自適應控制的分類_自適應控制的主要類型

什么是自適應控制

1、自適應控制所討論的對象，一般是指對象的結構已知，僅僅是參數未知，而且采用的控制方法仍是基于數學模型的方法。

2、但實踐中我們還會遇到結構和參數都未知的對象，比如一些運行機理特別復雜，目前尚未被人們充分理解的對象，不可能建立有效的數學模型，因而無法沿用基于數學模型的方法解決其控制問題，這時需要借助人工智能學科，也就是智能控制。

3、自適應控制與常規的控制與最優控制一樣，是一種基于數學模型的控制方法。

4、自適應控制所依據的關于模型的和擾動的先驗知識比較少，需要在系統的運行過程中不斷提取有關模型的信息，使模型愈來愈準確。

5、常規的反饋控制具有一定的魯棒性，但是由于控制器參數是固定的，當不確定性很大時，系統的性能會大幅下降，甚至失穩。

自適應控制的原理框圖

自適應控制的分類

自從50年代末由美國麻省理工學院提出第一個自適應控制系統以來，先后出現過許多不同形式的自適應控制系統。比較成熟的自適應控制系統有下述幾大類。

（1） 可變增益自適應控制系統

這類自適應控制系統結構簡單，響應迅速，在許多方面都有應用。其結構如圖1所示，調節器按被控過程的參數的變化規律進行設計，也就是當被控對象（或控制過程）的參數因工作狀態或環境情況的變化而變化時，通過能夠測量到的某些變量，經過計算而按規定的程序來改變調節器的增益，以使系統保持較好的運行性能。另外在某些具有非線性校正裝置和變結構系統中，由于調節器本身對系統參數變化不靈敏。采用此種自適應控制方案往往能去的較滿意的效果。

（2） 模型參考自適應控制系統（Model Reference Adaptive System，簡稱MRAS）

模型參考自適應控制系統由以下幾部分組成，即參考模型、被控對象、反饋控制器和調整控制器參數的自適應機構等部分組成，如圖2所示

設計這類自適應控制系統的核心問題是如何綜合自適應調整律，即自適應機構所應遵循的算法。關于自適應調整律的設計目前存在兩類不同的方法。其中一種稱為局部參數最優化地方法，即利用梯度或其他參數優化的第推算法，求得一組控制器的參數，使得某個預定的性能指標，如J=∫e2（t）dt，達到最小。最早的MIT自適應律就是利用這種方法求得的。這種方法的缺點是不能保證參數調整過程中，系統總是穩定的。自適應律的另一種設計方法是基于穩定性理論的方法，其基本思想是保證控制其參數自適應調節過程是穩定的，然后再盡量是這個過程收斂快一些。由于自適應控制系統是本質非線性的，因此這種自適應律的設計自然要采用適用于非線性系統的穩定理論。Lyapunov穩定性理論和Popov的超穩定性理論都是設計自適應律的有效工具。由于保證系統穩定是任何閉環控制系統的基本要求，所以基于穩定性理論的設計方法引起了更為廣泛的關注。

（3） 自校正調節器（Self-tuning Regulator，簡稱STR）

這類自適應控制系統的一個特點是具有一個被控對象數學模型的在線辨識環節，具體地說是加入了一個對象參數的遞推估計器。由于估計得是對象參數，而調節器參數還要求解一個設計問題方能得出，所以這種自適應控制系統可以用圖3的結構描述。這種自適應調節器也可設想成為內環和外環來年各個環路組成，內環包括被控對象和一個普通的線性反饋調節器，這個調節器的參數由外環調節，外環則由一個遞推參數估計器和一個設計機構組成。這種系統的過程建模和控制的設計都是自動進行，每個采樣周期都要更新一次。這種結構的自適應控制器稱為自校正調節器，采用這個名稱為的是強調調節器能自動校正自己的參數，已得到希望的閉環性能。

（4） 自尋最優控制系統

自尋最優控制系統是一種自動搜索和保持系統輸出位于極值狀態的控制系統。先前這種系統稱為極值控制系統。在這種系統中，受控系統的輸入—輸出特性至少有一個代表最優運行狀態的極值點或其他形式的非線性特性。因此，受控對象是非線性的。如果極值特性在運行過程中不發生變化，則可通過分析和試驗找到一個能使系統工作在極值位置的固定控制量，這時由常規控制便可保持最優運行狀態。不過，許多工業對象的極值特性在運行中都或多或少會發生漂移，因而無法采用常規控制策賂。對于這類受控系統，采用自尋最優控制策略便可自動保持極值運行狀態，使運行狀態的梯度為零。

此外，自尋最優控制系統還具有易于理解和實現方便等優點，所以它在工業中也有廣泛的應用。

（5） 學習控制系統

這是一類按行為科學進行處理的控制系統，它比上述各類自適應控制系統都更加復雜。這種系統的先驗信息相當缺乏，為了保證有效的工作，它一般應具有識別、判斷、積累經驗和學習的功能。由IEEE的“自適應學習和模式識別標準與定義小組委員會”提出的定義如下：

定義（學習系統） 一個系統，如果能對一個過程或其環境的未知特征有關的信息進行學習，并將所得的經驗用于未來的估計、分類、決策或控制，以改善系統的性能，則稱此系統為學習系統。若一個學習系統以其學得的信息用來控制一個具有未知特征的過程，則稱為學習控制系統。根據學習時是否需要接收外部信息，學習過程可分為兩類：監督學習和無監督學習。在實際應用中，常將兩種學習方式組合使用。首先通過監督學習獲取盡可能多的先驗信息，然后改為無監督學習，以使收到最好的學習效果。學習系統的形式有模糊自適應控制和專家或智能自適應控制。

研究學習過程的數學方法很多，在學習控制系統中采用的方法有：采用模式分類器的可訓練系統、增量學習系統、Bayes估計、隨機逼近、自動機模型和語言學方法等。學習系統理論的應用不限于控制工程，在計算機科學、經濟和社會等領域中也有應用。

其他自適應控制系統還有混合自適應控制、非線性控制對象自適應控制、模糊自適應控制、神經網絡自適應控制等等。

自適應控制的主要類型

自適應系統有兩類，一類是模型參考自是要控制系統（model reference adaptive system，MRAS）；另一類是自校正控制系統（self-tuning control system），這類自適應系統的一個主要特點是在線辨識對象數學模型的參數，進而修改控制器的參數。

1、模型參考自適應控制系統

這類自適應控制系統設計方法的理論基礎為局部參數優化方法、李雅普諾夫穩定性理論和波波夫（Popov）超穩定性理論。

2、自校正控制系統

自適應控制系統的應用

1、戰術導彈的自校正控制

戰術導彈在整個飛行過程中，由于飛行速度和高度的變化，使彈體參數劇烈變化，嚴重地影響了控制性能。當用經典控制理論設計自動駕駛儀時，一般采用舵回路、阻尼回路和加速度回路來減弱參數變化對系統的影響，但用這種方法不能完全消除參數變化對系統的影響。為了進一步提高導彈的控制性能，有必要采用自適應控制。

自校正控制是自適應控制的一種，它適用于結構已知，但參數未知而恒定或參數緩慢變化的系統。采用自校正控制需要辨識被控系統的參數，并自動校正控制作用，達到預期的控制效果。用自校正控制技術設計自動駕駛儀，能夠使被控系統適應參數變化，保持較好的性能。

2、 空間環境模擬器自適應控制

隨著航天技術的發展，對航天器零部件的可靠性要求越來越高。為了確保航天器在太空可靠遠行，航天器零部件必須在地面進行真空冷熱浸試驗、真空交變試驗等各種空間環境模擬試驗?？臻g環境模擬器就是提供這種條件的一套試驗設備。

由于控制過程的復雜性和不能對被控對象進行事先測定以及在控制過程中希望不要人工干預等，用PID調節器，每做一次環境模擬試驗，都要調試Kp、Ki、Kd等參數，非常麻煩，且保證不了過渡過程中超調調小于2℃的要求。用一般最佳控制，其狀態方程的參數無法確定。用自校正調節器，需要知道滯后步數Ko和一次性測試βo ，而空間環境模擬器無法事先知道Ko，又無法確定βo，因為穩態和初治狀態的βo差別很大、自校正調節器不適合于過渡過程控制，特別是本系統對過渡過程超調的要求很高。經多次實驗均告失敗。自校正控制器也因需要試湊控制權而遇到困難?？傊?，采用前述的各種方法，都無法衡足實驗任務的要求。全系數自適應控制方法的提出，就是為了解決這個問題。

在航海方面瑞典Astrom等人首先在大型油輪上采用了自適應控制的自動駕駛儀，取代了原有的PID調節器的自動駕駛儀。實驗證明，自適應自動駕駛儀能夠在變化復雜的隨機環境（例如，在海浪、潮流、陣風的干擾以及在不同載荷不同的航速）下，都能使油輪按照預定的航跡穩定而可靠地航行。并取得了良好的經濟效益。

在化工過程方面，在鋼鐵和冶金工業方面許多工藝過程為非線性、非平穩的復雜過程，原材料成份的改變，催化刑的老化和設備的磨損等，都可能使工藝參數發生復雜而復雜較大的變化，對于這類生產過程，采用常規的PID調節器往往不能很好地適應工藝參數的變化而導致產品的產量和質量不穩定。當采用自適應控制后，由于調節器的參致可以隨工藝參數的變化而按某種最優性能自動整定，從而保證了產品的產量和質量不隨工藝參數的變化而下降，于是在十多年前即有人提出采用自適應控制來代替常規的PID調節器。目前在板軋機的厚厚度，帶鋼熱軋機的張力，水泥的配料造紙等方面都有不同程度的自適應控制作用，并取得了較好的效果。

在電力系統方面六十年代即出現對鍋護燃燒效率的優比控制，且在熱交換器上采用自適應控制技術使控制參數最優地適應發電機和各種負荷條件。到了七十年代自適應控制技術在火力發電站和水力發電站上的應用也獲得了成功，并在原子能電站上進行了試驗所究。

在電力拖動力面，已經用自適應控制對電動機的轉矩、轉速、位置和功率進行有效的的控制。目前，有人研究對交流感應電動機的轉速采用自適應控制以達到當系統在運行過程中其慣性、負載力矩、時間常數和系統增益在大范同內變化時，系統的動態相應應仍可保持在期望值附近的目的。在非化工業領域中，如社會、經濟、管理、生物、醫學等等方面包有了一些探索。近來，宏觀經濟系統的隨機最優化問題也引起了人們的注意。

我們完全可以預測，隨著控制理論和電子計算機技術的發展，自適應控制的應用將會愈來愈廣泛，所獲得的效益會愈來愈大。