自适应控制综述

自适应控制综述

一 前言

传统的控制理论与控制工程中，当对象是线性定常、并且完全已知的时候，才能进行分析和控制器设计。无论是采用频域方法还是状态空间方法对象一定是已知的。这类方法称为基于完全模型的方法。在模型能够精确的描述实际对象时，基于完全模型的控制方法可以进行各种分析、综合，并得到可靠、精确和满意的控制效果。因此，在控制工程中，要成功设计一个良好的控制系统，不论是通常的反馈控制系统或是最优控制系统，都需要掌握好被控系统的数学模型。

然而，有一些实际被控系统的数学模型是很难事先通过机理建模或离线系统辨识来确知的，或者它们的数学模型的某些参数或结构是处于变化之中的。对于这些事先难以确定数学模型的系统，通过事先鉴定好控制器参数的常规控制难以应付。

面对这些系统特性未知或经常处于变化之中而无法完全事先确定的情况，如何设计一个满意的控制系统，使得能主动适应这些特性未知或变化的情况，这就是自适应控制所要解决的问题。

自适应控制的基本思想是：在控制系统的运行过程中，系统本身不断的测量被控系统的状态、性能和参数，从而“认识”或“掌握”系统当前的运行指标并与期望的指标相比较，进而做出决策，来改变控制器的结构、参数或根据自适应规律来改变控制作用，以保证系统运行在某种意义下的最优或次优状态。

按这种思想建立起来的控制系统就称为自适应控制系统。自适应控制是主动去适应这些系统或环境的变化，而其他控制方法是被动地、以不变应万变地靠系统本身设计时所考虑的稳定裕度或鲁棒性克服或降低这些变化所带来的对系统稳定性和性能指标的影响。好的自适应控制方法能在一定程度上适应被控系统的参数大范围的变化，使控制系统不仅能稳定运行，而且保持某种意义下的最优或接近最优。

自适应控制也是一种基于模型的方法，与基于完全模型的控制方法相比，它所以来的关于模型和扰动的先验知识比较少，自适应控制策略可以在运行过程中不断提取有关模型的信息，自动地使模型逐渐完善。

不同的学者给予自适应控制不同的定义，但自适应控制系统必须具有三个特征或功能：

（1） 过程信息的在线积累

在线积累过程信息的目的i，是为了降低对被控系统的结构和参数值的原有的不确定性。为此，可用系统辨识的方法在线辨识被控系统的结构和参数，直接积累过程信息；也可通过测量能反映过程状态的某些辅助变量，间接积累过程信息。

（2） 可调控制器

可调控制器是指它的结果、参数或信号可以根据性能指标要求和被控系统的当前状态进行自动调整。这种可调性要求是由被控系统的数学模型的不定性决定的，否则就无法对过程实现有效的控制。

（3） 性能指标的控制

性能指标可分为开环控制方式和闭环控制方式两种。

自适应控制主要经历了以下发展历程：

（1）模型参考自适应方法

（2）自校正控制方法

（3）自适应系统的收敛性分析

（4）自适应控制的鲁棒性分析及鲁棒自适应控制

二 自适应控制的应用研究概况

1 自适应控制的应用研究现状

自适应控制引起人们的广泛关注，主要是由于生产实践和科学技术的不断发展对自动化提出了更高要求。至今，自适应控制不仅在工业领域取得了较大的成功，而且在社会、经济和医学等非工业领域也进行了有益的探索，出现了一些成功的应用实例。

1.1 在工业领域中的典型应用

（1）智能化高精密机电或电液系统控制

自适应控制在智能化高精密机电或电液系统中应用较多的有以下几个领域：机器人、不间断电源、电机或液压伺服系统等的控制。

（2）工业过程控制

工业过程自20世纪30年代后期以来已越来越依靠自动化装置，反馈控制是通用的控制方法，经历了从比例控制到智能控制的发展历程。最近30多年，自适应策略在工业过程控制中广泛的应用，主要包括化工过程、造纸过程、食品加工过程、冶金过程、钢铁制造过程、机械加工过程等应用领域。

北京机械工业学院曹荣敏将基于紧格式线性化的单入单出非线性离散时间系统的无模型学习自适应控制方法应用于带有时滞的pH值中和反应过程控制中，其性能好于传统的PID控制。大连理工大学张志军将两个多层模糊神经网络分别用于化工过程系统辨识和控制，通过在线训练神经网络，使模的精度提高，进而使控制性能大大提高，克服了模型不匹配和时变的影响。

山东大学隋青美等运用非线性系统的线性化方法与神经网络在线辨识技术，提出了一种基于神经网络的多变量自适应控制策略。当过程模型缺乏足够的经验知识时，该方法对多变量非线性连续发酵过程取得了良好的控制性能。卷烟工艺烘丝过程中烟丝含水率的变化具有较强的非线性、不确定性和大滞后特性，同时存在干扰和噪声。东华大学任正云采用无模型自适应控制器结合渐进辨识方法对烘丝过程的烟丝含水率控制系统进行改造，降低了干头干尾的数量，提高了卷烟生产质量。

（3）航天航空、航海和特种汽车无人驾驶

随着飞机性能的不断提升，尤其是宇宙飞船的出现，航天航空领域对自适应控制的兴趣日益增加。辛辛那提大学的Slater G.L.利用自适应方法大大改善了飞机在起飞阶段的爬升性能预测，这有利于飞机在爬升过程中与空中的其他飞行器合流。美国宇航局的Gupta Pramod等提出了利用贝叶斯方法查证将基于神经网络的自适应方法用于现代巡航导弹控制的安全与可靠性，并给出了在NASN的智能飞行控制系统中的模拟结果。

（4）柔性结构与振动和噪声的控制

密西根科技大学的Schultze John F.等对一种类似机翼的悬臂梁柔性结构采用自适应模型空间控制。对于时变系统，该控制器的频带较宽，且具有很好的解耦性能。

（5）电力系统的控制

电力系统是一个典型的高维数、强非线性的的复杂系统，它的数学模型中包含了众多不确定参数和难以建模的动态过程。自适应策略在电力系统控制中的应用主要包括锅炉蒸汽温度和压力调节、蒸汽轮机与燃气轮机的优化控制、发电机励磁系统控制、电力系统稳定器控制、互联电气系统发电量控制等方面。

此外，自适应理论还可以应用于功率调制器、继电保护等设备的设计与控制。华北电力大学朱永利和宋少群设计了基于广域网和多智能体的自适应协调保护系统，利用广域网实现电网广域信息的实时交换，基于多Agent系统实现保护动作之间的协调。

1.2 在非工业领域中的应用

自适应控制在非工业领域中的应用目前虽然不广泛，但已有成功应用的实例，显示出一定的前景。

（1）在社会、经济和管理领域中的应用

（2）在环境和生物医学领域中的应用

2 自适应控制研究中的理论问题

自适应控制常常兼有随机性、非线性和时变等特征，内部机理也相当复杂，所以分析这类系统十分困难。目前，已被广泛研究的理论课题有稳定性、收敛性和鲁棒性等，但取得的成果与人们所期望的还相差甚远。

1）稳定性

稳定性是一个控制系统设计中的首要目标，自适应控制系统设计亦如此。

2）收敛性

自适应控制系统的收敛性是指其自适应规律是否收敛于参数已知时的最优化控制规律。

Anderson在80年代初曾提出，缺乏系统持续激励的自适应系统，由于其自适应规律未能一致性收敛，则被控系统的输出将发生间歇性“喷发（bursting）”现象。因此，自适应系统的收敛性问题是一个相当重要的问题，它将关系到整个控制系统的性能。

3）鲁棒性

鲁棒性问题在早期的自适应方法理论研究中未引起重视，直到80年代初，Rohrs在其博士论文研究中首先系统讨论这个问题才逐渐引起重视。

粗略地说，系统的鲁棒性（robustness）是指系统的某种性能指标对系统内部和环境变化扰动或未建模动力学特性的不敏感性。如，所讨论的是系统的稳定性的不敏感性，则称为鲁棒稳定性。

自适应控制系统的鲁棒性主要是指：在存在扰动和未建模动力学特性的条件下，系统保持其稳定性和性能的能力。

3 当前应用中存在的问题

自适应控制虽然具有很大的优越性，可是经过了五十多年的发展，到目前为止其应用仍不够广，究其原因，主要是因为存在以下几方面的问题：

（1） 自适应控制理论上很难得到一般解，给推广应用带来了困难；

（2） 目前的参数估计方法都是在理想情况下随时间趋于无穷而逐渐收敛，而实际工程应用需要在有限时间内快速收敛的参数估计方法;

（3） 有些自适应控制器启动过程或过渡过程的动态性能不能满足实际要求；

（4） 控制精度与参数估计的矛盾；

（5） 低阶控制器中存在高频未建模；

（6） 测量精度直接影响控制器参数，进而影响系统性能。

4 自适应控制的发展方向

对应上述存在的问题，自适应控制研究领域在今后一段时期内的发展还需要从理论研究和工程实际应用两个方面继续努力，具体归纳为以下5个方面：

（1）在保证自适应控制精度的前提下，研究快速收敛的估计算法，探索工程实用方法以快速确定参数估计的初值与计算范围，解决启动与过度阶段的动态性能问题；

（2）研究鲁棒自适应控制方法，解决高频未建模问题；

（3）今后阶段应发展快速高效的全系数自适应控制方法，减少甚至取消现场调试；

（4）自适应控制方案的规范化，即进行有实际意义的分类研究，提出具有一定通用性的控制模型，同时对系统结构与组成进行规范化，从而增加系统的开放性与可移植性；

（5）研究组合自适应控制策略，主要有自适应PID控制和智能自适应控制。

三、总结

自适应控制技术在20世纪80年代即开始向产品过渡，在我国得到了较好的推广应用，取得了很大的经济效益。且理论研究也有一些开创性的成果。但总的来说推广应用还很有限，主要是由于其通用性和开放性严重不足。

虽然现已能设计出安全、有效、稳定、快速且现场操作比较简单的自适应控制系统，但今后较长一段时期内，相对简单实用的反馈、反馈加前馈或其他一些成熟的控制技术仍将继续占据实际应用的主流。

自适应控制理论必须有新的突破，才能在工程应用中对PID控制等传统方法取得显著的优势，结合人工智能技术，尤其是神经网络技术与模糊理论，或许是最终实现这一远景的可能途径。

参考文献

【1】曹荣敏，侯忠生.pH值中和反应过程的无模型学习自适应控制【J】.计算机工程与应用，2006,42（28）：191—194.

【2】张志军.模糊神经网络自适应控制在化工过程中的应用【J】.中南大学学报：自然科学版，2005（36）：100—103.

【3】隋青美，王正欧.基于神经网络的多变量发酵过程自适应控制【J】.信息与控制，2002,31（4）：371—374.

【4】任正云，晏小平，方维岚，等.烘丝过程烟丝含水率的MFA控制【J】.烟草科技，2005（6）：10—15.

【5】朱永利，宋少群.基于广域网和多智能体的自适应协调保护系统研究【J】.中国电机工程学报，2006,26（16）：15—20.

【6】徐立新，强文艺，王玉璨，等.发电用重型燃气轮机的模糊自适应控制【J】.哈尔滨工程大学学报，2005,26（2）：156—160.

【7】张风营，朱守真.基于强跟踪滤波器的自适应励磁控制器【J】.中国电机工程学报，2005,25（23）：31—35.

【8】孙宇新，刘贤兴.神经元控制器在数字调速系统中的实现和应用【J】.电工技术学报，2005,85—89.

【9】叶昌明，武俊德，贾春科.自适应控制投药设备及其方法【Z】.中国发明专利，CN1464346,2003.

【10】胡一倩，吕剑虹，张铁军.一类自适应模糊控制方法研究及在锅炉汽温控制中的应用【J】.中国电机工程学报，2003,23（1）：136—140.

本文来源：https://www.2haoxitong.net/k/doc/a5f7d00d77a20029bd64783e0912a21615797f07.html