1、自適應控制系統綜述 摘要： 本文首先介紹了自動控制的基本理論及其發展階段，然后提出自適應 控制系統，詳細介紹了自適應控制系統的特點。最后描述的是自適應控在 神經網絡的應用和存在的問題。 關鍵字 ：自適應控制神經網絡 引言 控制系統的定義 自動控制原理是指在沒有人直接參與的情況下，利用外加的設備或裝 置，使機器，設備或生產過程的某個工作狀態或參數自動地按照預定的規 律運行。 在不同的控制系統中，可能具有各種不同的系統結構、被控對象，并 且其復雜程度和環境條件也會各不相同，但他們都具有同樣的控制目地： 都是為了使系統的狀態或者運動軌跡符合某一個預定的功能性能要求。其 中，被控對象的運動狀態或者運動

2、軌跡稱為被控過程。被控過程不僅與被 控系統本身有關，還與對象所處的環境有關。控制理論中將控制系統定義 為由被控系統及其控制器組成的整體成為控制系統。 控制理論的發展階段 控制理論發展主要分為三個階段： 一：20 世紀 40 年代末 -50 年代的經典控制理論時期， 著重解決單輸入 單輸出系統的控制問題， 主要數學工具是微分方程、 拉氏變換、 傳遞函數； 主要方法是時域法、頻域法、根軌跡法；主要問題是系統的穩、準、快。 二： 20 世紀 60 年代的現代控制理論時期，著重解決多輸入多輸出系 統的控制問題，主要數學工具是以此為峰方程組、矩陣論、狀態空間法主 要方法是變分法、極大值原理、動態規劃理論

3、；重點是最優控制、隨即控 制、自適應控制；核心控制裝置是電子計算機。 三： 20 世紀 70 年代之后的先進控制理時期，先進控制理論是現代控 制理論的發展和延伸。先進控制理論內容豐富、涵蓋面最廣，包括自適應 控制、魯棒控制、模糊控制、人工神經網絡控制等。 自適應控制系統 自適應控制的簡介 在反饋控制和最優控制中，都假定被控對象或過程的數學模型是已知 的，并且具有線性定常的特性。實際上在許多工程中，被控對象或過程的 數學模型事先是難以確定的，即使在某一條件下被確定了的數學模型，在 工況和條件改變了以后，其動態參數乃至于模型的結構仍然經常發生變化。 在發生這些問題時，常規控制器不可能得到很好的控制

4、品質。為此， 需要設計一種特殊的控制系統，它能夠自動地補償在模型階次、參數和輸 入信號方面非預知的變化，這就是自適應控制。 自適應控制的研究對象是具有一定程度不確定性的系統，這里所謂的 不確定性”是指描述被控對象及其環境的數學模型不是完全確定的，其中 包含一些未知因素和隨機因素。 任何一個實際系統都具有不同程度的，這些不確定性有時表現在系統 內部，有時表現在系統的外部。從系統內部來講，描述被控對象的數學模 型的結構和參數，設計者事先并不一定能準確知道。作為外部環境對系統 的影響，可以等效地用許多擾動來表示。這些擾動通常是不可預測的。此 外，還有一些測量時產生的不確定因素進入系統。面對這些客觀存

5、在的各 式各樣的不確定性，如何設計適當的控制作用，使得某一指定的性能指標 達到并保持最優或者近似最優，這就是自適應控制所要研究解決的問題。 自適應控制和常規的反饋控制和一樣，也是一種基于數學模型的控制 方法，所不同的只是自適應控制所依據的關于模型和擾動的先驗知識比較 少，需要在系統的運行過程中去不斷提取有關模型的信息，使模型逐步完 善。具體地說，可以依據對象的輸入輸出數據，不斷地辨識模型參數，這 個過程稱為系統的在線辯識。隨著生產過程的不斷進行，通過在線辯識， 模型會變得越來越準確，越來越接近于實際。既然模型在不斷的改進，顯 然，基于這種模型綜合出來的控制作用也將隨之不斷的改進。在這個意義 下

6、，控制系統具有一定的適應能力。比如說，當系統在設計階段，由于對 象特性的初始信息比較缺乏，系統在剛開始投入運行時可能性能不理想， 但是只要經過一段時間的運行，通過在線辯識和控制以后，控制系統逐漸 適應，最終將自身調整到一個滿意的工作狀態。再比如某些控制對象，其 特性可能在運行過程中要發生較大的變化， 但通過在線辯識和改變控制器 參數，系統也能逐漸適應。 常規的對于系統內部特性的變化和外部擾動的影響都具有一定的抑 制能力，但是由于控制器參數是固定的，所以當系統內部特性變化或者外 部擾動的變化幅度很大時，系統的性能常常會大幅度下降，甚至是不穩定。 所以對那些對象特性或擾動特性變化范圍很大，同時又要

7、求經常保持高性 能指標的一類系統，采取自適應控制是合適的。但是同時也應當指出，自 適應控制比常規反饋控制要復雜的多，成本也高的多，因此只是在用常規 反饋達不到所期望的性能時，才會考慮采用。 自適應控制的特征 一個自適應控制系統必然具有三個基本特征： (a) 過程信息的在線積累 在線積累過程信息的目的，是為了降低受控系統原有的不定性。為此 可用系統辨識的方法在線辨識受控系統的結構和參數，直接積累過程信息; 也可通過量測能反映過程狀態的某些輔助變量，間接積累過程信息。在系 統辨識中，結構辨識比參數估計困難得多。 (b) 可調控制器 可調控制器是指它的結構、參數或信號可以根據性能指標要求進行自 動調

8、整。這種可調性要求是由受控系統的不定性決定的，否則就無法對過 程實現有效的控制。 (C)性能指標的控制 性能指標的控制可分為開環控制方式和閉環控制方式兩種。若與過程 動態相關聯的輔助變量可測，而且此輔助變量與可調控制器參數之間的關 系又可根據物理學的知識和經驗導出，這時就可通過此輔助變量直接調整 可調控制器，以期達到預定的性能指標。這就是性能指標的開環控制，它 的特點是沒有根據系統實際達到的性能指標再作進一步的調整。與開環控 制方式不同，在性能指標的閉環控制中，還要獲取實際性能與預定性能之 間的偏差信息，將其反饋后修改可調控制器，直到實際性能達到或接近預 定性能為止。 如何提高控制系統的自適應

9、速度，如何優化自適應控制的過程以及如 何既能保證性能而又簡化算法是自適應控制的一個重要問題。在其算法的 研究中主要是控制策略的參數化問題；它通常研究的問題是如下三個方面: 如何使控制結構盡可能的簡單；怎樣減少對系統所要求的先驗知識以及盡 可能的使系統所要求的先驗知識有其物理意義；如何減少要辨識的參數的 個數。 從參數估計的角度，自適應控制分為間接自適應控制和直接自適應控 制。在間接自適應控制系統中，控制對象的參數被實時估計，并通過解 Diophantine 方程計算出控制器的參數應用于下一時刻的控制規律中。 直接 自適應控制的核心思想是將估計模型按控制器的參數重新參數化，它不需 要解 Diop

10、hantine 方程而直接在線估計控制器參數以及其它附加參數。相 比較而言，間接自適應控制雖然估計參數較少，但是需要在線解 Diophantine 方程； 而直接自適應控制器的計算相對簡單， 可以提供更快的 自適應調節。因此更加適合實時地控制對象。由于本課題的被控對象傳遞 函數的特點，重新參數化比較簡單。所以擬定選用直接自適應控制方法設 計給予確定性等價準則的傳統自適應極點配置控制器，并在此基礎上設計 謹慎和雙重特性的修正 自適應控制的應用及存在的 問題 自適應控制在神經網絡的應用 在現實生活中，任何一個實際系統都具有不同程度的不確定 性，這些不確定性表現在被控過程或對象的特性時刻發生變化，

11、變化規律難以掌握，同時還有各種各樣的隨機干擾作用在系統上， 這些影響通常是不可預測的。如何設計適當的控制作用，通過輸 入、輸出信息，實時的掌握被控對象和系統誤差的動態特性，并 根據其變化情況及時掌握調節控制量，使系統性能指標達到并保 持最優或者近似最優， 這就是自適應控制所要研究解決的問題。 人工神經網絡是人們在模仿人腦處理問題的過程中發展起 來的一種新型智能信息處理理論， 它通過大量神經元的簡單處理 單元構成非線性動力學系統，對人腦的形象思維、聯想記憶等進 行模擬和抽象，實現與人腦相似的學習、識別、記憶等信息處理 能力，其特點包括具有很強的自學習性、自組織性、容錯性、高 度非線性、高度魯棒性

12、、聯想記憶功能推理意識功能等。自適應 控制系統本質上是一個非線性隨機控制系統，很難為其找到合適 的數學模型，傳統的方法難以對其進行控制。由于神經網絡已被 證明具有很強適應能力和逼近任意連續有界非線性函數的能力， 它在解決高度非線性和嚴重不確定系統的控制方面顯示出它強 大的優越性， 神經網絡自適應控制是基于自適應的基本原理， 利 用神經網絡的特點和理論設計而成的，發揮了自適應與神經網絡 的各自長處，為非線性控制的研究提供了一種新方法。它與自適 應控制的完美結合，使控制領域的發展邁向了一個新的臺階。 神經網絡自適應控制從本質上講，實際上是基于神經網絡理 論的自校正控制或模型參考自適應控制。 自校正

13、控制根據對系統 正向和( (或) )逆模型辨識結果，直接按自適應規律調節控制器結構 參數，使系統滿足既定的性能指標。 而在模型參考自適應控制中， 閉環控制系統的期望性能則有一個穩定而優良的參考模型來描 述，其控制目標是使被控對象的輸出響應 y(t)y(t)致漸近地趨于參 考模型的輸出響應 dy(t)dy(t)，即神經網絡用于自適應控制主要有兩種 方式：一種是利用人工神經網絡的逼近能力，描述被控對象的數 學模型；二是充當控制器，其控制作用的調整依賴于網絡權系數 的改變，通過網絡訓練，完成將信號從網絡輸入端到輸出端的映 射，為被控對象提供適當的控制量。神經網絡自適應控制與一般 自適應方法的區別在于

14、： (1 1)在模型參考控制中，參考模型由神 經網絡代替。與常規自適應控制比較自適應控制理論的目標是設 計一個靈活的控制器，它能夠考慮未知參數的變化，自動調節控 制器的增益。而常規的自適應控制器為了獲得良好的控制效果， 需要在系統中加入白噪聲信號，辨識過程往往會出現飽和麻痹現 象，影響辨識效果和跟蹤速度。利用了神經網絡則可解決這一問 題。因為神經網絡具有自學習、受訓練的特點，它可以正確地提 取受控對象的模型參數，并具有較強的抗干擾能力和容錯能力， 提高控制器的性能。 神經網絡自適應控制存在的問題 1. 穩定性問題 穩定性是控制系統設計的基本準則，但是神經自適應控制系統的穩定 性分析難度極大。這

15、是因為要處理的非線性對象的模型一般是具有嚴重非 線性和不確定性的復雜系統，而神經網絡本身又是一個大規模非線性系統， 由它們按一定方式組織起來的神經控制系統具有更為復雜的動力學特性。 目前已有的神經網絡自適應控制研究的主要問題是： 基于 lyapunov 函數來 證明神經網絡自適應控制系統的穩定性的方法，已經被應用于一些簡單的 非線性系統，即仿射非線性系統之中，但是，在工程中遇到的非線性系統 大多是非仿射的。 2. 魯棒性問題 在自適應控制系統的設計中，根據魯棒性要求所設計的系統比單純按 收斂性和穩定性指標所設計的系統具有更好的控制效果。目前，對于非線 性控制系統的魯棒性已有許多研究結果，一般是針對一類仿射非線性系統 進行的，對于系統的條件限制較嚴，目前的研究成果很難應用于實際的非 線性控制系統中去，故其魯棒性研究具有重要的理論和應用意義。 3. 控制的實時性問題 神經網絡自適應控制是采用先離線辨識，再在線控制的方式，這樣比 在線建模方式控制效果好，但實時性較差。同時，神經網絡的學習速度一 般都比較慢，為滿足實時控制需要，必須研究快速的學習算法，使其能同 時保證實時性與控制效果 ,這仍是一個難題。 總結 自適應控制已經提出半個多世紀了，在各個領域得到了廣泛的應用， 本文提到的神經網絡自適應控制系統，就是其中的一個應用。 參考文獻 1 2 3 4 5 袁震東 .自適應控制的