強明輝 周宇侯

(蘭州理工大學，電氣工程與信息工程學院;甘肅省工業(yè)過程先進控制重點實驗室，蘭州，730050)

0 引言

當前某些復雜工業(yè)的生產(chǎn)過程中，普遍存在著時變、大滯后的現(xiàn)象，這一現(xiàn)象造成系統(tǒng)的動態(tài)品質下降，從而大大降低控制系統(tǒng)的穩(wěn)定性。

PID控制［1］在滯后系統(tǒng)中的應用十分有限，對于滯后較大的系統(tǒng)，常規(guī)PID控制往往難以取得滿意效果。Smith預估控制［2］以及預測控制都需要建立精確的數(shù)學模型，而對于這類生產(chǎn)過程，模型往往難以精確建立。因而，使用傳統(tǒng)的控制方法難以取得理想的控制效果，需要考慮采用先進的控制算法。

我們知道，引入專家控制具有抗滯后性強的優(yōu)點，但對噪聲干擾十分敏感，故這種方法也存在一定的弊端。模糊控制不需要被控對象的數(shù)學模型，控制器的魯棒性較強，干擾和參數(shù)變化對控制效果的影響被大大減弱，尤其適合于非線性、時變及純滯后系統(tǒng)的控制，但由于對復雜控制過程難以形成完整的模糊規(guī)則，使得單純的模糊控制無法適應不同的運行狀態(tài)，影響了控制效果［3］。鑒于這兩種控制方法的優(yōu)缺點，本文旨在將專家控制與模糊控制結合起來，充分發(fā)揮各自優(yōu)勢，提出一種“專家+模糊”的控制方案來應對這類系統(tǒng)。

1 專家模糊控制器的原理

系統(tǒng)運用模糊邏輯原理、專家的先念知識和求解控制問題時的啟發(fā)式規(guī)則來構造控制策略，在常規(guī)PID控制器的基礎上整合了啟發(fā)式邏輯推理來對控制參數(shù)進行調整。專家系統(tǒng)的調整規(guī)則由知識庫提供，控制決策由推理機實現(xiàn)，通過推理計算以在線得出一組量化因子ke，kec和比例因子ku，通過對量化因子和比例因子的調整，使系統(tǒng)的控制性能實現(xiàn)最優(yōu)。其控制結構框圖如圖1所示。

圖1 專家模糊控制器的結構框圖

2 模糊控制器的設計

2.1 確定模糊控制器結構

由于二維控制器在控制效果上比一維控制器好，在結構上又比三維控制器更加簡單，所以綜合考慮，系統(tǒng)的控制器一般采用二維的結構方案。系統(tǒng)模糊控制器的輸入選取E和EC，輸出選取ΔU［4］，構成專家模糊控制器，其設計步驟如下:先確定e和Δe的基本論域，然后通過量化因子Ke和Kce將它們量化為在［－n，+n］中的離散論域，這里，n為量化等級，n的選取要適中，必須綜合考慮系統(tǒng)的控制精度和計算量，一般取n=6。

2.2 定義輸入、輸出模糊集

模糊集的分檔原則是要確?？刂破鞯目刂凭确舷到y(tǒng)的控制要求，這里，我們將 E的模糊集定義為{NB，NM，NS，NZ，PZ，PS，PM，PB};EC，ΔU 的模糊集定義為{NB，NM，NS，ZE，PS，PM，PB}。隸屬函數(shù)的選取也要便于系統(tǒng)描述且要簡化計算量。通常情況下選取三角形隸屬函數(shù)作為系統(tǒng)的隸屬函數(shù)。

2.3 建立模糊控制規(guī)則和模糊控制表

根據(jù)模糊控制思想和專家的控制經(jīng)驗，系統(tǒng)將總結的控制規(guī)則以模糊控制表的方式給出，如表1所示。為了得到理想的控制效果，我們在一些特殊環(huán)節(jié)，在原有控制規(guī)則的基礎上對規(guī)則進行了必要的改進，例如:為了得到更快的階躍響應速度，我們將控制規(guī)則“if(E is PB)and(EC is ZE)then(ΔUis PM)”改為“if(Eis PB)and(EC is PS)then(ΔUis PB)”。

表1 仿人智能模糊控制規(guī)則表

2.4 模糊推理

“去模糊”常用的方法有最大隸屬度法、中位數(shù)法和加權平均法等。這里為了提高系統(tǒng)的穩(wěn)態(tài)精度，選取加權平均法作為系統(tǒng)的模糊判決方法，將控制器的輸出分為兩部分

其中u(k－1)為前一時刻控制器的輸出值，而Δu的值是通過式子:Δu=ΔU ×KΔu表示出來的。

3 專家智能協(xié)調級調整因子方法的設計

模糊控制器的性能很大程度上受量化因子ke、kec和比例因子ku的影響，為了保證系統(tǒng)同時具有良好的動態(tài)響應和穩(wěn)態(tài)精度，如果賦予固定不變的調整因子數(shù)值顯然難以滿足系統(tǒng)的控制要求，必須通過不斷調整這組參數(shù)值來實時改善控制器的品質。為了實時得到某組量化因子和比例因子的數(shù)值，必須通過分析首先掌握每個因子單獨對系統(tǒng)控制產(chǎn)生的影響。這里，我們可以采取固定某兩個因子，調整第三個因子的方法進行分析比較。歸納總結得到的結論如下

① ke越大，系統(tǒng)的響應曲線上升速度越快，然而ke過大會產(chǎn)生振蕩，ke過小又會使收斂速度過慢;

② kec過大和過小都會使收斂速度變慢;

③ ku越大，系統(tǒng)響應速度越快，同樣，ku過大也會使響應出現(xiàn)嚴重振蕩，ku過小也會導致收斂速度過慢。

根據(jù)上面得出的結論，可以設計專家知識庫如下

其中e(k)，ec分別為當前時刻的偏差和偏差變化率，δ是誤差大小的分界線，δ＞0，k1、k2、k3分別為量化因子 ke，kec和比例因子ku的動態(tài)修正因子，Δke、Δkec、Δku分別為 ke、kec、ku的增量，不妨設 Ke(t)、Kec(t)、Ku(t)、Ke(t－1)、Kec(t－1)、Ku(t－1)分別為當前時刻和上一時刻的量化因子和比例因子，則在線修正算法為:

其中Ke(0)、Kec(0)、Ku(0)可根據(jù)具體情況選取不同的數(shù)值。

運用以上修正算法，可以對模糊控制因子進行在線修正，量化因子和比例因子的調整規(guī)則和其他調整參數(shù)存放在專家知識庫中，運行時進行在線調整［5］。專家知識庫流程圖如圖2所示。

圖2 專家知識庫流程圖

4 仿真及結果分析

將這一研究成果應用于泡沫玻璃窯爐溫度控制系統(tǒng)進行實例分析，同時，結合MATLAB進行仿真研究［6］。 與 模糊PID控制方法進行比較，我們得出了泡沫玻璃發(fā)泡窯爐的仿真控制效果比較圖如圖3所示。

圖3 專家模糊PID和模糊PID在窯爐溫控系統(tǒng)中的仿真效果比較圖

通過分析圖3我們不難發(fā)現(xiàn)，與模糊PID控制方法相比，運用專家模糊PID控制方法縮短了上升時間，減小了系統(tǒng)的超調量，系統(tǒng)的振蕩也得到了很好的控制。因而，引入專家知識庫明顯的改善了模糊控制器的控制效果。

5 結論

文章詳細敘述了“專家+模糊”的系統(tǒng)控制方案，通過對模糊控制器調整因子的在線修正，改善了系統(tǒng)的控制性能，并結合工程實例和仿真研究驗證了該方法的可行性和先進性。

［1］ K M Tsang.Auto-tuning of fuzzy logic controllers for self-regulating processes［J］.Fuzzy Sets and Systems(S0165－0114)，2001，120(1):169－179.

［2］ Ibrahim Kaya.IMC based automatic tuning method for PID controllers in a Smith predictor configuration［J］.Computers and Chemical Engineering(S0098－1354)，2004，28(3):281－290.

［3］ 章衛(wèi)國，楊向忠.模糊控制理論與應用［M］.西安:西北工業(yè)大學出版社，2000.

［4］ 諸靜等.模糊控制原理與應用［M］.北京:機械工業(yè)出版社，1999.

［5］ 劉金琨.智能控制［M］.北京:電子工業(yè)出版社，2006.

［6］ 李國勇.智能控制及其 MATLAB實現(xiàn)［M］.北京:電子工業(yè)出版社，2005.