自适应控制的研究及应用综述

自适应控制的研究及应用综述摘要：本文在查阅相关资料的基础上对自适应控制的研究内容和应用概况进行了较系统的总结。自适应控制成为一个专门的研究课题已超过50年了，至今，自适应控制已在很多领域获得成功应用，证明了其有效性。存在的问题主要是其通用性和开放性严重不足，导致其推广应用至今仍受限制，但现在已能设计出安全、稳定、快速、有效、对现场操作人员无过高要求的自适应系统。结合神经网络、模糊逻辑等人工智能技术是今后一段时期内可能的理论和应用研究方向。关键词：自适应控制；收敛性；鲁棒性；规范化一、自适应控制的由来在控制工程中，控制的目标是设计控制器使被控对象满足某种性能指标，或使系统运动轨迹按某种理想的轨迹运行，达到一种最优的运行状态。在线性系统理论和最优控制理论中，人们对这些问题进行了深入的研究，得到了非常丰富的成果，形成了完整的理论体系。不过，这里要求被控对象的模型都是已知的，并且在多数情况下还要求被控对象具有线性是不变的特征。在实际的控制过程中，控制对象往往存在不确定性。有时人们对被控对象的数学模型了解并不完全，模型结构存在某种不确定性；或者是对模型结构（如模型的阶数、传递函数零极点的个数等）已经了解，但是由于环境、工况的影响，被控对象模型的参数可能在很大范围内发生变化。当系统存在不确定性时，按照确定性数学模型所涉及的控制器就不可能得到良好的控制性能，有时系统会出现不稳定的现象。因此，需要一种新的控制系统，她能够自动补偿系统由于过程对象的参数，环境的不定性而造成的系统性能的变化，自适应控制系统应运而生。二、自适应控制系统的定义自适应控制系统尚没有公认的统一定义，一些学者针对比较具体的系统构成方式提出了自适应控制系统的定义。有些定义得到了自适应控制研究领域广大学者的认同。下面介绍两个影响比较广泛的定义。定义1（Gibson，1962年）一个自适应控制系统应提供被控对象当前状态的连续信息，即辨识对象；将当前系统性能与期望性能或某种最优化指标进行比较，在此基础上做出决策，对控制器进行实时修正，使得系统趋向期望性能或趋于最优化状态。定义2（Landau，1974年）一个自适应系统，应利用可调系统的各种输入-输出信息来度量某个性能指标，然后将测量得出的性能指标与期望指标进行比较，由自适应机构来修正控制器的参数或产生一个辅助信号，以使系统接近规定的性能指标并保持。定义1和定义2实际上规定了两类最重要的自适应控制系统：自校正系统和模型参考自适应控制系统。它们的区别在于：定义1所规定的系统需要对系统进行辨识，定义2所规定的系统不需要进行显示的辨识；定义1要求自适应系统按照某种最优指标做出决策，定义2不要求进行显式的决策，而将其隐含在某种已知的（通过参考模型表示）性能指标之中。不过两者的基本思想都是一致的。三、自适应系统的特征1.过程信息的在线积累。信息在线积累的目的是为了降低被控对象模型参数的不定性，基本方法是采用系统辨识，在线辨识被控对象模型参数。对于模型参考自适应控制系统来说，没有显式的辨识过程，但是通过比较对象输出和参考模型输出这一方式，将信息在线积累用一种隐式的方式来表示。2.性能指标控制决策。根据实际测量得到的系统性能与期望性能之间的偏差信息，决定控制策略，以使得系统的性能逐渐接近期望的性能指标并加以保持。3.可调控制器的修正。根据控制策略，在线修正可调控制参数，或产生一个辅助的控制信号，实现自适应控制的目标。具有上述特征的自适应控制系统的功能框图如下图所示。它由性能指标测量、比较与决策、自适应机构、可调系统等几个功能模块组成。图1自适应控制系统功能框图四、自适应控制系统的类型按照自适应控制系统的基本结构组成，一般可分为两类，一类是模型参考自适应系统（modelreferenceadaptivecontrolsystem,MRAC）；一类是自校正系统（self-tuningsystem）。1.模型参考自适应系统模型参考自适应系统是一类重要的自适应控制系统。它的主要特点是自适应速度较快，实现比较容易，既可以用数字方式实现，也可以用模拟方式实现。模型参考自适应控制系统在许多领域中获得应用。图2是模型参考自适应控制系统的典型结构图。其中参考模型是一个辅助系统，用来规定希望的性能指标。输入信号同时作用于参考模型和可调系统，参考模型的输出就是期望的输出。可调系统的输出与参考模型的输出之间的误差构成了广义误差信号，自适应机构根据广义误差及某一准则，调整控制器参数或施加一个辅助控制信号，以使广义误差的某个泛函趋于技校或使广义误差趋于零。这样，使得可调系统的特性足部逼近参考模型的特性。模型参考自适应控制系统的设计方法有局部参数优化方法、基于Lyapunou稳定性理论的设计方法和基于超稳定性理论的设计方法。图2自适应控制系统2.自校正控制系统自校正控制系统是一类比较重要的自适应控制系统。自校正控制一般应用于被控对象参数缓慢变化的场合，系统因此需要具有被控对象数学模型的在线辨识环节，根据辨识得到的模型参数和预先确定的性能指标，惊醒在线的控制器参数修正，一适应被控对象的变化。自校正控制主要采用两类控制方式。其一是基于优化性能指标来设计自校正控制系统；其二是基于常规控制策略设计自校正系统。无论哪一种方法都需要在线进行参数估计。在控制器的设计中采用确定性等价的原则，即把估计得到的系统参数当做真实参数，一次为依据来设计自校正控制器。图3自校正控制系统五、自适应控制的理论问题自适应控制系统是一个非线性时变系统，对于自校正控制系统来说，系统还常常兼有随机干扰或量测噪声等多种特征，内部的机理十分复杂。分析这类系统需要解决很多理论上的难题，有些课题还在处于研究阶段。目前被广泛研究的课题主要有稳定性、收敛性和鲁棒性等。1.稳定性保证控制系统的稳定性是系统工作的前提条件，也是自适应控制系统正常工作的最重要的基本要求和前提条件。即使对于参数缓变的线性被控对象而设计的自适应控制系统，也是一个非线性时变系统的，对于非线性被控对象，其自适应控制系统更为一个复杂的非线性时变系统。要分析这种复杂的非线性系统的稳定性，是一个较大的理论性课题。2.收敛性收敛性是自适应算法的一个量度的指标，一个地推的自适应控制算法呗称为是收敛的，是指这个自适应算法可以渐近的达到预定的目标，并保证系统所有变量的有界性。收敛性分析一般用于自校正控制系统参数估计可控制算法的分析。收敛性对于自适应控制具有重要的意义，如果一个自适应算法被证明是收敛的，哪怕在推导过程中采用了某些理想的假设，也可以提高该算法在实际应用中的可信度。收敛性还可以用做比较不同的自适应算法的优劣，为改进算法之处必要的途径。3.鲁棒性鲁棒性是指被控制系统存在为建模动力特性和扰动的条件下，能够保持稳定性及系统性能指标的能力。控制系统的鲁棒性自20实际80年代以来一直是控制理论的界的研究热点之一。目前对于现行控制系统的鲁棒性研究已经有了丰富的结果，但对于现行系统的鲁棒性控制，研究成果还不完善，还是一个具有很强挑战性的课题。六、自适应控制的应用概况20世纪70年代以来，随着微电子技术、计算机技术的发展、廉价的微型计算机、微处理器器应用越来越广泛，自适应控制在工程界、飞行器控制等领域得到应用，而这些应用也进一步促进了自适应控制技术的发展。例如，智能化高精密机电或电液系统控制、工业过程控制、航天航空航海和特种汽车无人驾驶、柔性结构与振动和噪声的控制和电力系统的控制。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。七、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；控制精度与参数估计的矛盾；4.低阶控制器中存在高频未建模；5.测量精度直接影响控制器参数，进而影响系统性能。八、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。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]刘小河，管萍.自适应控制理论及应用[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]YaoBin．Adaptiverobustcontrol：Theoryandapplicationstointegrateddesignofintelligentandprecisionmechatronicsys·terns[C]．Proceedings∙InternationalConferenceonInteBigentMechatronicsandAutomation，2004，35—4o．[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]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.[8]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.[9]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.