|
|
本帖最后由 晨枫 于 2015-2-7 00:50 编辑
. |# E7 Z6 o4 e+ p, {2 x: p, h( X. f( c O0 p
看到日本电饭煲贴里说起模糊控制和PID控制,忍不住要插话了。遗憾的是,诸君关于PID和模糊控制的概念都不正确。PID控制和模糊控制是两个范畴的东西,思路决然不同,但两者的差别不是哪个比哪个更加精确。1 p- q; d* t5 o' `
# D$ X/ n5 K* ]# y
PID全称是比例-积分-微分控制,具体的控制律是
' D1 O4 ^, @1 C% l1 C7 l% Q, U) ]2 f5 {% o/ e5 y, T+ L, I
u(t)=kp*e(t)+ki*int(e(t))+kd*de(t)/dt
, a/ g8 a7 U) y+ S; @4 N) t: a$ x+ _1 l' |- m$ Z' R& r# L
其中u(t)是控制输出,e(t)是闭环误差,也就是设定值(set point)与测量值(process variable或者measurement)之差,int指积分,这里没法写那个弯弯的积分符号。这是PID控制律的“学院派”表述,工业上还有其他表述,但最后都是等效的。上述是连续时间域的表述,在离散时间域里,就是
7 X. X- ^8 Z1 {2 h8 E$ L9 ?% b+ ?
u(k)=kp*e(k)+ki*cumsum(e(j))+kd*(e(k)-e(k-1))/ts
. ~% I o4 d2 Y3 T
9 ]2 b/ ] n. y5 x0 X7 d' I4 _* j5 x其中cumsum为cumulative sum,高数里就是大写sigma(级数和),ts为采样时间。这是位置式PID,工业上常用增量式PID,两者之间也是完全等价的。/ K( V: v) `( P f( u4 y( f$ s( H
* Y6 b# N6 `; t9 H
PID的理论基础是微分方程稳定性。对于二阶一下线性定常系统,可以理论计算出保证稳定性的kp(比例增益)、ki(积分增益)和kd(微分增益),但工业上一般用凑试法凭经验和观察来整定。$ E& e/ ^1 M% [2 i8 O3 _
, }) A& h+ W- A' {3 V p$ o8 a; Y
PID的整定可以稳定为主,或者以快速回位为主。前者慢慢逼近设定值,可以做到无超调(overshoot),也称过阻尼响应(overdamped response);后者快速逼近设定值,但通常要振荡几下,所以也称欠阻尼响应(underdamped response)。相邻的两个波峰值之比为阻尼比(damping ratio)或者衰减比(decay ratio),经典整定以4:1衰减比为最优,实际上这对跟踪系统不错,但对过程系统还是超调太多,过程工业偏好无超调。电饭锅温控实际上是一个过程控制问题,而不是一个伺服控制问题。换句话说,温度超调就要造成焦糊;但温度慢慢上升到设定值,顶多多煮一会儿,不会煮夹生饭。
* V* m6 v# T; o+ H& X' h
3 I8 y: ?1 |: e8 q1 t4 s* E模糊控制则是完全不同的概念,这是从模糊集合来的。用控制术语来说,这来自于开关控制。简易型电饭锅正是开关控制。温度不到100度(实际上可能是102度),电火力全开;煮沸的时候,沸腾过程由于相变,温度自动稳定在100度,只要没有烧干,怎么烧也不可能超过100度。这个说起来比较费劲,要不让村长解释吧。另一方面,一旦烧干了,也就是饭焖好了,继续烧温度就上去了,所以温控设定在102度的话,超过了就自动关火,接下来就是小火保温的问题了。
( o# Q% W' z1 _* B/ m$ A8 R
3 i. [; B( g: q! t5 b但这样的开关控制很生猛,也不精确,对于要求精确的时间-温度曲线控制不利。用PID加程序升温控制可以精确控制,但实现起来比较复杂,而且要受米量、水量、水温等的影响。于是就有了模糊控制。3 T4 N4 W! J+ u1 v. `0 w2 V# E
" z4 z f# Q; a
模糊控制的关键在于在开关控制的TRUE和FALSE状态之间引入一个过渡状态,在过渡阶段里,既非TRUE,也非FALSE,而是介于两者之间,或则偏向其中一边。比如说,以身高为例,成年男子1.6米以下算矮的,1.8米以上算高的,期间就不能简单地高或者矮来界定,而出现了“较矮”、“中等”、“较高”等过渡状态。事实上,在1.6和1.8米之间,可以斜线连接,这就是所谓membership function,定义在高和矮之间的连续变化。当然,membership function可以不是线性的,而是其他复杂形状,这就是不同口味的模糊集合,有不同特性。6 N& v a9 G8 Y5 ^
! I; M% D5 q: b' e单一变量的模糊控制没有多少意义,但多个变量后,模糊控制就有意义了,尤其在输入变量至少有几个不在“清晰值”而在过渡值上。这时,有一套集合论的规则计算合成的输出,比如计算membership function下的面积在计算重心什么的。说起来比较罗嗦,实施起来也挺罗嗦的。
( {* B% G; T; r6 A4 G4 Q$ k" k# B% {) P1 z% M w3 l
说了那么多,模糊控制的好处就是可以把语言描述的规则数字化,而不是真正建立解析的模型,因此对于传统的模型误差不敏感,用控制术语来说,就是robustness较好。坏处是这东西无法做稳定性分析,也无法与最优控制、自适应控制、预估控制等基于解析模型的现代控制理论结合起来,完全是就事论事的rule based system,或者称heuristic system。当然,有人在做把两者凑起来的事情,但土豆和西瓜杂交,总是不伦不类,大多不了了之。% Q: B+ q/ A* e' @" ^( X$ z$ V* G" z
' m" p, ?: O' q3 Y5 c5 m: K模糊系统在80年代流行过一阵,后来就销声匿迹了,只有日本例外。日本人对模糊系统情有独钟,在洗衣机、微波炉、电饭煲、照相机等广泛使用,并且喜欢标明,以示先进。这东西比PID更先进吗?不见得;比PID更加不精确吗?也不见得。在某种意义上,模糊与神经元(neural net)一样,在理念和事实上与传统手段有所不同,但说到底并没有革命性的改变,是意大利面与上海粗炒面的差别,而不是牛排与豆腐煲的差别。, B2 i$ Z) ]! W! p/ F4 G; @# t
. Q* u. i% u# {( m9 \2 }+ d================6 L# O9 O% P8 r; _5 T
模糊控制几句话说不清楚,这也是可以唬人的道理之一。要是有人有兴趣,我可以贴一些图,附加一点例子。事实上,维基里的解释不错,可以看看。8 ^1 x# `. V! t s
http://en.wikipedia.org/wiki/Fuzzy_control_system
7 P2 u/ s0 l$ K; l& K, N4 v& Q5 z% c
@隧道 @Sichuluanhuang @橡树村 |
评分
-
查看全部评分
|