总结 了人工智能技术与自适应、自组织、自学习控制的关系，正式提出了智能控制就是 人工智能技术与控制理论的交叉，并创立了人一机交互式分级递阶智能控制的系统 结构。在核反应堆、城市交通等控制系统中成功的应用了智能控制理论。这些研究 成果为分级递阶智能控制的形成奠定了基础1 7 】。 从7 0 年代中期前后，以模糊集合论为基础，从模拟人的控制决策思想出发，智 能控制在另外一个方向一规贝控制( r u l e - - b a s e dc o n t r 0 1 ) 上也取得了重要的进展。 1 9 7 4 年，m a m d a d i 将模糊集和模糊语言逻辑用于，创立了基于模糊语言描述控制规 则的模糊控制器，并被成功的用于工业过程控制。1 9 7 9 年，他又成功地研制出自组 织模糊控制器，使得模糊控制器具有较高的智能。模糊控制的形成与发展，以及与 人工智能产生式、专家系统思想的相互渗透，对智能控制理论的形成起了十分重要 的推动作用1 8 j 。7 0 年代可以看成是智能控制的形成期。 进入8 0 年代以来，由于微机的迅速发展以及人工智能的重要领域一专家系统技 术的逐渐成熟，使得智能控制和决策的研究及应用领域逐步扩大，并取得了一批应 用成果。例如，1 9 8 2 年f o x 等人实现加工车间调度专家系统i s i s ；1 9 8 3 年，s a r i d i s 把智能控制用于机器人的控制系统：1 9 8 4 年l i s p 公司研制成功用于分布式的实时过 程控制专家系统p i c o n ；1 9 8 6 年m l a t t i m e r 和w r i g h t 等人开发的混合专家系统控制 器h e x s c o n 是一个实验型的基于知识的实时控制专家系统，用来处理军事和现代化 工业中出现的控制问题【9 1 。1 9 8 7 年4 月，美国f o x b o r o 公司公瘫了新一代的i a 系列 智能自动控制系统。这种体现了传感器技术、自动控制技术、计算机技术和过程知 识在生产自动化应用方面的综合先进水平。它能够为用户提供安全可靠的最适合的 过程控制系统，这标志着智能控制系统已经由研制、开发阶段转向应用阶段【l 州。 应特别指出，8 0 年代后期，由于神经网络的研究获得了重要的进展，于是这一 领域吸引了众多学科的科学家、学者。如今在控制、计算机、神经生理学等学科的 华中科技大学硕士学位论文 密切配合下，在“智能控制论”的旗帜下，又在寻求新的合作，神经网络理论和应 用研究为智能控制的研究起到了重要的促进作用。 进入9 0 年代以来，智能控制理论的研究势头异常迅猛，1 9 9 2 年4 月，美国国家 自然科学基金委员会和美国电力研究院联合发出智能控制研究倡议书；1 9 9 3 年 5 月美国i e e e 控制系统学会智能控制专业成立专家小组，专门探讨智能控制领域的 “智能控制”的含义；1 9 9 4 年6 月在美国奥兰多召开了9 4i e e e 全球计算智能大会， 将模糊系统、神经网络、进化计算三个方面的内容综合在一起召开，引起了国际学 术界的广泛关注，因为这三个新学科已成为研究智能控制的重要基础j 。 美国i e e e 控制系统杂志1 9 9 1 ，1 9 9 3 1 9 9 5 年多次发表智能控制专辑， 英国国际控制杂志1 9 9 2 年也发表了智能控制专辑，日文计测与控制杂 志1 9 9 4 年发表了智能控制特集，德文电子学自1 9 9 1 年以来连续发表多篇模 糊逻辑控制和神经网络方面的论文，俄文自动化与遥控技术杂志1 9 9 4 年也发表 了自适应控制的人工智能基础及神经网络方面的论文。从以上论文和专辑的内容看， 智能控制研究涉及到众多领域，从高技术的航天飞机推力矢量的分级智能控制、空 间资源处理设备的高自主控制，到智能故障诊断以及控制重新组合，从轧钢机、汽 车喷油系统的神经控制到家电产品的神经模糊控制。如果说智能控制在8 0 年代的应 用和研究主要是面向工业过程控制，那么9 0 年代，智能控制的应用已经扩大到面向 军事、高技术领域和日用家电产品等领域。今天，“智能性”已经成为衡量“产品” 和“技术”高低的标准1 1 2 1 0 国际智能自动化学会( i n t e r n a t i o n a ls o c i e t yo f i n t e l l i g e n ta u t o m a t i o n 简称1 s i a ) 正在筹备中，筹委会主席是模糊数学和模糊系统的创始人l a z a d e l 教授。筹委会第 一次会议已于1 9 9 5 年1 0 月在加拿大温哥华召开。她的成立在世晃范围内推动智能 自动化的研究起到促进作用。 我国近来也十分重视智能控制理论和应用的研究。】9 9 3 年在北京召开了“全球 华人智能控制与智能自动化大会”，1 9 9 4 年在北京和沈阳召开了智能控制两个学术会 议，1 9 9 5 年中国智能自动化学术会议暨智能自动化专业委员会成立大会在天津召开。 应当指出，在模糊控制、仿人智能控制以及可拓控制的研究方面，我国已经形成了 自己的特色，为发展、完善、和推动智能控制的研究起到了重要作用i l ”。 模糊控制理论和神经网络作为智能控制理论的两个重要分支已经在控制理论、 控制实践、稳定性等方面取得了比较成熟的成果。考虑到本文研究的系统非线性非 华中科技大学硕士学位论文 常严重，而且存在很多干扰因素，因此决定采用这两种已经比较成熟的智能控制方 法作为控制手段。所以在本章后面部分主要探讨这两种智能理论的发展过程以及现 状。 与此同时，智能控制器的实现也随着处理器技术的发展成为可能。对于传统的 p d 控制器，在取得系统偏差以及其各阶倒数后只需做几个简单的乘加运算就可以得 到控制器的输出，但是对于复杂的矩阵运算、神经网络多层收敛运算，运算量大大 增加。对于传统处理器来讲，已经无法满足需要。现在的处理器越来越向以下方向9 发展：集成化、高速化、并行化。传统的分离器件控制器用分离模拟或者数字器件 搭接成控制器，其速度以及功能受到严重限制，无法完成复杂的控制算法所要求的 运算。由于工业界对处理器的要求，7 0 年代中后期、8 0 年代早期逐渐出现了以i n t e l 公司的m c s 5 1 和m c s 9 6 系列单片机为代表的各种集成化的单片处理器，这两个系列 的单片处理器在我国也得到了广泛的运用。其中i n t e l8 0 e 1 9 6 k e 的中央处理频率已经 达到了1 6 m ，而且i n t e l 公司的8 0 c 2 9 6 系列处理器的中央处理频率已经达到2 0 - _ 4 0 m 。 但是对于阶数比较高的矩阵运算以及多层的神经网络收敛运算仍然显得不够。在这 种情况下，并行运算也逐渐出现在单片处理器中。由于并行运算需要尽量提高处理 器的处理能力，增加处理器的吞吐量，大多数并行处理器都采用多套数据总线和多 套地址总线，但是这样的控制系统毕竟很少，购买数量不多，由此不可避免地造成 费用较高。但是随着电信行业对高速信号处理、大量话音数据的传输要求的提高， 以及大量电信基础设备的要求，这种并行处理单元也已经处于批量应用阶段。比如 说，t m s 3 2 0 c 6 2 0 3 的主频已经达到3 0 0 m ，如果八级流水线满负荷运行，则其最高 处理速度可以达到2 4 0 0 m i p s ，也就是一秒钟可以运行2 4 亿条指令。这样的运算速度 以及比较便宜的价格应该可以满足大多数高档控制器的价格与运算要求了。在这罩 要特别指出的是，d s p 本身就非常适合大数据量的处理，特别适合于控制系统。 1 3 模糊数学的创立与发展 作为一门新型的控制理论，模糊控制需要有强有力的数学工具的支持。康拓创 立的经典集合论是经典数学的基础，它是以逻辑真值为f 0 ，】) 的数理逻辑为基础的 1 4 1 ；z a d e l 教授创立的模糊集合是模糊数学的基础，它是以逻辑真值n o ，1 】模糊逻 华中科技大学硕士学位论文 辑为基础的，它是对经典集合的开拓。模糊数学作为模糊控制的数学基础，而模糊 控制中出现的很多数学现象又反过来丰富模糊数学的内容，可以说模糊控制理论的 发展历程就是模糊数学的发展历程”。 模糊数学又称f u z z y 数学。“模糊”二字译自英文“f u z z y ”一词，该词除有模 糊的意思外，还有“不分明”等含义。随着科学研究的不断深入，研究的对象越来 越复杂，变量越来越多，要求对系统的控制精度越来越高，而复杂的系统的是难以 精确化的，这样，复杂性和精确性就形成了十分尖锐的矛盾。实践中就有“不兼容 原理”，即：当一个系统的复杂性增大时，我们使它精确化的能力减小，在达到一定 的阈值后，复杂性和精确性将相互排斥。具体一点就是说，一个系统的复杂性与分 析它能达到的精度之间服从一个粗略的反比关系。这一原理指出，高精度和高复杂 性不兼容【1 6 1 。 解决精确性与复杂性的矛盾，我们得从电子计算机入手。现代计算机的计算机 的计算速度和存储能力几乎达到了无与伦比的程度，它不仅可以解决复杂的数学问 题，还可以参与控制宇宙飞船等。既然计算机有如此威力，那么为什么在判断和推 理方面有时反而不如人脑呢? 美国加里福尼亚大学的z a d e l 教授仔细地研究了这个 问题，以致使他经常回旋于“人脑思维”、“大系统”和“计算机”的矛盾中。他发 现德国人c a n t o r 创立的古典集合论必须进行推广，这样有利于用数学模型来描述某 些现象中的模糊性。1 9 6 5 年，z a d e l 教授发表了模糊集合论的论文i l ”。提出用 “隶属函数”这个概念来描述现象差异的中间过渡，从而突破了古典集合论中属于 和不属于的绝对关系。z a d e l 教授这一开创性的工作标志着模糊数学的诞生。 模糊数学从1 9 6 5 诞生至今已经近4 0 年了，刚诞生的几年进展相当缓慢，进入 7 0 年代后，模糊集合的概念被越来越多的人所接受，这方面的研究工作也迅速发展 起来。在1 9 7 6 - 1 9 8 3 年间，我国在国内杂志上发表的有关模糊数学及其应用方面的 论文就多达5 4 7 篇。1 9 8 9 1 9 9 2 年间国际上共发表模糊系统方面的论文以及著作达到 4 8 1 1 种之多。 上世纪最后2 0 年以来，模糊数学的发展更有加速的趋势。1 9 8 4 年成立了国际模 糊系统学会。我国在1 9 8 3 年成立了自己的模糊数学与模糊系统学会。在模糊数学方 面，我国与国际水平差距不大，中国和美国、r 本、法国被公认为模糊数学四强| l “。 华中科技大学硕士学位论文 1 4 人工神经网络的发展与现状 人工神经网络的研究开始于上世纪4 0 年代。半个世纪以来，它经历了一条由兴 起到萧条、又由萧条到兴起的曲折发展道路。 人工神经网络的研究始于1 9 4 3 年，它是由心理学家w s m c c u l l o c h 和数学家 e p i t t s 所提出的m p 模型。该模型除连接权不调整外，其他与现在的阈值单元模型 基本相同。m p 模型的提出不仅具有开创意义，而且还为以后的研究工作提供了理 论依据。 1 9 4 9 年，心理学家d o h e b b 提出了神经元之间突触强度调整的假设。他认为学 习的过程是在突触上发生的，连接权的调整正比于两相连接神经元之间激活值的乘 积。这就是著名的h e b b 学习规则。直到现在，h e b b 学习规则仍然是人工神经网络 的一个极为重要的学习规则【l ”。 5 0 年代末，e r o s e n b l a t t 提出了著名的感知机( p e r c e p t i o n ) 模型，这是第一个完 整的人工神经网络。这个模型由阂值单元构成，初步具有诸如并行处理、分布存储 和学习等神经网络的一些基本特征，从而确立从系统的角度研究人工神经网络基础。 1 9 6 0 年，b w i n d r o w 和m e h o f f 提出了自适应单元( a d a l i n e ) 模型【2 0 1 。它可用于自 适应滤波、预测和模型辨识。从5 0 年代末到6 0 年代初，神经网络的研究受到人们 的重视，研究工作进入了一个高潮。 1 9 6 9 年，美国麻省理工学院的著名人工智能学者m m i n s k y 和s p a p c r t 编写了影 响很大的( p e r c e p t i o n ) 书。该书指出：单层的感知机只能用于线性问题的求解， 而对于像x o r ( 异或) 这样的简单的非线性问题却无法求解。他们还指出，能求解 非线性问题的网络应该具有多层神经网络，而将感知机模型扩展到多层网络是否还 有意义，还不能从理论上得到有力的证明1 2 ”。由于m i n s k y 的悲观结论，加上当时以 逻辑推理为基础的人工智能和数字计算机取得的辉煌成就，从而大大降低了许多人 对人工神经网络研究的热情以及克服理论障碍的勇气。在这之后将近十年中，神经 网络的研究进入了一个缓慢发展的低潮期。 在这个低潮期，研究工作没有完全停顿下来，仍然有很多学者继续进行探索， 并取得了一些重要成果。在这期间，芬兰学t k o h o r e n 提出了自组织映射理论：美国 学者s s g r o s s b e r g 提出了自适应共振理论( a r t ) ；日本学者福岛邦彦( k f u k u s h i m a ) 提出了认知机( n e o c o g n i t i o n ) 模型：日本学者甘利俊( s h u n i e h ia m a r i ) 则致力于 6 华中科技大学硕士学位论文 神经网络有关数学理论的研究等。这些研究成果对以后神经网络的研究和发展都产 生了重要的影响。 进入8 0 年代，神经网络的研究又引起了众多学科领域学者的关注，并很快形成 了热潮。其主要原因是以逻辑推理为基础的人工智能理论和v o n n e u m a n n 计算机在 处理诸如视觉、听觉、形象思维、联想记忆和运动控制等智能信息处理问题上受到 挫折；具有并行和分布机制的人工神经网络本身的研究成果以及脑科学和神经科学 的研究成果的推动作用；v l s i 技术和光电技术发展为人工神经网络的实现提供理了 物质基础。由于以上原因，使人们产生了一个共识，即人工神经网络可能成为未来 智能机良好的模式【2 ”。 美国加州理工学院的生物学家j j h o p f i e l d 于1 9 8 2 年和1 9 8 4 年在美国科学院院 刊发表的两篇文章，有力地推动了神经网络的研究，引起了神经网络的又一次热潮。 1 9 8 2 年他又提出了一个新的神经网络模型- - h o p f i e l d 网络模型。他在这种网络模型 的研究中，首次引入了网络能量函数的概念，并给出了网络稳定性的判据。1 9 8 4 年 h o p f i e l d 提出了网络模型实现的电子电路，为神经网络的工程实现指明了方向。 h o p f i e l d 的研究成果开拓了神经网络用于联想记忆和优化计算的新途径，并为神经计 算机的研究奠定了基础【2 3 1 。1 9 8 4 年h i n t o n 等人将模拟退火算法引入到神经网络中， 提出了b o l t z m a n n 机( b m ) 网络模型。b m 网络算法为神经网络优化计算跳出局部 极小提供了一个有效的方法。 1 9 8 6 年d e r u m e l h a r t 和j lm e c l e l l a n d 及其研究小组发表了两本专著：( p a r a l l e l d i s t r i b u t e dp r o c e s s i n g ) ) 、( e x p l o r a t i o ni nm i c r o s t r u c t u r eo f c o g n i t i o n ) ) 。该书致力于认知 微观结构的探索，特别是他们提出误差反向传播( e b p ) 学习算法，成为至今为止影 响很大的一种网络学习方法。1 9 8 7 年美国神经计算机专家r h e c h n i e l s e n 提出了对 向传播( c o u n t e rp r o p a g a t i o n ) 的神经网络，该网络具有分类灵活，算法简练的优点， 可用于模式分类、函数逼近和数据压缩等领域。1 9 8 8 年美国加州大学的l o c h u a 等 人提出了细胞神经网络( c n n ) 模型，它在视觉初级加工上得到了广泛的应用。自 1 9 5 8 年第一个人工神经网络感知机模型出现以来，提出的神经网络已近4 0 余种，这 里就不一一列举。 随着理论研究工作的发展，美国、日本等国在神经网络计算机硬件实现的开发 方面也取得了显著的成绩，并逐渐形成了产品。 8 0 年代中期以来，神经网络的应用研究所取得了很大的成绩，涉及的面非常广 华中科技大学硕士学位论文 泛。就应用的技术领域而言有计算机视觉、语言的识别、理解与合成、优化计算、 智能控制以及复杂系统分析、模式识别、神经计算机的研制、知识处理、专家系统 和人工智能。涉及的学科有神经生理学、认识科学、数理科学、心理学、信息科学、 计算机科学、微电子学、光学、生物电子学等。 为适应人工神经网路的发展，1 9 8 7 年成立了国际神经网络学会，并决定定期召 开国际神经网络学术会议。1 9 8 8 年1 月( ( n e u r a ln e t w o r k ) ) 创刊。1 9 9 0 年3 月( ( i e e e t r a n s a c t i o no i l n e u r a l n e t w o r k ) ) 问世，我国于1 9 9 0 年1 2 月在北京召开首届神经网络 学术大会，并决定以后每年召开一次中国神经网络学术大会。1 9 9 1 年在南京成立了 中国神经网络学会。9 0 年代以及新世纪以来，人工神经网络的发展仍然迅猛，虽然 没有提出更加有生命力的人工神经网络模型，但是神经网络的应用已经扩大到各行 各业，理论研究也向纵深方向发展。 从众多应用领域取得的丰硕成果来看，人工神经网络的发展具有强大的生命力。 当前存在的问题是智能水平还不高，许多应用方面的要求还不能得到很好的满足； 网络分析与综合的一些理论问题( 如稳定性、收敛性的分析、网络的综合等) 还未 得到很好的解决。随着人们对大脑信息处理机制认识的深化，以及人工神经网络智 能水平的提高，人工神经网络必将在科学技术领域发挥更大的作用。 结合自动控制理论来讲，因为神经网络具有以下的优点： ( 1 ) 它能以任意精度逼近任意连续非线性函数1 2 “。 ( 2 ) 它对复杂不确定问题具有自适应和自学习能力。 ( 3 ) 其信息处理的并行机制可以解决控制系统中的实时计算问题。 ( 4 ) 其并行处理机制中的冗余性可以使控制系统有很强的容错能力。 ( 5 ) 它有很强的信息综合能力，协调处理多种输入信息的关系。 ( 6 ) 神经网络系统辨识是非算法式的，神经网络本身就是辨识模型，其可调参 数反映在网络内部的连接权上。它不需要建立以实际系统为数学模型的辨识格式， 故可以省去在辨识前对系统建模这一步骤。 ( 7 ) 神经网络作为实际系统的辨识模型，实际上也是系统的一个物理实现，可 以用于线性控制。 所以神经网络在控制系统中获得了广泛的应用，神经网络在控制系统中的应用 是多种多样的，就其在控制系统所起的作用而言，有如下几种方式： ( 1 ) 为控制系统提供某种模型。 华中科技大学硕士学位论文 ( 2 ) 充当各类控制器。 ( 3 ) 作为计算部件实现某种优化计算。 神经网络应用于控制系统的最大障碍在于其多层网络的收敛计算速度由于一般 的工业系统有价格的因素包含在里面，不可能不考虑成本地使用高档处理器去实现 神经网络，但是随着处理器能力不断提高，价格不断下降，复杂神经网路的实现也 逐渐成为可能。 一 1 5 全文内容安排以及背景介绍 为加强应用技术研究，作者在秦忆教授的指导下，通过实验室支持，选择“挡 板角度智能控制系统的分析与设计”作为硕士学位论文题目，研究智能控制理论， 尤其是模糊控制和神经网络控制理论在控制系统中的应用，以及这两种智能控制理 论在系统模型的非线性比较严重、系统模型不精确的情况下解决控制系统精度要求 问题的能力。全文内容安排如下： 第一章介绍当今智能控制理论的发展趋势，包括智能控制理论的研究以及在各种 实践中的应用，主要介绍模糊控制和神经网络的发展历程。 第二章介绍控制系统的分析与建模，对系统的物理与电气结构作一个总体介绍， 在此基础上选择系统的控制策略，以及具体控制理论的选择。 第三章介绍模糊控制器的设计以及仿真结果。 第四章介绍神经网络控制器的设计以及仿真结果。 第五章介绍硬件电路的设计过程，主要介绍对于高速电路板设计过程中的一些理 论和经验予以介绍。 第六章全文总结。 9 华中科技大学硕士学位论文 2系统分析与建模 本文研究的系统是一个比较复杂的机械电气系统，为了能够对系统有一个比较 清楚的了解，在这一章首先对系统的机械、电气结构作一个比较全面的介绍。 2 1 系统介绍与分析 系统物理结构如图2 1 1 所示 图2 1 1 ：挡板角度控制系统示意图 出图可见，陔系统由运动平台、运动平台传动机构、三相交流伺服电动机、单 相电风扇、光电编码器、挡板等部分组成。该系统主要的目的就是控制挡板倾销角 华中科技大学硕士学位论文 度臼的大小。下面从控制系统的角度对系统进行比较详细的分析。 ( 1 ) 系统的被控量：系统的最终输出就是挡板倾斜角度p 。为了能够对系统被控 量进行高精度的控制，利用与其同轴相连的光电码盘对其转动角度进行检测，构成 闭环反馈系统。为了显示最终控制的效果如何，通过图中右边的圆形标尺刻度显示 输出结果。 ( 2 ) 系统的控制量：电风扇的转速n 和电风扇与挡板之间相对距离的大小s 。通 过改变电风扇的转速n 和电风扇与挡板的相对距离的大小s 就可以调节挡板倾斜角 度臼的大小。s 一定时，电风扇转速1 3 越高，挡板倾斜角度口越大；n 一定时，电风 扇与挡板之间相对距离s 越小，挡板倾斜角度口越大。 ( 3 ) 电风扇转速n ：电风扇的拖动电动机是一个单相交流异步电动机，考虑到调 节挡板倾斜角度时对电风扇调速范围要求比较的宽，所以不能采用调压调速，最终 决定用变频调速的方式来进行转速调节，用一套自己设计的变频调速系统来调节电 风扇转速。所以最终的控制变量是供给单相电动机的电压频率f ( 正比于电压幅值 v ) 。 f 4 ) 电风扇与挡板之间相对距离s ：如图所见，电风扇和工作台相连，调节电风 扇的位置实质就是调节工作台的位置。工作台通过一个丝杆和主轴三相交流伺服电 动机相连。所以，最终通过调节主轴电动机的转速就可以调整工作台的位置，从而 调节角度。本系统采用一套已有的三相交流伺服系统控制这个主轴电动机。 2 2 系统建模 一系统稳态模型 为了使系统的控制方案较为简单，对系统进行分段控制( 在第三节详细介绍) 。对 于分段控制方法第一段究竟要把电风扇和挡板的位置调节到多少才可以满足第二阶 段控制的要求，必须要有模型作为基础。这个模型就是距离s 大小一定时，挡板倾 斜角度目稳态值和电风扇转速n 稳定时的关系。即系统的稳态模型。为便于建模， 使求导和求积分时数学式子较为简单，以下都用s 代替1 8 0 一s ，实际上s 现在变成了 电风扇离丝杆尾端的距离。 考虑到本系统干扰因素比较多，而且不是在封闭系统中运行，故采取理论推导 的建模方法比较困难。因此本文采取直接得到实验结果后再进行模型辨识的方式进 华中科技大学硕士学位论文 行。下表为稳态时，角度曰和电风扇电压v 以及风扇位黄s 关系的实验结果( 位置单 位为毫米，电压单位为伏，角度单位为度，电压频率随电压幅值作线性变化) 。 惑 1 8 01 6 01 4 01 2 01 0 08 06 04 02 0o 2 2 0 1 6 51 5 51 4 71 4 01 3 31 2 3“51 0 69 69 0 2 1 0 1 5 71 4 81 4 11 3 31 2 61 1 91 1 o1 0 29 38 5 2 0 01 4 8 1 4 01 3 41 2 81 2 01 1 31 0 81 0 09 28 1 1 9 01 4 21 3 4 1 2 61 2 01 1 21 0 59 68 98 27 7 1 8 01 3 _ 31 1 91 1 21 0 8 1 0 o9 28 78 o7 46 8 1 7 01 2 51 1 91 1 1 1 1 41 0 81 0 19 38 57 36 4 1 6 01 1 71 1 o 1 0 39 99 28 57 97 06 35 9 1 5 01 1 0l o 59 9 9 28 68 17 46 96 05 4 1 4 01 0 29 99 2 8 58 07 46 86 25 5 5 0 1 3 09 59 08 38 o7 6 7 16 55 85 14 8 表2 2 1 角度稳态模型实验结果 对上表的数据进行分析可知 1 ) 在电压v 一定的情况下，角度p 基本与位置s 成正比，可以对其数据进行线 性拟合。以电压v 为1 8 0 v 为例： k ：! i ：! 二坚：0 0 3 6 1 8 0 一。 目；6 8 + o 0 3 6 j( 2 2 1 ) 2 ) 在位置s 一定的情况下，角度口基本与电压v 成正比，故也可对其数据进行 线性拟合。以位置s 为0 时为例： 2 华中科技大学硕士学位论文 ：坐：o0 7 5 2 2 0 0 = 00 7 5 u ( 2 2 - 2 ) 二系统瞬态模型 系统的控制过程分为两步( 本章后面作详细介绍) ，第一步的控制以稳态模型作为 依据，故在此不对其作瞬态建模。这里主要对第二步进行瞬态建模，即讨论挡板张 开角度0 与电风扇转速1 3 ( 也就是频率或者电压) 的关系。 1 挡板张开角度与挡板压强的关系 因为挡板张开的角度比较的小，所以可以忽略挡板张开漏掉的空气压强同时忽 略掉系统的干扰因素。由力学知识，可以得到系统的近似模型为： p s l ix c o s ( 8 ) = g s i n ( o ) l 1 ( 2 - 2 - 3 ) 其中p 代表风作用于挡板上的压强，s 代表挡板面积，g 代表挡板重量，l l 代表 挡板长的一半。因为0 比较小，所以s i n ( o ) 可以用目近似，c o s ( o ) 近似为1 。所以，式 2 2 3 可以简化为0 = k + p 即挡板张开角度正比于压强。 2 压强与电风扇转速之间的关系 忽略系统的干扰，不考虑系统的时延，并且作定的近似，由流体力学的知识 可得以下模型： 垡+ 口堡+ b ：k 珂( 2 2 - 4 ) _ - + 口一+ = 珂( z - d l 。d t 式中，a ，b ，k 均为与电风扇和挡板相对位置s 有关的量。此系统为二阶系统但是 参数值a ，b ，k 在s 的大小不同时会变化。 3 系统总的模型 综合1 和2 的叙述， 岩= 志3 h 曲g o 舟b 加上系统的时延，可以得到经过近似后的系统模型为 ( 2 2 5 ) 其中，a 、b 、c 、k 是与系统参数s 有关的变量。 三单相电动机数学模型 在这里主要讨论单相电动机转速和电动机输入电压( 输入频率) 的关系。 u f = e 控制原则是开环变频调速系统常用的控制方式。其定义是，在变频调速中， 异步电动机的定子端电压“，和定子供电频率_ 始终要保持协调控制，二者之比为常 华中科技大学硕士学位论文 数，又称为恒压频比控制方式。也就是说，欲使异步电动机的转速降低，在降低定 予绕组供电频率一的同时，必须降低定子端电压，二者比值为常数c ，反之亦成立。 需要注明的是这种控制方案属于恒磁通用调速方法，异步电动机的转速只能低于额 定转速向下平滑调节。 常数c 如何确定昵? 对笼式异步电动机，常数c 定义为定子、绕组的额定相电 压“，。与额定频率六之比，又称为压频比，即 c ：丝：冬( 2 2 6 ) 也就是说，在额定频率向下调节时，“i f 保持线性的函数关系。当由额定频率 向上调节时，受电动机的绝缘限制，应保持电动机的端电压不变，即为额定值， “。= y ( 一) 为水平线。 异步电动机在变频调速方式下运行时，为什么一定要保持“i 厂= c 呢? 最终目的 是希望异步电动机的气隙磁通和功率因数保持不交，不致因压频比的失调而造成电 动机的过激磁或欠激磁。这从定予电压平衡方程式，容易得到证明。当忽略定子绕 组漏阻抗z i = + j x 】时，电势方程式为= e j = 4 + 4 4 f l w , k w i 中。式中，_ 定予 绕组供电频率；w 。定子绕组匝数；k w i 定子绕组的绕组系数；由。气隙 磁通。 则： 中： ! ! ：c 鱼 ” 禾4 4 f l w 七m_( 2 2 7 ) c = 1 4 4 4 w i k w l 欲使电动机转速低于额定转速向下调节时。须使定予绕组供电源频率f 降低，此时 假若保持定子端电压不变，由式( 2 - 2 7 ) 可看出，势必会造成气隙磁通增大，即 中 巾m ，电动机出现过激磁，无功分量增大使电动机的c o s 降低。当降低频率；调 速时，若使定子端电压下降过多，由式( 2 2 7 ) 看出，会出现中 中。，电动机欠激 磁，异步电动机功率发挥不够。所以在减小z 调速时，定予端电压既不能保持恒定， 也不能降低太多。只有保持“y , = c 关系，电动机按恒压频比运行，才有可能使电 动机气隙磁通保持恒定。压频比c 的数值由式( 2 2 6 ) 决定，交流变频开环调速系 统多采用这种控制原则。本系统中电风扇的拖动电动机也采用这种控制方式。 综合二、三两点，可以得到挡板倾斜角度0 和电动机输入电压v ( 频率f ) 的关 华中科技大学硕士学位论文 系为 g = 怒= 忐e ” 2 3 分段控制策略的提出 由以上各节的讨论，可以做出系统的总体原理框图 挡板张开角度 反馈 工作苗 位置反馈 图2 - 3 1 系统原理方框图 由图可见，系统的被控量0 受电风扇转速n 和电风扇位置s 的控制，而且这两个 变量相互是解藕的，所以无论是控制电风扇转速n 还是控制电风扇位置s 都可以控 制系统的被控量0 。但是，这两个变量又不是完全没有关系的，当电风扇和挡板的 相对位置很大时，即使电风扇转速达到最大，挡板的倾斜角度可能还是比较的小。 如表2 1 1 所示，比如s = 1 0 0 时，0 1 3 3 度。如果现在角度0 的给定为1 5 度，并且 s 保持不变，则系统无法达到控制要求。但是实际上系统的角度变化范围是【4 8 ，1 6 5 】， 所以对于系统的被控量一定要协调两个控制量一起控制，不能单独控制一个控制量。 但是，如果在每一瞬间都同时考虑系统的两个控制量，则有如下不利因素： 1 ) 电风扇位置s 和模型 ：掣：了_ 尹中的参数a ，b ，c ，k 有关系，从而使系 n t s ) s 七n 3 + n 统中的参数随时可能变化，不利于系统的控制。 华中科技大学硕士学位论文 2 ) 系统同时考虑的因素过多从而使系统的运算量过大。 3 1 同时考虑的因素过多控制规律则过于复杂。 有鉴于此，提出以下分段控制策略： 第一步在系统得到角度给定酿两之后，利用第二节中得到的稳态模型计算，看 电风扇的位置s 为多少时，调节电风扇转速可以调节系统的被控量曰，从而使系统的 被控量口达到所需的精度。计算之后，马上控制主轴电动机的转向和转速，使电风 扇到达计算出来的位置。 第二步在电