第8章 智能控制在过程控制中的应用.pdf

第 8 章智能控制在过程控制中的应用

教学内容
本章首先讨论复杂工业过程控制发展及其智能控制方法的研究现状,
然后具体介绍具有典型意义的氧乐果合成过程智能控制方法的研究,以便
对智能控制的应用方法有一个比较完整的了解。主要内容:
1. 概述
2. 复杂工业过程控制的研究现状
3. 复杂过程智能控制方法的研究现状
4. 氧乐果合成反应温度智能控制
教学重点
工业过程智能控制系统的分析与设计。
教学难点
被控对象分析和控制算法设计。
教学要求
本章的学习需要预先掌握各种智能控制的基础知识、概念。要求掌握
被控对象分析和工业过程智能控制系统的设计。
概述
工业生产过程的自动控制在很多工业领域占有重要位置,控制效果的
优劣直接影响到产品的质量、产量和生产设备的运行寿命,影响到生产的
安全、稳定和工人的劳动强度,先进控制方法的研究具有明显的经济和社
会意义。对于简单过程系统,采用传统的经典或现代控制理论方法,可以
获得满意的控制效果。而对于复杂过程系统,由于其具有非线性、时变、
纯滞后、不确定等特性,采用传统的控制方法难以取得好的控制效果,因
此,其智能控制方法成为研究热点。
智能控制理论是继经典控制理论、现代控制理论之后发展起来的,是
控制理论发展新阶段的产物,其建立和发展是以众多新兴学科为基础的。
智能控制的基本出发点是采用人工智能方法对复杂、不确定性系统进行有
效控制。智能控制方法包括专家系统控制、模糊控制、神经网络控制和仿
人智能控制等,这几种方法各有其不同的特点,并已在不同领域中取得了
一些相当成功的应用,但这些方法在单独模拟人类智能活动时,又存在着
各自的局限性。因此,许多学者试图综合几种方法的优点,以克服各自的
局限性。
实际上,智能活动既有感知(直观、形象)活动,又有认知(逻辑)
活动,两者是密切相关的,而且又是可以互相转换的,也是符合生理和心
理现象的,神经网络计算和模糊逻辑推理恰恰反映了这两种活动的特性,
因此基于神经网络的模糊控制近年来逐渐成为研究的热点。模糊控制和神
经网络二者各自的优势在于:模糊控制易于获得由语言表达的专家知识,
能有效的控制难以建立精确模型而凭经验可控制的系统,而神经网络则由
于其仿生特性更能有效利用系统本身的信息,并能映射任意函数关系,具
有并行处理和自学习能力,容错能力也很强。在集成大系统中,神经网络
可用于处理低层感知数据,模糊逻辑可用于描述高层的逻辑框架。神经网
络和模糊系统均属于无模型控制器和非线性动力学系统,但神经网络适合
处理非结构化信息,而模糊系统对处理结构化的知识更有效。
模糊神经网络控制大致可分为三类,第一类是直接在神经网络的学习
模型中引入模糊逻辑推理的方法,使其具有直接处理模糊信息的能力;第
二类是利用神经网络功能及映射能力,去等效模糊系统中的各个模糊功能
块;第三类是把模糊系统和神经网络集成在一个系统中,以发挥各自的优
势。
专家系统是符号逻辑人工智能中一个最重要、最活跃的分支,但存在
知识获取的困难,而神经网络方法具有很强的自学习能力和自适应能力,
能够实现快速推理。因此将专家系统和神经网络方法集成应用,将能发挥
他们的综合优势。
在一些大型复杂系统中,采用单一的某种智能控制方法往往不能满足
控制要求,这时应考虑综合应用模糊控制、神经网络控制和专家系统控制
等方法的集成智能控制方法。
本章首先讨论复杂工业过程控制发展及其智能控制方法的研究现状,
然后具体介绍具有典型意义的氧乐果合成过程智能控制方法的研究,以便
对智能控制的应用方法有一个比较完整的了解。
复杂工业过程控制的研究现状
关于复杂工业过程,目前尚无统一定义。其复杂性可概括为两个方面:
客观复杂性和认识复杂性。前者是指客观工业过程中某种运动或性态跨越层
次后整合的、不可还原的新性态和相互关系;后者是指对客观工业过程中复
杂性的有效理解及其表达。但在实际工程中,有些专家认为,若工业过程受
行为变量影响很弱且过程主要由状态变量描述,可认为是一个简单系统,即
复杂工业过程的关键是由行为变量所致。按系统科学理论,工业过程有多种
分类方法:若组成工业过程系统的子过程或元部件比较少且其关系比较单
纯,则称为简单的工业过程;若组成工业过程系统的子过程或元部件很多或
非常大且其关系复杂,则称之为大系统工业过程;若在其中子过程的种类不
太多且关系又比较简单,一般可用线性或易于表达的非线性关系描述,则称
为简单大系统工业过程;若在其中子过程种类很多且关系复杂,递阶层次结
构复杂,子过程间又耦合很紧,一般又不可用线性或易于表达的非线性关系
描述