自动化的前沿技术.ppt

自动化的前沿技术 Theories of Automatic Control,在经典控制理论中，用传递函数模型来设计和分析单输入单输出系统，但传递函数模型只能反映初系统的输出变量和输入变量之间的关系，而不能了解到系统内部的变化情况。在现代理论中，用状态控件模型来设计和分析多输入多输出系统，便于计算机求解，同时也为多变量系统的分析研究提供了有力的工具。,现代控制技术概论,自动化的前沿技术,模糊控制其实我很清楚最优控制-“没有更好只有最好”自适应控制以变制变鲁棒控制以静制动线性控制理论纵横非线性控制理论的发展PID控制简而优秀预测控制未卜先知故障诊断神医妙手人工智能智慧之巅专家系统身边的专家定性定量控制人类智慧的展示集散控制系统（DCS）,模糊控制,模糊控制是以模糊集合理论为基础的一种新兴的控制手段，它是模糊系统理论和模糊技术与自动控制技术相结合的产物。自从这门科学诞生以来,它产生了许多探索性甚至是突破性的研究与应用成果,同时,这一方法也逐步成为了人们思考问题的重要方法论.1965年美国的控制论专家L.A.Zadeh教授创立了模糊集合论，从而为描述，研究和处理模糊性现象提供了一种新的工具。一种利用模糊集合的理论来建立系统模型，设计控制器的新型方法模糊控制也随之问世了。,模糊控制,模糊控制的核心就是利用模糊集合理论，把人的控制策略的自然语言转化为计算机能够接受的算法语言所描述的控制算法，这种方法不仅能实现控制，而且能模拟人的思维方式对一些无法构造数学模型的被控对象进行有效的控制。模糊控制作为智能领域中最具有实际意义的一种控制方法，已经在工业控制领域，家用电器自动化领域和其他很多行业中解决了传统控制方法无法或者是难以解决的问题，取得了令人瞩目的成效。,最优控制,最优控制问题研究的主要内容是：怎样选择控制规律才能使控制系统的性能和品质在某种意义下为最优，求解最优控制问题的方法。用最优控制方法已经成功的解决了许多动态控制问题，如最小时间控制，最少燃料控制和最佳调节器等。最优控制已经在航天，航海，导弹，电力系统，控制装置，生产设备和生产过程中得到了比较成功的应用，而且在经济系统和社会系统中也得到了广泛的应用。,最优控制问题有四个关键点：（1）受控对象为动态系统。（2）初始与终端条件（时间和状态）。（3）性能指标。（4）容许控制。而最优控制问题的实质就是要找出容许的控制作用或控制规律，使动态系统（受控对象）从初始状态转移到某种要求的终端状态，并且保证某种要求的性能指标达到最小值或者是最大值。,自适应控制,在日常生活中，所谓自适应是指生物能改变自己的习性以适应新的环境的一种特征。因此，直观地讲，自适应控制器应当是这样一种控制器，它能修正自己的特性以适应对象和扰动的动态特性的变化。自适应控制的研究对象是具有一定程度不确定性的系统,这里所谓的“不确定性”是指描述被控对象及其环境的数学模型不是完全确定的,其中包含一些未知因素和随机因素。,自适应控制,任何一个实际系统都具有不同程度的不确定性，这些不确定性有时表现在系统内部，有时表现在系统的外部。从系统内部来讲，描述被控对象的数学模型的结构和参数，设计者事先并不一定能准确知道。作为外部环境对系统的影响，可以等效地用许多扰动来表示。这些扰动通常是不可预测的。此外，还有一些测量时产生的不确定因素进入系统。面对这些客观存在的各式各样的不确定性，如何设计适当的控制作用，使得某一指定的性能指标达到并保持最优或者近似最优，这就是自适应控制所要研究解决的问题。,鲁棒控制,鲁棒控制（Robust Control）方面的研究始于20世纪50年代。在过去的50年中，鲁棒控制一直是国际自控界的研究热点。所谓“鲁棒性”，是指控制系统在一定（结构，大小）的参数摄动下，维持某些性能的特性。根据对性能的不同定义，可分为稳定鲁棒性和性能鲁棒性。以闭环系统的鲁棒性作为目标设计得到的固定控制器称为鲁棒控制器。鲁棒控制方法，是对时间域或频率域来说，一般要假设过程动态特性的信息和它的变化范围。一些算法不需要精确的过程模型，但需要一些离线辨识。,鲁棒控制,一般鲁棒控制系统的设计是以一些最差的情况为基础，因此一般系统并不工作在最优状态。常用的设计方法有：INA方法，同时 镇定，完整性控制器设计，鲁棒控制，鲁棒PID控制以及鲁棒极点配置，鲁棒观测器等。鲁棒控制方法适用于稳定性和可靠性作为首要目标的应用，同时过程的动态特性已知且不确定因素的变化范围可以预估。飞机和空间飞行器的控制是这类系统的例子。,线性控制理论,线性控制理论是系统与控制理论中最为成熟和最为基础的一个组成分支，是现代控制理论的基石。系统与控制理论的其他分支，都不同程度地受到线性控制理论的概念、方法和结果的影响和推动。严格地说，一切实际的系统都是非线性的，真正的线性系统在现实世界是不存在的。但是，很大一部分实际系统，它们的某些主要关系特性，在一定的范围内，可以充分精确地用线性系统来加以近似地代表。并且，实际系统与理想化了的线性系统间的差别，对于所研究的问题而言已经小到无关紧要的程度而可予以忽略不计。因此，从这个意义上说，线性系统或者可线性化的系统又是大量存在的，而这正是研究线性系统的实际背景。,非线性控制理论,对非线性控制系统的研究，到上个世纪四十年代，已取得一些明显的进展。主要的分析方法有：相平面法、李亚普诺夫法和描述函数法等。这些方法都已经被广泛用来解决实际的非线性系统问题。但是这些方法都有一定的局限性，都不能成为分析非线性系统的通用方法。虽然这些年来，国内外有不少学者一直在这方面进行研究，也研究出一些新的方法，如频率域的波波夫判据，广义圆判据，输入输出稳定性理论等。但总的来说，非线性控制系统理论目前仍处于发展阶段，远非完善，很多问题都还有待研究解决，领域十分宽。,PID控制简而优秀,PID（比例-积分-微分）控制器作为最早实用化的控制器已有50多年历史，现在仍然是应用最广泛的工业控制器。PID控制器简单易懂，使用中不需精确的系统模型等先决条件，因而成为应用最为广泛的控制器。PID控制器由比例单元（P）、积分单元（I）和微分单元（D）组成。其输入e(t)与输出u(t)的关系为:,预测控制,预测控制是近年来发展起来的一类新型的计算机控制算法。由于它采用多步测试、滚动优化和反馈校正等控制策略，因而控制效果好，适用于控制不易建立精确数字模型且比较复杂的工业生产过程，所以它一出现就受到国内外工程界的重视，并已在石油、化工、电力、冶金、机械等工业部门的控制系统得到了成功的应用。下面以模型算法控制为例子来说明预测控制的基本原理:,故障诊断,现代的机械制造系统具有控制规模大、自动化程度高和柔性化强的特点。由于制造系统的结构越来越复杂，价格越来越昂贵，因此因为各种故障而导致的停机都是不可忍受的负担。故障诊断系统就能够在这个情况下满足需要，也就是能够合理制定维修计划，最大限度减少停机维修的时间，以及在故障发生之后能够迅速做出反应。因此，故障诊断系统在现在得到了迅速的发展。,人工智能,人工智能是一门边缘学科,用来模拟人的思维,已经引起了许多学科的日益重视，并且有越来越多的实用意义，而且许多不同专业背景的科学家正在人工智能领域内获得一些新的思维和新的方法。作为一个计算机科学中涉及智能计算机系统的一个分支，这些系统呈现出与人类的智能行为有关的特性。人工智能的主要领域包括问题求解、语言处理、自动定理证明、智能数据检索等领域。这些综合概念在自然语言处理、情报检索、自动程序设计、数学证明都有重要应用。人工智能的第一个大成就是发展了能够求解难题的下棋程序。,人工智能,人工智能包含的领域非常广泛，问题的求解只是其中的一个重要方面。其他的方面包括比如谓词演算、规则演绎系统、机器人问题以及专家系统等一系列问题。人工智能作为一个复杂的边缘学科，正在有着越来越广阔的前景，随着新的数学理论的完善以及计算机新的硬件的出现，人工智能必将能够更好地模拟人的思维。,专家系统,专家系统(Expert System)是一个基于知识的智能推理系统，它涉及到对知识获取、知识库、推理控制机制以及智能人机接口的研究，是集人工智能和领域知识于一体的系统。近些年，专家系统的迅速发展和广泛应用大大推进了各个应用领域向智能化方向发展，成为人工智能从实验室研究进入实用领域的一个里程碑。在一个成熟的专家系统中，有几项技术是极为关键的。首先，为了便于知识在计算机中的存贮、检索、使用和修改，并进行推理和搜索，知识表示技术必须具有很高的效率，目前主要有产生式表达法、语义网络表达法、框架表达法、谓词逻辑表达法等技术，并且新的技术还在开发当中；其次，因为要在专家系统中用计算机模拟人的思维，不精确推理方法是必不可少的，,专家系统,针对实际需要，概率算法一度成为最重要的方法，近几年来，模糊数学的引入为这一领域的发展开辟了新的前景；最后，和知识表示技术与推理方法相关，作为人的思维搜索过程的模拟，搜索策略的好坏对系统的成败也是意义重大的，现在人们已经利用的技术有状态空间法、问题递归法、最佳优先法等。总之，人工智能系统的特殊性，决定了它是一个跨越多学科、充满活力、对基础研究的依赖性很强的一个领域，它的发展，必将向我们展示科学技术王国的更多魅力，也会令我们的生活更为美好。,定性定量控制,定性控制是指当系统的状态变量为定性量时,应用定性推理对系统施加控制变量使系统的定性输出为某一期望范围.状态变量(包括输出)为定性量是指状态变量不是某一精确值而仅是某一定性值,即仅知其处于某一范围内.描述定性量之间运算关系的数学称为定性数学.在通常的控制系统中总是认为系统的状态(含输出)是精确可测的(如果可测的话),但是在下述情况下人们常常采用状态的不精确的定性量:(1)系统的模型过于复杂或含有时变参数时不能获得精确的数值模型或参数值.(2)某些控制任务仅需知道系统行为的粗略的定性描述就足够了,而不值得去测量其精确的数量值.这在许多过程监控中是常常遇到的.,定性定量控制,(3)某些系统人们对之了解的很少,根本就不可能用定量的模型来分析或测量有关参数.在这些情况下,常规的控制系统分析方法就不再适合了,我们必须建立相应的定性模型,用定性推理的方法来设计一个定性控制器.定性控制发展到现在已经取得了一系列值得肯定的成果.很多学者已经在定性控制方法、可控性、可观性、稳定性、定性建模等方面进行了探讨.Nagib等还将定性推理与学习控制结合起来形成了定性学习控制.,定性定量控制,基于不同的方法对系统进行定性建模,便构成了不同的定性控制研究方法.大体上可分为三类:(1)基于定量模型的定性控制.其特点是系统的定量模型被假定为已知的,以定量模型为基础来推导定性模型.(2)基于规则的定性控制.本方法的特点为构成定性模型的规则是人们凭经验或直觉的定性推理即可得到的,或者是通过对状态穷举得出的.,定性定量控制,(3)基于定性模型的定性控制.本方法的特点为直接通过对定性模型的研究来导出定性控制.Lunze是这方面的代表,他从动态系统的定性建模开始,研究了定性模型和实际系统的关系、模型的稳定性、具有定性反馈的控制系统的镇定等问题,对定性建模及控制做了全面的叙述,集散控制系统(DCS),DCS，即所谓的分布式控制系统，或在有些资料中称之为集散系统，是相对于集中式控制系统而言的一种新型计算机控制系统，它是在集中式控制系统的基础上发展、演变而来的。在系统功能方面，DCS和集中式控制系统的区别不大，但在系统功能的实现方法上却完全不同。DCS自1975年问世以来，已经经历了三十多年的发展历程。在这三十多年中，DCS虽然在系统的体系结构上没有发生重大改变，但是经过不断的发展和完善，其功能和性能都得到了巨大的提高。总的来说，DCS正在向着更加开放，更加标准化，更加产品化的方向发展。,集散控制系统(DCS),进入二十一世纪以来，计算机技术突飞猛进，更多新的技术被应用到了DCS之中。PLC是一种针对顺序逻辑控制发展起来的电子设备，它主要用于代替不灵活而且笨重的继电器逻辑。现场总线技术在进入九十年代中期以后发展十分迅猛，以至于有些人已做出预测：基于现场总线的FCS将取代DCS成为控制系统的主角。,最优控制,飞船软着陆问题 宇宙飞船在月球表面着陆时速度必须为零，即软着陆，这要靠发动机的推力变化来完成。问题是如何选择一个推力方案，使燃料消耗最小。,最优控制问题,设m 飞船的质量，h 高度，v 垂直速度，g 月球重力加速度常数，M 飞船自身质量,F 燃料的质量,最优控制,软着陆过程开始时刻t为零,终点条件,控制目标,推力方案,最优控制,最优控制问题的一般性提法为,系统状态方程为,初始状态为,其中，x为n 维状态向量；u为r 维控制向量；f 为n 维向量函数，它是 x、u和t 的连续函数，并且对x、t 连续可微。,最优控制问题就是求解一类带有约束条件的条件泛函极值问题。,最优控制,泛函的基本定义：如果对于某个函数集合 中的每一个函数x(t)，变量J 都有一个值与之对应，则称变量J 为依赖于函数x(t)的泛函，记作Jx(t)泛函的变分所谓泛函Jx(t)的宗量x(t)的变分是指两个函数间的差。,最优控制,注意：满足欧拉方程是必要条件，不是充分条件。,最优控制,要求在控制空间中寻求一个最优控制向量u(t)，使以下性能指标,用变分法求解最优控制问题,末值时刻固定、末值状态自由情况下的最优控制,非线性时变系统状态方程为,初始状态,其中，x 为n 维状态向量；u 为r 维控制向量；f 为n 维向量函数。,沿最优轨线u(t)取极小值。,最优控制,引入拉格朗日乘子,将性能指标改写为其等价形式,最优控制,对上式中的第三项进行分部积分，得,当泛函J 取极值时，其一次变分等于零。即,求出J 的一次变分并令其为零,最优控制,将上式改写成,（14）式称为伴随方程，为伴随变量，（17）式为控制方程。,（16）,由于(t)未加限制，可以选择(t)使上式中x和x(tf)的系数等于零。于是有,（15）,（14）,最优控制,因为,最优控制,将 代入状态方程,解为,当 时，代入上式，求得，所以,当 时，,最优性能指标为,