隨著自動(dòng)控制技術(shù)向工業(yè)自動(dòng)化各領(lǐng)域的深度滲透，基于精確數(shù)學(xué)模型的常規(guī)控制策略難以滿足各類系統(tǒng)對控制性能的要求，其中也包括伺服系統(tǒng)。文獻(xiàn)中討論了基于模糊邏輯、神經(jīng)網(wǎng)絡(luò)的智能伺服控制策略，此外還簡略提及了其他形式的智能伺服控制策略。為了較深入地研究問題，有必要對常規(guī)PID控制算法作深入剖析，以便找出問題的關(guān)鍵所在;其次還應(yīng)研究被控對象的特性，以便解決控制策略與控制對象特性匹配的問題。以下是對有關(guān)問題的簡要探討。 常規(guī)PID應(yīng)用中存在的問題 常規(guī)PID控制算法 在計(jì)算機(jī)控制系統(tǒng)中，一般采用增量式控制算法，其優(yōu)點(diǎn)是比較容易通過加權(quán)而獲得比較好的控制效果: 由于計(jì)算機(jī)輸出增量，所以誤動(dòng)作時(shí)影響較小，必要時(shí)可用邏輯判斷的方法去掉; 手動(dòng)/自動(dòng)切換時(shí)沖擊小，便于實(shí)現(xiàn)無擾動(dòng)切換。當(dāng)計(jì)算機(jī)發(fā)生故障時(shí)，由于輸出通道或執(zhí)行裝置具有信號(hào)的鎖存作用，故仍能保持原值; 算式中不需要累加?？刂圃隽俊鱱（k）的確定僅與最近幾次采樣有關(guān)； 增量式PID的控制算法為: ±△u（k）＝KP[e（k）－e（k－1）>＋KIe（k）＋KD[e（k）－2 e（k－1）＋e（k－2） 式中:T，采樣周期;k，采樣序號(hào);u（k），采樣時(shí)刻k時(shí)的輸出值;e（k），采樣時(shí)刻k時(shí)的偏差值;e（k－1），采樣時(shí)刻k－1時(shí)的偏差值。由于一般計(jì)算機(jī)控制系統(tǒng)采用恒定的采樣周期T，一旦確定了KP、KI、KD的值，只要使用前3次測量值的偏差，即可求出控制增量。選擇了采樣周期后一般不再變動(dòng)，對于PID參數(shù)，可離線地找到一組合適的參數(shù)KP、KI、KD使系統(tǒng)基本接近優(yōu)化工作狀態(tài)。 PID控制器各參數(shù)對控制效果的影響 KP—比例調(diào)節(jié) 比例調(diào)節(jié)的特點(diǎn)是簡單、快速。缺點(diǎn)是對具有平衡性的控制對象有靜差（自平衡性是指系統(tǒng)階躍響應(yīng)終值為一有限值）;對帶有滯后的系統(tǒng)，可能產(chǎn)生振蕩，動(dòng)態(tài)特性也差。比例系數(shù)KP增大可以加快響應(yīng)速度，減小系統(tǒng)穩(wěn)態(tài)誤差，提高控制精度。但是KP過大會(huì)產(chǎn)生較大超調(diào)，甚至導(dǎo)致系統(tǒng)不穩(wěn)定;若KP取得過小，能使系統(tǒng)減少超調(diào)量，穩(wěn)定裕度增大，但會(huì)降低系統(tǒng)的調(diào)節(jié)精度，使過渡過程時(shí)間延長。 KI-積分調(diào)節(jié) 積分調(diào)節(jié)可消除系統(tǒng)的靜態(tài)誤差，適用于有自平衡性的系統(tǒng)。加大積分系數(shù)KI （減小TI）有利于減小系統(tǒng)靜差，但過強(qiáng)的積分作用會(huì)使超調(diào)量加劇，甚至引起振蕩;減小積分系數(shù)KI雖然有利于系統(tǒng)穩(wěn)定，避免振蕩，減小超調(diào)量，但又對系統(tǒng)消除靜態(tài)誤差不利。 KD-微分調(diào)節(jié) 微分調(diào)節(jié)作用主要是針對被控對象的慣性改善動(dòng)態(tài)特性，它能給出響應(yīng)過程提前制動(dòng)的減速信號(hào)，有助于減小超調(diào)，克服振蕩，使系統(tǒng)趨于穩(wěn)定;同時(shí)加快系統(tǒng)的響應(yīng)速度，減小調(diào)整時(shí)間，從而改善系統(tǒng)的動(dòng)態(tài)特性。KD的值對響應(yīng)過程影響非常大。若增加微分作用KD，有利于加快系統(tǒng)響應(yīng)，使超調(diào)量減小，增加穩(wěn)定性，但也會(huì)帶來擾動(dòng)敏感，抑制干擾能力減弱，若KD過大會(huì)使響應(yīng)過程過分提前制動(dòng)從而延長調(diào)節(jié)時(shí)間;反之，若KD過小，調(diào)節(jié)過程的減速就會(huì)滯后，超調(diào)量增加，系統(tǒng)響應(yīng)變慢，穩(wěn)定性變差。因此，對于時(shí)變且有不確定性的系統(tǒng)，KD不應(yīng)取定值，應(yīng)適應(yīng)被控對象時(shí)間常數(shù)而隨機(jī)改變。 PID控制算法存在的問題 由上述分析可看出:嚴(yán)格意義上的最優(yōu)PID是數(shù)學(xué)解，最優(yōu)PID參數(shù)實(shí)際上也只是一種折衷，例如有的工況要求無超調(diào)，PID就無能為力;要求對對象建立嚴(yán)格的數(shù)學(xué)模型，這在很多情況下是難以實(shí)現(xiàn)的;PID參數(shù)一旦整定，再也沒有調(diào)控手段對參數(shù)及控制過程性能進(jìn)行干預(yù);對不確定性的復(fù)雜對象因難于數(shù)學(xué)建模用PID控制策略難以進(jìn)行有效控制。 復(fù)雜被控對象特性與仿人智能控制技術(shù) 復(fù)雜被控對象特性 PID控制是難于對不確定性的復(fù)雜對象進(jìn)行控制的，這類復(fù)雜對象的特性可以概括如下[3>[4>:系統(tǒng)參數(shù)的未知性、時(shí)變性、隨機(jī)性和分散性;系統(tǒng)時(shí)滯的未知性和時(shí)變性;系統(tǒng)嚴(yán)重的非線性;系統(tǒng)各變量間的關(guān)聯(lián)性;環(huán)境干擾的未知性、多樣性和隨機(jī)性。由于這類被控對象的特性難于用數(shù)學(xué)模型描述，用傳統(tǒng)的基于經(jīng)典控制理論的PID控制和基于狀態(tài)空間描述的近代控制理論方法來實(shí)現(xiàn)對被控對象的高動(dòng)、靜態(tài)品質(zhì)的控制是非常困難的。因此一般都采用黑箱法，即輸入輸出描述法對其控制系統(tǒng)進(jìn)行分析，大量引入人的智慧、經(jīng)驗(yàn)與技巧，控制器是基于數(shù)學(xué)模型和知識(shí)系統(tǒng)相結(jié)合的廣義模型設(shè)計(jì)的，也就是說對這類系統(tǒng)的控制一般采用智能控制策略，而傳統(tǒng)控制是無能為力的。 仿人智能控制的特點(diǎn) 用仿人智能控制（Human Simulated Intelligent Controller，HSIC）技術(shù)構(gòu)成的系統(tǒng)有以下特點(diǎn)[2>:具有足夠的關(guān)于人的控制策略、被控對象及環(huán)境的有關(guān)知識(shí)以及運(yùn)用這些知識(shí)的知識(shí);是能以知識(shí)表示的非數(shù)學(xué)廣義模型和以數(shù)學(xué)表示的模型的混合過程，系統(tǒng)可采用開閉環(huán)控制和定性及定量控制相結(jié)合的多模態(tài)控制方式進(jìn)行控制;HSIC具有變結(jié)構(gòu)特點(diǎn)，能總體自尋優(yōu)，具有自適應(yīng)、自組織、自學(xué)習(xí)和自協(xié)調(diào)能力;具有補(bǔ)償和自修復(fù)能力、判斷決策能力和高度的可靠性。仿人智能控制認(rèn)為，系統(tǒng)的輸出是控制作用與被控對象內(nèi)部特征的綜合反映，HSIC能識(shí)別出系統(tǒng)輸出響應(yīng)中的不穩(wěn)定趨勢特征，做出在線的預(yù)估判斷，并以相應(yīng)的控制策略消除這種不穩(wěn)定趨勢，在線保證系統(tǒng)的穩(wěn)定性。以上特點(diǎn)保證了HSIC在高精度伺服控制系統(tǒng)中的高動(dòng)、靜性能要求。 [b]仿人智能控制算法[/b] 仿人智能控制器的靜態(tài)特性 仿人智能控制的靜態(tài)特性如圖1所示，它在一定程度上模仿了人的智能控制特性。圖1畫出了仿人智能控制的工作過程的靜態(tài)特性。在分析中假定:e表示系統(tǒng)誤差，e＊表示系統(tǒng)誤差的一階導(dǎo)數(shù)，U表示控制器的輸出。 OA段—比例控制模式 當(dāng)系統(tǒng)出現(xiàn)誤差且誤差趨勢增加時(shí)，即當(dāng)e×e＊>0時(shí)，仿人智能控制器產(chǎn)生一個(gè)比例輸出U=Kpe，其中，Kp為比例增益，它可大大超過傳統(tǒng)比例控制器所允許的數(shù)值。該模式運(yùn)行在e=0至e=em1區(qū)間范圍，當(dāng)e達(dá)到第一次誤差極值em1后，該模式立即結(jié)束，并進(jìn)入AB抑制階段。 AB段—增益抑制控制模式 這是一個(gè)把原來過高比例增益KP乘上一個(gè)小于1的因子k，而使其增益降低的過程。因此，在B點(diǎn)處輸出已降到U01=kKpem1對應(yīng)的值，抑制控制有助于改善系統(tǒng)品質(zhì)與增加穩(wěn)定裕度。 BC段—開環(huán)保持模式 進(jìn)入該階段誤差從極值減小并只能向原點(diǎn)趨進(jìn)，因此，保持過程BC段是一根平行于e軸的平行線。 CD段→DE段→EF段 第二個(gè)控制周期仍為三種模式的組合，但與前一周期的作用方向相反。CD段為反方向的比例控制。當(dāng)e值越過U軸變?yōu)樨?fù)值時(shí)，系統(tǒng)在反向比例閉環(huán)控制作用下，使誤差再次產(chǎn)生一個(gè)極值，即-em2。對于一個(gè)穩(wěn)定控制系統(tǒng)，一般|em2|＜|em1|。在第二個(gè)控制周期中k與K可以取與前一周期不同的值，從而增加仿人智能控制的靈活性。 FH段→HG段→GI段——第三個(gè)控制周期 該周期與第一周期方向完全相同，經(jīng)過若干的周期，系統(tǒng)被控制在一個(gè)期望的穩(wěn)定狀態(tài)。 仿人智能控制器的動(dòng)態(tài)特性 動(dòng)態(tài)特性如圖2所示，它分析了智能控制在時(shí)域內(nèi)的智能控制特性。從動(dòng)態(tài)特性可以看出:在oa段誤差滿足條件e×e＊＞0∪e＝0∩e＊≠0，采用比例控制，控制量隨誤差比例變化;在ab段誤差滿足條件e×e＊＜0∪e＊＝0，采用保持控制，控制量u保持誤差e極值累計(jì)和;在bc段誤差滿足條件e×e＊＞0∪e＝0∩e＊≠0，采用比例控制，控制量u隨誤差比例變化;在cd段誤差滿足條件e×e＊＜0∪e＊＝0，采用保持控制，控制量u保持誤差e極值累計(jì)和，且小于上次的保持值;在df段誤差滿足條件e×e＊＞0∪e＝0∩e＊≠0，采用比例控制，控制量u隨誤差比例變化;在fg段誤差滿足條件e×e＊＜0∪e＊＝0，采用保持控制，控制量u保持誤差e極值累計(jì)和，且大于上次的保持值。最后，控制的結(jié)果是誤差e收斂于零，控制u收斂于一個(gè)恒值。 從仿人智能控制的運(yùn)行控制級原型算法及其特征可以看到控制器通過對誤差及其變化率的兩種簡單的關(guān)系特征識(shí)別并判斷系統(tǒng)處于不同的兩種運(yùn)動(dòng)狀態(tài)，分別采用兩種不同的控制模態(tài)。定量的控制操作輸出則是通過誤差峰值特征記憶和先驗(yàn)知識(shí)，如比例系數(shù)K，抑制系數(shù)k與當(dāng)前誤差大小的關(guān)系決定，這些都可以看成是對人動(dòng)覺智能的簡單模仿。 從上述動(dòng)靜態(tài)特性可知，仿人智能控制的運(yùn)行機(jī)理是通過校正實(shí)現(xiàn)的: 動(dòng)態(tài)校正，是一種在過渡過程中根據(jù)動(dòng)態(tài)性能指標(biāo)與系統(tǒng)的動(dòng)態(tài)特性，對系統(tǒng)的運(yùn)動(dòng)趨勢進(jìn)行動(dòng)態(tài)預(yù)測，若有必要，不僅要校正當(dāng)前的某個(gè)控制模態(tài)參數(shù)，而且還要臨時(shí)改變當(dāng)前控制模態(tài)的策略，強(qiáng)迫校正控制器參數(shù)，使系統(tǒng)正常運(yùn)行的校正方法。 靜態(tài)校正，是一種在過渡過程結(jié)束后根據(jù)綜合性能指標(biāo)的評價(jià)前一個(gè)動(dòng)態(tài)過程與靜態(tài)偏差、以及動(dòng)態(tài)校正的有效性，統(tǒng)一權(quán)衡校正全部模態(tài)及修正特征空間劃分的控制器參數(shù)校正方法。 仿人智能控制器及其控制算法 仿人智能控制系統(tǒng) 由仿人智能控制器組成的控制系統(tǒng)如圖3所示。 對于一些被控對象，雖然簡單的比例控制能保證其穩(wěn)定，但常有較大的靜差，滿足不了穩(wěn)態(tài)精度的要求。利用微機(jī)模仿人的操作，不斷地調(diào)整給定值，使系統(tǒng)輸出不斷逼近期望值，從而可以提高穩(wěn)態(tài)精度，這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維過程:當(dāng)系統(tǒng)誤差趨于增加或系統(tǒng)誤差保持常值時(shí)，仿人智能控制器采用比例控制模態(tài)，于是產(chǎn)生強(qiáng)烈的閉環(huán)控制作用，使誤差盡快停止增加;而在系統(tǒng)誤差向減小方向變化或?yàn)榱銜r(shí)，仿人智能控制器采用保持控制模態(tài)，取消強(qiáng)控制作用，使控制量為一常值，對系統(tǒng)的動(dòng)態(tài)過程進(jìn)行等待和觀察，直到再次出現(xiàn)過調(diào)時(shí)，控制器又改用比例控制模態(tài)。 仿人智能控制器的基本算法 仿人智能控制的決策過程是以人對控制對象的觀察、記憶、決策等智能行為為基礎(chǔ)，把被調(diào)整量偏差及偏差變化率作為特征信息，進(jìn)行模式選擇，從而決定控制器的輸出。其算法描述如下: 模式1:en×Δen>0或Δen=0，|en|>0，則un=un-1+k+×en; 模式2:en×Δen<0且|en|≥M, 則un=un-1+k-×en ; 模式3:en×Δen<0且|en|則un=un-1+k×em×n。其中，en為第n次誤差;Δen=en-en-1;K+為加速比例系數(shù)，K+>1; K-為抑制比例系數(shù), 0 工程應(yīng)用舉例 伺服系統(tǒng)是雷達(dá)系統(tǒng)的重要組成部分，它直接擔(dān)負(fù)著天線的驅(qū)動(dòng)，使雷達(dá)能夠迅速而又準(zhǔn)確地對準(zhǔn)目標(biāo)。整個(gè)伺服系統(tǒng)性能的好壞，直接影響到雷達(dá)系統(tǒng)的測量精度。傳統(tǒng)的雷達(dá)伺服系統(tǒng)采用PID 控制，其跟蹤位置回路用的是相位遲后—超前校正控制，因?yàn)橄辔贿t后—超前校正通過零、極點(diǎn)的配置，能夠利用校正網(wǎng)絡(luò)中的超前部分改善系統(tǒng)的暫態(tài)響應(yīng)性能，同時(shí)相位遲后部分又能很好地提高系統(tǒng)的穩(wěn)態(tài)精度,因此在高精度測量雷達(dá)中得到了廣泛的應(yīng)用，某雷達(dá)位置控制回路簡化原理框圖如圖4所示。 但是，控制系統(tǒng)中PID控制參數(shù)一般都是人工整定，經(jīng)一次性整定得到的PID參數(shù)很難保證其控制效果始終處于最佳狀態(tài)。必須找到一種方法能夠隨時(shí)在線地調(diào)整參數(shù)，以改善系統(tǒng)動(dòng)、靜態(tài)性能，確保系統(tǒng)始終具有很好的自適應(yīng)性能。針對存在的問題，采用仿人智能控制策略，將原PID控制改為HSIC控制器，經(jīng)初步試驗(yàn)其響應(yīng)如圖5曲線y1所示，y2是原PID控制器的響應(yīng)曲線，顯然HSIC控制器明顯優(yōu)于PID控制器。 結(jié)束語 文中主要討論了仿人智能控制策略及其原形控制算法，最后通過仿真及工程應(yīng)用實(shí)例說明了該策略的可取之處。值得注意的是伺服控制系統(tǒng)的動(dòng)、靜態(tài)性能指標(biāo)好壞與控制策略選取緊密相關(guān)，應(yīng)針對具體被控對象特性加以分析，根據(jù)滿足控制指標(biāo)程度來決定控制策略與控制算法，而不是簡單地否定與肯定，更復(fù)雜的控制問題往往需要多種控制策略的融合。