模糊神经PID融合的控制策略的工程应用

1、模糊_神经_PID融合的控制策略的工程应用摘要：模糊控制和神经控制是智能控制的前沿领域，文章对模糊控制和神经控制的设计理论和应用进行了研究，针对基于数学模型的传统PID控制方法不能满足具有不确定性、难以精确建模的复杂控制系统设计的要求，采用了多种模糊神经PID融合的控制策略，并对工程实际进行了仿真实验，验证了所采用的控制方法的有效性。本文的主要内容如下：1） 总结了自动控制理论、模糊控制、神经控制的发展，研究状况和展望；指出传统PID控制方法存在的缺陷和不足；阐明了设计先进PID控制策略的必要性。2）研究了模糊控制和自适应单神经元控制的原理和设计方法。3） 针对锅炉燃烧器这类存在大惯性环节，难

2、以建立精确数学模型的控制对象，采用了模糊PID复合控制策略。这种策略在大偏差范围内采用模糊控制，加快动态响应过程；在小偏差范围内转换为PID控制，消除稳态误差，实现精确控制。通过MATLAB仿真实验表明，模糊PID复合控制能够满足系统要求，具有良好的快速性和稳态精度，具有很强的鲁棒性和抗干扰力，体现了优异的控制品质。4） 针对过热汽温调节系统这样一个存在非线性耦合、大滞后、多变量、干扰强的复杂被控对象，采用基于单神经元网络的智能PID控制。该方法利用了神经元具有高度的容错性，鲁棒性，自组织，自学习和实时处理等特点对过热气温调节系统进行控制。通过MATLAB仿真实验表明，基于单神经元网络的智能P

3、ID控制方法具有算法简单、实时性好的特点，具有较强的自适应、自学习能力和较强的鲁棒性。5） 将模糊PID复合控制策略和基于单神经元网络的智能PID控制方法融合采用了模糊神经PID融合的控制策略，通过MATLAB仿真实验表明模糊神经PID融合的先进控制策略综合了模糊控制、神经控制和传统PID的优点，比前面两种控制策略具有更好的鲁棒性、快速性和控制精度。表现出及其优异的控制品质。关键词：模糊PID；智能PID；工业对象；不确定性前言自动控制理论形成以来，一直在科技的发展中扮演着举足轻重的角色。由于它涉及的学科非常广泛，因此，自动控制理论的应用和影响也遍及了工农业生产和人类社会的各个领域。回顾自动控

4、制理论的发展历程，大体上可以划分为经典控制理论、现代控制理论和智能控制理论三个阶段。通常，人们将经典控制理论和现代控制理论称为传统控制理论，而它们是基于对象线性化数学模型已知的控制方法，而智能控制不但可以应用于对象线性化数学模型已知的情况下，而且可以用于控制对象模型未知以及非线性时变的系统。传统控制理论的一个重要应用领域是工业控制。目前，工业控制大多采用常规PID控制，因为，PID控制可以满足大多数工业控制的需要。并且具备控制效果较好、理论成熟、实现方便等优点。尤其适用于可以精确建立数学模型的确定性系统。然而随着工业化的迅速发展，受控对象和环境的日益复杂和多样化，在许多场合下，要想建立精确的数

5、学模型变得十分困难或不可能，加之系统的复杂导致系统的非线性、时变程度增大，这使得基于对象线性化数学模型的传统控制理论无法满足控制系统对控制理论的要求。由此，理论界致力于研究新的控制理论，从而使自动控制向智能控制方向发展。智能控制由于具备不同于传统控制理论的本质特征：学习功能、自适应功能和组织功能，使其在解决复杂、非线性时变和不确定性受控的控制问题时，具有传统控制无法比拟的优势。因此智能控制理论及其应用的研究成为自动控制发展的一个主要方向，作为两种主要的智能控制方法，模糊控制和神经网络控制，由于它们能模拟人的智能行为，并能够处理传统控制方法难以解决的控制问题，因此，模糊控制和神经网络控制成为智能

6、控制的前沿和研究热点。研究模糊控制是为了将人类的经验（知识）通过模糊逻辑语言变量及其之间的模糊关系进行模糊推理。从而，使计算机控制进入那些基于对象精确数学模型无法控制的禁区，以便获得基于对象精确数学模型控制无法达到的控制效果。研究神经网络控制是利用人工神经网络具有信息分布存储、自组织和自学习能力强大、可以利用并行处理技术提高效率以及它具有极强的非线性逼近能力等优点，对难以精确描述的复杂非线性对象建立数学模型。还可以作为控制器来控制对象，以及用于优化计算，推理和故障诊断等多种用途。从而达到对复杂非线性系统进行卓有成效的控制。本文在PID控制的基础上，结合模糊控制、神经网络控制算法，先将模糊控制、

7、神经网络控制与传统PID控制结合，最后将三种控制策略结合，采用模糊神经PID控制策略，并对实际工程应用进行了MATLAB实验仿真。第一章综述了自动控制理论的发展历程，指出传统控制存在的缺陷和不足，阐述模糊控制、神经网络控制的基本思想。第二章系统的介绍了模糊控制和神经网络控制的基本概况，神经网络的分类、算法以及应用研究现状。第三章介绍了模糊控制和自适应神经网络控制的基本原理及设计。第四章针对锅炉燃烧器一类存在大惯性环节，难以建立精确数学模型的被控对象，采用了模糊PID复合控制策略，并进行MATLAB仿真。第五章把神经元的学习特性和常规PID控制算法结合起来，设计了基于单神经网络的智能PID控制，

8、通过MATLAB仿真。第六章综合了模糊控制、神经网络控制的优点，采用了将模糊控制、神经网络控制和常规PID控制策略融合的智能模糊神经PID控制策略，并通过MATLAB仿真。1绪论1.1引言自动控制理论形成以来，一直在科学技术的发展中扮演着重要的角色。由于它涉及的学科非常广泛，包括数学，计算机科学，信息论，控制论及工程科学等众多领域，因此自动控制理论的应用和影响也遍及工农业生产和人类社会的各个领域。正是因为在实践中不断地发现问题，解决问题，从而涌现了大批新思想，新方法，推动自动控制理论的不断发展和不断完善。回顾自动控制理论的发展历程，大体上可以划分为经典控制理论，现代控制理论和智能控制理论三个重

9、要阶段1。第一阶段：时间为20世纪4060年代，称为“经典控制理论”时期。经典控制理论主要是解决单输入但输出问题。第二阶段：时间为20世纪6070年代，称为“现代控制理论”时期。状态空间法可以解决多输入多输出问题，系统既可以是线性的、定常的，也可以是非线性的、时变的。第三阶段：时间是20世纪70年代木至今，称为“智能控制理论时期”。智能控制的基本出发点是仿人的智能实现对复杂不确定性系统进行有效的控制。它所涉及的领域，除了传统控制外还包括：计划、学习、搜索算法、复合系统、容错、纠错、重构、自主、Petri网、神经网络和模糊逻辑等。1.2课题的提出和意义从引言中知道，自动控制理论研究正由成熟的传统

10、控制理论阶段过渡到智能控制理论时期。常规PID控制策略具有以下特性：1） 原理简单。2）适应性强。3）鲁棒性强。在PID控制中，PID参数的整定是一个关键问题，它直接影响控制效果。确定PID参数的传统方法是：在获得对象数学模型的基础上，根据某一整定原则来确定。当数学模型不可得到时，则利用经验并通过试验的方法确定PID参数。控制器一旦设计好，其PID参数也就定了。然而，实际工业生产过程往往具有非线性，时变不确定性，难以建立精确的数学模型，应用常规PID控制器不能达到理想的控制效果，而且在实际生产现场中，由于受到参数整定方法繁杂的困扰，常规PID控制器往往整定不良，性能欠佳，对运行工况的适应性很差

11、。这就要求PID参数能在线调整，以满足控制的要求。因此在传统PID控制的基础上，结合模糊控制、神经网络以及其他智能算法（如人工遗传算法）的研究和应用将有非常广阔的前景。本论文的设计理论就基于此。1.3模糊控制和神经控制的基本思想模糊控制的基本思想是利用计算机来实现人的控制经验。研究模糊控制的目的不是要把控制理论搞得模模糊糊，而是要通过引入模糊逻辑语言变量及其它们之间构成的模糊关系进行模糊推理，从而，使微机控制进入那些基于精确模型无法控制的禁区，以便获得基于精确模型控制所无法达到的精确的控制效果。模糊控制器（Fuzzy Controller,FC）获得巨大成功的主要原因在于它具有如下一些突出特点

12、：1）由工业过程的定性认识出发，比较容易建立语言控制规则，因而模糊控制对那些数学模型难以获取、动态特性不易掌握或变化非常显著的对象非常适用。2）基于模型的控制算法及系统设计方法，由于出发点和性能指标的不同，容易导致较大差异：但一个系统的语言控制规则却具有相对的独立性，利用这些控制规律间的模糊连接，容易找到折衷的选择，使控制效果优于常规控制器。3）模糊控制算法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。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。而神经控制

13、的基本思想则是利用计算机来实现人的自组织，自学习和自适应功能。神经网络能够用于自控领域，主要有如下特征：1）并行处理功能：既能解决大批量实际计算和判决问题，又具有较强的容错能力。2）由于隐层的存在，只需三层网络便可以任意精度逼近任意非连续函数。在系统中，它至少能起三个基本作用：无当非线性控制对象模型；充当各种不同功能的控制器构造；构造优化计算或矩阵代数计算部件。3）对不同的输入模式，隐层各单元激活强度不同。对于干扰原因产生给定值偏离或系统内部结构变化，当经典方式和现代方式构成的负反馈调节无能为力时，神经控制却能因不同的激活强度获得满意的性能。4）具有自学习能力。由以上分析可知，模糊控制能够模拟

14、人的思维和语言中对模糊信息的表达和处理方式，利用经验性知识，但是缺乏自学习能力：神经控制以神经元网络系统理论为基础，能够模拟人脑的结构和信息处理的记忆力功能，具有并行运算和无限逼近非线性函数的功能，但是缺乏推理能力和对先验知识的运用能力。这两种方法各有所长并具有互补性，两种方法的融合对智能控制理论的研究有重大意义。1.4本论文的主要工作本文的主要工作有以下几个方面：1） 总结了传统控制、模糊控制、人工神经元网络、神经控制的发展和研究现状，并着重指出传统PID控制方法存在的缺陷和不足。2）介绍了模糊控制和单神经元自适应控制的基本原理。3）介绍了基于MATLAB的典型模糊控制器和自适应神经元控制器

15、的设计方法和步骤。4）针对锅炉燃烧器一类存在大惯性环节，难以建立准确数学模型的被控对象，采用了模糊PID复合控制策略。通过MATLAB仿真实验表明，模糊PID复合控制能够满足系统要求，具有良好的快速性和稳态精度，具有很强的鲁棒性和抗干扰能力，体现了优异的控制品质。5）针对过热汽温调节系统这样一个存在非线性耦合、大滞后、多变量、干扰强的复杂被控对象，采用基于单神经元网络的智能PID控制。通过MATLAB仿真实验表明：基于单神经元网络的智能PID控制方法具有算法简单、实时性好的特点，具有较强的自适应、自学习能力和较强的鲁棒性。像过热汽温调节系统这样复杂的被控对象也能取得优良的控制效果，表明该控制方

16、案有着广阔的应用前景。6）将模糊PID复合控制策略和基于单神经元网络的智能PID控制方法融合采用了模糊神经PID融合的先进控制策略，通过MATLAB仿真实验表明模糊神经PID融合的先进控制策略综合了模糊控制、神经控制和传统PID的优点，比前面两种控制策略具有更好的鲁棒性、快速性和控制精度。表现出及其优异的控制品质。2基于MATLAB的模糊PID控制器设计及在锅炉燃烧器的应用2.1引言目前，模糊控制理论及模糊控制系统的应用发展很快，显示出模糊控制在控制领域具有广阔的前景。模糊控制已成为智能控制的重要组成部分。常规PID控制具有设计算法和控制结构简单、容易实现、稳态无静差等优点，因此被广泛应用于工

17、业过程控制中，并取得了优良的控制效果。即使在现代控制技术飞速发展的今天，仍有80%以上的控制回路基本上还是PID控制。传统的PID控制主要是控制具有确切模型的线性过程，而实际上，PID控制器参数的整定尚需工程技术人员才能完成，对于存在时滞、非线性等因素的系统更难整定，调试过程中经常出现超调、振荡等影响系统正常运行的现象，即使在某一工况下选好了合适的参数值，也很难保证在工况和对象发生变化时仍然保持满意的控制效果。因而一般的PID控制无法实现对这样的过程的精确控制。而模糊控制器具有不依赖控制对象精确的数学模型，减弱超调、防止振荡等优点。因此，针对PID控制和模糊控制的各自特点，国内外学者分别采用不

18、同的方法将模糊控制与PID控制相结合，研究出了多种模糊PID控制。本章合理结合模糊控制和传统PID控制两种算法的优点针对锅炉燃烧器采用了模糊PID复合控制策略，这种策略的基本思想是：大偏差范围内采用模糊控制而在小偏差范围内转化为PID控制，并在给定的偏差范围自动完成二者的转换，文中进行了模糊控制器的设计，MATLAB仿真实验与控制器性能分析。2.2锅炉燃烧器系统的数学模型燃气（油）锅炉是一种多变量系统，锅炉燃烧过程具有明显的大惯性和非线性特性，被控量时变性大、影响因素多、内部关联强、外部扰动频繁，建立精确的数学模型比较困难。通过分析认为选用下式二阶传递函数（式2-1）对于所研究的6吨锅炉比较合

19、适。 （2-1）式中，取为比例因子，为阻尼比，为自然频率（无阻尼震荡频率），故得数学传递函数： （2-2）2.3模糊PID复合控制器的设计常规的二维模糊控制器是以误差和误差变化作为输入变量，因此一般认为这种控制器具有模糊比例、微分控制作用，但缺少模糊积分作用，这种模糊控制系统的稳态性能不能令人满意。积分作用能消除稳态误差，比例控制作用动态响应快，而比例积分控制作用能获得较高的稳态精度，又具有较快的动态响应。因此把PID控制策略引入模糊控制器，构成模糊-PID复合控制器，仿真实验表明这是改善模糊控制器稳态性能的一种途径。2.3.1模糊PID复合控制器设计的出发点这种改进的控制方法的出发点主要是因

20、为模糊控制器本身消除其系统稳态误差的能力比较差，难以达到较高的控制精度。尤其是在离散有限论域设计时，更为明显。这可以从它处理输入输出的方法来分析。考虑典型的模糊控制器。对于偏差输入信号，要把它转化为偏差论域上的点，即： （2-3）式中为某时刻k的偏差，是偏差的量化因子，x为对x进行四舍五入取整运算，为转化到偏差论域上的点。由上式可见，当时，仍有即：。式中是偏差信号的物理范围到偏差论域n,(n1),.,0,.,n1,n量化因子，考虑。于是上式变为：。一般规范化的离散论域形式中常常取n=6或7，因此大约有：，也就是说在偏差量程最大值e的大约0.07以内时，模糊控制器已经把它当作0来对待了，因此的稳

21、态误差，模糊控制器无法消除，这是控制点附近的一个控制上的盲区和死区。对于控制作用，模糊控制器可以采用它的增量作为输出，积分后输出给被控对象，这样相当于引入了积分作用，有利于消除稳态误差。然而是解模糊后的离散点，不连续，因而控制作用不细腻，不利于消除稳态误差。例如，到某一稳态时刻，偏差为0，维持在这一点的控制作用应该是某一稳态值设为，那么希望模糊控制器的控制输出此时等于，即希望，式中为控制作用量程转换的比例因子，由于不连续，上式一般不能精确的成立，这就造成控制对象的状态还会变化，偏差不能自此时刻起就维持为0。因此将PID控制策略引入模糊控制器，构成模糊PD复合控制器，这种复合策略既可以通过模糊控

22、制器加快动态响应过程，又可以通过常规PD控制器在小偏差范围内实现精确控制，减小纯模糊控制带来的稳态误差。2.3.2模糊PID复合控制器的原理模糊PID复合控制器的原理框图如图2-1所示。图2-1 模糊PID复合控制器模糊PID的控制程序流程图如图2-2所示。程序根据偏差e来判断系统应该切向PID调节器或模糊控制器。图2-2 模糊PID程序流程图1）PID调节器部分在模拟连续控制系统中，控制器最常用的控制规律是PID控制。模拟PID控制系统原理框图如图2-3所示。图2-3 模糊PID控制系统原理图PID控制器是一种线性控制器，它根据给定值r(t)与实际输出值y(t)构成控制偏差： （2-4）PI

23、D的控制规律为： （2-5）或写成传递函数的形式： （2-6）式中，比例系数：积分时间常数；微分时间常数。4.3.3模糊PID复合控制器的设计在MATLAB中PID控制器可以由Simulink中的比例、积分、微分、求和、输入和输出六个基本模块组成，如图2-4所示。也可以直接调用Sinulink Extras模块库提供的PID controller,改变其中的参数便可以实现PID调节。图2-4 MATLAB中的基本模块组成的PID调节器针对锅炉燃烧器的模糊控制器的设计如下：1） 对于系统当偏差满足时采用模糊控制，当偏差满足时采用PID控制。2） 此处偏差e指期望温度和实际温度之间的差值。在模糊控

24、制区内，偏差e的基本论域采用14,+14，划分为13个级别，即：E=6,5,4,3,2,1,0,1,2,3,4,5,6,得偏差e的量化因子。模糊集E取7个词汇，分别为：E=NB,NM,NS,Z,PS,PM,PB偏差变化率的基本论域采用30,+30，划分为13个级别，即：E=6,5,4,3,2,1,0,1,2,3,4,5,6,得偏差变化率的量化因子。模糊集E取7个词汇，分别为：E=NB,NM,NS,Z,PS,PM,PB控制量u的基本论域采用20,+20，划分为13个级别，即：E=6,5,4,3,2,1,0,1,2,3,4,5,6,得控制量u的量化因子。模糊集E取7个词汇，分别为：E=NB,NM,

25、NS,Z,PS,PM,PB本论文采用高斯（gaussmf）即正态分布曲线作为隶属度函数曲线，在MATLAB中运行程序可以得到：模糊控制器的模糊推理系统（FIS）部分程序：a=newfis('a')；a=addrule(a,rulelist)a1=setfis(a, 'DefuzzMethod', 'mom')writefis(a1, 'a');a2=readfis('a');figure(1);plotfis(a2);得到图2-5图2-5 模糊推理系统“fuzzy-pid1”偏差e隶属度函数曲线部分程序：a=add

26、var(a,'input','e',-6,6);a=addmf(a,'input',1,'nb','gaussmf',0.8,-6);a=addmf(a,'input',1,'nm','gaussmf',0.8,-4);a=addmf(a,'input',1,'ns','gaussmf',0.8,-2);figure(2);plotmf(a,'input',1);MATLAB运行结果：得到图2-6图2-6

27、偏差e隶属度函数曲线变化率ec隶属度函数曲线部分程序：a=addvar(a,'input','ec',-6,6);a=addmf(a,'input',2,'nb','gaussmf',0.8,-6);a=addmf(a,'input',2,'nm','gaussmf',0.8,-4);a=addmf(a,'input',2,'ns','gaussmf',0.8,-2);a=addmf(a,'input',

28、2,'z','gaussmf',0.8,0);a=addmf(a,'input',2,'ps','gaussmf',0.8,2);a=addmf(a,'input',2,'pm','gaussmf',0.8,4);a=addmf(a,'input',2,'pb','gaussmf',0.8,6);figure(3);plotmf(a,'input',2);MATLAB运行结果：得到图2-7图2-7 变化率

29、ec隶属度函数曲线控制量u隶属度函数曲线部分程序：a=addvar(a,'output','u',-6,6);a=addmf(a,'output',1,'nb','gaussmf',0.8,-6);a=addmf(a,'output',1,'nm','gaussmf',0.8,-4);a=addmf(a,'output',1,'ns','gaussmf',0.8,-2);a=addmf(a,'output'

30、;,1,'z','gaussmf',0.8,0);a=addmf(a,'output',1,'ps','gaussmf',0.8,2);a=addmf(a,'output',1,'pm','gaussmf',0.8,4);a=addmf(a,'output',1,'pb','gaussmf',0.8,6);figure(4);plotmf(a,'output',1);MATLAB运行结果：得到图2-8图2

31、-8 控制量u隶属度函数曲线3) 模糊控制查询表：disp('fuzzy controller table:e=-6,+6,ec=-6,+6');ulist=zeros(13,13);for i=1:13;for j=1:13;e(i)=-7+i;e(j)=-7+j;ulist(i,j)=evalfis(e(i),e(j),a2);endendulist=ceil(ulist);4) 模糊控制规则（参考表2-1）表2-1 模糊控制规则表运行MATLAB指令showrule(a2);得1.If(e is nb)and(ec is nb)then(u is pb)(1)2.If(e is nb)and(ec is nm)then(u is pb)(1)3.If(e is nb)and(ec is ns)then(u is pm)(1)4.If(e is nb)and(ec is z)then(u is pm)(1)共49条，本文仅列出几条。5） 去模糊的方法有重心法（centroid）、最大隶属度法（mom）、中值法（bisector）等。这里采用最大隶属度法（mom）进行解模糊，由下面MATLAB指令实现：a1=setfis(a