探索仿人智能控制在直流电动机控制系统中的应用
摘要：
以PID 为代表的线性调节规律远非尽善尽美，它未能妥善地解决闭环系统的稳定性与准确性、快速性之间的矛盾。采用现有的非线性控制，也只能在某一特定的条件下，改善系统的品质，其使用范围有限。文章选择了一种新控制策略——仿人智能控制,给出了仿人控制的基本思想和算法，以及其在MATLAB 中仿真的实现。结果表明了仿人比例控制和智能积分控制具有动、静态品质好，鲁棒性强，比一般的PID 有更好的控制效果。
关键词： 仿人智能控制（HSIC）；直流电动机；PID；伺服控制；定植控制
0 引言
仿人智能控制器原型算法在1979 年由重庆大学周其鉴教授等人提出，1983 年在国际上正式发表。经过李祖枢教授以及一批科研工作者20 多年的努力，仿人智能控制已经形成了基本理论体系和较系统的设计方法，并在大量的实际应用中获得成功。HSIC 的基本思想是：
模仿人的动觉智能原理，认识并建立被控对象运动特征模型，进行直觉推理和启发完成特征辨识和特征记忆，再根据不同类型特征采用不同的控制模态和策略实现变结构多模态控制。
仿人智能控制HSIC（Human-simulated Intelligent Control)在结构和功能上具有以下基本特征:分层递阶的信息处理和决策机构(高阶产生式系统结构);在线的特征识别和特征记忆;开闭环控制结合和定性决策与定量控制结合的多模态控制;启发式和直觉推理逻辑的应用.由于它的基本特点是模仿控制专家的控制行为，控制算法是多模态的，控制表现为多种模态控制间的相互交替使用，因此该算法完美地协调了控制系统中诸多相互矛盾的控制品质的要求，比如鲁棒性与精确性，快速性与平滑性等，更贴近实际。这些独特的优势正是复杂系统控制所需要的，显然仿人智能控制是一种很好的控制策略。
1 对象分析
直流电动机以其优良的特性在现代工业中有着十分广泛的应用，伺服与定值控制在运动控制和过程控制中极为常见。定值控制是使输出很好地达到并维持给定值，通常是通过闭环负反馈来实现。伺服控制系统亦称随动系统，它用来控制被控对象的转角(或位移)，使其能自动地、连续地、精确地跟随输入指令的变化规律。伺服控制通常是在开环控制的交直流电机的基础上将速度和位置信号通过旋转编码器、旋转变压器等反馈给驱动器做闭环负反馈的调节控制。
直流电动机控制系统是典型的时变的，非线性的，多层次的复杂系统，难以用合适的数学模型来表达系统的输入输出关系。
直流电动机控制系统框图如图1 所示，其典型的组成部分是：控制器，执行器，直流电动机以及反馈回路中的传感检测。
传感检测的数学模型为0.5 3 G = (即定值控制时输入与输出呈两倍的关系。)2 仿人智能控制器设计与仿真2.1 仿人智能控制器原型算法1979 年重庆大学周其鉴、柏建国等人就认为，以PID 为代表的线性调节规律远非尽善尽美，未能妥善地解决闭环系统的稳定性与准确性、快速性之间的矛盾是它的一大弱点；采用积分作用解决稳态误差，必然增大系统的相位滞后，严重消弱系统响应速度，这是它的另一缺陷。采用现有的非线性控制，也只能在某一特定条件下，改善系统的品质，其使用范围有限，就是运用全状态反馈控制模式，由于积分的采用也会使其响应速度大受影响。
基于上述分析他们提出了仿人智能控制器的原型算法：
式中 u :控制器输出 Kp :比例系数 k :抑制系数em, i :误差第I 次峰值 e:误差 e：误差的导数“仿人智能控制”（Human-Simulated Intelligent Control，简称HSIC）的基本思想是：
模仿人的动觉智能原理，认识并建立被控对象运动特征模型，进行直觉推理和启发完成特征辨识和特征记忆，再根据不同类型特征采用不同的控制模态和策略实现变结构多模态控制。
仿人智能控制的基本特征为:
①分层递阶的信息处理和决策机构;②在线的特征辨识和特征记忆;③开闭环控制结合和定性决策与定量控制结合的多模态控制;④启发式和直觉推理逻辑的应用。
对于伺服控制，其设计算法如下所示：
（1）参数校正级的设计参数校正的思想是：偏差变化速度比较大时应加大微分作用减弱比例作用，偏差变化速度小而偏差较大时应减弱微分作用，加大比例作用。具体来讲是误差e 、误差的导数e若e e< 0：减小微分及比例作用若e e > 0：增大微分及比例作（2）仿人智能控制器的特征模型和多模态控制算法：PD 控制的比例控制系数的校正系数p K：PD 控制的比例控制系数DD K ：PD 控制的微分控制系数的校正系数D K ：PD 控制的微分控制系数Kp ：PI 控制的比例控制系数i K ：PI 控制的积分控制系数β ：模态切换阀值对于定值控制，其设计算法如下：
2.2 仿人智能控制器设计
根据仿人智能控制系统理论，一个智能控制系统的设计可分为三个层次：①运行控制级设计；②参数校正级设计；③任务适应级设计。基于以上三级的设计可以使控制任务达到系统快速性、稳定性和精确性兼顾的动态性能指标。
对于本次设计题目的每一个自由度的伺服控制、定值控制。一个理想的控制，需要每一个控制器的性能指标（快速性、稳定性和精确性）都是最优的，即实现所有性能指标的兼顾而不是折衷，但这些性能指标之间往往可能是相互矛盾或相互制约的。仿人智能控制基于特征辨识的多模态控制结构从本质上解决了这个问题，而且建立了具体的设计方法。
无论是定值控制还是伺服控制，一个动态控制过程总会在空间中画出一条轨迹，品质好的控制画出的是一条理想的轨迹。如果我们以这条理想轨迹作为设计智能控制器的目标，应该说轨迹上的每一点都可视为控制过程中需要实现的瞬态指标。这条理想的误差时相轨迹可以分别向三个平面投影，设计者可以根据分析的侧重点，考虑这三条投影曲线中的一条或几条作为设计用的瞬态指标，以简化设计的目标。
本次设计的系统为无纯滞后系统，考虑这条轨迹在相平面上的投影，设计即可在相平面上进行。图2 中曲线（a）+（b）表明了一个理想的定值控制过程；曲线（b）则为一个理想伺服控制的动态过程。如果以这样的运动轨迹作为设计智能控制器的目标，理想的情况就是，控制器迫使系统的动态特性在该轨迹上滑动。但由于被控对象具有不确定性且又不确知，实际上运动的轨迹只可能处在这条理想曲线周围的一条曲带中。因此，设计的任务就变成根据这条曲带在误差相平面的位置划分出特征状态，并以迫使系统状态的运动轨迹始终运动在曲带内为目标，设计出与特征状态相应的控制与决策模态。为分析和设计方便又不失一般性，假设给定值等于“单位”值(图3 中R 点)，即使设计在归一化下进行。图3中虚线所示轨迹为理想误差目标轨迹。
为了使实际的误差轨迹尽可能地与理想误差目标轨迹一致，采用措施如下：
（1） 在偏差很大时，对应区域①，采用尽可能大的控制作用。
（2） 在偏差及偏差变化率均很小（满足要求）时，对应区域⑥，采用保持模态控制
（3） 在偏差减小过程中，若偏差变化速度低于或等于预定的速度时，对应区域②，采用比例模态控制。
（4） 在偏差减小过程中，若偏差变化速度大于预定的速度时，对应区域③及区域⑤，在比例模态的基础上，引入微分模态，形成比例加微分的控制模式。
（5） 在偏差减小的过程中引入微分模态仍不能使偏差变化速度减小为预定的速度范围时，对应区域④，引入正反馈抑制控制偏差变化速度。
（6） 在偏差增大的过程中，对应区域⑦，为了抑制偏差的增大，使偏差尽快回头，采用比例模态加微分模态的控制模式。
2.3 仿人智能控制器仿真实现
在本次实验中，设计HSIC 控制器，其模型框图如图4 所示：
3 仿人智能控制与最优PID 控制直流电动机仿真结果比较
3.1 系统仿真模型
（1） 伺服控制的HSIC 控制器和PID 控制器的仿真程序如下：
（2）定值控制的HSIC 控制器和PID 控制器的仿真程序如下：
3.2 参数整定
经过多次的参数整定和调整，最终确定PID 和HSIC 控制器相应的控制参数，如下表所示：
(1) 伺服控制：
3.3 定值与伺服控制仿真结果分析
1、伺服控制结论：
由以上两仿真曲线可以看出HSIC 控制超调较小，PID 控制超调较大； HSIC 能较快的达到稳定。且当系统结构参数由K1=6，K2=15 变为K1=12，K2=50 时，HSIC 控制的效果体现得更明显，调节时间较PID 控制更短，快速性非常好。而且超调也不大。由HSIC 控制曲线可以看出，HSIC 控制器动态性能和稳态性能较PID 好很多。
2、定值控制结论：
在相同参数下，比较伺服控制效果，从以上两个仿真曲线可以看出，PID 控制具有较大的超调量，而HSIC 基本上无超调，而且相应速度快。充分体现了HSIC 控制器的优越性。
3.4 鲁棒性分析
由以上两仿真曲线可以看出，系统受到干扰后，HSIC 和PID 控制器控制效果都受到了一定的影响，HSIC 控制器的响应曲线较之PID 控制器超调更小，稳定的更快，受到的影响更小。HSIC 控制能较快地克服干扰回到平衡位置；而PID 控制时系统的响应既有超调也有震荡，调节时间较长。且当系统的结构参数发生变化时，HSIC 控制仍然能够兼顾快速性、稳定性和准确性。这也正说明HSIC 控制的鲁棒性强。
在控制过程中，人们一般期望输出能稳、快、准地达到给定值，经典控制中的PID 控制，采用了比例、积分、微分三种控制作用的线性组合方式，通过适当选择控制参数，可以在一定程度上获得比较满意的响应特性，但是这种方式的主要缺点是难以解决稳定性和准确性之间的矛盾。而智能控制中的HSIC 控制是依靠准确地识别误差的各种特征，而做出相应的决策，并以多模态转换、开闭环结合的控制模式进行控制，从而具有更好的控制品质，具有更强的鲁棒性。
