专家系统PID

本文的pdf文件：link

一、问题重述

       控制一个三阶传递函数的阶跃响应：
$$G_p(s)=523500/(s^3+87.35s^2+10470s)$$
       其中对象采样时间为1ms，采用专家PID设计控制器，在仿真的过程中，采样时间为0.001s，程序中的五条规则与控制算法的五种情况相对应。
       （1）编程实现上述系统的阶跃响应，画出输出波形
       （2）编程实现传统PID对上述系统的矫正结果（设置十组参数）
       （3）编程实现专家PID对上述系统的矫正结果

二、原理分析

2.1 系统函数

       根据三阶系统的传递函数，可以得到其图像，由于计算机中不存在真实连续的图像，所以设置采样间隔为0.001s，并得到系统函数图像。

2.2 阶跃响应

2.2.1单位阶跃函数

       其函数图像如图所示：

2.1.2 系统的阶跃响应

       阶跃响应是指系统在阶跃信号的作用下所产生的响应。根据matlab中的函数“step”，可以求解得到系统的阶跃响应。

2.2 传统PID

2.2.1 PID应用及特点

       PID控制是一种结构简单、稳定好、工作可靠、调整方便的方法，主要应用在被控对象的结构和参数不能完全掌握，或者得不到精确的数学模型时，控制理论的其它技术难以采用，系统控制器的结构和参数必须依靠经验和现场调试来确定的情况。

2.2.2 相关术语介绍

       反馈：系统的输出成为输入的部分，反过来作用于系统本身，从而影响系统的输出，反馈分正反馈和负反馈。
       开环：输入信号决定输出，输出不会影响系统输入。
       闭环：输出信号会被用来作为输入的一部分（反馈），输出影响系统的输入。

2.2.3 PID控制算法原理

       PID(proportion integration differentiation)是指比例，积分，微分控制。当得到系统的输出后，将输出经过比例，积分，微分3种运算方式，叠加到输入中，从而控制系统的行为，其运行流程如下图所示。

1、比例控制算法
       比例控制，假设一种情况下，需要系统一直保持一种状态，而初始状态下，该状态并未达到系统规定的状态，这时，当前时刻和目标状态之间存在一个误差error，这时需要外力来改变这个状态，以此来达到目标状态，设改变量为u，则比例控制指的是u和误差error成正比，即
$$u=k_p\ast error$$
       假设我们需要对一个系统进行控制，使得其最终状态保持在stata=1,初始情况下state=0.2.
       首先，假设一旦达到某个状态，系统就会一直维持该状态。根据上述的比例控制算法,假设$k_p$取0.5，error为0.8，那么t=1时（表示第一次对系统施加控制），那么$u=0.5\ast 0.8=0.4$，所以这一次会使状态在0.2的基础上增加0.4，达到0.6。接着，t=2时刻（第2次施加控制），当前状态是0.6，所以error是0.4。$u=0.5\ast 0.4=0.2$，会再次上升0.2，达到0.8。如此这么循环下去，就是比例控制算法的运行方法。
       但是，比例控制存在着一些不足，其中一点就是稳态误差，如上述的例子，根据$k_p$取值不同，系统最后都会达到1，只不过$k_p$大了到达的快，$k_p$小了到达的慢一些，不会有稳态误差。但是，考虑另外一种情况，假设系统在减小误差的过程中，还存在增大误差的情况，假设每次改变状态时，系统都会减少0.1，仍然假设$k_p$取0.5，那么会存在着某种情况，假设经过几次控制后，当前状态到0.8时，系统将不再变化，因为，系统为0.8，则误差error=0.2. 所以每次改变系统的量为$u=0.5\ast 0.2=0.1$，同时，每次系统又会减少0.1增加与减小相等，系统将不再变化。目标是1，但是最后系统达到0.8就不再变化了，且系统已经达到稳定，由此产生的误差就是稳态误差。
2、积分控制算法
       积分控制算法，该分量和误差的积分是正比关系。所以，比例+积分控制算法为：
$$u=k_p\ast error+k_i\ast \int error$$
       还是用上面的例子来说明，第一次的误差error是0.8，第二次的误差是0.4，至此，误差的积分（离散情况下积分其实就是做累加），$\int error=0.8+0.4=1.2$. 这个时候的控制量，除了比例的那一部分，还有一部分就是一个系数ki乘以这个积分项。由于这个积分项会将前面若干次的误差进行累计，所以可以很好的消除稳态误差，假设在仅有比例项的情况下，系统卡在稳态误差了，即上例中的0.8，由于加入了积分项的存在，会让输入增大，从而使得系统可以大于0.8，渐渐到达目标的1.0。
3、微分控制算法
       微分就是error的差值，就是t时刻和t-1时刻error的差，即
$$u=kd\ast （error（t）-error（t-1））$$
       其中的kd是一个系数项。可以看到，error越来越小，所以这个微分控制项一定是负数，在控制中加入一个负数项。
       切换到上面例子，就是当发现系统快要接近1的时候，加入微分项，可以防止系统加到超过1的高度，减少控制过程中的震荡
4、PID控制
$$U(t)=k_p(error(t)+1/t_1\int [error(t)dt+(T_{D}derror(t))/dt)]$$
       括号内第一项是比例项，第二项是积分项，第三项是微分项，前面仅仅是一个系数。很多情况下，仅仅需要在离散的时候使用，则控制可以化为

       每一项前面都有系数，将这些系数进行统一，即：

2.3 专家系统PID

2.3.1 专家系统

       专家系统是一个智能计算机程序，含有大量专家水平的知识和经验，能模拟人类专家的思维过程，求解困难问题。实际生活中，存在许多无法用数学模型或计算解决的问题，专家一般根据自己丰富的知识和经验进行推理从而解决问题。而专家系统正是模仿这一特点设计的。

专家系统的分类：
1，直接型专家系统

       直接专家控制器用于取代常规控制器，直接控制生产过程或被控对象，具有模拟延伸，扩展操作工人智能的功能。该控制器的任务和功能相对比较简单，但是需要在线，实时控制。
2，间接型专家系统

       用于和常规控制器相结合，组成对生产过程或被控对象进行简介控制的智能控制系统。

同一般的计算机应用系统相比，专家系统具有如下特点：
       （1）从处理的问题性质看，专家系统善于解决那些不确定性的，非结构化的，没有算法解或虽有算法解但是在现有的机器上无法实施的困难问题。
       （2）从处理问题的方法看，专家系统则是靠知识和推理来解决问题，所以，专家系统是基于知识的智能问题求解系统。

专家系统的特征
       （1）具有专家水平的知识：必须表示专家的技能和高度的技巧以及足够的鲁棒性。系统的鲁棒性是指不管数据正确与否，都能够得到正确的结论或者指出错误。
       （2）能进行有效的推理：能够运用专家的经验和知识进行搜索、推理。
       （3）具有透明性：在推理时，不仅能够得到答案，而且还能给出推理的依据。
       （4）具有灵活性：知识的更新和扩充灵活方便。
       （5）复杂性：人类的知识可以定性或定量的表示，专家系统经常表现为定性推理和定量计算的混合形式，比较复杂。

       专家系统是一个具有大量专门知识与经验的程序系统，根据某个领域的专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程。

2.3.2 专家系统的开发步骤

1，问题识别阶段
       知识工程师和专家确定问题的重要特点，抓住问题各主要方面的特征。
2，概念化阶段
       主要任务是揭示描述问题所需的关键概念，关系和控制机制，子任务，策略和有关问题求解的约束。
3，形式化阶段
       把概念化阶段概括出来的关键概念，子问题和信息特征形式化的表示出来。
4，实现阶段
       把形式化知识变成计算机的软体，即要实现知识库，推理机，人机接口和解释系统。
5，测试阶段
       通过运行实例评价原型系统以及用于实现它的表达形式，从而发现知识库和推理机制的缺陷。

2.3.3 控制过程

       PID专家控制的实质是，基于受控对象和控制规律的各种知识，无需知道被控对象的精确模型，利用专家经验来设计PID参数。专家PID控制是一种直接型专家控制器。
       典型的二阶系统单位阶跃响应误差曲线如图所示：

       专家整定PID控制系统

       具体控制过程

       流程图如图所示：

三、结果求解

3.１ 传统PID矫正

       由上述公式可知，传统PID控制需要自行设定其参数，分别为$k_p$，$K_i$和$K_d$，每个参数都对结果有影响，所以采用控制变量法，分别分析独立参数变化时系统阶跃响应的矫正结果。

3.1.1 $k_p$改变，$K_i$和$K_d$保持不变

       设置$k_p$=[0.2,0.25,0.3,0.35],分别得到其对系统的矫正，如图所示：

       其中蓝色代表输入，红色代表输出，绿色代表误差曲线，可以看到，随着$k_p$的增大，误差逐渐减小，例如当$k_p$=0.2时，误差会超过0.5，但是当$k_p$=0.35时，误会超过，且最终达到的稳态与目标状态更加接近。

3.1.2 $K_i$改变，$k_p$和$K_d$保持不变

       设置$K_i$=[0.1,0.15,0.2,0.25],分别得到其对系统的矫正，如图所示：

       其中蓝色代表输入，红色代表输出，绿色代表误差曲线.

3.1.3 $K_d$改变，$k_p$和$K_i$保持不变

       设置$K_d$=[0,0.001,0.005,0.01],分别得到其对系统的矫正，如图所示：

       其中蓝色代表输入，红色代表输出，绿色代表误差曲线.

3.2 专家系统PID矫正

       使用专家系统对上述系统进行矫正，结果如图：

四、结果分析

       对比上述两种不同的控制方法，我们可以得到其分别对于系统阶跃响应的矫正，根据图像可知，在传统PID中，矫正过程的持续时间过长，且不同的参数对于结果的影响也比较大，但是针对参数的设置，并未有有效的方法，只能不断的试错，以此达到比较好的控制结果，而且该系统一旦设置很难迁移，在其他场景下就需要另外选择参数。而专家系统PID是根据专家知识来得到的，具有可扩展性。