随着自动控制技术向工业自动化各领域的深度渗透，基于精确数学模型的常规控制策略难以满足各类系统对控制性能的要求，其中也包括伺服系统。文献中讨论了基于模糊逻辑、神经网络的智能伺服控制策略，此外还简略提及了其他形式的智能伺服控制策略。为了较深入地研究问题，有必要对常规PID控制算法作深入剖析，以便找出问题的关键所在;其次还应研究被控对象的特性，以便解决控制策略与控制对象特性匹配的问题。以下是对有关问题的简要探讨。
常规PID应用中存在的问题
常规PID控制算法
在计算机控制系统中，一般采用增量式控制算法，其优点是比较容易通过加权而获得比较好的控制效果:
由于计算机输出增量，所以误动作时影响较小，必要时可用逻辑判断的方法去掉;
手动/自动切换时冲击小，便于实现无扰动切换。当计算机发生故障时，由于输出通道或执行装置具有信号的锁存作用，故仍能保持原值;
算式中不需要累加。控制增量△u（k）的确定仅与最近几次采样有关；
增量式PID的控制算法为:
±△u（k）＝KP[e（k）－e（k－1）>＋KIe（k）＋KD[e（k）－2 e（k－1）＋e（k－2）
式中:T，采样周期;k，采样序号;u（k），采样时刻k时的输出值;e（k），采样时刻k时的偏差值;e（k－1），采样时刻k－1时的偏差值。由于一般计算机控制系统采用恒定的采样周期T，一旦确定了KP、KI、KD的值，只要使用前3次测量值的偏差，即可求出控制增量。选择了采样周期后一般不再变动，对于PID参数，可离线地找到一组合适的参数KP、KI、KD使系统基本接近优化工作状态。
PID控制器各参数对控制效果的影响
KP—比例调节
比例调节的特点是简单、快速。缺点是对具有平衡性的控制对象有静差（自平衡性是指系统阶跃响应终值为一有限值）;对带有滞后的系统，可能产生振荡，动态特性也差。比例系数KP增大可以加快响应速度，减小系统稳态误差，提高控制精度。但是KP过大会产生较大超调，甚至导致系统不稳定;若KP取得过小，能使系统减少超调量，稳定裕度增大，但会降低系统的调节精度，使过渡过程时间延长。
KI-积分调节
积分调节可消除系统的静态误差，适用于有自平衡性的系统。加大积分系数KI （减小TI）有利于减小系统静差，但过强的积分作用会使超调量加剧，甚至引起振荡;减小积分系数KI虽然有利于系统稳定，避免振荡，减小超调量，但又对系统消除静态误差不利。
KD-微分调节
微分调节作用主要是针对被控对象的惯性改善动态特性，它能给出响应过程提前制动的减速信号，有助于减小超调，克服振荡，使系统趋于稳定;同时加快系统的响应速度，减小调整时间，从而改善系统的动态特性。KD的值对响应过程影响非常大。若增加微分作用KD，有利于加快系统响应，使超调量减小，增加稳定性，但也会带来扰动敏感，抑制干扰能力减弱，若KD过大会使响应过程过分提前制动从而延长调节时间;反之，若KD过小，调节过程的减速就会滞后，超调量增加，系统响应变慢，稳定性变差。因此，对于时变且有不确定性的系统，KD不应取定值，应适应被控对象时间常数而随机改变。
PID控制算法存在的问题
由上述分析可看出:严格意义上的最优PID是数学解，最优PID参数实际上也只是一种折衷，例如有的工况要求无超调，PID就无能为力;要求对对象建立严格的数学模型，这在很多情况下是难以实现的;PID参数一旦整定，再也没有调控手段对参数及控制过程性能进行干预;对不确定性的复杂对象因难于数学建模用PID控制策略难以进行有效控制。
复杂被控对象特性与仿人智能控制技术
复杂被控对象特性
PID控制是难于对不确定性的复杂对象进行控制的，这类复杂对象的特性可以概括如下[3>[4>:系统参数的未知性、时变性、随机性和分散性;系统时滞的未知性和时变性;系统严重的非线性;系统各变量间的关联性;环境干扰的未知性、多样性和随机性。由于这类被控对象的特性难于用数学模型描述，用传统的基于经典控制理论的PID控制和基于状态空间描述的近代控制理论方法来实现对被控对象的高动、静态品质的控制是非常困难的。因此一般都采用黑箱法，即输入输出描述法对其控制系统进行分析，大量引入人的智慧、经验与技巧，控制器是基于数学模型和知识系统相结合的广义模型设计的，也就是说对这类系统的控制一般采用智能控制策略，而传统控制是无能为力的。
仿人智能控制的特点
用仿人智能控制（Human Simulated Intelligent Controller，HSIC）技术构成的系统有以下特点[2>:具有足够的关于人的控制策略、被控对象及环境的有关知识以及运用这些知识的知识;是能以知识表示的非数学广义模型和以数学表示的模型的混合过程，系统可采用开闭环控制和定性及定量控制相结合的多模态控制方式进行控制;HSIC具有变结构特点，能总体自寻优，具有自适应、自组织、自学习和自协调能力;具有补偿和自修复能力、判断决策能力和高度的可靠性。仿人智能控制认为，系统的输出是控制作用与被控对象内部特征的综合反映，HSIC能识别出系统输出响应中的不稳定趋势特征，做出在线的预估判断，并以相应的控制策略消除这种不稳定趋势，在线保证系统的稳定性。以上特点保证了HSIC在高精度伺服控制系统中的高动、静性能要求。
仿人智能控制算法
仿人智能控制器的静态特性
仿人智能控制的静态特性如图1所示，它在一定程度上模仿了人的智能控制特性。图1画出了仿人智能控制的工作过程的静态特性。在分析中假定:e表示系统误差，e＊表示系统误差的一阶导数，U表示控制器的输出。
图1 仿人智能控制的静态特性
OA段—比例控制模式
当系统出现误差且误差趋势增加时，即当e×e＊>0时，仿人智能控制器产生一个比例输出U=Kpe，其中，Kp为比例增益，它可大大超过传统比例控制器所允许的数值。该模式运行在e=0至e=em1区间范围，当e达到第一次误差极值em1后，该模式立即结束，并进入AB抑制阶段。
AB段—增益抑制控制模式
这是一个把原来过高比例增益KP乘上一个小于1的因子k，而使其增益降低的过程。因此，在B点处输出已降到U01=kKpem1对应的值，抑制控制有助于改善系统品质与增加稳定裕度。
BC段—开环保持模式
进入该阶段误差从极值减小并只能向原点趋进，因此，保持过程BC段是一根平行于e轴的平行线。
CD段→DE段→EF段
第二个控制周期仍为三种模式的组合，但与前一周期的作用方向相反。CD段为反方向的比例控制。当e值越过U轴变为负值时，系统在反向比例闭环控制作用下，使误差再次产生一个极值，即-em2。对于一个稳定控制系统，一般|em2|＜|em1|。在第二个控制周期中k与K可以取与前一周期不同的值，从而增加仿人智能控制的灵活性。
FH段→HG段→GI段——第三个控制周期
该周期与第一周期方向完全相同，经过若干的周期，系统被控制在一个期望的稳定状态。
仿人智能控制器的动态特性
动态特性如图2所示，它分析了智能控制在时域内的智能控制特性。从动态特性可以看出:在oa段误差满足条件e×e＊＞0∪e＝0∩e＊≠0，采用比例控制，控制量随误差比例变化;在ab段误差满足条件e×e＊＜0∪e＊＝0，采用保持控制，控制量u保持误差e极值累计和;在bc段误差满足条件e×e＊＞0∪e＝0∩e＊≠0，采用比例控制，控制量u随误差比例变化;在cd段误差满足条件e×e＊＜0∪e＊＝0，采用保持控制，控制量u保持误差e极值累计和，且小于上次的保持值;在df段误差满足条件e×e＊＞0∪e＝0∩e＊≠0，采用比例控制，控制量u随误差比例变化;在fg段误差满足条件e×e＊＜0∪e＊＝0，采用保持控制，控制量u保持误差e极值累计和，且大于上次的保持值。最后，控制的结果是误差e收敛于零，控制u收敛于一个恒值。
图2 仿人智能控制的动态模型
从仿人智能控制的运行控制级原型算法及其特征可以看到控制器通过对误差及其变化率的两种简单的关系特征识别并判断系统处于不同的两种运动状态，分别采用两种不同的控制模态。定量的控制操作输出则是通过误差峰值特征记忆和先验知识，如比例系数K，抑制系数k与当前误差大小的关系决定，这些都可以看成是对人动觉智能的简单模仿。
从上述动静态特性可知，仿人智能控制的运行机理是通过校正实现的:
动态校正，是一种在过渡过程中根据动态性能指标与系统的动态特性，对系统的运动趋势进行动态预测，若有必要，不仅要校正当前的某个控制模态参数，而且还要临时改变当前控制模态的策略，强迫校正控制器参数，使系统正常运行的校正方法。
静态校正，是一种在过渡过程结束后根据综合性能指标的评价前一个动态过程与静态偏差、以及动态校正的有效性，统一权衡校正全部模态及修正特征空间划分的控制器参数校正方法。
仿人智能控制器及其控制算法
仿人智能控制系统
由仿人智能控制器组成的控制系统如图3所示。
图3 仿人智能控制器框图
对于一些被控对象，虽然简单的比例控制能保证其稳定，但常有较大的静差，满足不了稳态精度的要求。利用微机模仿人的操作，不断地调整给定值，使系统输出不断逼近期望值，从而可以提高稳态精度，这就是仿人智能的基本原理。
仿人智能控制器的基本算法很接近人的思维过程:当系统误差趋于增加或系统误差保持常值时，仿人智能控制器采用比例控制模态，于是产生强烈的闭环控制作用，使误差尽快停止增加;而在系统误差向减小方向变化或为零时，仿人智能控制器采用保持控制模态，取消强控制作用，使控制量为一常值，对系统的动态过程进行等待和观察，直到再次出现过调时，控制器又改用比例控制模态。
仿人智能控制器的基本算法
仿人智能控制的决策过程是以人对控制对象的观察、记忆、决策等智能行为为基础，把被调整量偏差及偏差变化率作为特征信息，进行模式选择，从而决定控制器的输出。其算法描述如下:
模式1:en×Δen>0或Δen=0，|en|>0，则un=un-1+k+×en;
模式2:en×Δen<0且|en|≥M, 则un=un-1+k-×en ;
模式3:en×Δen<0且|en|则un=un-1+k×em×n。其中，en为第n次误差;Δen=en-en-1;K+为加速比例系数，K+>1; K-为抑制比例系数, 0
工程应用举例
伺服系统是雷达系统的重要组成部分，它直接担负着天线的驱动，使雷达能够迅速而又准确地对准目标。整个伺服系统性能的好坏，直接影响到雷达系统的测量精度。传统的雷达伺服系统采用PID 控制，其跟踪位置回路用的是相位迟后—超前校正控制，因为相位迟后—超前校正通过零、极点的配置，能够利用校正网络中的超前部分改善系统的暂态响应性能，同时相位迟后部分又能很好地提高系统的稳态精度,因此在高精度测量雷达中得到了广泛的应用，某雷达位置控制回路简化原理框图如图4所示。
图4 雷达位置回路简化原理框图
但是，控制系统中PID控制参数一般都是人工整定，经一次性整定得到的PID参数很难保证其控制效果始终处于最佳状态。必须找到一种方法能够随时在线地调整参数，以改善系统动、静态性能，确保系统始终具有很好的自适应性能。针对存在的问题，采用仿人智能控制策略，将原PID控制改为HSIC控制器，经初步试验其响应如图5曲线y1所示，y2是原PID控制器的响应曲线，显然HSIC控制器明显优于PID控制器。
图5 系统响应性能比较
结束语
文中主要讨论了仿人智能控制策略及其原形控制算法，最后通过仿真及工程应用实例说明了该策略的可取之处。值得注意的是伺服控制系统的动、静态性能指标好坏与控制策略选取紧密相关，应针对具体被控对象特性加以分析，根据满足控制指标程度来决定控制策略与控制算法，而不是简单地否定与肯定，更复杂的控制问题往往需要多种控制策略的融合。
QQ在线客服