資源描述：
《智能復(fù)合控制系統(tǒng)的研究現(xiàn)狀與展望》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。
1、智能復(fù)合控制系統(tǒng)的研究現(xiàn)狀與展望
2、第1內(nèi)容加載中...摘 要主要總結(jié)了近年來(lái)智能復(fù)合控制系統(tǒng)的研究與發(fā)展，介紹了智能復(fù)合控制的主要方面的研究成果，探討了這一領(lǐng)域的研究趨向?！。坳P(guān)鍵詞］ 智能控制；傳統(tǒng)控制；復(fù)合控制Researchonanintelligenthybridcontrolsystemanditsdevelopment LIANLi－yan，ajorresearchfindingsinthisfieldarepresentedandanalyzed．Someproblemsneededt
3、osolveareposed． Keydani提出的SOC直接對(duì)模糊控制規(guī)則進(jìn)行修正，是一種規(guī)則有組織模糊控制器。Raju對(duì)控制規(guī)則進(jìn)行分級(jí)管理，提出自適應(yīng)分層模糊控制器。Linkens［6］等提出規(guī)則自組織自學(xué)習(xí)算法，對(duì)規(guī)則的參數(shù)以及數(shù)目進(jìn)行自動(dòng)修正。而采用神經(jīng)網(wǎng)絡(luò)對(duì)模糊控制規(guī)則及參數(shù)進(jìn)行調(diào)整，也是一種實(shí)現(xiàn)模糊自適應(yīng)控制的好方法（雖然嚴(yán)格說(shuō)它并不是真正意義上的復(fù)合控制器）。3．3 模糊滑?？刂破鞯难芯俊 』？刂埔蚱湓O(shè)計(jì)簡(jiǎn)單，對(duì)系統(tǒng)變化不敏感等優(yōu)點(diǎn)而被廣泛用于工業(yè)生產(chǎn)過(guò)程，但是傳統(tǒng)滑?？刂拼嬖谝粋€(gè)突
4、出的缺點(diǎn)———抖振，為解決這一問(wèn)題出現(xiàn)了模糊滑模控制器。張?zhí)炱剑?］，Sim［8］等提出了一類模糊滑?？刂破?，可以削弱抖動(dòng)，但因其難以保證邊界層內(nèi)滑動(dòng)模態(tài)的可達(dá)性，而失去了滑?？刂撇幻舾械膬?yōu)點(diǎn)。鄭懷林［9］等針對(duì)此問(wèn)題，提出一種新的模糊滑模控制器設(shè)計(jì)方法，可充分保證滑動(dòng)模態(tài)的可達(dá)性，從而實(shí)現(xiàn)控制器優(yōu)化設(shè)計(jì)。這也是一個(gè)復(fù)合控制器設(shè)計(jì)不斷完善的過(guò)程。3．4 模糊解耦控制器的研究 徐承偉［10］首先提出模糊系統(tǒng)的串聯(lián)解耦補(bǔ)償，引入一個(gè)解耦補(bǔ)償器。隨后又提出模糊系統(tǒng)的反饋解耦，引入一個(gè)反饋解耦控制器。楊輝［
5、11］對(duì)多變量模糊控制算法進(jìn)行研究，引進(jìn)模糊子集的交叉系數(shù)，借助多變量系統(tǒng)解耦設(shè)計(jì)原理，用多個(gè)單變量模糊控制器來(lái)表示一個(gè)解耦多變量控制器，獲得良好的控制效果，但是模糊解耦控制系統(tǒng)的研究尚處于發(fā)展階段，有許多問(wèn)題還有待解決。3．5 其它模糊復(fù)合控制器的研究 張化光［12］提出過(guò)一種基于模糊基函數(shù)的多變量魯棒自適應(yīng)控制器，將模糊控制與魯棒控制相結(jié)合，可充分保證閉環(huán)非線性控制系統(tǒng)的魯棒性和跟蹤誤差的漸進(jìn)收斂性。類似的研究還有模糊變結(jié)構(gòu)控制、模型參考自適應(yīng)控制、最優(yōu)模糊控制器、模糊預(yù)測(cè)控制等。3．6 神經(jīng)網(wǎng)
6、絡(luò)PID控制器的研究 神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)能力和逼近任意非線性映射能力，因而在解決不確定性復(fù)雜系統(tǒng)的控制方面有非常好的應(yīng)用前景。近年來(lái)國(guó)內(nèi)外學(xué)者在將神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)技術(shù)相結(jié)合，應(yīng)用于非線性系統(tǒng)控制方面進(jìn)行了許多有益的嘗試，取得一些可喜的成果。如何玉彬［17］從經(jīng)典PID控制思想出發(fā)提出具有PID權(quán)值形式的網(wǎng)絡(luò)結(jié)構(gòu)，構(gòu)成神經(jīng)網(wǎng)絡(luò)PID復(fù)合控制器，同時(shí)為避免神經(jīng)網(wǎng)絡(luò)可能陷入局部極小，建立了一種混合神經(jīng)直接自適應(yīng)控制結(jié)構(gòu)和相應(yīng)的學(xué)習(xí)算法，取得了很好的控制效果。3．7 神經(jīng)網(wǎng)絡(luò)魯棒自適應(yīng)控制器的研究 何玉彬
7、［15～16］針對(duì)模型未知系統(tǒng)，提出一種復(fù)合控制結(jié)構(gòu)———神經(jīng)網(wǎng)絡(luò)并行自學(xué)習(xí)魯棒自適應(yīng)跟蹤控制結(jié)構(gòu)，它可以利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力和非線性映射能力，解決傳統(tǒng)自適應(yīng)控制中模型的在線辨識(shí)和控制器的在線設(shè)計(jì)問(wèn)題，以達(dá)到對(duì)不確定非線性系統(tǒng)的高精度輸出跟蹤控制；通過(guò)引入運(yùn)行監(jiān)控器，克服神經(jīng)網(wǎng)絡(luò)控制方法通常存在的實(shí)時(shí)性差的問(wèn)題；利用一個(gè)魯棒反饋控制器來(lái)保證神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)初期閉環(huán)系統(tǒng)的穩(wěn)定性。3．6，3．7兩節(jié)提出的兩種方法都是通過(guò)一個(gè)常規(guī)反饋控制器來(lái)保證系統(tǒng)的穩(wěn)定性。因此設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)控制器時(shí)自由度較大，這類智能復(fù)
8、合控制器就比純智能控制有更好的控制性能。3．8 神經(jīng)網(wǎng)絡(luò)最優(yōu)控制器的研究 王耀南［18］將線性最優(yōu)控制技術(shù)與非線性神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法相結(jié)合，提出一種新的非線性最優(yōu)復(fù)合控制器。這種控制方法將人工神經(jīng)網(wǎng)絡(luò)所具有的并行性、自適應(yīng)、自學(xué)習(xí)等能力應(yīng)用于現(xiàn)在的最優(yōu)控制，作為控制系統(tǒng)補(bǔ)償環(huán)節(jié)，完成更精確建模和穩(wěn)定的控制，使控制系統(tǒng)具有更高級(jí)的智能，是一種非常有效的結(jié)合方法。3．9 其它類型神經(jīng)網(wǎng)絡(luò)復(fù)合控制的研究 王振雷［20］將智能控制策略中的模糊神經(jīng)網(wǎng)絡(luò)與H∞最優(yōu)控制策略相結(jié)合，構(gòu)造智能H∞復(fù)合控制器，成功的
9、完成對(duì)包含不確定模型和未知有界擾動(dòng)的非線性多變量系統(tǒng)的控制；將模糊神經(jīng)網(wǎng)絡(luò)與滑模變結(jié)構(gòu)控制結(jié)合設(shè)計(jì)出模糊變結(jié)構(gòu)復(fù)合控制器，可以改善滑模變結(jié)構(gòu)控制器的性能，對(duì)一類確定系統(tǒng)進(jìn)行有效控制。4 智能復(fù)合控制系統(tǒng)的發(fā)展前景 智能復(fù)合控制器在非線性多變量系統(tǒng)中的應(yīng)用已經(jīng)成為當(dāng)前控制領(lǐng)域的一個(gè)研究熱點(diǎn)，取得了許多研究成果。但是目前在復(fù)合控制器的設(shè)計(jì)和應(yīng)用方面仍存在一定的問(wèn)題；智能控制技術(shù)和傳統(tǒng)控制理論的結(jié)合形式比較單一，不能充分利用當(dāng)前智能控制技術(shù)和傳統(tǒng)控制理論
