第9章新型控制系統(tǒng)解耦控制

推斷控制

自適應(yīng)控制

預(yù)測控制

模糊控制

神經(jīng)元網(wǎng)絡(luò)控制

智能控制與專家系統(tǒng)

故障檢測與故障診斷

解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測什么是耦合？如果需要同時控制泵出口的壓力和流量試分析兩個控制系統(tǒng)的運行情況……分析結(jié)果：壓力和流量兩個控制系統(tǒng)是相互影響的這種現(xiàn)象稱為“耦合”或者“關(guān)聯(lián)”的這類系統(tǒng)往往容易產(chǎn)生過調(diào)現(xiàn)象，兩個系統(tǒng)不停振蕩。

解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測壓力控制回路壓力設(shè)定泵出口壓力＋－流量控制回路流量設(shè)定泵出口流量＋－對象解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測如何進行解耦控制？解耦控制的目的：解除耦合（關(guān)聯(lián)）或減小耦合（關(guān)聯(lián)）實現(xiàn)解耦控制的手段：分4種情況解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測(1)減少控制回路2個回路，撿一個重要的回路進行控制，另一個次要回路不控制例如，在精餾塔的控制系統(tǒng)設(shè)計中，工藝對塔頂和塔底的組分均有一定要求時，若塔頂和塔底的組分均設(shè)有控制系統(tǒng)，這兩個控制系統(tǒng)是相關(guān)的，在擾動較大時無法投運。為此，目前一般采用減少控制回路的方法來解決。如塔頂重要，則塔頂設(shè)置控制回路，塔底不設(shè)置質(zhì)量控制回路而往往設(shè)置加熱蒸汽流量控制回路。

解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測(2)通過控制器參數(shù)來減小兩個回路的耦合度通過整定控制器參數(shù)，使兩個控制回路的工作頻率錯開具體實現(xiàn)方法：把其中一個（次要）系統(tǒng)的比例度積分時間放大，使它受到干擾作用后，反應(yīng)適當(dāng)緩慢一些，調(diào)節(jié)過程長一些。如果把流量作為主要被控變量，那么流量控制回路按正常方法進行整定，保證有控制精度、靈敏度的響應(yīng)要求；而把壓力作為從屬的被控變量，壓力控制回路整定得“松”一些，即比例度大一些，積分時間長一些。這樣，對流量參數(shù)的調(diào)節(jié)是及時的、精確的、顯著的，而對壓力參數(shù)的調(diào)節(jié)是微弱的、緩慢的，這樣就減少了關(guān)聯(lián)作用。當(dāng)然，在采用這種方法時，次要被控變量的控制品質(zhì)往往較差，這種方法只能在工藝允許的情況下使用。

解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測(3)正確匹配被控變量與控制變量對有些系統(tǒng)來說，減少與解除耦合的途徑可通過被控變量與控制變量間的正確匹配來解決，這是最簡單的有效手段。

熱物料冷物料TCFC如圖：究竟選熱物料的流量作為溫度的控制變量，還是冷物料的流量作為溫度的控制變量？假設(shè)：熱物料的溫度為90℃的水冷物料的溫度為10℃的水要求：混合成80℃的溫水此時，應(yīng)選擇冷物料作為溫度的控制變量控制變量的選擇依據(jù)，控制通道的放大倍數(shù)要大些。此例中，由于被控溫度設(shè)定值較高，稍微改變冷物料的流量對混合物料溫度的影響比較明顯。(4)正兒八經(jīng)的解耦控制壓力控制回路壓力設(shè)定泵出口壓力＋－流量控制回路流量設(shè)定＋－對象泵出口流量解耦器解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測推斷控制兩種實際情況：

被控變量能直接測得

可以采用“反”饋控制

主要干擾能直接測得

可以采用“前”饋控制

被控變量、主要干擾都不能直接測得

怎么辦？利用數(shù)學(xué)模型由可測信息將不可測的輸出變量推算出來實現(xiàn)反饋控制，或?qū)⒉豢蓽y擾動推算出來以實現(xiàn)前饋控制這種控制方式稱為推斷控制解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測基本思路：

控制變量被控變量(不可測)主要干擾(不可測)尋找一可測的輔助輸出輔助變量(可測)引入估計器，推斷出估計值n(s)

設(shè)定值＋－反饋到推斷控制器如果(精確)已知且通過估計器使推斷出估計值n(s)滿足設(shè)計推斷控制器，并滿足必將有解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測特點：推斷控制系統(tǒng)的成功與否，在于是否有可靠的不可測變量(輸出)估計器，而這又取決于對過程的了解程度。如果過程模型很精確，就能得到理想的估計器，從而實現(xiàn)完善的控制。當(dāng)過程模型只是近似知道時，推斷控制的控制品質(zhì)將隨過程模型的精度不同而不同。由于推斷控制是基于模型的控制，要獲得過程模型精確的難度較大，所以這類推斷控制應(yīng)用不多。

解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測自適應(yīng)控制自適應(yīng)控制起始于20世紀(jì)50年代，推動自適應(yīng)控制技術(shù)發(fā)展最初也是最強有力的原動力是飛行器的控制問題。隨著航空航天技術(shù)的發(fā)展，飛行器的自動駕駛控制率先提出了自適應(yīng)控制的要求，為此自適應(yīng)控制技術(shù)取得了突破性的進展，進而被逐漸推廣應(yīng)用到過程控制領(lǐng)域。對于一般的控制理論，通常是假設(shè)被控對象的特性是已知的而且是確定的，但很多工業(yè)對象卻不能滿足這個假設(shè)條件。一方面，很多對象存在本質(zhì)上的不確定性，例如環(huán)境因素的變化、負(fù)荷的變化、被控介質(zhì)特性的變化等等，這些不確定的因素往往難以用數(shù)學(xué)關(guān)系式描述出來。另一方面，多數(shù)對象在本質(zhì)上不可能被完全認(rèn)識，如高階近似、忽略分布參數(shù)特征等，也會導(dǎo)致對象模型與實際過程不完全匹配，使模型存在未建模特性。自適應(yīng)控制的目的就是要求控制器能夠自動補償不確定因素的變化，使系統(tǒng)能自動地保持預(yù)期的控制狀態(tài)和控制目標(biāo)。

解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測一般來說，自適應(yīng)控制對不確定性的識別和利用是“被動的”它在設(shè)計控制器的時候并沒有直接考慮對象的不確定因素唯一的企圖就是在運行過程中，通過辨識器及時地把不確定性映射到模型參數(shù)空間利用模型參數(shù)或結(jié)構(gòu)的變化來反映不確定性的發(fā)生繼而調(diào)整控制器的參數(shù)或結(jié)構(gòu)，以保證控制系統(tǒng)達到期望的控制目標(biāo)也就是希望控制器對不確定性具有實時適應(yīng)的能力

解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測在前面介紹的控制系統(tǒng)中，其控制器參數(shù)均為固定值。原因：不考慮對象特性在工作過程中的變化但在實際生產(chǎn)過程中，有些（極少數(shù)）對象的特性是隨時間而變化的，這些變化可能使工藝參數(shù)發(fā)生較大幅度的變化。如果對象特性變化較大，采用第7章、第8章所介紹的常規(guī)PID控制往往不能很好地適應(yīng)工藝參數(shù)的變化，而導(dǎo)致控制質(zhì)量下降。自適應(yīng)控制系統(tǒng)能夠通過測取系統(tǒng)的有關(guān)信息，了解對象特性的變化情況，再經(jīng)過某種算法自動地改變控制器的可調(diào)參數(shù)，使系統(tǒng)始終運行在最佳狀況下，從而保證控制質(zhì)量不隨工藝參數(shù)的變化而下降。解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測1.增益調(diào)度自適應(yīng)控制

系統(tǒng)的工作原理是直接檢測引起參數(shù)變動的環(huán)境條件（輔助變量f），直接查找預(yù)先設(shè)計好的表格選擇控制器的增益，以補償系統(tǒng)受環(huán)境等條件變化而造成對象參數(shù)變化的影響。這種方法的關(guān)鍵是找出影響對象參數(shù)變化的輔助變量f，并找到輔助變量f與最佳控制器增益的對應(yīng)關(guān)系。

控制器增益調(diào)整環(huán)節(jié)被控對象＋－這是最簡單的自適應(yīng)控制系統(tǒng)，動作迅速，但參數(shù)補償是按開環(huán)方式進行的。解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測2.模型參考自適應(yīng)控制ModelReferenceAdaptiveControl簡稱MRAC1958年MIT的Whitaker教授提出了MRAC的原型，模型參考自適應(yīng)控制系統(tǒng)（MRACS）包含內(nèi)外兩個環(huán)路：內(nèi)環(huán)由控制器和對象組成一般的反饋回路，外環(huán)用于整定控制器的參數(shù)。MRACS的一個重要問題就是自適應(yīng)機制的確定，自適應(yīng)機制通常有基于穩(wěn)定性理論的設(shè)計和基于局部參數(shù)最優(yōu)化的設(shè)計兩大類：前者主要的理論依據(jù)有Lyapunov穩(wěn)定性理論、Popov超穩(wěn)定性理論等等；后者的主導(dǎo)思想則可以概括為系統(tǒng)中包含有若干個可調(diào)參數(shù)，當(dāng)對象特性發(fā)生變化時，自適應(yīng)機構(gòu)對這些可控制器調(diào)參數(shù)進行調(diào)整，使得由模型和對象間的誤差所引起的性能指標(biāo)趨于最小?？刂破鲗ο笞赃m應(yīng)機制參考模型ymy－eur－解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測3.自校正調(diào)節(jié)器Self-TuningRegulator，簡稱STR自校正調(diào)節(jié)器源于隨機調(diào)節(jié)問題，主要針對離散時間模型的處理。STR的主導(dǎo)思想可以簡單地概括如下：系統(tǒng)在運行過程中，估計器不斷地辨識對象參數(shù)，修改預(yù)估模型，并相應(yīng)地對控制器的控制律進行自動調(diào)整，或?qū)刂破鲄?shù)進行在線再整定，從而使其具有自校正控制的能力。

控制器對象估計器自適應(yīng)機構(gòu)yur－對象參數(shù)估計調(diào)節(jié)器參數(shù)估計解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測Conclusion對自適應(yīng)控制本身來說，系統(tǒng)的穩(wěn)定性、算法的收斂性以及系統(tǒng)的魯棒性是三個關(guān)鍵問題。1982年C.E.Rohrs等對自適應(yīng)控制的性能進行了分析，指出了即使是依據(jù)穩(wěn)定性理論設(shè)計的自適應(yīng)控制系統(tǒng)，如果被控對象存在未建模動態(tài)特性時，系統(tǒng)將存在固有的缺乏魯棒性（unrobust），這一發(fā)現(xiàn)在控制界立刻引起了強烈的反響，于是也引發(fā)了關(guān)于自適應(yīng)控制系統(tǒng)在出現(xiàn)未建模動態(tài)、時變、有界干擾、失配延時等非理想情況下的魯棒性能研究，其中尤以未建模動態(tài)最重要?？偠灾?，自適應(yīng)控制技術(shù)在過程控制領(lǐng)域已取得一系列了令人注目的成果，在工程實踐中也獲得了很多成功的應(yīng)用。但是，自適應(yīng)控制技術(shù)至今仍然不是一種非常成熟的技術(shù)，主要表現(xiàn)在自適應(yīng)控制系統(tǒng)的穩(wěn)定性、收斂性、信號條件和魯棒性等問題尚未得到很好的解決，其中尤以自適應(yīng)控制的魯棒性問題最突出。因此，如何提高自適應(yīng)控制系統(tǒng)的魯棒性能自然就成了眾人矚目的焦點之一。解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測預(yù)測控制——內(nèi)?？刂苾?nèi)?？刂剖?0世紀(jì)80年代初由C.E.Garcia和M.Morari首先提出的——內(nèi)?？刂破鳌獙嶋H對象模型——標(biāo)稱對象模型內(nèi)?？刂葡到y(tǒng)的閉環(huán)傳遞函數(shù)：如果滿足則可見內(nèi)?？刂茖υO(shè)定值r(s)實際上等價于開環(huán)控制內(nèi)?？刂茖Ω蓴_f(s)為閉環(huán)控制解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測——內(nèi)?？刂破鞯脑O(shè)計首先分解標(biāo)稱對象模型為模型的最小相位部分為模型的全通因子部分它包括所有時滯項和不穩(wěn)定零點通常，內(nèi)?？刂破髟O(shè)計成其中為低通濾波器，如：它的作用包括兩方面：一方面決定了內(nèi)?？刂频膭討B(tài)特性，另一方面要確保內(nèi)模控制器是可實現(xiàn)的（通常為雙正則）。供參考解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測——內(nèi)?？刂破鞯脑O(shè)計例

以典型的一階時滯對象為例。設(shè)實際對象為標(biāo)稱對象為分解標(biāo)稱對象若低通濾波器取則可得到內(nèi)?？刂破饕虼?，在理想情況下，內(nèi)?？刂频拈]環(huán)特性是供參考解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測“買一送一”之Smith預(yù)估控制在1957年，O.J.M.Smith首先提出了著名的滯后預(yù)估補償算法，稱為Smith預(yù)估控制算法，它從理論上解決了大純滯后的控制問題。如果如果滿足標(biāo)稱對象與實際對象相等，因此，Smith預(yù)估控制的閉環(huán)傳遞函數(shù)可以看出，閉環(huán)傳遞函數(shù)的特征方程中將不包含純滯后項，此時就把一個時滯對象的控制問題轉(zhuǎn)化為無時滯對象的控制問題，這正是Smith預(yù)估控制的魅力所在。通常，Smith預(yù)估控制器取解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測Smith預(yù)估控制之評述對于大純滯后對象來說，Smith預(yù)估器是一種簡單、有效的控制方法。K.J.?str?m等人對Smith預(yù)估器的頻域特征進行了研究，認(rèn)為預(yù)估器的本質(zhì)就體現(xiàn)在相位的超前。但是由預(yù)估器引入相位的超前往往會伴隨著系統(tǒng)對模型敏感性的增加，也就是說Smith預(yù)估控制需要精確的數(shù)學(xué)模型，當(dāng)模型結(jié)構(gòu)發(fā)生變化或模型參數(shù)產(chǎn)生較大的攝動時，Smith預(yù)估器的控制質(zhì)量將顯著惡化，甚至不及常規(guī)的PID控制，這也正是Smith預(yù)估控制至今仍難在工業(yè)過程中進行廣泛應(yīng)用的根本原因。近年來，關(guān)于Smith預(yù)估控制的研究有很多進展，也提出了各種各樣修正的Smith預(yù)估控制器，這里把它大致歸納為三大類：Smith預(yù)估及其魯棒控制Smith預(yù)估器的模型失配問題Smith預(yù)估及其自整定控制研究解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測模糊控制由于現(xiàn)實世界中存在未知和不確定的因素，很多對象都難以利用連續(xù)的因果模型來完整地描述它，模糊控制正是利用了模糊邏輯思想來解決這類對象的確定性控制問題。1965年L.A.Zadeh教授首先創(chuàng)造性地提出了模糊邏輯和模糊集理論，該理論主要在于模仿人的思維和行為習(xí)慣來獲取數(shù)學(xué)描述的框架，為描述和處理模糊性現(xiàn)象提供了新的數(shù)學(xué)工具。而后，Zadeh又提出了把邏輯規(guī)則的語言描述轉(zhuǎn)化為相關(guān)控制量的思想，為模糊控制技術(shù)的形成奠定了基礎(chǔ)。解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測基本原理從系統(tǒng)結(jié)構(gòu)上來說，模糊控制系統(tǒng)類同于一般的數(shù)字控制系統(tǒng)，對象的輸出(被控變量)被反饋回輸入端與給定值進行比較后得到偏差，偏差和偏差變化率輸入到模糊控制器,由模糊控制器推斷出控制量來控制對象。

由于對模糊控制來說，輸入和輸出都是精確的數(shù)值，而模糊控制原理是采用人的思維，也就是按語言規(guī)則進行推理的，因此必須將輸人數(shù)據(jù)變換成語言值，這個過程稱為精確量的模糊化，然后進行推理及控制規(guī)則的形成，最后將推理所得結(jié)果變換成實際的一個精確的控制值。

解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測輸入變量的模糊化輸入變量：e、c

所謂模糊化就是對e和c進行分割

在實際控制過程中，經(jīng)常把輸入變量和輸出變量分成“正大”，“正中”，“正小”，“零”，“負(fù)小”，“負(fù)中”，“負(fù)大”這七級，稱模糊分割為七級，用英文字母表示為{PL，PM，PS，ZE，NS，NM，NL}一個語言變量的各個模糊子集之間沒有明確的分界線，反映在模糊子集的隸屬度函數(shù)的曲線上，就是這些曲線必定是相互重疊的，這個相鄰隸屬度函數(shù)的合適選擇的重疊正是一個模糊控制器相對于參數(shù)變化時具有魯棒性(Robust)的原因所在。解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測輸入變量的模糊化各種隸屬度函數(shù)曲線形狀對控制性能的影響不大，所以一般選擇三角形或梯形，這不僅出于它們的形狀簡單，計算工作量少，也在于當(dāng)輸入值變化時，三角形狀的隸屬度函數(shù)比正態(tài)分布狀的要具有更大的靈敏性。模糊控制器的非線線性能與隸屬度函數(shù)總體的位置分布有密切關(guān)系，而每個隸屬度函數(shù)的寬度與位置又確定了每個規(guī)則的影響范圍，它們必須重疊，所以在設(shè)定一個語言變量的隸屬度函數(shù)時，所要考慮的因素為：隸屬度函數(shù)的個數(shù)、形狀、位置分布和相互重疊程度等。解耦控制第9章推斷控制自適應(yīng)控制預(yù)測控制模糊控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)

故障檢測