智能控制综述

摘 要:介绍智能控制的发展历史与现状和PID控制方法，对几种典型的智能PID控制方法进行了分析。

关键词：智能控制；PID控制；智能PID

中图分类号：TB381文献标识码： A

一、引言

控制理论的发展始于Watt飞球调节蒸汽机以后的100年,智能控制是控制理论发展的一个新阶段。在智能控制产生之前,控制理论已经历了三个阶段。第一个阶段是20世纪40-60年代的经典控制理论,主要采用传递函数、频率特性、根轨迹为基础的频域分析方法来解决单输入单输出问题。第二阶段是20世纪60-70年代,由于空间技术的发展,形成以多变量控制为特征的现代控制理论。主要代表有Kalman的滤波器、Pontryagin的极大值原理、Bellman的动态规划和Lyapunov的稳定性理论。第三阶段从20世纪70年代开始,以分解和协调为基础,形成用于复杂系统的大系统控制理论。它综合了现代控制理论、图论、数学规划和决策方面的成果,是控制理论在广度上的开拓。重要理论有递阶控制理论、分散控制理论、队论等。在科学技术和生产力水平高速发展的今天,人们对大规模、复杂和不确定性系统实行自动控制的要求不断提高。因此,基于精确数学模型的传统控制理论就显得力不从心了，智能控制也就应运而生。

PID控制方法作为经典控制算法中的典型代表，是一种传统的控制方式。从1922年美国N.Minorsky提出PID控制方法，1942年美国Taylor仪器公司的J.g.ziegler和N.B.Nichols提出PID参数的最佳调整法至今，其在工业控制中的应用已十分广泛。PID控制具有结构简单、参数物理意义明确和鲁棒性强等特点。PID控制器对系统给定值r(t)同系统输出值y(t)的偏差e(t)分别进行比例、积分、微分运算，并由此得到其输出值u(t)，计算公式为：

式中Kp为比例系数；Ki为积分系数；Kd为微分系数。Kp、Ki、Kd可对系统的稳定性、稳态精度、响应速度和超调量等性能产生影响，它们的作用分别为：

(1)比例系数可以加快系统的响应速度，提高系统的调节精度。系统的响应速度和调节精度同Kp呈正相关，但Kp过大则会产生超调，使系统不稳定，Kp过小则会使响应速度变慢，使系统静、动态特性变坏。

(2)积分作用系数可以消除系统的稳态误差。Ki越大，系统静差就会越快消除。但Ki过大会在响应过程产生较大超调，产生积分饱和现象。Ki过小则会使系统稳态误差不易消除，影响调节精度。

(3)微分作用系数Kd可以改善系统的动态性能。但Kd过大会使系统的调节时间延长，抗干扰性能降低。

由于现代工业生产过程日益复杂，被控对象往往具有不同程度的非线性、模型不确定性和参数时变性，常规的PID控制对过程的精确控制则显得力不从心。将智能算法与传统PID将结合，不但具有传统PID控制直观、实现简单和鲁棒性好等特点，而且智能控制具有对复杂系统进行有效的全局控制的能力和自学习、自组织和自适应能力。下面将对几种智能PID控制方法进行介绍。

二、智能控制的发展历史与现状

人工智能在其作为思维科学的一个分支得以发展的同时,也不断深入到应用科技领域。智能控制的产生与发展是人工智能渗入到应用科技领域的必然结果。20世纪60年代是智能控制的孕育期。1965年,美国普渡大学的傅京孙(Fu, K.S.)提出把人工智能的直觉推理规则方法用于学习控制系统,从而最早把人工智能引入到控制技术中。1967年Leondes和Mendel开始首先使用智能控制 (IC)一词。

20世纪70年代是智能控制的深化时期。不仅诞生了一些新的思想和方法,还涌现了一些较为有效的系统结构。1971年傅京孙提出智能控制二元论(IC=AIAC)。1974年E. H. Mamdani首次将模糊集理论成功用于过程控制,进而提出模糊控制方法(FC)。1979年Saridis将运筹学用于系统整体优化,提出了所谓的三元论(IC = AICTOR),并首次提出“组织-协调-执行”的分层智能控制结构和“精度随智能的升高而降低”的思想,以及定义了“熵”作为智能控制系统的性能度量。

20世纪80年代是智能控制迅速发展的时期。1984年瑞典著名学者K. J. Astrom将专家系统技术引入控制系统,提出专家控制系统(ECS)。Hop-field网络及Rumelhart提出的BP算法为人工神经网络注入了新的活力,从而出现了神经网络控制。

从20世纪90年代至今,智能控制进入了新的发展时期。随着对象规模的扩大和过程复杂性的加大,以及随着人工智能技术、信息论、系统论和控制论的发展,人们试图从更高层次上研究智能控制,如认知心理学、神经网络技术、进化论及遗传算法、混沌论等。这不仅形成了智能控制的多元论,而且在应用实践方面取得了突破性的进展。

三、智能PID控制方法

3.1专家PID控制

专家控制是模拟人类专家的控制知识与经验而形成的控制方法，已成为近年来最活跃和广泛应用的智能控制领域之一。专家系统由知识库、推理机、解释机制和知识获取机构组成，它具有领域专家级的专业知识，能进行符号处理和启发式推理，具有知识获取能力，有一定的灵活性、透明性和交互性。在进行专家PID设计时，要根据控制专家的经验，从特性识别获得的系统状态特征和性能特征出发，由专家系统归纳出PID参数的控制规律，并把该规律存入知识库，对知识库进行完善。系统工作时，被控对象的状态被输入专家控制器，由推理机根据知识库进行启发式推理，决定此时系统所需的PID控制器控制参数。

3.2模糊PID控制

模糊控制是以模糊语言变量、模糊集合论以及模糊逻辑推理为数学基础的一种新型计算机控制算法，它不依赖控制对象的数学模型，具有智能性和学习性的优点。在进行模糊PID设计时，要总结工程设计人员和专家的实际操作经验和知识，针对Kp、Ki、Kd建立合适的模糊规则表，而后确定模糊控制器的输入量（一般为控制量偏差和偏差变化率）和输出量（即PID控制器的比例、积分、微分系数）的论域和隶属度函数。系统工作时首先对输入的清晰量进行模糊化处理，而后通过查询内部的模糊控制规则表进行模糊推理，得到Kp、Ki、Kd的模糊控制量，经过清晰化处理后可得到此时系统所需的PID控制参数。

3.3遗传算法PID控制

遗传算法是一种全局优化自适应概率搜索方法，它从自然界适者生存、优胜劣汰的遗传机制演化而来。遗传算法仅需要较少的先验知识，对问题的依赖性小，适用性广，具有并行性和全局收敛性。遗传算法包括四个基本步骤：初始化、复制、交叉和变异。在进行遗传算法PID设计时，首先要对控制系统所需的Kp、Ki、Kd进行二进制编码，并将其拼接成一条染色体。利用智能PID控制此方法随机产生一组个体，进行种群的初始化。可设定一定数量的通过实验验证能够使系统稳定运行的个体作为初始种群，以加速寻优过程，提高系统的收敛速度。其次要选取合适的适应度函数，一般来说，适应度函数可由目标函数转换而成。设计适应度函数要满足单值、连续、非负和最大化，具有合理性和一致性，计算量小，通用性强等特点。系统工作时，在初始化后控制器不断地进行染色体的适用度评价、复制、交叉、变异，直到适应度收敛于最优解，获得最优编码。最后通过对最优编码进行译码操作得到PID控制器所需的控制参数。

四、结束语

随着智能控制技术的不断发展，智能PID技术将不断的完善，智能控制与PID控制有机结合，是智能控制技术发展的一个非常有潜力的方向。

参考文献

[1]张国忠.智能控制系统及应用[M].北京:中国电力出版社,2007.

[2]师黎,陈铁军,李晓媛等.智能控制理论及应用[M].北京:清华大学出版社,2009.

[3]闫永跃,李庆周,于树新等.智能PID综述[J].2006，(12):9-13.

[4]李文,欧青立,沈宏远等. 智能控制及其应用综述[J].重庆邮电大学学报(自然科学版),2006，(6):376-381.

[5]宋胜利.智能控制技术概论[M].北京:国防工业出版社,2008.