對(duì)仿人模糊網(wǎng)絡(luò)控制系統(tǒng)研究的展望

1、自然辯證法概論課程論文論文標(biāo)題：對(duì)仿人模糊網(wǎng)絡(luò)控制系統(tǒng)研究的展望學(xué)生姓名：蘇達(dá)子學(xué)號(hào)：0901301012專業(yè)：機(jī)械制造及其自動(dòng)化專業(yè)學(xué)院：機(jī)械工程學(xué)院導(dǎo)師姓名：蒲明輝學(xué)期：2011-2012/上誠(chéng) 信 聲 明我鄭重聲明：本人提交的自然辯證法概論課程論文是由本人獨(dú)立完成的，在正文中和在文末的參考文獻(xiàn)中已全部標(biāo)注并列出了文中所引用的他人的學(xué)術(shù)成果、觀點(diǎn)、圖表或論述，保證此文符合學(xué)術(shù)道德規(guī)范的要求。聲明人簽名：蘇達(dá)子簽名日期：2011年12月20日對(duì)仿人模糊網(wǎng)絡(luò)控制系統(tǒng)研究的展望蘇達(dá)子機(jī)械工程學(xué)院機(jī)械制造及其自動(dòng)化專業(yè)2009級(jí)；學(xué)號(hào)：0901301012摘要：隨著現(xiàn)代工業(yè)的發(fā)展，工業(yè)過程的不斷復(fù)

2、雜化，實(shí)際生產(chǎn)過程中的非線性，不確定性和復(fù)雜性的增加，傳統(tǒng)意義上的PID控制器已經(jīng)不能滿足我們的要求，因此我們力圖將近些年發(fā)展起來(lái)的一些先進(jìn)的智能控制方法，應(yīng)用到PID控制領(lǐng)域中。本文針對(duì)模糊神經(jīng)控制這一學(xué)科做了淺顯的研究，從理論研究和計(jì)算機(jī)仿真兩方面對(duì)模糊控制、神經(jīng)控制、仿人智能以及專家控制算法進(jìn)行了學(xué)習(xí)和初步研究，針對(duì)復(fù)雜的具有不確定性的非線性、大滯后系統(tǒng)，采用了模糊自適應(yīng)PID控制、基于RBF神經(jīng)網(wǎng)絡(luò)PID整定、專家PID控制三種控制策略相融合的方法進(jìn)行控制器的設(shè)計(jì)，并在MATLAB平臺(tái)上進(jìn)行了對(duì)實(shí)際非線性傳遞函數(shù)的程序設(shè)計(jì)以及仿真實(shí)驗(yàn)研究。通過將誤差和誤差變化作為輸入來(lái)調(diào)節(jié)控制器的kp

3、、ki、kd參數(shù)，提高系統(tǒng)的調(diào)節(jié)時(shí)間、收斂速度、上升時(shí)間等控制品質(zhì)。本文的重點(diǎn)工作在于模糊控制和RBF神經(jīng)網(wǎng)絡(luò)控制策略的融合，而難點(diǎn)是RBF神經(jīng)網(wǎng)絡(luò)的理解上。通過RBF模糊神經(jīng)網(wǎng)絡(luò)控制器和仿人RBF模糊神經(jīng)網(wǎng)絡(luò)控制器的仿真效果對(duì)比可以看出仿人RBF模糊神經(jīng)網(wǎng)絡(luò)控制器中階躍響應(yīng)時(shí)間、誤差響應(yīng)都明顯減小，而且PID參數(shù)的的超調(diào)量等控制性能都減小，由此說(shuō)明仿人-模糊神經(jīng)網(wǎng)絡(luò)具有良好的控制效果。關(guān)鍵詞：模糊控制；RBF神經(jīng)網(wǎng)絡(luò)；專家控制；仿人智能 1.研究背景及意義近幾年來(lái)，智能控制采用各種智能化技術(shù)實(shí)現(xiàn)復(fù)雜系統(tǒng)和其他相關(guān)系統(tǒng)的控制目標(biāo)，是一種強(qiáng)大的自動(dòng)控制技術(shù)。長(zhǎng)期以來(lái)，自動(dòng)控制科學(xué)已對(duì)整個(gè)科學(xué)技術(shù)

4、的理論和實(shí)踐做出了重要貢獻(xiàn)，并給人類的生產(chǎn)、生活和工作帶來(lái)了巨大的利益。然而，現(xiàn)代科學(xué)技術(shù)的迅速發(fā)展和重大進(jìn)步，對(duì)控制和系統(tǒng)科學(xué)提出新的更高的要求。傳統(tǒng)控制理論，包括近代控制、經(jīng)典反饋控制和大系統(tǒng)理論等，在應(yīng)用中遇到不少難題。多年來(lái)，自動(dòng)控制一直在尋找新的出路，現(xiàn)在看來(lái)，出路之一就是實(shí)現(xiàn)控制系統(tǒng)的智能化和自動(dòng)化，來(lái)解決面臨的難題。PID控制是最早發(fā)展起來(lái)的控制策略之一，由于其算法簡(jiǎn)單，性能好、可靠性高，被廣泛應(yīng)用于過程控制和運(yùn)動(dòng)控制中，尤其適用于可建立精確模型的確定性系統(tǒng)。但隨著實(shí)際生產(chǎn)過程中的非線性，不確定和復(fù)雜性的增加，常規(guī)的PID控制已經(jīng)不能滿足我們的控制要求，不能達(dá)到理想的控制效果。但

5、是由于PID具有結(jié)構(gòu)簡(jiǎn)單、造價(jià)低廉等特點(diǎn)，現(xiàn)在仍在工業(yè)生產(chǎn)的各種控制設(shè)備上廣泛應(yīng)用。PID控制器應(yīng)用的關(guān)鍵就是參數(shù)整定及在線參數(shù)調(diào)整。過去的參數(shù)整定由經(jīng)驗(yàn)取值預(yù)設(shè)，再依據(jù)試運(yùn)行的響應(yīng)波形做手動(dòng)調(diào)整，這種方法往往經(jīng)驗(yàn)多于科學(xué)，既費(fèi)時(shí)又難以達(dá)到最佳的整定值。目前各種行之有效的整定方法，包括改進(jìn)算法的Ziegler-Niehols整定法、Coohen-Coon整定法、Astrom的整定法等等，在改善自動(dòng)控制系統(tǒng)方面發(fā)揮了重大的作用1。但由于固定參數(shù)的PID控制器采用折衷的方法來(lái)解決靜態(tài)與動(dòng)態(tài)控制品質(zhì)之間的矛盾，這就使得單一控制參數(shù)的系統(tǒng)不能獲得最佳的控制效果。但環(huán)境變化以及控制對(duì)象存在著大慣性、非線

6、性、大純滯后、強(qiáng)干擾等等特性，用一組事先整定的PID參數(shù)實(shí)施控制難以達(dá)到很好的控制效果，尤其當(dāng)對(duì)象參數(shù)變化超過一定的范圍時(shí)，系統(tǒng)性能會(huì)明顯變差，甚至超出許可范圍。因此，為了促進(jìn)PID控制的發(fā)展，我們力圖將近些年發(fā)展起來(lái)的一些先進(jìn)的智能控制方法，應(yīng)用到PID控制領(lǐng)域中，而模糊神經(jīng)網(wǎng)絡(luò)（FNN）已經(jīng)成為人們關(guān)注的熱點(diǎn)之一，它被應(yīng)用到復(fù)雜過程建模和邏輯推理中，用神經(jīng)網(wǎng)絡(luò)表示模糊系統(tǒng)，使構(gòu)造網(wǎng)絡(luò)結(jié)構(gòu)有了依據(jù)，又可以根據(jù)模糊推理規(guī)則的形式，利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力進(jìn)行復(fù)雜的模糊推理，具有并行運(yùn)算速度快的優(yōu)點(diǎn)。另外，網(wǎng)絡(luò)權(quán)值的初始給定具有一定得先驗(yàn)知識(shí)，從而網(wǎng)絡(luò)在訓(xùn)練中收斂速度較快2。但是模糊神經(jīng)網(wǎng)絡(luò)建模存

7、在的關(guān)鍵問題之一就是當(dāng)模糊神經(jīng)網(wǎng)絡(luò)的輸入維數(shù)高時(shí)，模糊規(guī)則呈幾何級(jí)數(shù)增加，致使網(wǎng)絡(luò)結(jié)構(gòu)龐大，網(wǎng)絡(luò)計(jì)算量大，導(dǎo)致迭代時(shí)間長(zhǎng)，收斂速度慢。仿人智能以及專家系統(tǒng)又可以從另一面優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)，減小調(diào)節(jié)時(shí)間，降低超調(diào)量等，近來(lái)國(guó)內(nèi)外也出現(xiàn)了許多將仿人智能和模糊神經(jīng)網(wǎng)絡(luò)結(jié)合的課題，并且一部分成果都被運(yùn)用到現(xiàn)實(shí)的生產(chǎn)和生活中，所以我們有必要也需要對(duì)仿人智能和模糊神經(jīng)網(wǎng)絡(luò)的結(jié)合做進(jìn)一步的研究。2.研究現(xiàn)狀 PID控制器是在過程控制之中最常應(yīng)用的一類控制器，一般的說(shuō)來(lái)，具有魯棒性較好、參數(shù)整定和實(shí)踐使用經(jīng)驗(yàn)積累豐富，結(jié)構(gòu)簡(jiǎn)明，易于工程應(yīng)用等優(yōu)點(diǎn)。但對(duì)于非線性強(qiáng)或具有不確定性的系統(tǒng)，使用效果并不理想。而神經(jīng)

8、網(wǎng)絡(luò)控制器(NN-PID)是對(duì)誤差、誤差積和誤差微分進(jìn)行加權(quán)運(yùn)算，以其作為神經(jīng)網(wǎng)絡(luò)的輸入層，構(gòu)成不同結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)模型，利用神經(jīng)網(wǎng)絡(luò)的非線性映射及聯(lián)想記憶等功能，來(lái)實(shí)現(xiàn)常規(guī)PID型控制器無(wú)法實(shí)現(xiàn)的控制效果。 1985年Bart Kosko提出模糊認(rèn)知映射網(wǎng)絡(luò)這種網(wǎng)絡(luò)中，各單元(節(jié)點(diǎn))表示各個(gè)不同的模糊集，單元之間的連接權(quán)表示相應(yīng)模糊概念之間的因果關(guān)系。此外還有由Jyh-Skingh R. Jang在1994年提出的自適應(yīng)神經(jīng)模糊推理系統(tǒng)，是一種基于Takagi-Sugeno模型(或簡(jiǎn)稱Sugeno模型)，它可以替代控制系統(tǒng)的任意神經(jīng)元網(wǎng)絡(luò)并執(zhí)行同樣的功能，然而它和絕大多數(shù)神經(jīng)模糊建模一樣總是不

9、可避免的存在著結(jié)構(gòu)辨識(shí)的問題，也就是如何合適的劃分輸入輸出空間，如何從觀測(cè)數(shù)據(jù)中提取出較為簡(jiǎn)化的模糊規(guī)則庫(kù)，避免規(guī)則庫(kù)爆炸問題。1990年中國(guó)科學(xué)院自動(dòng)化研究所應(yīng)行仁、曾南提出采用BP神經(jīng)網(wǎng)絡(luò)記憶模糊規(guī)則的控制，并進(jìn)行了倒立擺的仿真試驗(yàn)。近年來(lái)，模糊神經(jīng)網(wǎng)絡(luò)(FNN)已經(jīng)成為復(fù)雜過程建模和邏輯推理的主要手段，用神經(jīng)網(wǎng)絡(luò)表示模糊系統(tǒng)使構(gòu)造網(wǎng)絡(luò)結(jié)構(gòu)有了依據(jù)，可以根據(jù)模糊推理規(guī)則的形式，同時(shí)利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力進(jìn)行復(fù)雜的模糊推理，具有并行運(yùn)算速度快的優(yōu)點(diǎn)。模糊神經(jīng)網(wǎng)絡(luò)(FNN)已經(jīng)在各個(gè)領(lǐng)域中得到了廣泛應(yīng)用，尤其是在智能系統(tǒng)中的非線性建模及控制器的設(shè)計(jì)、模式分類與模式識(shí)別、聯(lián)想記憶和優(yōu)化計(jì)算等方面

10、得到人們的極大關(guān)注。 但是模糊神經(jīng)網(wǎng)絡(luò)的融合也出現(xiàn)了一些弊端，一直以來(lái)都沒有一個(gè)統(tǒng)一的標(biāo)準(zhǔn)，只是模型效果上是可以證明的并沒有在理論上完全得證，而且在一些復(fù)雜而特殊的系統(tǒng)中也沒有顯現(xiàn)出很好的控制效果，所以人們又開始研究專家控制、仿人智能和神經(jīng)網(wǎng)絡(luò)的融合，努力之后出現(xiàn)了一些比較成功的實(shí)例，這對(duì)智能控制的研究起了推進(jìn)性作用。綜上所述，現(xiàn)今神經(jīng)網(wǎng)絡(luò)智能控制無(wú)論是在理論上還是在應(yīng)用上均得到了長(zhǎng)足的發(fā)展和進(jìn)步。但如何將PID控制器同智能控制更好的結(jié)合在一起，使控制領(lǐng)域幾十年來(lái)長(zhǎng)用不衰的PID控制器能發(fā)揚(yáng)光大，更好地應(yīng)用于實(shí)踐，仍然是控制領(lǐng)域中人們不斷研究和探索的重要課題。在這一領(lǐng)域，許多研究者正將各種智能

11、控制技術(shù)和常規(guī)PID控制方法有機(jī)的融合在一起，提出了多種形式的智能PID控制器?？梢钥吹?，智能PID技術(shù)具有廣闊的研究和應(yīng)用前景。 本課題主要是基于仿人智能的多模態(tài)控制思想，結(jié)合模糊控制和神經(jīng)網(wǎng)絡(luò)精確的控制特點(diǎn)，提出一種仿人智能和模糊神經(jīng)網(wǎng)絡(luò)相融合的控制方法，結(jié)合三種控制方式的優(yōu)點(diǎn)來(lái)設(shè)計(jì)控制系統(tǒng)，應(yīng)用于非線性和大滯后的復(fù)雜控制系統(tǒng)中，提高控制效果。仿人智能控制是一種基于知識(shí)的智能控制，模擬了人的控制經(jīng)驗(yàn)與技巧。它是一種具有多種控制模態(tài)的智能控制器，不僅可以用于線性系統(tǒng)還可以用于非線性系統(tǒng)器。仿人智能控制系統(tǒng)類型:仿人智能開關(guān)控制、仿人智能比例控制、仿人智能積分控制、仿人分層遞階智能控制。模糊控

12、制主要是對(duì)輸入量通過經(jīng)驗(yàn)判斷然后采取相應(yīng)控制措施進(jìn)行調(diào)整，將操作者的經(jīng)驗(yàn)總結(jié)成若干規(guī)則即模糊控制規(guī)則，然后仿照人腦的模糊推理過程，確定推理算法。計(jì)算機(jī)可根據(jù)輸入的模糊信息，依據(jù)控制規(guī)則和推理法則，作出模糊決策。最后當(dāng)人們根據(jù)已決定的模糊決策區(qū)執(zhí)行具體的動(dòng)作，執(zhí)行的結(jié)果又是已個(gè)精確量。模糊控制器的工作原理框圖如下3：圖1 模糊控制工作原理圖神經(jīng)網(wǎng)絡(luò)（Neural Network）是人工神經(jīng)網(wǎng)絡(luò)的簡(jiǎn)稱,是用大量簡(jiǎn)單的處理單元廣泛連接組成的復(fù)雜網(wǎng)絡(luò)，是在現(xiàn)代生物學(xué)研究人腦組織所取得的成果基礎(chǔ)上提出的，用以模擬人類大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和行為，實(shí)現(xiàn)某個(gè)方面的功能。它有3個(gè)特性：學(xué)習(xí)、概括、和抽取。它的主要應(yīng)

13、用有高速率的數(shù)據(jù)獲得、多傳感器信息融合以及飛行器的辨識(shí)等待。神經(jīng)元結(jié)構(gòu)圖如下：圖2 人體神經(jīng)元模型注：為閥值，wi (i=1,2,n)為連接權(quán)值，xj (j=1,2,n)為輸入信號(hào)，F(xiàn)為作用函數(shù)。3.主要研究?jī)?nèi)容學(xué)習(xí)仿人智能、模糊控制和神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用，基于仿人智能的多模態(tài)控制思想，結(jié)合模糊控制和神經(jīng)網(wǎng)絡(luò)精確的控制特點(diǎn)，提出一種仿人智能和模糊神經(jīng)網(wǎng)絡(luò)相融合的控制方法，結(jié)合三種控制方式的優(yōu)點(diǎn)來(lái)設(shè)計(jì)控制系統(tǒng)，用MATLAB編寫程序并應(yīng)用于非線性和大滯后的復(fù)雜控制系統(tǒng)中，提高控制效果。3.1模糊控制系統(tǒng)的組成和基本原理模糊控制是以模糊集合論、模糊語(yǔ)言變量及模糊邏輯推理為基礎(chǔ)的計(jì)算機(jī)智能控制。其

14、基本結(jié)構(gòu)框圖如圖3所示： 圖3 模糊控制基本結(jié)構(gòu)框圖 從線性控制與非線性控制的角度分類，模糊控制是一種非線性控制。它的組成核心是模糊控制器，所以，從其控制器的智能性看，它屬于智能控制的范疇，而且它已成為目前實(shí)現(xiàn)智能控制的一種重要而且又有效的形式。尤其是模糊控制和神經(jīng)網(wǎng)絡(luò)、遺傳算法及混沌理論等新學(xué)科的相融合，正在顯示出其巨大的應(yīng)用潛力。模糊控制器由以下四部分組成4：1.模糊化 這部分的作用是將輸入的精確量轉(zhuǎn)換成模糊化量。其中輸入量包括外界的參考輸入、系統(tǒng)的輸出或狀態(tài)等。模糊化的具體過程如下：(1)首先對(duì)這些輸入量進(jìn)行處理以變成模糊控制器要求的輸入量。例如常見的情況是計(jì)算e=r-y和ec=de/d

15、t，其中r表示參考輸入，y表示系統(tǒng)輸出，e表示誤差，ec表示誤差的變化。有時(shí)為了減小噪聲的影響，常常將ec進(jìn)行濾波后再使用，例如可取ec=s /(Ts+1)e(2)將上述已經(jīng)處理過的輸入量進(jìn)行尺度變換使其變換到各自的論域范圍。(3)將已經(jīng)變換到論域范圍的輸入量進(jìn)行模糊處理，使原先精確的輸入量變成模糊量，并用相應(yīng)的模糊集合表示。2.知識(shí)庫(kù) 知識(shí)庫(kù)中包含了具體應(yīng)用領(lǐng)域中的知識(shí)和要求的控制目標(biāo)。它通常由模糊控制規(guī)則庫(kù)組成。主要包括各語(yǔ)言變量的隸屬度函數(shù)，模糊因子、量化因子以及模糊空間的等級(jí)數(shù)。規(guī)則庫(kù)包括了用模糊語(yǔ)言變量表示的一系列的控制規(guī)則。它們反映了控制專家的經(jīng)驗(yàn)和知識(shí)。3.模糊推理 模糊推理是模

16、糊控制器的核心，它具有模擬人的基于模糊概念的推理能力，該推理過程是基于模糊邏輯中的蘊(yùn)含關(guān)系及推理規(guī)則來(lái)進(jìn)行的。4.清晰化 清晰化的作用是將模糊推理得到的控制量(模糊量)變換成實(shí)際用于控制的清晰量。它包含以下兩個(gè)部分：(1)將模糊量經(jīng)清晰化變換變成論域范圍的等級(jí)量。(2)將論域范圍的等級(jí)量經(jīng)比例變換為實(shí)際的控制量。模糊控制器，在理論上是由N維模糊關(guān)系R表示。R可視為受約于0,1區(qū)間的N個(gè)變量的函數(shù)。R是幾個(gè)N維R的組合，每個(gè)R代表一條if - then規(guī)則。控制器的輸入x被模糊化為X，模糊輸出Y可應(yīng)用推理合成規(guī)則進(jìn)行計(jì)算。對(duì)于模糊輸出Y進(jìn)行模糊判決，可得精確的數(shù)值輸出y。它的原理圖如4所示：圖4

17、 模糊控制原理圖 由此可見，模糊控制算法可以概括為以下四步： (1)根據(jù)本次采樣得到的系統(tǒng)的輸出值，然后將此量與給定值進(jìn)行比較，得到系統(tǒng)的偏差信號(hào)E，一般選取E為模糊控制器的一個(gè)輸入量。 (2)將輸入變量的精確值變?yōu)槟：?，即把偏差信?hào)E的精確量進(jìn)行模糊化變成模糊量。其模糊量可以用相應(yīng)的模糊語(yǔ)言表示，得到偏差E模糊語(yǔ)言集合的一個(gè)子集e(e是一個(gè)模糊矢量)。 (3)根據(jù)輸入變量(模糊量)及模糊控制規(guī)則R，按模糊推理合成規(guī)則進(jìn)行模糊決策得到控制量(模糊量)u，其中u= eoR。 (4)為了對(duì)被控對(duì)象施加精確的控制，還要把以上得到的控制量(模糊量)轉(zhuǎn)化為精確的控制量，即進(jìn)行清晰化處理。3.2模糊控制

18、的特點(diǎn)由以上介紹的模糊控制的基本原理可以看出模糊控制相對(duì)于常規(guī)控制算法有以下的優(yōu)點(diǎn)： （1）由于模糊控制完全是在操作人員控制經(jīng)驗(yàn)的基礎(chǔ)上實(shí)現(xiàn)系統(tǒng)的控制，因此，它不依賴于系統(tǒng)精確的數(shù)學(xué)模型，特別適合于復(fù)雜的系統(tǒng)和模糊化對(duì)象，是解決不確定性的一種有效的途徑。（2）模糊控制器的設(shè)計(jì)以計(jì)算機(jī)為主體，它兼有計(jì)算機(jī)控制的系統(tǒng)的特點(diǎn)，如有軟件編程的柔軟性。（3）模糊控制有較強(qiáng)的魯棒性，被控對(duì)象參數(shù)的變化對(duì)控制器影響不明顯，可用于非線性、時(shí)變、時(shí)滯系統(tǒng)的控制。（4）模糊控制的人一機(jī)界面有一定的友好性，控制機(jī)理符合人們對(duì)過程控制作用的直觀描述和思維邏輯，為智能控制應(yīng)用打下了基礎(chǔ)。3.3模糊自適應(yīng)整定PID控制在

19、工業(yè)生產(chǎn)過程中，許多被控對(duì)象隨著負(fù)荷變化或干擾因素影響，其對(duì)象特性參數(shù)或結(jié)構(gòu)發(fā)生改變。自適應(yīng)控制運(yùn)用現(xiàn)代控制理論在線辨識(shí)對(duì)象特征參數(shù)，實(shí)時(shí)改變其控制策略，是控制系統(tǒng)品質(zhì)指標(biāo)保持在最佳范圍內(nèi)，但其控制效果的好壞取決于辨識(shí)模型的精確度，這對(duì)于復(fù)雜系統(tǒng)是非常困難的。因此，在工業(yè)生產(chǎn)過程中，大量采用的仍然是PID算法。PID參數(shù)的整定方法大多數(shù)是以對(duì)象特性為基礎(chǔ)。這種控制必須精確對(duì)象模型，首先將操作人員長(zhǎng)期時(shí)間積累的經(jīng)驗(yàn)知識(shí)用控制規(guī)則模糊化，然后運(yùn)用推理便可對(duì)PID參數(shù)實(shí)現(xiàn)最佳調(diào)整。由于操作人員經(jīng)驗(yàn)不易精確描述，控制過程中各種信號(hào)量以及評(píng)價(jià)指標(biāo)不易定量表示，模糊理論是把規(guī)則的條件、操作用模糊集表示，并

20、把這些模糊控制規(guī)則以及有關(guān)信息作為知識(shí)存入計(jì)算機(jī)知識(shí)庫(kù)中，然后計(jì)算機(jī)根據(jù)控制系統(tǒng)的實(shí)際響應(yīng)情況，運(yùn)用模糊推理，即自動(dòng)實(shí)現(xiàn)對(duì)PID參數(shù)的最佳調(diào)整，這就是模糊自適應(yīng)PID控制。自適應(yīng)控制原理：自適應(yīng)模糊PID控制器以誤差e和誤差變化ec作為輸入，可以滿足不同時(shí)刻的e和ec對(duì)PID參數(shù)自整定的要求。利用模糊控制規(guī)則在線對(duì)PID參數(shù)進(jìn)行修改，便構(gòu)成了自適應(yīng)模糊PID控制器。結(jié)構(gòu)圖如下5：圖5 自適應(yīng)模糊控制器結(jié)構(gòu)PID參數(shù)模糊自整定是找出PID三個(gè)參數(shù)與e和ec之間的模糊關(guān)系，在運(yùn)行中通過不斷檢測(cè)e和ec，根據(jù)模糊控制原理來(lái)對(duì)各個(gè)參數(shù)進(jìn)行在線修改，以滿足不同時(shí)刻e和ec對(duì)控制參數(shù)的不同要求，使被控對(duì)象

21、有良好的動(dòng)、靜態(tài)性能。（1）比例系數(shù)kp的作用是加快系統(tǒng)的響應(yīng)速度，提高系統(tǒng)的調(diào)節(jié)精度。（2）積分作用系數(shù)ki 的作用是消除系統(tǒng)的穩(wěn)態(tài)誤差。（3）微分作用系數(shù)kd的作用是改善系統(tǒng)的的動(dòng)態(tài)性能，其作用主要是在響應(yīng)過程中抑制偏差向任何方向的變化，對(duì)偏差變化進(jìn)行提前預(yù)報(bào)。模糊自整定PID是在PID算法的基礎(chǔ)上，通過計(jì)算當(dāng)前系統(tǒng)誤差e和誤差變化率ec，利用模糊規(guī)則進(jìn)行模糊推理，查詢模糊矩陣表進(jìn)行參數(shù)調(diào)整。模糊控制設(shè)計(jì)的核心是總結(jié)工程設(shè)計(jì)人員的技術(shù)知識(shí)和實(shí)際操作經(jīng)驗(yàn)，建立合適的模糊規(guī)則表，得到針對(duì)kp、ki、kd三個(gè)參數(shù)分別整定的模糊控制表。4.總結(jié)及展望智能控制是自動(dòng)化科學(xué)和技術(shù)的一個(gè)嶄新分支，它具有

22、非常廣泛的應(yīng)用領(lǐng)域，例如智能機(jī)器人控制、智能過程控制、智能調(diào)度與規(guī)劃、專家控制系統(tǒng)、智能故障診斷、智能儀器、醫(yī)院監(jiān)控、語(yǔ)音控制、飛行器控制及自動(dòng)制造系統(tǒng)控制等，其發(fā)展和應(yīng)用將對(duì)整個(gè)科學(xué)和技術(shù)的進(jìn)步起到積極地推進(jìn)作用。本文的重點(diǎn)工作在于模糊控制和RBF神經(jīng)網(wǎng)絡(luò)控制策略的融合，而難點(diǎn)是RBF神經(jīng)網(wǎng)絡(luò)的理解上。其中模糊自適應(yīng)PID整定是以誤差e和誤差變化ec作為輸入，可以滿足不同時(shí)刻的e和ec對(duì)PID參數(shù)自整定的要求，利用模糊控制規(guī)則在線對(duì)PID參數(shù)進(jìn)行修改。專家PID控制是根據(jù)誤差大小及其變化實(shí)施較強(qiáng)或一般的控制作用，以抑制動(dòng)態(tài)誤差，來(lái)設(shè)計(jì)專家PID控制?；赗BF神經(jīng)網(wǎng)絡(luò)整定的PID控制是具有單隱層的前饋網(wǎng)絡(luò)，它模擬了人腦中局部調(diào)整、相互覆蓋接受域的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，是一種局部逼近網(wǎng)絡(luò)，主要通過輸出權(quán)、節(jié)點(diǎn)中心及基寬參數(shù)來(lái)實(shí)現(xiàn)控制器的設(shè)計(jì)。通過仿人-模糊神經(jīng)網(wǎng)絡(luò)控制器和模糊神經(jīng)網(wǎng)絡(luò)控制器的對(duì)比可以看出仿人-模糊神經(jīng)網(wǎng)絡(luò)控制器的優(yōu)越性。 雖然模糊神經(jīng)網(wǎng)絡(luò)理論在復(fù)雜系統(tǒng)的控制、辨識(shí)等應(yīng)用方面取得了大量研究和應(yīng)用成果，但是模糊神經(jīng)網(wǎng)絡(luò)理論在實(shí)際應(yīng)用中仍然存在許多有待解決