CN1129037A - 采用自动调节进行模糊逻辑控制的方法和装置 - Google Patents
采用自动调节进行模糊逻辑控制的方法和装置 Download PDFInfo
- Publication number
- CN1129037A CN1129037A CN94193047.5A CN94193047A CN1129037A CN 1129037 A CN1129037 A CN 1129037A CN 94193047 A CN94193047 A CN 94193047A CN 1129037 A CN1129037 A CN 1129037A
- Authority
- CN
- China
- Prior art keywords
- fuzzy logic
- logic controller
- scale factor
- delta
- departure
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/0275—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using fuzzy logic only
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S706/00—Data processing: artificial intelligence
- Y10S706/90—Fuzzy logic
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本文揭示了一种自动调节模糊逻辑过程控制器的系统和方法。自动确定受控过程的过程控制特征,包括:最大增益、最长时间和延时。随后,用这些量来计算包括有比例因子的可调节控制参数,并将其应用于模糊逻辑控制器,从而当连接模糊逻辑控制器来控制过程时,使模糊逻辑控制器的性能量佳。
Description
近年来,工业上广泛地采用模糊逻辑控制(简称为FLC)。尽管许多应用场合规模相当小,如洗衣机、电梯、车辆和摄像机,但是人们越来越感兴趣的是在过程控制中应用模糊逻辑系统。在过程控制领域中,人们已经展开了对类似于普通的比例、积分、和微分控制器(PID)的FLC的使用的研究。
在典型的应用场合中,操作人员通过调整控制器中的某些控制参数来设定PLC,以便使控制器的响应特性最佳化。尽管可以采用手工来调节模糊逻辑控制器,但这样做通常既烦又容易出错。另外,控制之下的过程过一段时间后常常需要改变,因而需要重新调节。
自动调节方法已被应用于过程控制器及其变型。例如,在美国专利4,549,123和申请号为08/070,090、申请日为1993年5月28日(已转让给本申请的同一受让人)的专利文献中(它们已通过引用而被包括于此),揭示了一种受控感应振荡步骤,这一步骤用来判定受控过程的最大增益、最长时间间隔和延时。一旦产生了这些过程特征、就采用调节规则来确定PID控制器的过程控制参数。
然而,至今还没有一种用作自动调节模糊逻辑控制器的方法或装置,所以操作人员仅仅采用试错(trial and error)手动调节方法。
本发明提供了一种用作模糊逻辑控制的方法和装置,这种模糊逻辑控制含有自动自调节,从而克服了上述现有技术的缺陷。
总的说来,本发明考虑一种自动可调节模糊逻辑控制器。确定受控过程的动态特性,并用来计算用于模糊逻辑控制器的过程控制参数,以控制过程。
在一个实施例中,模糊逻辑控制器用来通过有选择地将模糊逻辑控制器的输出连接到受控过程来控制某一过程。模糊逻辑控制器是通过将模糊逻辑控制器与过程断开、并且将一可控信号发生器应用于该过程而使该过程经受受控感应振荡来调节的。感应振荡期间,通过一调节模块监测该过程的输出,并确定该过程的动态特征。这些动态特征随后通过该调节模块被用来计算模糊逻辑控制中的控制参数,以便使模糊逻辑控制器得到最佳调节,以控制所考虑的过程。随后断开信号发生器,重新连接上被调节的模糊逻辑控制器,而使过程得到控制。
按照本发明的另一个实施例,用作过程控制的模糊逻辑控制器是通过将扰动信号引入包括模糊逻辑控制器的闭环和过程中,使过程经历受控感应振荡。随后,在感应振荡期间,通过一调节模块监测该过程,并确定过程的动态特征。这些特征随后用来计算模糊逻辑控制器中的控制参数,以便使模糊逻辑控制器得以最佳调节,以控制所考虑的过程。调节以后,去除扰动信号,被调节的模糊逻辑控制器随后以闭环方式控制该过程。
按照本发明的又一个实施例,模糊逻辑控制器是由一调节模块,采用模式识别(pattern recognition)调节方法通过分析动态过程特征来调节的,这一方法分析过程的响应以处理扰动条件,并根据该响应计算动态过程特征。接着,根据这些动态过程特征,确定用作模糊逻辑控制器的控制参数,以便使模糊逻辑控制器得到最佳调节,使过程得到控制。另一种做法,调节模块可以采用一种模型匹配(modelmatching)调节方法来确定动态过程特征。
例如,调节步骤中确定的动态过程特征可以包括过程最大增益、最大时间间隔和延时。又如,根据动态过程特征确定的控制参数可以包括控制误差比例因子、控制误差比例因子的变化和控制动作比例因子。
图1是模糊逻辑控制器的方框图。
图2是按照本发明的自动可调节模糊逻辑控制器方框图,该控制器与闭环过程受控系统中的某一过程相连。
图3是按照本发明用于控制某一过程的自动可调节模糊逻辑控制器的典型实施例方框图。
图4是按照本发明用于控制某一过程的自动可调节模糊逻辑控制器另一实施例的方框图。
图5是按照本发明用于控制某一过程的自动可调节模糊逻辑控制器系统又一实施例的方框图。
图6A和B是按照本发明在模糊逻辑控制器的受控感应振荡调节期间的过程输入和过程输出信号图形。
图7A、B、C和D描述的是本发明的模糊逻辑控制器中使用的典型隶属函数(membership function)。
图8A和B是本发明中使用的典型模糊逻辑控制器的表格表述。
图9A和B是受控过程的典型方框图和相应的数字模型,以描述本发明的优越性。
图10A、B、C和D描述的是控制图9A中所示的过程时,本发明的模糊逻辑控制器的比较特征。
图11是本发明模糊逻辑控制器的比较特性表。
如图1所示,本发明中使用的模糊逻辑控制器(FLC)10由三个基本部分组成。参见图1,输入信号模糊化单元(fuzzification block)11将一个或几个连续信号变换成语言模糊变量,例如,采用所谓的隶属函数(将在下文中详述)分为小、中、大。典型的连续输入信号见图1,并且是一个误差信号e以及从上次误差信号取样以来的误差信号的变化/e。其他连续输入变量也可以被取作为模糊化单元11的输入信号。按照本发明,FLC10可以是任意类型的模糊逻辑控制器,包括如Zadeh模糊逻辑控制器和Lukasiewicz模糊逻辑控制器。
模糊发动机单元(fuzzy engine block)12实施规则推理(rule in-ference),使得人类的经验可以被引入作为语言规则。去模糊化单元(defuzzification block)13将模糊发动机单元12产生的已作推理的控制动作,变回插在同时满足的由模糊发动机单元12确定的规则之间的连续信号。由于去模糊化单元13的动作,模糊逻辑有时称为连续逻辑或插入推理。模糊发动机单元12和去模糊化单元13将详述如下。
FLC10的两个鲜明特征是人类的经验可以累积起来,并且模糊逻辑提供了一种由模糊化单元11的从属关系函数、模糊发动机单元12的规则以及去模糊化单元13的插入而引入的非线性关系。这些特征使得模糊逻辑在普通控制技术工作较差以及操作人员有经验时用于过程控制。
FLC10还包含一累加器14,其功能是累加控制动作中一段时间内发生的变化△u,以产生控制动作u。换言之,因为FLC是以取样数据模式下运行的,所以计算任一时刻控制动作u为在前一取样时间的控制动作再加上控制动作中的变化。换言之,u(t+△t)=u(t)+△u,这里△t是取样间隔。
现在参见图2,图中示出的是按照本发明的自动可调节模糊逻辑过程控制器系统的方框图。过程16可以是任意一种类型的要控制的过程。运行中,从过程16中检测一输出信号或一过程变量y,并加到求和单元17,与一设定点Sp比较。过程变量y和设定点Sp之间的差是误差信号e,与控制误差的变化△e一起提供至FLC10。控制误差△e的变化与当前控制误差和前一取样时间间隔内的控制误差之间的差相等。换言之△e=e(t)-e(t-△t)。在闭环运行中,把FLC10产生的控制动作u加至过程16。这样,FLC10的运行使得过程变量大体与设定点Sp相等。
按照本发明还提供了一种调节系统18,该系统检测模糊逻辑控制器系统中存在的各种可测量,以便确定过程16的动态过程特征。例如,如图2所示,可以由调节系统18测量的量包括:过程变量y、设定点Sp、误差信号e以及控制动作u。然而,可以理解的是,除了图2中描述的以外,模糊逻辑控制器系统中的可测量可以由调节系统18来测量,以便确定过程16的动态过程特征。
按照本发明,一旦动态过程特征由调节系统18确定以后,调节系统18计算FLC10的恰当的控制参数,并通过线19传送到FLC10。随后,由新调节的FLC10以闭环方式控制过程16,直至需要或要求进行重新调节时为止。
下面参见图3,图中示出的是按照本发明用于自动调节模糊逻辑控制器的调节系统18的特定实施例的方框图。在图3所示的实施例中,调节系统18由调节模块21和开关22组成。该实施例中,调节模块21用来确定过程16的动态特征。
这可以通过一模型匹配调节方法来完成,其中,特征分析是对过程变量y进行的,以便从众多存储的数字模型中选择最准确地表征过程16的模型。随后,一旦过程16的动态特征根据已选择的模型被确定以后,FLC10的控制参数就被设计了出来,并通过起动开关22从调节模块21传送到FLC10。这种模型匹配调节方法在本技术领域中是人们熟知的。
图3中的调节模块21也可以如同美国专利4,602,326(通过引用将该专利的内容包括在此)中所揭示的那样采用过程特征化的模式识别方法来确定过程16的动态过程特征,在调节的模式识别方法中,过程16的特征是通过观察过程变量y来确定的,因为它响应于过程扰动条件。随后,分析过程扰动的结果产生的过程变量y的模式,以确定过程16的动态特征。随后,按照本发明,根据确定的过程特征计算FLC10的控制参数,这些控制参数通过可控开关22从调节模块21传送到FLC10。
下面参见图4,图中示出了按照本发明的自动可调节模糊逻辑过程控制器另一个实施例的方框图。在图4所示的实施例中,调节系统18包括一可控信号发生器41、调节模块42、可控开关43和求和单元44。本实施例通过将可控制信号发生器41产生的激励信号引入到由过程16、求和单元17和FLC10组成的闭环内来确定过程16的动态特征。这是通过闭合开关43,从而将可控信号发生器41产生的激励信号叠加到FLC10产生的控制动作u上来完成的。激励信号的引入使环路以受控方式振荡,并且在该受控感应振荡期间,调节模块42确定过程16的动态特征。根据这些动态特征,FLC10的控制参数由调节模块42来计算,并通过线19传送到FLC10。调节完成以后,开关43断开,并且由经调节的FLC10以闭环式方控制过程16。
在申请号为07/753,271、申请日为1991年8月10日(已转让给本申请的受让人)的专利文献(通过引用而将该文献包括在此)中揭示了这样一种确定过程特征的信号引入方法。
下面参见图5,图中示出了本发明自动可调节模糊逻辑过程控制系统另一个实施例的方框图。图5所示的实施例中,调节系统18包括调节模块51、可控信号发生器52和可控开关53。操作中,调节模块51无论是自动地还是在操作人员控制之下,都将开关53置于位置2处,这就取代了由FLC10产生的控制动作u的可控信号发生器18。接着,调节模块51通过监测过程变量y、误差信号e和可控信号发生器18的输出来控制可控信号发生器52的运行,从而进行FLC10的受控感应振荡调节。
完成感应振荡调节步骤以后,调节模块51将开关53恢复到位置1,并计算过程16的动态过程特征。接着,根据这些动态过程特征,调节模块51计算控制参数,并通过线19将它们加至FLC10。随后,由经调节的FLC10以闭环方式控制过程16,直至要求或需要再进行调节时为止。
正如前文中指出的那样,美国专利4,549,123以及申请号为08/070,090、申请日为1993年5月28日的专利文献中均揭示了可以用来确定过程16的动态过程特征的受控感应振荡步骤。
应该指出的是,图1—5中出现的任何一个部分可以包含在硬件中,或者安装在以恰当程序控制的数字计算机中,程序控制该计算机的软件可能是分立程序,也可以是一公共程序的模块。
下面参见图6A和6B,图中描述了按照本发明的一个实施例用来自动调节FLC的典型的感应振荡调节步骤的一部分。应当理解的是,也可以使用其他类型的自动调节过程,例如,模型匹配、模式识别或信号引入,并且受控感心振荡的讨论应当被理解为仅仅是本发明的例子。
参见图6A,图示的是当开关53(图5)置于位置2并与信号发生器52的输出端相连时过程16的输出y,图6B中示出的是过程16的输入u。为了引起受控感应振荡,在感应振荡产生之前,信号发生器52施加一具有可选峰-峰值2d、中心位于控制信号值u附近的方波信号。正如从图6A中可以有到的那样,过程输出y会呈现一个具有峰-峰值为2a且周期为Tu的振荡。这一周期也称为过程16的最长周期。
随后,采用已知的调节方法,包括内部模型控制(IMC)调节、Co-hen和Coon调节、Ziegler—Nichols调节或改进的Ziegler—Nichols调节等(这里举出几个),根据图6A和6B中描述的感应振荡产生的量d、a和Tu,用选择的调节过程计算包括比例增益Kc和积分时间常数Ti的动态过程特征,比例增益Kc和积分时间常数Ti是控制比例积分(PI)控制器的可调参数。然后,采用下文中将作详述的、自动产生的动态过程特征Kc和Ti来计算调节FLC10用的参数。
简单讨论一下FLC将会有助于更好地说明按照本发明的FLC调节。
再参见图1,FLC10所表示的函数关系可以用下式描述:
△u=FLC(△e,e) (1)其中,FLC(·)表示FLC的非线性关系,△u代表控制动作的变化,e是控制误差,而△e是控制误差的变化。因为FLC是以取样数据模式运行的,任一时刻的控制动作u可以算出前一取样时间内的控制动作再加上控制动作的变化。换言之,u(t+△t)=u(t)+△u,这里,△t是取样时间间隔。任意取样时间间隔内的控制误差e等于设定点Sp和被测变量y之间的差。控制误差的变化△e等于当前控制误差和由前一取样时间间隔内得到的控制误差之差。换言之,△e=e(t)-e(t-△t)。
模糊化单元11中使用的模糊隶属函数可以根据有关过程的现有知识来定义。为了描述是如何对于控制误差e、控制误差的变化△e以及控制动作的变化△u来定义隶属函数的,方便的做法是采用带比例的变量: 其中,Se,S△e和S△u分别是e、△e和△u的比例因子,对e*、△e*和△u*是带比例的,从而每一个具有大于或等于-1以及小于或等于1的值。图7A、B、C和D中给出了e*、△e*和△u*的可能的模糊隶属函数值。根据某一变量所需的分辨率的不同,每一变量的隶属函数的个数可以不同。一般说来,较多的隶属函数向控制器的函数关系提供较多的自由度。
正如Ying等人在其论文“模糊控制理论:非线性情形”(见《Au-tomatica》,26(3)pp 513—520(1990))中所讨论的那样,可以用对于每一输入变量e*和△e*的两个隶属函数和线性去模糊化的FLC来再现普通的PID控制器。
图7A描述了两个可以用作输入变量e*和△e*的隶属函数,而图7B则描述的是当采用图7A中所示的隶属函数来给出条件控制误差e*和控制误差变化△e*时,用作控制动作变化△u*的隶属函数。
与此类似,图7D描述的是当采用图7C中所示的四个隶属函数来给出条件控制误差e*和控制误差变化△e*时,用作控制动作变化△u*的5个隶属函数。图7A、B、C和D中,隶属分配(membershippartition)-1到1对称,下述形容词用来描述各隶属函数:
NL- 负较大
NS- 负较小
ZO- 零
PS- 正较小
PL- 正较大
如上所述,模糊发动机单元12将推理规则应用于模糊化单元11的隶属函数的运算。一般而言,FLC的推理规则可以描述如下:
{如果e*为Ai且e*为Bi,则使△u*为Ci} (5)其中,Ai、Bi和Ci分别是e*、△e*和△u*的形容词。这些形容词是上述图7A—D中(负较大、负较小、零等)提到的描述符。这些规则的基本要求是为稳定而进行负反馈控制。一种典型的四条规则见图8A中的表格,一组典型的十六条规则见图8B。当e*和△e*中的每一个由二个隶属函数(图7A)给出其条件时,采用四条规则,而当e*和△e*中每一个由四个隶属函数(图7C)给出其条件时,采用十六条规则。
在根据控制误差e*和控制误差的变化△e*的隶属函数为建立控制动作所需变化△u*而应用了这些规则以后,由去模糊化单元13进行控制动作带比例变化△u*的去模糊化。按照本发明,采用的是已知的重心去模糊化方法,然而,其它类型的去模糊化方法也是可以接受的,例如,质心去模糊化方法和推广的重心去模糊化方法。
采用重心法的去模糊化使用的是Lukasiewicz逻辑或Zadeh逻辑,或是Lukasiewicz和Zadeh逻辑的组合。在本发明的一种较佳实施例中,采用的是Zadeh“与”函数,并且采用Lukasiewicz“或”函数或者Zadeh“或”函数。
去模糊化以后,通过以比例因子S△u相乘对控制动作的带比例的变化△u*去比例,从而实现控制动作的去比例的变化△u。随后,如上所述,将控制动作的变化△u(可以是正也可以是负)加到在上一次取样时间间隔施加的控制动上,来实现为当前取样时间所施加的控制动作u)t+△t)。
按照本发明,通过计算作为自动调节过程期间受控过程产生的动态过程特征函数的比例因子Se、S△e和S△u的值,在调节系统18内完成调节(也请参见图2—5)。
从上述调节步骤中的一种步骤中,以一种已知方式确定所考虑的过程的动态过程特征,如临界增益Kc和积分时间常数Ti。如上所述,一受控感应振荡步骤根据测量值a、d和Tu计算比例增益Kc和积分时间常数Ti。一旦Kc和Ti确定下来以后,当去模糊化采用的是Lukasiewicz“或”逻辑时,则FLC比例因子Se、S△e和S△u按下式联系在一起: 当去模糊化采用的是Zadeh“或”逻辑时,下述计算式将S△e和Se和S△u联系在一起:
当受控感应振荡用作自调节时,根据Ziegler—Nichols调节规则,等式(6)和(8)可以分别表述为等式(10)和(11):
两种情况下的控制误差比例因子Se是按照下式计算的:
下述定义适用于(6)至(12)中的每一等式:
0≤α=Max(|e*|,|△e*|)≤1.0 (13)
Tu *=Tu/△t (14)
并且,△t是取样时间间隔,Tu、α和d是受感应振荡期间确定的测得的量,见图3中的描述。α是调整FLC稳定性裕度(stabilitymargin)的因子。
实践中,为了计算控制误差比例因子Se、控制误差比例因子的变化S△e和控制动作的比例因子,必须确定这三个中的一个。按照本发明的一个实施例,S△u被确定为由控制动作u控制的致动器最大响应速度的函数。例如,典型的致动器包括:阀、泵和加热元件,并且每一个元件均具有速率限制。在无法达到速率限制的情况下,就确定为最大可能的控制误差em(其为FLC运行区的函数)。
一旦确定了致动器的最大速度△um,则为了对FLC调节,将S△u设定为与△um相等,从等式(10)和(12)(或从等式(11)和(12))计算Se和S△e。如果由于计算结果,Se被确定为小于或等于em,则调节结束。然而,如果计算的Se大于em,则控制误差比例因子Se被设定为em,而从重新调整的等式(10)和(12)(或从重新调整的等式(11)和(12)计算S△e和S△u,并且调节完毕。
为了描述本发明的优越性,下面给出某些控制实例。参见图9A和9B,图中描述了一例为描述本发明而被控制的过程方框图以及该过程的数字模型。具体说来,该过程包括一盛液体61的容器60。容器60包括排放口62,液体61从该排放口以恒定速率排放出去。在阀63和64的控制下,液体流入容器60。液面检测装置66产生一被测变量y,该量指示容器60的液面61,控制器67控制阀63,作为被测变量y和设定点Sp的函数,用以控制容器60的液面61。
阀64由负载控制信号q控制,用以估计控制器66响应于容器60内液面61的扰动的性能。
图9B代表图9A过程的数字模型。阀63的转动速率是由转动速率限制方框68给出其模型的,而对作为控制信号u以及负载控制信号q的结果的被测变量y的作用是分别由方框69和70给出其模型的。
下面参见图10A—D的曲线图,图中给出的是响应于设定点变化和负载变化,将本发明的经调节的FLC与标准PI控制器作比较的例子。在靠近每一张曲线图的开始处,从设定点从3个单元阶跃到6个单位,并且在靠近每一张曲线图的中间处,负载控制信号由0个单位阶跃至3个单位。
图10A中,用IMC调节步骤调节的PI控制器的响应如曲线71所示,而自动调节的FLC的响应如曲线72所示。用来产生图10A的PI控制器的调节参数是:ti=10,Kc=4;按照本发明的FLC的调节参数是:S△u=4,S△e=0.279,以及Se=11.16。
下面参见图10B,把与图10A中相同的设定点和负载的阶跃变化加至具有相同设置的相同控制器,但在被测变量y中引入了随机器声,以便模拟容器60内液体61表面的液压涨落。被调节的PI控制器的响应如曲线73所示,被调节的FLC控制器的响应如曲线74所示。
下面参见图10C,图中示出的是比较被调节的PI控制器的特性以及用申请号为08/070,090、申请日为1993年5月28日的申请文件中描述的自动感应振荡(受控感应振荡)步骤调节FLC控制器的特性。图10C中,用来产生PI控制器曲线76的调节参数是Kc=3.73,Ti=4.55,而用来调节FLC控制器以产生曲线77的调节参数是S△u、S△e=0.279和Se=11.16。
图10D将用来产生图10C的曲线的相同控制器的性能与加入了随机噪声以模拟液压扰动的情况相比较。曲线78是一被调节的PI控制器,而曲线79是一被调节的FLC控制器。
正如通过比较图10A—10D的曲线可以看到的那样,实际上在每一种情况下,按照本发明被调节的FLC控制器大体上具有比比较用的PI控制器更好的性能。图11的表给出本发明的FLC和PI的计算积分绝对误差(IAE)(控制性能的量度),FLC和PL在图10C和10D中是绘制在一起的。
应该理解的是,上文参照特例描述了本发明,但这些描述仅是描述性的,并非是对本发明的限定。十分明显的是,在不偏离本发明的精神和范围的情况下,本领域的技术人员可以对揭示的实施例作各种变化和增减。
Claims (19)
1.一种对以某一预定方式控制某一过程的模糊逻辑控制器进行自动调节的方法,所述过程产生至少一个过程变量,并具有至少一个与所述模糊逻辑控制器相连的控制动作输入端,其特征在于,所述方法包含:
根据所述过程确定多个动态过程特征;
为调节所述模糊逻辑控制器计算作为所述动态过程特征的函数的控制参数;以及
用控制过程的所述控制参数调节所述模糊逻辑控制器。
2.如权利要求1所述的方法,其特征在于,所述确定步骤包含:
使所述过程经历受控感应振荡;以及
在该过程的振荡期间根据所述过程,确定多个动态过程特征。
3.如权利要求2所述的方法,其特征在于,所述经受感应振荡的步骤包含:
从所述至少一个控制动作输入端断开所述模糊逻辑控制器;以及
将所述至少一个控制输入端连接到一可控信号发生器,使所述过程经受受控振荡。
4.如权利要求3所述的方法,其特征在于,它还包含:在所述调节步骤之后,将所述模糊逻辑控制器重新连接到所述至少一个控制动作输入端。
5.如权利要求2所述的方法,其特征在于,使所述过程经历受控感应振荡的所述步骤包含:将一激励信号引入到包含模糊逻辑控制器和所述过程的闭环内,使所述闭环经受感应振荡。
6.如权利要求1所述的方法,其特征在于,所述确定步骤包含:采用一模型匹配方法确定所述多个动态过程特征。
7.如权利要求1所述的方法,其特征在于,所述确定步骤包含:采用模式识别方法确定所述多个动态过程特征。
8.如权利要求1所述的方法,其特征在于,所述动态过程特征包括所述过程的最大增益和最长时间。
9.如权利要求1所述的方法,其特征在于,所述控制参数包括所述模糊逻辑控制器的比例因子。
10.如权利要求9所述的方法,其特征在于,所述比例因子包括控制误差比例因子、控制误差比例因子的变化和控制动作比例因子的变化。
11.如权利要求10所述的方法,其特征在于,所述动态过程特征包括所述过程的临界增益和积分时间常数。
12.如权利要求11所述的方法,其特征在于,所述动态过程特征和所述控制参数通过下式联系在一起:
其中:
Kc是过程的临界增益,
Ti是过程的积分时间常数,
S△u是控制动作比例因子的变化,
S△e是控制误差比例因子的变化,
Se是控制误差比例因子,
△t是模糊逻辑控制器的取样速率,以及
α是稳定性裕度的调整因子。
13.如权利要求11所述的方法,其特征在于,所述过程特征和所述控制参数通过下述联系在一起:
其中:
Kc是过程的临界增益,
Ti是过程的积分时间常数,
S△u是控制动作比例因子的变化,
S△e是控制误差比例因子的变化,
Se是控制误差比例因子,
△t是模糊逻辑控制器的取样速率,
α是稳定性裕度调整因子。
14.一种自动可调节控制系统,其特征在于,它包含:
具有可调节控制参数并适用于控制某一过程的模糊逻辑控制器;以及
调节模块,用来确定所述过程的动态过程特征,用来计算作为所述动态过程特征的函数的所述模糊逻辑控制器的控制参数,并用所述控制参数调节所述模糊逻辑控制器。
15.如权利要求14所述的自动可调节控制系统,其特征在于,所述调节模块包含:
可以有选择地与所述系统相连的可控信号发生器,用来使所述系统经受感应振荡;以及
调节器,用来有选择地将所述可控信号发生器与所述系统相连,用来在感应振荡期间确定所述动态过程特征,并用来计算作为所述动态过程特征的函数的所述可调节控制参数。
16.如权利要求15所述的自动可调节控制系统,其特征在于,它还包含一开关,用来交替地将所述可控信号发生器和所述模糊逻辑控制器与所述系统连接起来。
17.如权利要求15所述的自动可调节控制系统,其特征在于,它还包含一开关,用来交替地将所述可控信号发生器与所述系统连接起来或断开,以有选择在所述系统内引入激励信号。
18.如权利要求14所述的自动可调节控制系统,其特征在于,所述调节模块包含一模型匹配调节器。
19.如权利要求14所述的自动可调节控制系统,其特征在于,所述调节模块包含一模型匹配调节器。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US08/105,899 US6330484B1 (en) | 1993-08-11 | 1993-08-11 | Method and apparatus for fuzzy logic control with automatic tuning |
US08/105,899 | 1993-08-11 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1129037A true CN1129037A (zh) | 1996-08-14 |
CN1072368C CN1072368C (zh) | 2001-10-03 |
Family
ID=22308415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN94193047.5A Expired - Fee Related CN1072368C (zh) | 1993-08-11 | 1994-07-13 | 采用自动调节进行模糊逻辑控制的方法和装置 |
Country Status (7)
Country | Link |
---|---|
US (1) | US6330484B1 (zh) |
EP (1) | EP0713587B1 (zh) |
JP (1) | JPH09501525A (zh) |
CN (1) | CN1072368C (zh) |
DE (1) | DE69434487T2 (zh) |
SG (1) | SG65583A1 (zh) |
WO (1) | WO1995004956A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103328303A (zh) * | 2011-01-25 | 2013-09-25 | 三菱电机株式会社 | 制动压力运算装置、制动控制系统及程序 |
CN102165382B (zh) * | 2008-09-23 | 2015-11-25 | Abb研究有限公司 | 用于控制工业过程的方法和系统 |
CN108290704A (zh) * | 2015-11-16 | 2018-07-17 | 通力股份公司 | 用于为至少一个电梯确定分配决策的方法和设备 |
CN111367168A (zh) * | 2018-12-26 | 2020-07-03 | 博众精工科技股份有限公司 | 基于模糊逻辑的前馈参数设计方法 |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5748467A (en) * | 1995-02-21 | 1998-05-05 | Fisher-Rosemont Systems, Inc. | Method of adapting and applying control parameters in non-linear process controllers |
DE19602454C2 (de) * | 1996-01-24 | 2001-04-12 | Agie Sa | Verfahren und Fuzzy-Regler zum Abstimmen der Reglerparameter eines Reglers |
US6668201B1 (en) | 1998-11-09 | 2003-12-23 | General Electric Company | System and method for tuning a raw mix proportioning controller |
FI111106B (fi) * | 1999-02-19 | 2003-05-30 | Neles Controls Oy | Menetelmä prosessinsäätösilmukan virittämiseksi teollisuusprosessissa |
US6445962B1 (en) * | 1999-03-15 | 2002-09-03 | Fisher Rosemount Systems, Inc. | Auto-tuning in a distributed process control environment |
US6912426B1 (en) * | 1999-09-24 | 2005-06-28 | Dr. Johannes Heidenhain Gmbh | Method for determining time constants of a reference model in a cascade controlling circuit |
US6510353B1 (en) * | 1999-11-04 | 2003-01-21 | Fisher-Rosemount Systems, Inc. | Determining tuning parameters for a process controller from a robustness map |
US6654649B2 (en) * | 1999-12-22 | 2003-11-25 | Aspen Technology, Inc. | Computer method and apparatus for optimized controller in a non-linear process |
US8280533B2 (en) * | 2000-06-20 | 2012-10-02 | Fisher-Rosemount Systems, Inc. | Continuously scheduled model parameter based adaptive controller |
US7113834B2 (en) * | 2000-06-20 | 2006-09-26 | Fisher-Rosemount Systems, Inc. | State based adaptive feedback feedforward PID controller |
US7024253B2 (en) * | 2000-08-21 | 2006-04-04 | Honeywell International Inc. | Auto-tuning controller using loop-shaping |
US7117045B2 (en) * | 2001-09-08 | 2006-10-03 | Colorado State University Research Foundation | Combined proportional plus integral (PI) and neural network (nN) controller |
US6668202B2 (en) * | 2001-11-21 | 2003-12-23 | Sumitomo Heavy Industries, Ltd. | Position control system and velocity control system for stage driving mechanism |
US7035695B2 (en) * | 2002-01-22 | 2006-04-25 | Imb Controls Inc. | Method and apparatus for tuning a PID controller |
AU2002368521A1 (en) * | 2002-12-27 | 2004-07-22 | Indelec Europe S.A. | Self-tuning controller for non-linear processes described by set of local linear models |
KR100507835B1 (ko) * | 2003-02-03 | 2005-08-17 | 한국과학기술원 | Pid 제어기의 최적 게인 선정방법 |
US7496041B2 (en) * | 2003-02-28 | 2009-02-24 | Fisher-Rosemount Systems, Inc. | High speed auto-tuning loop |
GB0307406D0 (en) * | 2003-03-31 | 2003-05-07 | British Telecomm | Data analysis system and method |
US7317953B2 (en) * | 2003-12-03 | 2008-01-08 | Fisher-Rosemount Systems, Inc. | Adaptive multivariable process controller using model switching and attribute interpolation |
US7738975B2 (en) * | 2005-10-04 | 2010-06-15 | Fisher-Rosemount Systems, Inc. | Analytical server integrated in a process control network |
US7444191B2 (en) | 2005-10-04 | 2008-10-28 | Fisher-Rosemount Systems, Inc. | Process model identification in a process control system |
US8036760B2 (en) | 2005-10-04 | 2011-10-11 | Fisher-Rosemount Systems, Inc. | Method and apparatus for intelligent control and monitoring in a process control system |
US7840500B2 (en) * | 2006-11-30 | 2010-11-23 | Corning Incorporated | Fuzzy logic control for process with large dead time |
US20080277488A1 (en) * | 2007-05-07 | 2008-11-13 | Cockerill John F | Method for Controlling HVAC Systems |
US20150112454A1 (en) * | 2012-04-23 | 2015-04-23 | King Fahd University Of Petroleum And Minerals | System and method for process monitoring and control |
US9492054B2 (en) * | 2014-10-02 | 2016-11-15 | Frederick Keiner | Washing machine descaler introduction apparatus |
CN108696210B (zh) * | 2018-05-21 | 2021-07-13 | 东南大学 | 基于参数辨识的直流电机电流环控制器参数自整定方法 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3798426A (en) | 1971-12-20 | 1974-03-19 | Foxboro Co | Pattern evaluation method and apparatus for adaptive control |
JPS5465274A (en) | 1977-11-04 | 1979-05-25 | Hideji Hayashibe | Device of automatically adjusting pid value of regulator |
SE427508B (sv) | 1981-08-24 | 1983-04-11 | Naf Ab | Forfarande for instellning av en pid-regulator for en process |
US4481567A (en) | 1982-03-01 | 1984-11-06 | The Babcock & Wilcox Company | Adaptive process control using function blocks |
US4602326A (en) | 1983-12-12 | 1986-07-22 | The Foxboro Company | Pattern-recognizing self-tuning controller |
SE447608B (sv) | 1985-04-03 | 1986-11-24 | Hightech Network Ab | Forfarande och anordning for instellning av en digital regulator |
JPS6266301A (ja) | 1985-09-18 | 1987-03-25 | Yamatake Honeywell Co Ltd | オ−トチユ−ニングコントロ−ラ |
JPS62210503A (ja) | 1986-03-11 | 1987-09-16 | Yamatake Honeywell Co Ltd | プロセス制御の不安定化判別およびチユ−ニング方式 |
EP0241286B2 (en) | 1986-04-11 | 1994-11-09 | Mitsubishi Denki Kabushiki Kaisha | An auto-tuning controller |
US4882526A (en) | 1986-08-12 | 1989-11-21 | Kabushiki Kaisha Toshiba | Adaptive process control system |
US4768143A (en) | 1986-10-09 | 1988-08-30 | The Babcock & Wilcox Company | Apparatus and method using adaptive gain scheduling algorithm |
GB2211324B (en) | 1987-10-16 | 1992-01-15 | Mitsubishi Electric Corp | Fuzzy inference apparatus |
US4814968A (en) | 1987-10-19 | 1989-03-21 | Fischer & Porter Company | Self-tuning process controller |
JPH02132502A (ja) * | 1988-07-28 | 1990-05-22 | Omron Tateisi Electron Co | ファジィ制御装置における動作方法および調整装置 |
US4954975A (en) | 1988-08-10 | 1990-09-04 | K-Tron International, Inc. | Weigh feeding system with self-tuning stochastic control and weight and actuator measurements |
US4959767A (en) | 1988-11-23 | 1990-09-25 | Elsag International B.V. | Parameter estimation technique for closed loop system |
JP2882586B2 (ja) | 1989-01-13 | 1999-04-12 | 株式会社東芝 | 適応制御装置 |
US5179634A (en) * | 1989-04-14 | 1993-01-12 | Omron Corporation | System for synthesizing new fuzzy rule sets from existing fuzzy rule sets |
US5295061A (en) * | 1990-04-20 | 1994-03-15 | Sanyo Electric Co., Ltd. | Control parameter tuning unit and a method of tuning parameters for a control unit |
JPH0511853A (ja) * | 1991-06-28 | 1993-01-22 | Matsushita Electric Ind Co Ltd | 2軸同期駆動装置 |
-
1993
- 1993-08-11 US US08/105,899 patent/US6330484B1/en not_active Expired - Lifetime
-
1994
- 1994-07-13 DE DE69434487T patent/DE69434487T2/de not_active Expired - Lifetime
- 1994-07-13 WO PCT/US1994/007843 patent/WO1995004956A1/en active IP Right Grant
- 1994-07-13 SG SG1996007624A patent/SG65583A1/en unknown
- 1994-07-13 EP EP94922135A patent/EP0713587B1/en not_active Expired - Lifetime
- 1994-07-13 JP JP7506415A patent/JPH09501525A/ja active Pending
- 1994-07-13 CN CN94193047.5A patent/CN1072368C/zh not_active Expired - Fee Related
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102165382B (zh) * | 2008-09-23 | 2015-11-25 | Abb研究有限公司 | 用于控制工业过程的方法和系统 |
CN103328303A (zh) * | 2011-01-25 | 2013-09-25 | 三菱电机株式会社 | 制动压力运算装置、制动控制系统及程序 |
CN103328303B (zh) * | 2011-01-25 | 2016-08-10 | 三菱电机株式会社 | 制动压力运算装置及制动控制系统 |
CN108290704A (zh) * | 2015-11-16 | 2018-07-17 | 通力股份公司 | 用于为至少一个电梯确定分配决策的方法和设备 |
CN108290704B (zh) * | 2015-11-16 | 2020-11-06 | 通力股份公司 | 用于为至少一个电梯确定分配决策的方法和设备 |
CN111367168A (zh) * | 2018-12-26 | 2020-07-03 | 博众精工科技股份有限公司 | 基于模糊逻辑的前馈参数设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN1072368C (zh) | 2001-10-03 |
JPH09501525A (ja) | 1997-02-10 |
WO1995004956A1 (en) | 1995-02-16 |
EP0713587A1 (en) | 1996-05-29 |
DE69434487D1 (de) | 2005-10-20 |
US6330484B1 (en) | 2001-12-11 |
DE69434487T2 (de) | 2006-06-01 |
SG65583A1 (en) | 1999-06-22 |
EP0713587B1 (en) | 2005-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1072368C (zh) | 采用自动调节进行模糊逻辑控制的方法和装置 | |
CN1244032C (zh) | 原料工业设备或原料加工工业设备的控制系统 | |
CN1178016A (zh) | 智能计算机控制系统 | |
CN110308658B (zh) | 一种pid参数整定方法、装置、系统及可读存储介质 | |
CN105022269B (zh) | 仿生机器鱼关节的控制方法及装置 | |
CN1794118A (zh) | 单输入单输出系统的极限pid控制方法 | |
CN110090478B (zh) | 一种充填场景下的深锥浓密机智能控制方法 | |
CN1313965A (zh) | 一种调节装置的运行方法和实施该方法的装置 | |
Prusty et al. | A novel fuzzy based adaptive control of the four tank system | |
CN117531438A (zh) | 用于提高聚甲醛产品稳定性的控制方法及系统 | |
CN113885326B (zh) | 考虑前馈的基于设定值有效激励的闭环系统辨识方法 | |
JP4982905B2 (ja) | 制御方法および制御装置 | |
CN112682392B (zh) | 液压控制方法和装置 | |
CN115451424A (zh) | 一种基于压力前馈的燃煤锅炉给煤控制方法 | |
DE4007177A1 (de) | Verfahren und vorrichtung zur rechnergestuetzten, fahrbahnabhaengigen steuerung von schwingungsdaempfern | |
JP2551166B2 (ja) | プロセス制御装置 | |
CN112034700B (zh) | 一种高压线防振锤螺栓紧固柔顺控制方法 | |
Seki | Adaptive IMC-PI controllers for process applications | |
CN110045757B (zh) | 一种大采高液压支架模糊自适应智能供液控制方法 | |
Camerino et al. | Neural Controller with Online Learning on Nonlinear System in a Cylindrical Tank | |
Zhang et al. | Learning control based on pattern recognition applied to vehicle cruise control systems | |
JP4381628B2 (ja) | 濃縮設備の濃縮度制御装置及び濃縮度制御方法 | |
JPH04326402A (ja) | ファジィ制御装置 | |
Deng et al. | Comparison of Machine Learning Algorithms for DC Motor PID Control with Genetic Algorithm | |
CN114326373A (zh) | 补偿控制方法、系统及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C19 | Lapse of patent right due to non-payment of the annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |