智能PID控制综述

密 封 线

智能PID 控制综述

摘要 传统的PID 控制应用于复杂的实际系统时存在一定的局限性，因而智能PID 控制器是

当今研究的热点。融合了先进智能控制思想和传统PID 构成的智能PID 控制器则具有更加良

好的特性。文中对几种常见的智能PID 控制器,包括模糊PID 、神经网络PID 、专家PID 控制

器及基于遗传算法的PID 控制器等进行了综述。

关键词 PID 控制器 智能控制 智能PID

一、引言

PID 控制[1-10,51-52]作为经典控制算法中的典型代表，是一种传统的控制方式。1922年 N.Minorsky 提出PID 控制方法，1942年美国Taylor 仪器公司的 J.g.ziegler 和 N.B.Nichols 提出PID 参数[1]的最佳调整法至今，其在工业控制中的应用已十分广泛

[2-4]。PID 控制具有结构简单、参数物理意义明确和鲁棒性强等特点。PID 控制器[5-9]对系统给定值()r t 同系统输出值

()y t 的偏差()e t 分别进行比例、积分、微分运算，并由此得到其输出值()u t ，计算公式为：

0()()()()()t P L D de t u t K e t K e t d t K dt =++⎰

式中P K 为比例系数;L K 为积分系数；D K 为微分系数。P K 、L K 、D K 可对系统的稳定性、稳态精度、响应速度和超调量等性能产生影响，它们的作用分别为：(1)比例系数P K 可以加快系统的响应速度，提高系统的调节精度。系统的响应速度和调节精度同P K 呈正相关，但P K 过大则会产生超调，使系统不稳定，P K 过小则会使响应速度变慢，使系统静、动态特性变坏。

(2)积分作用系数L K 可以消除系统的稳态误差。L K 越大，系统静差就会越快消除。但L K 过大会在响应过程产生较大超调，产生积分饱和现象。L K 过小则会使系统稳态误差不易消除，影响调节精度。(3)微分作用系数D K 可以改善系统的动态性能。但D K 过大会使系统的调节时间延长，抗干扰性能降低。

PID 控制具有结构简单、稳定性能好、可靠性高等优点，尤其适用于可建立精确数学模型的确定性控制系统。在控制理论和技术飞速发展的今天，工业过程控制领域仍有近90%的回路在应用PID 控制策略。PID 控制中一个关键的问题便是PID 参数的整定。但是在实际的应用中，许多被控过程机理复杂，具有高度非线性、时变不确定性和纯滞后等特点。在噪声、负载扰动等因素的影响下，过程参数甚至模型结构均会随时间和工作环境的变化而变化。这就要求

密封线

在PID控制中，不仅PID参数的整定不依赖于对象数学模型，并且PID参数能够在线调整，以满足实时控制的要求。智能控制是一门新兴的理论和技术，它是传统控制发展的高级阶段，主要用来解决那些传统方法难以解决的控制对象参数在大范围变化的问题，其思想是解决PID 参数在线调整问题的有效途径[1][4][8]。

近年来，智能控制[11-16,53]无论是理论上还是应用技术上均得到了长足的发展，随之不断涌现将智能控制方法和常规PID控制方法融合在一起的新方法，形成了许多形式的智能PID控制器。它吸收了智能控制与常规PID控制两者的优点。首先，它具备自学习、自适应、自组织的能力，能够自动辨识被控过程参数、自动整定控制参数、能够适应被控过程参数的变化；其次，它又具有常规PID控制器结构简单、鲁棒性强、可靠性高、为现场工程设计人员所熟悉等特点。正是这两大优势，使得智能PID控制成为众多过程控制的一种较理想的控制装置。文中主要介绍几种智能PID 控制器的常见构成形式，并分析各自的特点。

二、智能PID控制器研究现状

智能PID控制的专家控制[17-18]、学习控制[19-20]、仿人控制[21-22]、免疫算法[22-24]等都在发展之中。纵观近年来智能PID控制的发展，可以大致归纳出以下特点：智能复合控制成为提供和改善智能控制性能的有效途径，并成为研究的重点。近几年来，模糊控制[25-29]与神经网络[30-36]的结合代表着控制与智能系统研究的一个新的趋势，另外有一个值得注意的动向是利用遗传算法GA对神经网络的PID控制器的权系数进行寻优，而将遗传算法应用于模糊控制,被证明是调整规则和隶属函数的一种有效方法。文献[9]将遗传算法、模糊控制和免疫反馈机理与传统的PID控制相结合，提出了基于遗传整定的模糊免疫PID控制算法并将它应用在双容液位系统的控制中。

PID控制重新受到广泛重视，并和智能控制等方法结合，形成新一轮的研究热潮。国际著名学术刊物 Control Engineering Practice和IEEE Control Systems Magazine 分别于2001和2006年出版了PID控制特辑。2000年, IFAC 数字控制工作组在西班牙 Terrassa 举行了专题为 Past Present and Future of PID Control 的PID控制学术会议。国际著名控制理论学者AS-TROM 教授指出, PID控制器在未来的控制工程中扔将继续扮演重要的角色，同时将成为各种复杂控制器的基本单元。国内学者吴宏鑫院士提出的特征建模理论[37-38]，第一次从理论

密 封 线

上论证了PID 控制器广泛应用的理论依据并且指出，PID 控制器具有独特的优越性，它将成为复杂系统智能控制中最基本、最基础的子控制单元[2,9,14,16,19]。

在理论研究特别在应用方面，国内与国外差距明显。国外如日本、欧美等国家不但在理论研究方面走在前列，而且已经有成功应用的产品，Yokogawa 电气和Fuji 电气的温度控制器，它们把模糊逻辑与标准的PID 控制集成在一起来抑制超调，取得了成功。 而国内重复研究的多，创造性研究的少,停留于仿真成果的多，能够在工程上应用的少，尤其是运行时间较长的智能PID 控制器可以说微乎其微。这一状况需要广大理论工作者和工程技术人员共同努力，尽快转变这一局面。

三、基于神经网络的PID 控制器

人工神经网络是最近发展起来的十分热门的交叉学科。它涉及生物、电子计算机、数学和物理等学科，有着非常广泛的应用背景，这门学科的发展对目前和未来的科学技术的发展将有着重要的影响。以非线性大规模并处理为主要特征的神经网络，以生物神经网络为模拟基础，试图模拟人的思维以及学习和获取知识的能力。它具有学习、记忆、联想、容错、并行处理等能力，已在控制领域得到广泛应用。

3.1、单神经元PID 控制器[39-40]

用单神经元实现自适应PID 控制的结构框图如图3-1所示。图3-1中转换器的输入为设定值r y 及输出y ，转换器的输出为神经元学习控制所需要的状态量123,,X X X 。神经元PID 控制器的输出为

3

1()(1)()()i i i u k u k K W k X k ==-+∑

式中,K 为神经元比例系数。

在单神经元控制器中引入输出误差平方的二次型性能指标，通过修改神经元控制器的加权系数i W ，使性能指标趋于最小，从而实现自适应PID 的最优控制。利用具有自学习和自适应能力的单神经元来构成单神经元自适应PID 控制器，不但结构简单、学习算法物理意义明确、计算量小，且能适应环境变化，具有较强的鲁棒性。