自動化專業(yè)概論課件4

第四章基本控制方法4.1自動控制系統(tǒng)行為描述第四章基本控制方法4.1自動控制系統(tǒng)行為描述10urtufuf圖4.1自動控制系統(tǒng)中被控制量的振蕩0urtufuf圖4.1自動控制系統(tǒng)中被控制量的振蕩2

從圖4.1上可以看出電爐爐膛溫度uf在t=0冷工件進入后，稍后溫度開始下降，接著就開始產(chǎn)生力圖校正誤差的控制作用（圖上曲線上的向上箭頭，表示電爐受到的新增電能供應）。從圖4.1上可以看出電爐爐膛溫度uf在t3

當uf向上升并與ur的橫線相交時uf=ur，△u=0，此時放大器輸出為0，電動機降速至停止轉(zhuǎn)動。一個能穩(wěn)定的爐溫控制系統(tǒng)的爐膛溫度的變化曲線，如圖4.2所示。當uf向上升并與ur的橫線相交時uf=ur，△4圖4.2穩(wěn)定的爐溫調(diào)節(jié)系統(tǒng)的爐溫變化0urtufuf圖4.2穩(wěn)定的爐溫調(diào)節(jié)系統(tǒng)的爐溫變化0urtufuf5

顯然，不穩(wěn)定的自動控制系統(tǒng)不能正常工作，而且系統(tǒng)處在振蕩過程中，環(huán)節(jié)或元件很易損壞。顯然，不穩(wěn)定的自動控制系統(tǒng)不能正常工作，而且系統(tǒng)6圖4.3放大器的輸出——輸入時間特性0電壓時間t輸出電壓輸入電壓圖4.3放大器的輸出——輸入時間特性0電時間t輸出電壓輸入7圖4.4電動機的輸出——輸入時間特性0電動機轉(zhuǎn)角時間t輸出-輸出特性輸入電壓圖4.4電動機的輸出——輸入時間特性0電動機轉(zhuǎn)角時間t輸出8圖4.5電爐的輸出——輸入時間特性0溫度時間t爐溫的時間特性電壓圖4.5電爐的輸出——輸入時間特性0溫度時間t爐溫的時間特94.2反饋控制和擾動補償

另一種消除被控制對象由于外界擾動引起誤差的方法，稱為擾動補償。4.2反饋控制和擾動補償另一種消除被10

這個補償原理只能補償已設(shè)計有前饋通道的擾動。但是在自動控制系統(tǒng)中存在著多種擾動。這個補償原理只能補償已設(shè)計有前饋通道的擾動。但是在11圖4.6復合自動控制系統(tǒng)框圖給定環(huán)節(jié)被控對象反饋環(huán)節(jié)控制器放大環(huán)節(jié)執(zhí)行環(huán)節(jié)給定輸入誤差反饋信號輸出擾動擾動測量擾動補償++-圖4.6復合自動控制系統(tǒng)框圖給定環(huán)節(jié)被控對象反饋環(huán)節(jié)控制器124.3比例積分微分控制dedt1TiP

=

K(

e

+

Td+∫edt

)4.3比例積分微分控制de1P=K(e+Td+13圖4.7在控制規(guī)律中引入微分0urtufuf圖4.7在控制規(guī)律中引入微分0urtufuf14圖4.8有穩(wěn)態(tài)誤差的被控量uf曲線0urtufuf靜差圖4.8有穩(wěn)態(tài)誤差的被控量uf曲線0urtufuf靜差154.4最優(yōu)控制

對于一個自動控制系統(tǒng)的設(shè)計和構(gòu)成，自然會提出一定的技術(shù)要求（指標），例如系統(tǒng)必須是穩(wěn)定的。4.4最優(yōu)控制對于一個自動控制系統(tǒng)16

通過設(shè)計控制作用要使這個技術(shù)指標達到極值（極大或極?。＿@樣的控制稱為最優(yōu)控制（optimalControl），它的控制作用的變化規(guī)律是唯一的。通過設(shè)計控制作用要使這個技術(shù)指標達到極值（極大或17

最優(yōu)控制器飛行器圖4.9最省燃料的開環(huán)控制

最優(yōu)控制有開環(huán)和閉環(huán)兩種結(jié)構(gòu)形式。最優(yōu)控制器飛行器圖4.9最省燃料的開環(huán)控制18圖4.10最優(yōu)控制器實現(xiàn)線性狀態(tài)反饋被控對象最優(yōu)控制ux圖4.10最優(yōu)控制器實現(xiàn)線性狀態(tài)反饋被控對象最優(yōu)控制ux19

開環(huán)最優(yōu)控制器的設(shè)計要應用JI.龐特里亞金的極大值原理(MaximumPrinciple)和R.貝爾曼的動態(tài)規(guī)劃(DynamicProgramming)等方法。閉環(huán)最優(yōu)控制器的設(shè)計要應用R.卡爾曼的二次型性能指標的線性狀態(tài)反饋(LinearStateFeedback)律方法。開環(huán)最優(yōu)控制器的設(shè)計要應用JI.龐特里204.5自適應控制

自校正控制則以辨識器來代替自適應控制器，由辨識器求出數(shù)學模型，根據(jù)模型的變化來改變反饋控制器參數(shù)。以下以4.2節(jié)所討論的大型顯像管玻璃爐來作為實例。4.5自適應控制自校正控制則以辨識器來代替自適應21圖4.11顯像管玻璃爐側(cè)視圖312●●●●●●●●△△△△△△ABC工作池E料道口溶解池△圖4.11顯像管玻璃爐側(cè)視圖312●●●●●●●●△224.6智能控制

對于許多復雜的被控對象和它的外界環(huán)境，難以建立有效的數(shù)學模型和采用常規(guī)的經(jīng)典或現(xiàn)代控制理論去進行定量計算和分析、設(shè)計。4.6智能控制對于許多復雜的被控對象和它的外23

智能控制具有人工智能、控制論和運籌學(OperationalResearch)等形成交叉學科的特點和定量與定性相結(jié)合的分析方法特點。智能控制→復雜系統(tǒng)控制問題智能控制具有人工智能、控制論和運籌學(Opera244.6.1專家控制系統(tǒng)

這是由那些解決專門問題非常熟悉的專家的大量知識和經(jīng)驗里，建立起來的計算機程序系統(tǒng)，它能進行推理和判斷，模擬人類專家的決策過程。專家控制→一類復雜控制問題4.6.1專家控制系統(tǒng)這是由那些解決專門問題25

現(xiàn)以圖3.4的自動控制系統(tǒng)為例，來說明基于專家控制器的工業(yè)過程專家控制系統(tǒng)。由專家系統(tǒng)構(gòu)成的專家控制器示明在圖4.12上?，F(xiàn)以圖3.4的自動控制系統(tǒng)為例，來說明基于專家控26圖4.12專家控制器的結(jié)構(gòu)特征識別信息處理推理機（IE）控制規(guī)則集對象和執(zhí)行機構(gòu)知識庫（KB）反饋環(huán)節(jié)IGKSUYReu專家控制器圖4.12專家控制器的結(jié)構(gòu)特征識別推理機控制對象和知識庫（27

虛線框所示為專家控制器代替專家的手動控制。它由特征識別與信息處理部分、推理機(InferenceEngine)、知識庫(KnowledgeBase)和控制規(guī)則集組成。虛線框所示為專家控制器代替專家的手動控制。它由特284.6.2模糊控制系統(tǒng)

模糊控制和專家系統(tǒng)控制一樣，兩者都要建立操作人員的經(jīng)驗和決策行為的模型；兩者都含有知識庫和推理機。所不同的是在模糊控制系統(tǒng)中采用的是模糊知識表示和模糊推理方法。4.6.2模糊控制系統(tǒng)模糊控制和29

模糊控制的基本結(jié)構(gòu)，如圖4.13所示。它由模糊化接口、知識庫、推理機和模糊判決接口組成。模糊控制→一類復雜控制問題模糊控制的基本結(jié)構(gòu)，如圖4.13所示。它由模糊化30模糊化接口推理機模糊判決接口過程+-設(shè)定輸入輸出數(shù)據(jù)庫規(guī)則庫知識庫傳感器模糊控制器圖4.13模糊控制的基本結(jié)構(gòu)模糊化接口推理機模糊判決接口過程+設(shè)定輸入輸出數(shù)據(jù)庫規(guī)則庫知314.6.3神精網(wǎng)絡(luò)控制系統(tǒng)

人工神經(jīng)元由計算機模擬一個生物神經(jīng)元，如圖4.14所示。4.6.3神精網(wǎng)絡(luò)控制系統(tǒng)人工神經(jīng)32Σf()yjθ-1x1xnx2Wj1Wj2Wjn...圖4.14神經(jīng)元模型Σf()yjθ-1x1xnx2Wj1Wj2Wjn...圖33

該神經(jīng)元單元由多個輸入xi,i=1,2,…,n和一個輸出y組成。Wji是各個輸入信號相應的權(quán)重。當輸入信號的加權(quán)和大于某閾值θ時，人工神經(jīng)元就被激發(fā)，有輸出yj。該神經(jīng)元單元由多個輸入xi,i=1,34

圖4.15所示為常用的一種前饋多層網(wǎng)絡(luò)。前饋神經(jīng)網(wǎng)絡(luò)具有多層結(jié)構(gòu)，至少為三層，即輸入層、隱層和輸出層。復雜的前饋神經(jīng)網(wǎng)絡(luò)有一個以上的隱層。圖中的小圓圈代表神經(jīng)元。圖4.15所示為常用的一種前饋多層網(wǎng)絡(luò)。前饋神經(jīng)35?????????x1x2xnw11wnny1y2yn反向傳播輸入層隱層輸出層圖4.15前饋多層網(wǎng)絡(luò)?????????x1x2xnw11wnny1y36

神經(jīng)元從一層聯(lián)結(jié)到下一層，不存在同層神經(jīng)元間的聯(lián)結(jié)。人工神經(jīng)網(wǎng)絡(luò)通過加以訓練（學習），可以在自動控制系統(tǒng)中起重要的作用，已經(jīng)在神經(jīng)網(wǎng)絡(luò)控制中廣泛地應用。神經(jīng)網(wǎng)絡(luò)控制→一類復雜控制問題神經(jīng)元從一層聯(lián)結(jié)到下一層，不存在同層37

單個人工神經(jīng)元在自動控制系統(tǒng)用作控制器，并不多見，但人工神經(jīng)網(wǎng)絡(luò)經(jīng)過訓練后可以起控制器的作用，稱為“神經(jīng)網(wǎng)絡(luò)控制器”；也可以經(jīng)訓練后成為模型未知的被控對象的神經(jīng)網(wǎng)絡(luò)模型，從而形成自適應控制等許多控制結(jié)構(gòu)。單個人工神經(jīng)元在自動控制系統(tǒng)用作控制384.6.4學習控制

學習控制(LearningControl)是指在控制系統(tǒng)的控制進程中估計某些信息并據(jù)此改善控制的一種控制方法，以便逐步改進控制系統(tǒng)的性能。4.6.4學習控制學習控制(Le39

學習系統(tǒng)是自適應系統(tǒng)的發(fā)展與延伸，它能夠按照運行進程中的“經(jīng)驗”和“教訓”來不斷增長知識，改進算法，更廣泛地模擬人類的某些行為（如判斷、推理等）。學習控制→一類復雜控制問題學習系統(tǒng)是自適應系統(tǒng)的發(fā)展與延伸，它能夠按照運行40

圖4.16所示為一個由智能決策單元(IDU,IntelligentDecisionUnit)控制來修正的PID控制器的智能工業(yè)控制系統(tǒng)。智能決策單元由數(shù)據(jù)庫(DataBase)、規(guī)則庫、推理機和學習機(LearningMachine)所組成。圖4.16所示為一個由智能決策單元(41圖4.16由智能決策單元（IDU）來修正控制器PID控制器工業(yè)過程數(shù)據(jù)庫規(guī)則庫學習機推理機誤差+--輸入輸出IDU圖4.16由智能決策單元（IDU）來修正控制器PID控制424.7非線性系統(tǒng)及其控制

自動控制系統(tǒng)由各種環(huán)節(jié)（元件組成，而環(huán)節(jié)或元件按其特性，可分為線性元件和非線性元件。4.7非線性系統(tǒng)及其控制自動控制系430輸入（誤差）（mV）輸出（V）圖4.17電子放大器的靜特性圖0輸入（誤差）（mV）輸出（V）圖4.17電子放大器的靜特44輸入（誤差）（mV）0輸出（V）圖4.18極化繼電器的靜特性輸入（誤差）（mV）0輸出（V）圖4.18極化繼電器的靜45輸入輸出012（a）輸入輸出0（b）+ε2-ε2圖4.19飽和特性輸入輸出012（a）輸入輸出0（b）+ε2-ε2圖4.1946

含有這樣非線性環(huán)節(jié)或元件的系統(tǒng)，稱為非線性系統(tǒng)。線性系統(tǒng)由線性部件組成，并以線性微分方程來描述。非線性系統(tǒng)會出現(xiàn)一些在線性系統(tǒng)中不可能發(fā)生的奇特現(xiàn)象：含有這樣非線性環(huán)節(jié)或元件的系統(tǒng)，稱為非47⑴線性系統(tǒng)的穩(wěn)定性和輸出動態(tài)過程只決定于系統(tǒng)本身的結(jié)構(gòu)和參數(shù)。而非線性系統(tǒng)的穩(wěn)定性和輸出動態(tài)過程不僅與系統(tǒng)的結(jié)構(gòu)和參數(shù)有關(guān)，而且還與系統(tǒng)的初始條件和輸入信號大小有關(guān)；⑴線性系統(tǒng)的穩(wěn)定性和輸出動態(tài)過程只決定于系統(tǒng)本48

⑵非線性系統(tǒng)的平衡運動狀態(tài)（即穩(wěn)態(tài)，SteadyState），除平衡點外還可能有周期解；⑵非線性系統(tǒng)的平衡運動狀態(tài)（即49⑶線性系統(tǒng)的輸入為正弦函數(shù)時，其輸出的穩(wěn)態(tài)過程也是同頻率的正弦函數(shù)，兩者僅在相位和幅值上不同。但非線性系統(tǒng)的輸入為正弦函數(shù)時，其輸出為包含有高次諧波的非正弦周期函數(shù)。⑶線性系統(tǒng)的輸入為正弦函數(shù)時，其輸出的穩(wěn)態(tài)過程50⑷復雜的非線性系統(tǒng)在一定條件下還會產(chǎn)生突變、分岔和混沌等現(xiàn)象。非線性系統(tǒng)的分析和綜合遠比線性系統(tǒng)復雜。⑷復雜的非線性系統(tǒng)在一定條件下還會產(chǎn)生突變、分51第四章基本控制方法4.1自動控制系統(tǒng)行為描述第四章基本控制方法4.1自動控制系統(tǒng)行為描述520urtufuf圖4.1自動控制系統(tǒng)中被控制量的振蕩0urtufuf圖4.1自動控制系統(tǒng)中被控制量的振蕩53

從圖4.1上可以看出電爐爐膛溫度uf在t=0冷工件進入后，稍后溫度開始下降，接著就開始產(chǎn)生力圖校正誤差的控制作用（圖上曲線上的向上箭頭，表示電爐受到的新增電能供應）。從圖4.1上可以看出電爐爐膛溫度uf在t54

當uf向上升并與ur的橫線相交時uf=ur，△u=0，此時放大器輸出為0，電動機降速至停止轉(zhuǎn)動。一個能穩(wěn)定的爐溫控制系統(tǒng)的爐膛溫度的變化曲線，如圖4.2所示。當uf向上升并與ur的橫線相交時uf=ur，△55圖4.2穩(wěn)定的爐溫調(diào)節(jié)系統(tǒng)的爐溫變化0urtufuf圖4.2穩(wěn)定的爐溫調(diào)節(jié)系統(tǒng)的爐溫變化0urtufuf56

顯然，不穩(wěn)定的自動控制系統(tǒng)不能正常工作，而且系統(tǒng)處在振蕩過程中，環(huán)節(jié)或元件很易損壞。顯然，不穩(wěn)定的自動控制系統(tǒng)不能正常工作，而且系統(tǒng)57圖4.3放大器的輸出——輸入時間特性0電壓時間t輸出電壓輸入電壓圖4.3放大器的輸出——輸入時間特性0電時間t輸出電壓輸入58圖4.4電動機的輸出——輸入時間特性0電動機轉(zhuǎn)角時間t輸出-輸出特性輸入電壓圖4.4電動機的輸出——輸入時間特性0電動機轉(zhuǎn)角時間t輸出59圖4.5電爐的輸出——輸入時間特性0溫度時間t爐溫的時間特性電壓圖4.5電爐的輸出——輸入時間特性0溫度時間t爐溫的時間特604.2反饋控制和擾動補償

另一種消除被控制對象由于外界擾動引起誤差的方法，稱為擾動補償。4.2反饋控制和擾動補償另一種消除被61

這個補償原理只能補償已設(shè)計有前饋通道的擾動。但是在自動控制系統(tǒng)中存在著多種擾動。這個補償原理只能補償已設(shè)計有前饋通道的擾動。但是在62圖4.6復合自動控制系統(tǒng)框圖給定環(huán)節(jié)被控對象反饋環(huán)節(jié)控制器放大環(huán)節(jié)執(zhí)行環(huán)節(jié)給定輸入誤差反饋信號輸出擾動擾動測量擾動補償++-圖4.6復合自動控制系統(tǒng)框圖給定環(huán)節(jié)被控對象反饋環(huán)節(jié)控制器634.3比例積分微分控制dedt1TiP

=

K(

e

+

Td+∫edt

)4.3比例積分微分控制de1P=K(e+Td+64圖4.7在控制規(guī)律中引入微分0urtufuf圖4.7在控制規(guī)律中引入微分0urtufuf65圖4.8有穩(wěn)態(tài)誤差的被控量uf曲線0urtufuf靜差圖4.8有穩(wěn)態(tài)誤差的被控量uf曲線0urtufuf靜差664.4最優(yōu)控制

對于一個自動控制系統(tǒng)的設(shè)計和構(gòu)成，自然會提出一定的技術(shù)要求（指標），例如系統(tǒng)必須是穩(wěn)定的。4.4最優(yōu)控制對于一個自動控制系統(tǒng)67

通過設(shè)計控制作用要使這個技術(shù)指標達到極值（極大或極?。?。這樣的控制稱為最優(yōu)控制（optimalControl），它的控制作用的變化規(guī)律是唯一的。通過設(shè)計控制作用要使這個技術(shù)指標達到極值（極大或68

最優(yōu)控制器飛行器圖4.9最省燃料的開環(huán)控制

最優(yōu)控制有開環(huán)和閉環(huán)兩種結(jié)構(gòu)形式。最優(yōu)控制器飛行器圖4.9最省燃料的開環(huán)控制69圖4.10最優(yōu)控制器實現(xiàn)線性狀態(tài)反饋被控對象最優(yōu)控制ux圖4.10最優(yōu)控制器實現(xiàn)線性狀態(tài)反饋被控對象最優(yōu)控制ux70

開環(huán)最優(yōu)控制器的設(shè)計要應用JI.龐特里亞金的極大值原理(MaximumPrinciple)和R.貝爾曼的動態(tài)規(guī)劃(DynamicProgramming)等方法。閉環(huán)最優(yōu)控制器的設(shè)計要應用R.卡爾曼的二次型性能指標的線性狀態(tài)反饋(LinearStateFeedback)律方法。開環(huán)最優(yōu)控制器的設(shè)計要應用JI.龐特里714.5自適應控制

自校正控制則以辨識器來代替自適應控制器，由辨識器求出數(shù)學模型，根據(jù)模型的變化來改變反饋控制器參數(shù)。以下以4.2節(jié)所討論的大型顯像管玻璃爐來作為實例。4.5自適應控制自校正控制則以辨識器來代替自適應72圖4.11顯像管玻璃爐側(cè)視圖312●●●●●●●●△△△△△△ABC工作池E料道口溶解池△圖4.11顯像管玻璃爐側(cè)視圖312●●●●●●●●△734.6智能控制

對于許多復雜的被控對象和它的外界環(huán)境，難以建立有效的數(shù)學模型和采用常規(guī)的經(jīng)典或現(xiàn)代控制理論去進行定量計算和分析、設(shè)計。4.6智能控制對于許多復雜的被控對象和它的外74

智能控制具有人工智能、控制論和運籌學(OperationalResearch)等形成交叉學科的特點和定量與定性相結(jié)合的分析方法特點。智能控制→復雜系統(tǒng)控制問題智能控制具有人工智能、控制論和運籌學(Opera754.6.1專家控制系統(tǒng)

這是由那些解決專門問題非常熟悉的專家的大量知識和經(jīng)驗里，建立起來的計算機程序系統(tǒng)，它能進行推理和判斷，模擬人類專家的決策過程。專家控制→一類復雜控制問題4.6.1專家控制系統(tǒng)這是由那些解決專門問題76

現(xiàn)以圖3.4的自動控制系統(tǒng)為例，來說明基于專家控制器的工業(yè)過程專家控制系統(tǒng)。由專家系統(tǒng)構(gòu)成的專家控制器示明在圖4.12上?，F(xiàn)以圖3.4的自動控制系統(tǒng)為例，來說明基于專家控77圖4.12專家控制器的結(jié)構(gòu)特征識別信息處理推理機（IE）控制規(guī)則集對象和執(zhí)行機構(gòu)知識庫（KB）反饋環(huán)節(jié)IGKSUYReu專家控制器圖4.12專家控制器的結(jié)構(gòu)特征識別推理機控制對象和知識庫（78

虛線框所示為專家控制器代替專家的手動控制。它由特征識別與信息處理部分、推理機(InferenceEngine)、知識庫(KnowledgeBase)和控制規(guī)則集組成。虛線框所示為專家控制器代替專家的手動控制。它由特794.6.2模糊控制系統(tǒng)

模糊控制和專家系統(tǒng)控制一樣，兩者都要建立操作人員的經(jīng)驗和決策行為的模型；兩者都含有知識庫和推理機。所不同的是在模糊控制系統(tǒng)中采用的是模糊知識表示和模糊推理方法。4.6.2模糊控制系統(tǒng)模糊控制和80

模糊控制的基本結(jié)構(gòu)，如圖4.13所示。它由模糊化接口、知識庫、推理機和模糊判決接口組成。模糊控制→一類復雜控制問題模糊控制的基本結(jié)構(gòu)，如圖4.13所示。它由模糊化81模糊化接口推理機模糊判決接口過程+-設(shè)定輸入輸出數(shù)據(jù)庫規(guī)則庫知識庫傳感器模糊控制器圖4.13模糊控制的基本結(jié)構(gòu)模糊化接口推理機模糊判決接口過程+設(shè)定輸入輸出數(shù)據(jù)庫規(guī)則庫知824.6.3神精網(wǎng)絡(luò)控制系統(tǒng)

人工神經(jīng)元由計算機模擬一個生物神經(jīng)元，如圖4.14所示。4.6.3神精網(wǎng)絡(luò)控制系統(tǒng)人工神經(jīng)83Σf()yjθ-1x1xnx2Wj1Wj2Wjn...圖4.14神經(jīng)元模型Σf()yjθ-1x1xnx2Wj1Wj2Wjn...圖84

該神經(jīng)元單元由多個輸入xi,i=1,2,…,n和一個輸出y組成。Wji是各個輸入信號相應的權(quán)重。當輸入信號的加權(quán)和大于某閾值θ時，人工神經(jīng)元就被激發(fā)，有輸出yj。該神經(jīng)元單元由多個輸入xi,i=1,85

圖4.15所示為常用的一種前饋多層網(wǎng)絡(luò)。前饋神經(jīng)網(wǎng)絡(luò)具有多層結(jié)構(gòu)，至少為三層，即輸入層、隱層和輸出層。復雜的前饋神經(jīng)網(wǎng)絡(luò)有一個以上的隱層。圖中的小圓圈代表神經(jīng)元。圖4.15所示為常用的一種前饋多層網(wǎng)絡(luò)。前饋神經(jīng)86?????????x1x2xnw11wnny1y2yn反向傳播輸入層隱層輸出層圖4.15前饋多層網(wǎng)絡(luò)?????????x1x2xnw11wnny1y87

神經(jīng)元從一層聯(lián)結(jié)到下一層，不存在同層神經(jīng)元間的聯(lián)結(jié)。人工神經(jīng)網(wǎng)絡(luò)通過加以訓練（學習），可以在自動控制系統(tǒng)中起重要的作用，已經(jīng)在神經(jīng)網(wǎng)絡(luò)控制中廣泛地應用。神經(jīng)網(wǎng)絡(luò)控制→一類復雜控制問題神經(jīng)元從一層聯(lián)結(jié)到下一層，不存在同層88

單個人工神經(jīng)元在自動控制系統(tǒng)用作控制器，并不多見，但人工神經(jīng)網(wǎng)絡(luò)經(jīng)過訓練后可以起控制器的作用，稱為“神經(jīng)網(wǎng)絡(luò)控制器”；也可以經(jīng)訓練后成為模型未知的被控對象的神經(jīng)網(wǎng)絡(luò)模型，從而形成自適應控制等許多控制結(jié)構(gòu)。單個人工神經(jīng)元在自動控制系統(tǒng)用作控制894.6.4學習控制

學習控制(LearningControl)是指在控制系統(tǒng)的控制進程中估計某些信息并據(jù)此改善控制的一種控制方法，以便逐步改進控制系統(tǒng)的性能。4.6.4學習控制學習控制(Le90

學習系統(tǒng)是自適應系統(tǒng)的發(fā)展與延伸，它能夠按照運行進程中的“經(jīng)驗”和“教訓”來不斷增長知識，改進算法，更廣泛地模擬人類的某些行為（如判斷、推理等）。學習控制→一類復雜控制問題學習系統(tǒng)是自適應系統(tǒng)的發(fā)展與延伸，它能夠按照運行91

圖4.16所示為一個由智能決策單元(IDU,IntelligentDecisionUnit)控制來修正的PID控制器的智能工業(yè)控制系統(tǒng)。智能決策單元由數(shù)據(jù)庫(