模糊PID控制結(jié)構(gòu)分析

徐立軍，何穎

(新疆工業(yè)高等專科學(xué)校，新疆 烏魯木齊，830091)

盡管已經(jīng)進(jìn)行了大量的研究并提出了大量的解決方案，大多的工業(yè)控制系統(tǒng)仍然使用傳統(tǒng)PID控制，據(jù)估計，PID控制器的使用率在90% －99%之間。然而，因?yàn)楣I(yè)控制過程普遍具有綜合性、復(fù)雜性，隨時間而變化、延遲，且是非線性及無規(guī)律動態(tài)性的特點(diǎn)，PID控制器不可能為所有控制問題提供一個總的解決方案。當(dāng)這個控制過程太過復(fù)雜，甚至無法用分析模型進(jìn)行描述時，傳統(tǒng)的方法很可能就失效了［1]。因此，經(jīng)典控制理論能夠簡化工廠模式，卻不能保證控制效果。工廠仍然需要控制操作人員。但是，人的控制能力并不穩(wěn)定，易受操作員經(jīng)驗(yàn)和職業(yè)技能的影響，因此，在許多實(shí)際應(yīng)用中，傳統(tǒng)PID控制不能對系統(tǒng)進(jìn)行有效的調(diào)節(jié)，而運(yùn)用人工智能技術(shù)則能夠?qū)⒉僮髡叩墓ぷ髯詣踊＝橛谌斯ぶ悄芎涂刂乒こ碳夹g(shù)之間的模糊控制理論，其有效性已被工程實(shí)踐證明。根據(jù)《日本儀器控制工程協(xié)會》對日本控制技術(shù)行業(yè)的調(diào)查，模糊控制(FC)與神經(jīng)網(wǎng)絡(luò)控制(NNC)是控制工程技術(shù)中發(fā)展最快的領(lǐng)域之一［2]。作為過程控制的方法，模糊控制的吸引力在于:模糊控制有效地支持了編碼轉(zhuǎn)換，即將一個有經(jīng)驗(yàn)的操作工所積累的知識和控制程序，轉(zhuǎn)換為十進(jìn)制數(shù)字。在一個典型的PID工業(yè)控制系統(tǒng)設(shè)計中，控制參數(shù)被提前設(shè)定，然后為了達(dá)到理想的響應(yīng)，這些參數(shù)被手動調(diào)節(jié)。在Copeland和Rattan所描述的方法中，人工調(diào)節(jié)可被由FC監(jiān)控的調(diào)節(jié)過程取代。通過在線對FC參數(shù)進(jìn)行調(diào)節(jié)，控制系統(tǒng)的響應(yīng)得以改善［3]。

1 模糊控制器的設(shè)計方法

FC設(shè)計至今仍然類似一門藝術(shù)而未形成一項(xiàng)技術(shù)，因而設(shè)計者的能力扮演著至關(guān)重要的角色。究其原因如下:

模糊控制理論，特別是模糊設(shè)計理論仍遠(yuǎn)不夠完善，也未被深入研究。C.－C.Lee在他的研究中指出:“缺乏FC設(shè)計的系統(tǒng)性設(shè)計步驟”。Brehm認(rèn)為:“設(shè)計方法仍處于雛形，在某些方面仍靠直覺”［4]。最近Patryra等人的研究及國外多篇專門針對模糊PID設(shè)計的論文證實(shí)了FC設(shè)計分析中數(shù)據(jù)可靠性的缺乏。Verbruggen和Bruijn對當(dāng)前的模糊控制研究狀況及其與傳統(tǒng)PID控制的關(guān)系進(jìn)行了卓有成效的研究［5]。

模糊控制設(shè)計是一種邊緣技術(shù)，許多學(xué)科及工程設(shè)計方法如人工智能(專家系統(tǒng))、控制工程和優(yōu)化理論都牽涉其中，將這些不同的方法結(jié)合運(yùn)用，能夠極大地豐富模糊控制技術(shù)，并帶來嶄新與令人矚目的成果。然而，隱藏在這些不同方法背后的，是不同的研究群體、不同的技術(shù)以及各自的評價標(biāo)準(zhǔn)，并且各研究群體之間彼此缺少了解(甚至有時可能會產(chǎn)生誤解)。

FC設(shè)計方法大致可分為專家法、控制工程法、中介法、整合法和同步法。

第一種方法來源于專家系統(tǒng)法。它將FC視為一個問題解決型的專家系統(tǒng)。在該方法中，用模糊集來代表控制人員的知識和行為，可僅憑模糊集進(jìn)行操作，人工智能和認(rèn)知科學(xué)的所有理論性和實(shí)踐性方法在專家系統(tǒng)中得以應(yīng)用。應(yīng)該注意到，通過使用語言變量，模糊規(guī)則為人類思維和語言提供了一個自然的框架結(jié)構(gòu)，許多技術(shù)人員發(fā)現(xiàn)，使用模糊控制規(guī)則可以方便地表達(dá)他們的專業(yè)知識。因此對一個知識豐富的工程師來說，使用專家法會使設(shè)計工作變得更加容易。這種方法在FC初期設(shè)計非常流行。

在一個純粹的專家法中，結(jié)構(gòu)、輸入、輸出和其他FC系統(tǒng)參數(shù)的選擇僅僅是專家的職責(zé)。而且，該方法的支持者們反對過細(xì)的參數(shù)調(diào)節(jié)，他們認(rèn)為，這樣調(diào)節(jié)會破壞專家的指令。例如，改變控制參數(shù)或隸屬函數(shù)，可能會導(dǎo)致模糊規(guī)則表中數(shù)據(jù)意義喪失或混亂，從而導(dǎo)致系統(tǒng)無法識別那些經(jīng)過調(diào)節(jié)的規(guī)則，進(jìn)而無法制定新規(guī)則。

控制工程法的支持者反駁上述方法太過主觀，易于出錯，并嘗試建立一些可供選擇的客觀標(biāo)準(zhǔn)。該方法提出，F(xiàn)C的設(shè)計應(yīng)該基于研究各種表征值的穩(wěn)定性和表現(xiàn)，從而決定不同的FC參數(shù)，因此，該方法確定FC的分析是FC設(shè)計的重要程序之一。該方法采用模糊綜合評價法對FC控制質(zhì)量進(jìn)行評價。

中介法認(rèn)為應(yīng)該由專家設(shè)置參數(shù)，并用控制系統(tǒng)法確立其他規(guī)則。其方法包括FC結(jié)構(gòu)和參數(shù)的初始選擇，進(jìn)一步的調(diào)節(jié)由控制工程法進(jìn)行。這些方法的發(fā)展促進(jìn)了計算機(jī)輔助模型的應(yīng)用，通過計算機(jī)輔助工具，模型整合了專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)和模糊邏輯的特性。ARTMAP［6]即是這樣一個例子，通過有機(jī)體的神經(jīng)網(wǎng)絡(luò)，能夠快速學(xué)習(xí)辨識，測試假設(shè)，預(yù)測趨勢非平穩(wěn)時間序列的計算機(jī)模擬量或數(shù)字量輸入的響應(yīng)。

上述模糊控制方式已混合運(yùn)用到了控制工程實(shí)踐領(lǐng)域。當(dāng)設(shè)計一個工業(yè)用傳統(tǒng)PID控制器時，設(shè)計者要首先設(shè)定好控制其參數(shù)，然后手動調(diào)節(jié)參數(shù)使系統(tǒng)響應(yīng)接近期待值，如果用模糊控制來代替手動調(diào)節(jié)過程，通過模糊控制參數(shù)的在線調(diào)節(jié)可以顯著改善系統(tǒng)響應(yīng)。在這里需要特別強(qiáng)調(diào)的是，直到現(xiàn)在，在設(shè)計的初期階段，專家控制法仍然被普遍采用并不斷被改進(jìn)。

結(jié)合AI(人工智能)和控制工程的特點(diǎn)，在模糊控制器設(shè)計中，AI可以使工程師經(jīng)驗(yàn)?zāi)：⒂米匀徽Z言來構(gòu)建設(shè)計框架，這使得模糊控制的作用變得越來越重要，尤其是在控制器設(shè)計過程中，模糊控制的設(shè)計方法變得越來越容易掌握并日臻成熟，而對于設(shè)計人員來說相對傳統(tǒng)PID控制也更加具有吸引力。

控制工程領(lǐng)域傳統(tǒng)標(biāo)準(zhǔn)仍然適用于模糊控制的設(shè)計，包括對與超調(diào)、積分和穩(wěn)態(tài)誤差等參數(shù)的調(diào)節(jié)設(shè)計方法也在進(jìn)一步發(fā)展當(dāng)中，而加強(qiáng)模糊控制的易學(xué)易用性將會顯著的提高模糊控制的控制品質(zhì)，提高其魯棒性并擴(kuò)展其應(yīng)用領(lǐng)域。

2 模糊PID控制系統(tǒng)的基本結(jié)構(gòu)

為了在特定的工作條件下獲得更高的控制質(zhì)量(首先必須保證在惡劣工作環(huán)境中的穩(wěn)定性和魯棒性)，在模糊控制設(shè)計中廣泛用兩種基本結(jié)構(gòu):包括上位機(jī)控制的層次結(jié)構(gòu)和自適應(yīng)控制。

層次控制通常包括一個通常被稱為上位控制器的高階控制器和一些低階控制器，各層次之間的轉(zhuǎn)換由模糊控制器來控制。它將整個組織系統(tǒng)按照一定的方式分解為若干個子系統(tǒng)，賦予其局部范圍內(nèi)的控制目標(biāo)和功能，并考慮各個子系統(tǒng)之間的內(nèi)在聯(lián)系，通過協(xié)調(diào)和規(guī)定各子系統(tǒng)的目標(biāo)、任務(wù)、利益等，使它們相互配合、相互制約，在行為目標(biāo)上和整個組織的總目標(biāo)協(xié)調(diào)一致，以實(shí)現(xiàn)組織總體最優(yōu)控制。

這種結(jié)構(gòu)的典型應(yīng)用實(shí)例之一就是用來對感應(yīng)電機(jī)進(jìn)行高精度監(jiān)控的多層模糊控制器(MLFC)［7]，該控制器分兩層，第一層是執(zhí)行層，由眾多輔助控制器構(gòu)成，第二層是管理層，作用是協(xié)調(diào)各輔助控制器使之聯(lián)合實(shí)現(xiàn)系統(tǒng)總目標(biāo)，由于使用了多層拓?fù)浣Y(jié)構(gòu)，整個控制器的設(shè)計變得簡單易行。

低階控制器一般使用傳統(tǒng)的PID控制器(如圖1)，這樣高階的模糊控制器就可以根據(jù)下層的參數(shù)調(diào)節(jié)需要制定相應(yīng)的模糊規(guī)則從而直接進(jìn)行操作，模糊控制器可以對參數(shù)進(jìn)行在線和離線的調(diào)節(jié)，這意味著模糊控制器可以和傳統(tǒng)PID控制器同步工作。在某些案例中，使用模糊控制只是用來預(yù)防控制過程中可能出現(xiàn)的一些危險情況。

新興的有自動學(xué)習(xí)功能的模糊神經(jīng)網(wǎng)絡(luò)控制可以實(shí)現(xiàn)各個PID控制器之間的暫態(tài)和穩(wěn)態(tài)切換操作。在這種結(jié)構(gòu)的控制器中，PD控制一般用在大偏差情況下以加快響應(yīng)速度，而PI控制一般用在小偏差情況下以消除靜差。在控制算法中，S型神經(jīng)元可以在系統(tǒng)結(jié)構(gòu)改變時進(jìn)行預(yù)賦值運(yùn)算，同時依照實(shí)際情況自動改變控制參數(shù)，用以構(gòu)建控制器參數(shù)和實(shí)際操作條件之間的非線性關(guān)系，可以利用傳感器技術(shù)將基于專家的經(jīng)驗(yàn)數(shù)據(jù)轉(zhuǎn)換為數(shù)值數(shù)據(jù)，再利用神經(jīng)網(wǎng)絡(luò)的有效學(xué)習(xí)算法，從這些數(shù)據(jù)中學(xué)習(xí)控制規(guī)則和隸屬函數(shù)，從而彌補(bǔ)模糊控制的缺點(diǎn)，并較好解決系統(tǒng)穩(wěn)態(tài)誤差和快速性之間的矛盾。在某些情況下，將模糊控制用于PID控制和神經(jīng)網(wǎng)絡(luò)控制之間的轉(zhuǎn)換(如圖2)［8]。

在Palm和Rdhfuess做的一項(xiàng)對于模糊控制和PID控制相似性的研究中，將模糊控制器視為了一種近似增益調(diào)節(jié)器，模糊增益調(diào)節(jié)器通過權(quán)衡不同隸屬函數(shù)和相應(yīng)計算的中值建立模糊規(guī)則，另一方面，PID增益系數(shù)和模糊控制縮放因子之間的這種相似性可以用在模糊控制器的設(shè)計和整定中［9]。

另一種將模糊神經(jīng)網(wǎng)絡(luò)PID結(jié)合起來的方法就是在同一層次同時放置模糊、神經(jīng)網(wǎng)絡(luò)和PID控制器，在一個串行連接中，模糊控制器同時接收PID控制器的輸入信號(如圖3)。在大多數(shù)情況下，基于專家控制的模糊控制可以代替人工操作，這種控制方式由Tzafestas和Papanikolopoulos等提出并已被廣泛采用［10]。在另一種并行結(jié)構(gòu)中，模糊控制器接受偏差信號并給PID控制器提供輸入信號，或者一個傳統(tǒng)控制器的輸入被模糊控制取代(如圖4)，這種結(jié)構(gòu)對于非線性設(shè)備控制及具有較強(qiáng)干擾的工作場所控制效果較好。

上述的模糊控制結(jié)構(gòu)在大量的工程實(shí)踐中被證明是行之有效的，能夠滿足控制系統(tǒng)需要的穩(wěn)定性以及快速性等性能，同傳統(tǒng)PID控制相比具有適應(yīng)性強(qiáng)、魯棒性高、糾錯能力強(qiáng)等諸多優(yōu)點(diǎn)［11]。

3 結(jié)語

當(dāng)前一些研究成果表明，神經(jīng)網(wǎng)絡(luò)技術(shù)模糊控制技術(shù)的結(jié)合，是模糊控制的一個重要發(fā)展趨勢，而模糊邏輯、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)以及正在引起國際廣泛關(guān)注的混沌控制這些當(dāng)代智能技術(shù)的新四部正在互相滲透、緊密結(jié)合，將是促進(jìn)高度智能化模糊研究的關(guān)鍵。

［1] L X WANG.A supervisory controller for fuzzy control systems that guarantees stability［J] .IEEE Transactions on Automatic Control，1994，39(9):1845 －1847.

［2] LEE C C.Fuzzy logic in control systems:fuzzy logic controller［J] .IEEE Transactions on Systems，Man，and Cyber netics，1990，20(2):404 － 435.

［3] MUDI R K，PAL N T.A robust self－tuning schee for PI－ and PD － type fuzzy controllers［J] .IEEE Transactions on Fuzzy Systems，1999，7(1):2－16.

［4] BREHM T，RATTAN K S.Hybrid fuzzy logic PID controller.Proceedings［A] .National Aerospace and Electronics Conference［C] .New York，1993(2):807 －813.

［5] VERBRUGGEN H B，BRUIJN P M.Fuzzy control and conventional control:what is(and can be)the real contribution of fuzzy systems?［J] .Fuzzy sets and systems，1997(90):151－160.

［6] CARPENTER G A，GROSSBERG S.Learning，categorization，rule formulation，and prediction by fuzzy neural networks.Chen，C.H.(Ed.)［A] .Fuzzy logic and Neural Network Handbook［C] .New York，1996.

［7] HUANG T C，E1－SHARKAWI M A.High performance speed and position tracking of inuction motors using multi－ layer fuzzy control［J] .IEEE Transactions on Energy Conversion，1996，11(2):353－358.

［8] CAVALCANTI J H F.Intelligent control system using PID and neural controllers［A] .Proceedings of 38th Midwest Syosium on Circuits and Systems［C] .New York，1996(1):425 －428.

［9] PALM R，REHFUESS U.Fuzzy controller as gain scheduling approximators［J] .Fuzzy Sets and Systems，1995，85:233－246.

［10] TZAFESTAS S，PAPANIKOLOPOULOS N.Incremental fuzzy expert PID control［J] .IEEE.Transactions on Industrial Electronics，1990，37:365 －371.

［11] 葛新成，胡永霞.模糊控制的現(xiàn)狀與發(fā)展概述［J] .現(xiàn)代防御技術(shù)，2008，36(3):51 －55.