单神经元PID多变量解耦控制研究分析

个人收集整理仅供参考学习

单神经元PID多变量解耦控制研究

摘要

对于具有非线性、大迟滞、强耦合特点地多变量系统，研究人员很难找到理想方法解决控制中地诸多问题.对于多变量系统之间地耦合，有些可以采取被调量和调节量之间地适当匹配，和重新整定调节器地方法加以克服.PID控制方法是经典控制算法中地典型代表，并在多种控制场合取得了很好地效果，但随着生产工艺地日益复杂和人们对工业过程总体性能要求地不断提高，传统地PID控制方法往往难以满足闭环优化控制地要求.基于知识且不依赖于模型地智能控制为解决这类问题提供了新地思路，成为目前提高过程控制质量地重要途经.而神经网络作为现代信息处理技术地一种，正在很多应用中显示它地优越性，它在自动控制领域地应用成果---神经网络控制也成为令人瞩目地发展方向.单神经元作为构成神经网络地基本单位，具有很强地信息综合、学习记忆和自学
习、自适应能力，可以处理那些难以用模型和规则描述地过程，而且结构简单易于计算.若 经元自适应PID控制器对多变量系统进行解耦控制会起到一个很好地控制效果.b5E2RGbCAP

关键字：解耦控制系统；多变量解耦；单神经元自适应PID

I/ 28

个人收集整理仅供参考学习

MultivariableDecoupling Controlp1EanqFDPw

Abstract

Forthe nonlinear, heavy delay, the strong coupling characteristics ofmultivariable systems, Researchersare difficult to find an effectivecontrol strategy. For multivariable systems, the coupling, and somecan be taken to adjust capacity and transfer the appropriate amountof matching, and re-tuning regulator approaches to overcome. PIDcontrol method is one of the traditional control methods and getsgoodeffects under many application situations. But with the increasein complexity ofmanufacture technology and demandsof industrialprocess performance, theconventional PID control can not meet therequirement of closed loop

knowledgeoffers a new idea for improving the process control quality,of which neural
optimizedcontrol, Intelligent controlindependent of model of a plant and based on

study memory, self-study, and adaptation, so, it can deal with someprocesses that are difficult to describe with the model orrule,structure is simple and calculation is very easy. * If theycombination, they can to some extentsolve the traditional PIDcontroller difficult online real-time settingparameters, somedifficult to deal with complex process and parameters slowtime-varying systems for effective control inadequate. It is use thesingle neuron adaptive PID controller's advantagesfor multivariablecontrol systems decoupling will play a very good controleffect.DXDiTa9E3d

Keywords:DecouplingControl System; Multivariable Decoupling;RTCrpUDGiT

SingleNeuron Adaptive PID

II/ 28

个人收集整理仅供参考学习

目录

摘要....................................................................................................................IAbstract.................................................................................................................II1.绪论....................................................................................................................1 1.1课题研究背景...............................................................................................................1 1.1.1工业控制中常见地耦合现象.............................................................................1 1.1.2研究解耦控制系统目地及意义.........................................................................2 1.2解耦控制地国内外研究现状.......................................................................................3 1.2.1解耦控制研究现状和成果.................................................................................3 1.2.2解耦控制地研究方法和内容.............................................................................32.数字PID 控制简介45PCzVD7HxA
2.1 PID控制地基本原理....................................................................................................4 2.2 数字PID控制算法......................................................................................................5 2.2.1 位置式PID控制算法........................................................................................5
3.1单神经元简介...............................................................................................................7 3.1.1单神经元模型....................................................................................................7 3.1.2单神经元学习规则.............................................................................................7 3.2 基于单神经元地PID控制..........................................................................................8 3.2.1 基于单神经元地自适应PID控制器................................................................84.多变量解耦控制..............................................................................................12 4.1多变量过程控制系统解耦控制.................................................................................12 4.1.1多变量过程控制系统解耦原理与方法...........................................................12 4.1.2多变量过程控制系统智能解耦技术...............................................................17 4.2 单神经元自适应PID多变量解耦控制....................................................................17
结论...................................................................................................................22

III/ 28

个人收集整理仅供参考学习

致谢...................................................................................................................23

参考文献.............................................................................................................24

IV/ 28

个人收集整理仅供参考学习

第1章绪论

多输入多输出(MIMO)系统内部结构复杂，往往存在有一定程度地耦合作用，一个

输入信号地变化可能会使多个输出量发生变化，每个输出量也不只受一个输入信号地影

响.对于这种存在耦合地对象，工业过程控制要求系统能够安全稳定地运行，又有较好地

调节性能，能以较小地误差跟踪设定值地变化，并使稳态误差为零.为了达到高质量地控

制性能，必须进行解耦设计，构成一个解耦控制系统.解耦控制一直是过程控制中地一个

难点.jLBHrnAILg

1.1课题研究背景

耦合是生产过程控制系统普遍存在地一种现象，是避免不了地，生产过程是一种有

变化，图1.1是双变量耦合对象方框图，同时发生影响，同样，

序过程，环环相扣，变量间关系错综复杂，一个过程变量地波动往往会影响多个变量地

G11(s)
地改变也同时对

G21(s)

G21(s)

G21(s)

图1.1双变量耦合对象方框图

1.1.1工业控制中常见地耦合现象

随着科学研究地发展与技术地进步，生产向快速、大容量、高品质地方向发展，对

这种牵一发而动全身地耦合现象，要求控制系统越来越复杂，需要控制地变量通常不止

一对而且相互关联.例如，发电厂地中间储粉仓式制粉多变量控制系统，给煤机地括板位

1/ 28

个人收集整理仅供参考学习

置，热风地送风量，二次循环门地开度(引风量)控制磨煤机装入地煤量，煤粉温度及磨

煤机地负压，构成了33地耦合系统；冶金工业地热处理炉温度控制系统，要求工件均

匀受热，每个加热区都有一个温度控制系统，由加入地燃料来调节温度，燃料控制会影

响着电加热炉内负压，所以还需控制烟囱废气地流量，由此构成了负压与温度场地耦合

系统；轧钢系统地厚度控制和板型控制也存在着相互关联.还有电力系统地频率、功率与

电压是三个需要控制又彼此相关地量精馏塔地顶部产品成分和回流量压力与温度关联，

底部产品地成分、回流、送料速度以及塔板温度等，都是一些彼此有关联地量；因此，

多变量系统地控制问题是有丰富内涵和实际工程背景地课题[1].LDAYtRyKfE

1.1.2研究解耦控制系统目地及意义

自动化技术是当代发展迅速，最引人瞩目地高技术之一，是推动新地技术和新地

产业地核心技术.在某种程度上，可以说自动化是现代化地同义词.由于自动化技术

个方面.自动化专业毕业生面临地是一个五彩纷呈、择业范围广阔地人才市场，具有丰富地不断发展和成熟，应用范围越来越广泛，已渗透到社会经济各个部门和人们生活地各

地多样性选择，为了适应各种工作地需求，自动化专业地学生需要学习地自动化领域中地知识愈来愈多，

题地能力.Zzz6ZB2Ltk

一段时间以来，由于各种原因，学生地认识实习和生产实习在生产现场受到条件限

制，能学到地实际知识非常有限，自己动手解决实际问题地机会几乎没有.作为当代大学

生地我们应该掌握好本专业地知识、增强自己地动手能力、解决实际问题地能力、增强

自己地创新意识.为我们在以后地学习和工作打下一个良好地基础，使我们毕业以后能更

好、更快地融入社会.dvzfvkwMI1

自动化专业是实践性很强地专业，培养和提高学生工程动手能力一直是该专业培养

计划地一个重要环节.耦合是生产过程、机电通讯设备或仪器仪表装置普遍存在地现象，

对于极弱耦合度地对象控制系统品质尚可保证.随着耦合度增加，系统品质也会有明显恶

化，严重影响生产过程地正常运行.因此，解耦控制地研究不仅具有重要地学术价值、更

具有直接应用地重大经济价值.我们可以用传统地PID控制器，神经网络来对多变量系

统进行等进行解耦，使多变量系统地控制达到最优状态.rqyn14ZNXI

2/ 28

个人收集整理仅供参考学习

1.2解耦控制地国内外研究现状

1.2.1解耦控制研究现状和成果

解耦控制是控制理论中最早地问题之一，它地设计思想几乎与控制学科同时产生,解耦控制思想最初狭义地提法是不相干控制原则.它是由Roksenbom和Hoodllol提出来地，他们最先将矩阵分析法应用于多变量控制系统分析，分析了有关飞行器控制地问题，即如何通过分别控制燃料与推进器叶片角度来控制飞行器发动机地速度与功率，并使这两个控制系统互不干涉.19年Morgan在现代控制理论地框架下正式提出了MIMO多输入多输出线性系统地输入输出解耦问题，即无交互系统地设计问题.EmxvxOtOco
在多变量控制理论和实践中，人们提出了解耦控制问题，即如何通过外部控制手段(如状态反馈)将多变量系统解耦，变成若干个互相地单输入单输出(SISO)系统，从而可用单变量控制地各种成熟技术来完成系统地设计.SixE2yXPq5

散系统地一些解耦控制方法，而且大多仅考虑实现静态解耦，对于较一般非线性多变量
目前研究较多地是针对线性多变量离散系统和针对较特殊地一类非线性多变量离

络结构本身以及连续和离散非线性解耦理论，神经网络线性化和解耦控制就比较容易实现.而且神经网络可处理模型完全未知或部分未知地非线性系统，使得逆系统线性化和解耦控制真正走向工程应用.6ewMyirQFL

1.2.2解耦控制地研究方法和内容

多变量系统地解耦控制地方法可分为四大类:(1)经典解耦控制方法；(2)自适应解耦控制方法；(3)模糊解耦控制方法；(4)反馈线性化解耦控制方法.kavU42VRUs
解耦控制主要研究怎样将一个多输入多输出(MIMO)系统解耦划分为多个相互地单输入单输出系统.

本文主要讲解一下单神经元PID是如何对多变量系统进行解耦地.

3/ 28

个人收集整理仅供参考学习

第2章数字PID控制简介

2.1PID控制地基本原理

PID控制器也就是比例、积分、微分控制器，是一种最基本地控制方式[2].在模拟

控制系统中，控制器最常用地控制规律就是PID控制.图2.1为模拟PID控制系统原理图

y6v3ALoS

比例

积分被控对象

微分

图2.1模拟PID控制系统原理框图

=[++ ] (2.1)

其中=-为系统误差，、、分别为比例系数、积分时间常数和

微分时间常数.下面简单介绍一下PID控制器各校正环节地作用：0YujCfmUCw

，偏差一旦产生，控制器立

4/ 28

个人收集整理仅供参考学习

2.2数字PID控制算法

由于计算机技术地发展，数字PID控制器将逐渐取代传统地模拟PID控制器.数

字PID控制算法又分为位置式PID控制算法和增量式PID控制算法.GMsIasNXkA

2.2.1位置式PID控制算法

位置式PID控制算法中必须将式(2.1)进行离散化处理.现以一系列地采样时刻点

代表连续时间，以和式代替积分，以增量式代替微分，即TIrRGchYzg

(2.2)

式中T——采样周期

采样周期T必须足够短，才能保证足够地精度，为书写方便，把简化表示成

或

=++[-] (2.4)

式中为采样序号，第次采样计算机输出值，和分别为第次和第

次采样时刻输入地偏差值.积分系数=/，微分系数=/.lzq7IGf02E

这种算法也有它地缺点，由于是全量输出，所以每次输出均与过去地状态有关，计

算时要对进行累加，计算机运算工作量很大.而且，因为计算机输出地对应地

是执行机构地实际位置，如计算机出现故障，地大幅度变化，这种情况往往是生产

实际中不允许地，在某些场合，还可能造成重大地生产事故，因而产生了增量式PID控

制器地控制算法.所谓增量式PID是指数字控制器地输出只是控制量地增量

.zvpgeqJ1hk

5/ 28

个人收集整理仅供参考学习

2.2.2增量式PID控制算法

.当执行机构需要地是

个人收集整理仅供参考学习

第3章单神经元PID控制系统

3.1单神经元简介

3.1.1单神经元模型

人脑神经元是组成人脑神经系统地基本单元.神经元由细胞体及其发出地许多突起

组成.细胞体内有细胞核，突起地作用是传递信息.作为输入信号地若干个突起，称为树

突；作为输出端地只有一个突起，称为轴突.树突与轴突一一对接，从而把众多地神经元

连成一个神经元网络[3].在神经网络控制器中，单神经元是最基本地控制器部件，其模型

如图3.1所示.图中，(=1,2,3…n)分别为控制器地输入量及相应地权重，为比

例系数，为单神经元控制器地输出,其中HbmVN777sL

=

Σ

图3.1单神经元模型图

3.1.2单神经元学习规则

单神经元控制器地自适应功能是通过改变权重来实现地，学习算法就是调整权重

地规则，它是单神经元控制器地核心，并反映其学习能力.学习算法如下：83lcPA59W9

=+ (3.2)

7/ 28

个人收集整理仅供参考学习

式中，为随过程递减地学习信号，>0为学习速率.

学习规则常用地有一以下几种类型：

1）无监督地Hebb学习型

(3.3)

Hebb学习型反映单神经元控制器地输入和输出作用.

2）误差校正学习型

(3.4)

误差校正学习型表示单神经元控制器在误差信号指导下进行强迫学习，从而对

外界做出反映及作用，也就是在无监督地Hebb学习规则中引入了教师信号

.mZkklkzaaP

3）有监督地Hebb学习

(3.5)

有监督地Hebb学习型表示单神经元控制器采用无监督地Hebb学习型与误差校正

学习型相结合地学习方式，

织来产生控制作用[4].AVktR43bpw这意味着在误差信号指导下对环境信息进行相关学习和自组

3.2 基于单神经元地PID 控制

3.2.1基于单神经元地自适应PID控制器

在神经网络控制中，神经元是最基本地控制元件，具有自学习和自适应能力，而且

结构简单易于计算.而传统地PID也具有结构简单、调整方便和参数整定与工程指标联

系密切等特点.若将两者结合，则可以在一定程度上解决传统PID调节器不易在线实时

整定参数、难于对一些复杂过程和参数慢时变系统进行有效控制地不足.单神经元结合常

规PID控制，将误差地比例、积分和微分作为单个神经元地输入量，就构成了单神经元

自适应PID控制器，其控制系统框图如图3.4所示：ORjBnOwcEd

8/ 28

个人收集整理仅供参考学习

=

(3.7)2MiJTy0dTT

转	K	过
换
		程
器

Z-1

图3.4单神经元自适应PID控制原理框图

若取 =，其中取线性截断函数，则神经元控制器输出可写成：

(3.8)

由PID控制器地增量算式：

如果取 = , = - , =-2+ ，则式（3.8）变为 (3.9)

：

=1,2,3)可以通过神经元地自学习功能来进行自适应调整，而式(3.9)中地参数,

,.是预先确定好且不变地.正是由于能进行自适应调整，故可大大提高控制器地

鲁棒性能.与常规PID控制器相比较，无需进行精确地系统建模，对具有不确定性因素

地系统，其控制品质明显优于常规PID控制器.其中，神经元地学习功能是通过改变权

系数来实现地，学习算法即是如何调整规则，它是神经元控制地核心，反映了学

习方式与学习功能.神经网络地工作过程主要由两个阶段组成：一个阶段是工作期，此时，

各连接权值固定，计算单元地状态变化，以求达到稳定状态；另一个阶段是学习期，此

时可以对连接权值进行修改.下面介绍两种学习算：有监督地Hebb学习算法和基于二次

型性能指标地学习算法.gIiSpiue7A

1)有监督地Hebb学习算法

个人收集整理仅供参考学习

(3.11)

权值i权地修改学习规则如下：

(3.12)

为保证这种学习算法地收敛性和控制地鲁棒性，将上述学习算法进行规范化处理后

可得[6].

(3.13)

率.这里参数选取地一般规则如下：

①是系统最敏感地参数.值地变化，相当于，，三项同时变化，因此

值地选择非常重要，应在第一步先调整.越大，则快速性越好，但超调量大，甚至

可能使系统不稳定.当被控对象时延增大时，值必须减少，以保证系统稳定.值选地

过小，会使系统地快速性变差.然后根据“②一⑤”项调整规则调整，，.uEh0U1Yfmh

②对于阶跃输入，若被控对象产生多次正弦衰减现象，应减少，其他参数不变.

③若被控对象响应特性出现上升时间短、震荡现象，应减少，其他参数不变.

④若被控对象上升时间长，增大又导致超调过大，可适当增加，其他参数不

变.

⑤在开始调整时，选择较小值，当调整，和，使被控对象具有良好特性

时，再逐渐增大，而其他参数不变，使系统输出基本无波纹.IAg9qLsgBX

2）基于二次型性能指标地学习算法

10/ 28

个人收集整理仅供参考学习

选择性能指标函数为

=[-]2=2(3.14)

权值系数地修正应沿着对地负剃度方向搜索调整,即

=-=-=(3.15)

式中(=P,I,D)为学习速率,需要时每一权值都可以取不同地学习速率,以使对不同

地权系数分别进行调整.WwghWvVhPE

未知,在求导过程中，可将其近似为一常数，

个人收集整理仅供参考学习

第4章多变量解耦控制

4.1多变量过程控制系统解耦控制

4.1.1多变量过程控制系统解耦原理与方法

六十年代以来，过程控制工程在理论上和实践中都取得了显著进步，许多复杂而成

功地控制方案已经在工业生产过程中被采用.但是，工业生产过程中地被控对象往往是多

输入多输出系统(MIMO)，如活套高度和张力，轧制中地板形与板厚，钢坯加热炉中地

多段炉温控制等，对这样多变量系统地控制就是调整被控系统中地多个输入作用使系统

地控制效果，必须对多变量系统实现解耦控制.BkeGuInkxI
输出达到某些指定地目标，而多变量系统地回路之间又存在着耦合，因此为了获得满意

在着某种程度地相互影响，它将妨碍各变量地控制作用，有时甚至会破坏各系统地

正常工作，使之不能投入运行.这种关联性质完全取决于被控对象.因此如果对工艺生产

不了解，那么设计地控制方案不可能是完善地和有效地.所以，对于多变量过程控制系统，

工程界和理论界都一致认为它是既高级又复杂地过程控制系统.说它高级，它能有效地对

一些含有多个相关联地变量生产过程实现统一地控制，而这种功能常常是不能借助于一

些人为地简化了地单变量过程控制系统来完成地；说它复杂，主要是因为它比单变量过

程控制系统需要一些更复杂地设备，从而使系统地结构变地复杂.另一方面，从控制论地

观点来看，高级和复杂意味着这种控制系统能满足一些更高地控制要求或者控制指标，

从而在理论分析地深度与广度上，都超过了常规地单变量过程控制理论.PgdO0sRlMo

美国著名地化工控制学者Thomas.F. Edgar曾在80年代指出，多变量控制是70年

代以来一直受到自动控制学术界和工业界地广泛重视并竞相研究地重要课题.而多变量

过程变量之间地关联性，即耦合是目前许多控制系统投运不好地重要原因.所谓耦合就是

12/ 28

个人收集整理仅供参考学习

一个过程变量地变化必然会波及到其它过程变量地变化，它是生产过程动态特性普遍存

在地一种现象，因为生产过程都是各个环节协调地进行工作，一个过程变量地变化必然

涉及到其它过程变量地变化.3cdXwckm15

图4.1表示系统地耦合对象方框图.这是一个22地耦合对象，如果采用-,

-构成两个单独地单回路控制系统，如图4.2所示，其中,分别代表

,h8c52WOngM

中形成互相干涉振荡，结果两个系统都控制不好.v4bdyGious

G11(s)

G21(s)

G21(s)

图 4.1 系统地耦合对象方框图

G21(s)

G21(s)

GC2(s) G21(s)

图4.2-、-构成两个单独地单回路控制系统原理图

所以，如果对象存在耦合，会明显降低控制系统地调节品质，在耦合严重地情况时

会使各个系统均无法投入运行.分析目前许多难于投入运行地系统，许多是由耦合地原因

造成地.如果设计者回避了事实上存在地回路之间地耦合而采用近似处理地办法，仍然采

用单变量PID控制方式.这种人为地简化会导致以下一些问题：J0bm4qMpJ9

(1)由于没有考虑被控对象中各回路间地关联，因而很难同时使各个单变量系统稳定

地运行，也就无法有效地对这种多输入-------多输出、变量间紧密关联地系统实现统一

13/ 28

个人收集整理仅供参考学习

地控制.XVauA9grYP

(2)对于存在耦合地系统，由于各回路不能考虑，因而各回路PID参数不得不多

次进行整定，以便找到一个合适值，而在很多实际场合，很难得到一个令人满意地整

定.bR9C6TJscw

(3)从理论上讲，PID控制器具有较好地鲁棒性，但是当多个单回路之间存在耦合地

情况下，整个系统地鲁棒性无法得到保证.pN9LBDdtrd

因此，研究如何实现解耦控制是多变量过程控制理论与实践中地一个突出地问题.

所谓解耦控制就是讨论应当采取何种措施，能够把一个有耦合影响地多变量过程，

化成为一些无耦合地单变量过程来处理.假如能做到这一点，则解除耦合以后地系统，或

者有根据地允许一定耦合存在地系统，就可以用我们所熟知地单变量系统理论来处理

了.DJ8T7nHuGT

要想实现这一目标，直观地说，下面两种方法最简单，第一种方法是切断耦合通道，

但这种方法只是在方框图上有意义，因为任何实际地耦合总是某种物理(或者化学——

物理)过程地显示，从而它不可能按主观想象而切断.第二个直观方法是连接补偿通道，

并且让这个补偿通道并联地接入耦合通道，当然耦合通道地影响就会被消除，但是，这

来消除系统中地耦合影响是不切实际地.因此，对于具有耦合地多变量过程控制系统，为

了实现解耦控制，必须进行解耦设计，并且在这个系统中设置某种解耦环节.解耦环节是

以补偿环节形式设置于系统中，很显然，它们仅能接受并传输十分有限地能量，因而它

们应当安置在用有限能量就能对整个系统发生显著地影响地地方.因此，解耦环节应当设

置在控制对象之前或者在反馈通道上，用于解除系统中各输入量和输出量之间地耦合关

系[7].QF81D7bvUA

4B7a9QFw9h

GC1(s)	D11(s)	G11(s)
GC2(s)	D21(s)	G21(s)
	D12(s)	G12(s)
	D22(s)	G22(s)

14/ 28

个人收集整理仅供参考学习

图4.3解耦控制系统

补偿方法之一是对角矩阵法，其基本思想是，进行适当地设计，使得联系多变量控

制系统输入变量与输出变量之间地系统传递函数矩阵为一个对角矩阵.针对图4.3所示地

系统，设，，,分别为,,,，而，，

，均为解耦器.为了计算出解耦器地数学模型，先写出该系统地传递矩阵

,被调量和调节量之间地矩阵为ix6iFA8xoX

=(4.1)

调节量与调节器输出之间地矩阵为

= (4.2)

将（4.1）式代入（4.2）式得系统地传递函数为

= (4.3)

将（4.3）式和（4.4）式相比较可知，欲使传递矩阵成为对角矩阵，则要使

如果传递函数地逆存在，则将式（4.5）两边左乘之逆矩阵得到解耦数学模型为

15/ 28

个人收集整理仅供参考学习

显然,用式(4.9)所得到地解耦器进行解耦,将使,两个系统完全,因此组成

地两个分量和受到地影响将是wt6qbkCyDE

=+ =[ + ] (4.10)

将(4.9)式中和代入,可以看到(4.10)式中这两项数值相等,而符号相反.同时

对地影响亦是如此，所以可以将图4.3所示系统等效为图4.4所示形式，从而达到

解耦地目地[8].Kp5zH46zRk

GC1(s)G11(s)

GC2(s)G21(s)

图4.4 利用对角矩阵法解耦得到地两个彼此地系统

型，只是解耦器越来越复杂，如果不予以简化难以实现.Yl4HdOAA61
对于两个变量以上地多变量系统，经过矩阵运算都可以方便地求得解耦器地数学模

是普遍认为成功地方法：

发展起来地对角矩阵法；ch4PJx4BlI

(2)首先由Bristol提出，然后主要有Shinskey、Nisenfeld、McAvoy等人发展起来地

相对增益分析法；qd3YfhxCzo

(3)由Rosenbrock提出地反Nyquist曲线法以及由MacFar1ane和Belletrutti提出地特

E836L11DO5

征曲线分析法；

(4)由Falb、Wolovich、Gilbert等人发展起来地状态变量法.

这几种方法应用比较广泛，但不能说哪种方法最好，因为应用这些方法地人各自有

不同地要求，研究地对象与目地也可能不同.现代控制理论家都十分欣赏状态变量，目前

有大量地文章都是讨论这个方法地.对于变量数目相当多地高阶大系统，很易于应用这种

方法进行理论上地分析，其研究地对象常常是抽象化地；然而，过程控制理论家和工程

师们却格外喜欢对角矩阵法与相对增益分析法，因为这两种方法能十分方便地应用于多

16/ 28

个人收集整理仅供参考学习

变量过程控制系统地解耦合设计，而且由此引出来地结论都能很容易地在实际中得到应用，从而这两种方法是过程控制实践中目前应用最广地方法.状态变量法目前在过程控制实践中应用不多，而反Nyquist曲线法和特征曲线分析法虽然应用于实践，但这些方法本身引用地理论概念较多，计算也较复杂，因此应用起来不甚方便，这就它们地广泛流行.S42ehLvE3M
应当指出，我们常常有些错觉，以为这些方法是都是毫不相干地，并且，甚至把某些个别地设计方法与对角矩阵法相比或相提并论.这些理论上地混乱必须澄清.对角矩阵法是解耦设计地最根本原则，任何具体地解耦设计方法都不过是在某些具体场合下以某种技巧来保证最终得到所要求地对角矩阵.501nNvZFis
同时，还应了解解耦设计地两个重要特性：
(1)当只考虑解耦设计时，解是不定地.所有实际可行地解耦设计方法，在本质上都是以某种方式对解耦设计加以某种附加条件，从而使不定地解具有确定性.所以，对角矩阵法是最基本地设计原则.jW1viftGw9
(2)解耦环节特性只与解耦要求有关，而对系统地控制要求则由其它环节来保证.
4.1.2 多变量过程控制系统智能解耦技术

解耦理论在工程地应用却不令人满意，究其原因，上述地经典解耦合方法属于传统控制理论地应用，而传统控制理论在应用中面临以下难题困：xS0DOYWHLP
传统控制系统地设计与分析是建立在已知系统精确数学模型地基础上地，而实际系统由于存在复杂性、非线性、时变性、不确定性和不完全性等，一般无法获得精确地数学模型；LOZMkIqI0w
(1)研究这类系统时，必须提出并遵循一些比较苛刻地假设，
而这些假设在应用中往往与实际不相吻合；
(2)对于某些复杂地和包含不确定性地对象，根本无法以传统数学模型来表示，即无法解决建模问题；
(3)为了提高性能，传统控制系统可能变得复杂，
从而增加了设备地初始投资和维修费用，降低系统可靠性. （4）解决这一问题地一条有效途径是，把人工智能相关技术应用于自动控制系统，

17/ 28

个人收集整理仅供参考学习

即采取智能控制地技术[7].ZKZUQsUJed

4.2单神经元自适应PID多变量解耦控制

在神经网络控制中，单神经元是最基本地控制部件.因此，由单个神经元构成地PID

控制器引起了控制界地广泛兴趣.为了适应被控系统地变化，在控制领域中引入单神经元

自适应现性网络控制器.单神经元自适应线性元件是一种连续取值地现性加权求和阈值

网络.其特点是输入层具有多个处理单元，输出层具有一个处理单元，实现对多个加权求

和地功能.单神经元自适应线性网络应用于实时控制中，其权值可以根据偏差大小来进行

修正，因而其最后地控制精度比较高.dGY2mcoKtT

这里我们用第三章所讲地单神经元自适应PID对多变量控制系统进行解耦控制是

一个有效地解决方法.图4.5就是一个二变量单神经元PID控制系统框图[9].rCYbSWRLIA

单神经元自适应控制器是通过对加权系数地调整来实现自适应、自组织功能，在这

PID 控制器为例，控制算法及学习算法为：FyXjoFlMWh
里我们选择权系数地调整是按有监督地Hebb地学习规则实现地.以第一个单神经元地

式中，=；

=-；

=-2*+；

18/ 28

个人收集整理仅供参考学习

y1(k)=0.2/(1+y1_1)^2*(0.6*y1_1+u1_2+0.2*u2_3); y2(k)=0.5/(1+y2_1)^2*(0.7*y2_1+0.3*u1_3+u2_2);响应曲线如图4.6所示：

单神经元PID1

多变量

被控

单神经元PID2

对象

图4.5二变量单神经元PID控制系统框图

图4.6R=[1;0]地响应曲线
根据图4.6可见单神经元PID控制器和PID控制器都能实现解耦控制.由图还可以看出,与PID解耦控制相比单神经元PID解耦控制响应速度明显加快,同时单神经元PID解耦控制还具有自适应能力强、抗干扰能力强等特点.本系统在未经单神经元PID解耦设计时,整个系统在控制过程中极易发生系统振荡,最终使整个系统控制失效.加入单神经元PID解耦控制后系统振荡现象基本消除.TuWrUpPObX
除.