PID文献综述

一种龙门吊车重物防摆鲁棒PID控制系统设计

文献综述

吊车作为一种搬运工具，在工业生产中发挥着重要的作用。但是，由于吊车自身结

构的原因，使得货物在吊运过程中不可避免会产生摆动，从而影响吊运效率的提高；如

何有效地消除货物在吊运过程中的摆动以提高吊车的工作效率是长期以来国内外控制领

域研究的一个典型问题。而吊车作为一种典型的多变量、强耦合的非线性系统，存在着

模型复杂、难于控制等特点，且国内的防摆控制研究中，由于缺少合适的实验平台，众

多的研究只能局限于计算机软件仿真而无法通过实验来验证。

一、课题研究的背景

吊车，又名起重机，作为一种运载工具，广泛地适用于现代工厂、安装工地和集装箱货场以及室内外仓库的装卸和运输作业。它在离地面很高的轨道上运行，占地面积小，省时省工省力，是工厂、仓库、码头必不可少的装卸搬运工具。

吊车是利用连接在活动架上的缆绳来提升和移动重物的。用绳索一类的柔体代替钢体工作，使得吊车结构轻便，工作效率高。但是，采用柔体吊运也带来一些负面影响，在起重机的工作过程中，由于吊绳的柔性连接，使起重机在起升、变幅和回转的过程中，不同程度地引起所吊重物的周期性摆动。吊物的摆动是影响吊车装卸效率的主要原因。长期以来，如何有效地消除重物在吊运过程中的摆动以提高吊车的工作效率,一直是困扰起重机快速吊运的一个难题。

还有一些特殊的工作场合，对吊车运行过程中的摆动有着更为严格的生产要求。如在港口和仓库，常常需要在船舱与码头，仓库与汽车之间堆放集装箱，由于集装箱质量很大，稍有不慎，造成集装箱与汽车或船舱相碰，都有可能造成集装箱解体以及汽车或船舱的损坏，因此需要集装箱就位准确无摆动。但是由于吊车的吊具与小车柔性连接的原因，会造成集装箱的摆动。为了避免碰撞和落点修正再作业，就要减小摆动，一般先得减慢吊车的运动速度或等待集装箱的摆动自然衰减完全结束后，才能是集装箱就位。这种消极的减小摆动的方法是以降低工作效率为代价的。

在冶金浇铸车间，将盛着金属溶液的吊车运抵浇铸口上方进行浇铸，这一过程要求吊车的动作快速准确。但是由于吊车行走时摆动原因，将会造成金属溶液过早冷却，降低产品质量和生产效率，或者导致金属溶液溅到浇铸口外，引发生产事故。

研究吊车、集装箱起重机等一类运用柔性绳索吊运重物时如何消除摆动的问题，将对提高货物调运效率，缩短工业产品的生产周期，提高质量具有深远的意义。本课题的立题就是以此为背景，研究吊车柔性绳索吊运的防摆控制技术。

二、国内外研究现状

（1）国内防摆控制的研究现状

与国外相比，在吊车防摆控制这一问题的研究上，国内的差距还是较大的，虽然从

时间上看，国内研究吊车防摆控制也比较早，但在研究内容的深度、规模上，则远远不

如国外学者。

国内较早从事吊车防摆控制研究的学者是哈尔滨工程大学华克强等人]3,2,1[，在文献[1]和[2]中，作者针对桥式吊车，给出了吊车系统精确数学模型，根据此模型，设计了最优控制器、自适应控制器、模糊控制器，并对三种控制器进行了比较分析。在文献[3]中，作者设计了模糊防摆控制器，分别对定位和摆动进行模糊控制，最后采用查询表的方式，在以单片机为控制器的实验装置上进行了实验验证。华克强等人的研究比较深入，其理论成果不仅有仿真验证，而且还在吊车的物理模型上进行了实验验证。

山东建筑工程学院的李伟等人]7.6.5.4[在吊车防摆控制领域也有一定的研究。李伟等人是国内从事防摆研究发表文章较多的学者，近年来，他们发表了多篇文章，分别在吊车的模型、控制方法等方面进行了研究。在文献[4]中，针对天车抓斗的摆动问题，应用最优控制理论，提出了点动消摆、全程防摆等控制策略。文献[5]中建立了吊车系统摆振数学模型，文献[6]中对于采用断续控制的吊乍，提出了基于时间最优的消除载荷摆动的两拍消摆策略。文献[7]中作者采用极点配置技术，以积分二次型性能指标提出最有效消摆策略，同时实现消摆、提高运行速度两个目标。

山东大学的邹军、陈志坚]9,8[，在文献[8]中建立桥式吊车的数学模型，并依据此模型，应用最优控制理论，提出了桥式吊车水平运动规律，并对抓斗进行了防摆控制研究。在文献[9]中，作者根据文献[8]中提出的桥式吊车水平运行规律和抓斗摆动规律，提出

了一种抓斗防摆的方法，该方法通过控制桥式吊车行走的时间顺序实现其停车与抓斗消

摆的同步控制。

近年来，随着控制理论的发展，一些新的控制方法也应用到了起重机的防摆控制研究中。上海交通大学的梁春燕等人将一种能抑制系统残留震荡的时滞滤波技术应用到防摆控制中；北方工业大学的薛朵和武汉理工大学的周勇也都各自设计了更加实用的模糊控制器；中国科学院自动化研究所的刘殿通等人提出了一种分段切换因子的模糊控制器，并采用遗传算法进行参数调整。国内的研究步入了开始应用智能控制理论和新的控制方法的新阶段。

（2）国外防摆控制的研究现状

国外对于吊车的防摆问题研究比较早，在 70年代就有人提出吊车防摆的问题。在吊车防摆控制技术的研究上，国外学者采用的控制方法多种多样，既有比较传统的经典控制

理论、现代控制理论、最优控制理论，也有现在比较新颖的控制理论，如自适应控制、模糊控制、神经网络控制、智能控制等。近年来，随着非线性控制技术的发展，许多学者开始进行吊车防摆非线性控制技术的研究。

经典控制方法现在非常成熟，它具有控制算法简单的优点，在现在控制工程中还大量应用。在吊车防摆控制的研究中，一些学者仍然偏重于经典控制方法研究，韩国学者Ho-Hoon Lee]10[是偏重于经典控制方法的一个典型代表，在文献[10]中，他采用了根轨迹、频域法等常规分析方法为主的古典控制方法与现在的智能控制相结合，设计了防摆、定位控制器。采用双闭环的控制思想：内环为摆角环，以小车位移来估计摆角，通过模糊控制器进行防摆控制；外环为位置环，采用PID控制器进行定位控制，这样可使得在定位过程结束的同时，消除运动过程中产生的摆动。埃及学者Hanafy采用增益调度的方法设计了全状态反馈的控制器，并且采用经典PID控制方法设计了防摆和定位控制器，并进行了仿真和实验。A.Z.AI-Garni等人建立了精确的三自由度起重机的状态方程并利用现代控制理论的方法实现了基于时间和误差综合最优的反馈控制。韩国学者S.U.Choi设计了神经网络自整定的PID控制器。

鉴于反馈控制对干扰信号和参数变化不敏感的优点，对于起重机定位和防摆控制器的设计多采用反馈控制，这就需要测量摆角的大小。但因为绳长是变化的，在传感器的安装和使用上便存在一定的困难，因而测量精度不高。此外，增加了传感器的同时也提高了成本，因而在起重机控制方面产生了不测量摆角的发展方向。韩国学者Yong-Seok Kim通过检测小车的加速度来估计重物摆角并最终利用速度控的方式进行吊车的防摆控制。Alessandro通过Lyapunov稳定的方法设计了吊车系统状态观测器，并根据状态反馈的设计方法最终设计了系统的防摆控制器。

1956年L.A.Zadeh创建模糊数学，1974年英国工程师 E.H.Mamdani首先把模糊集合理论应用于锅炉和蒸汽机的控制，在自动控制领域开辟了模糊控制理论及其工程应用的崭新阶段。对于那些大时滞、非线性等难以建立精确数学模型的复杂系统，应用模糊控制理论，通过计算机实现模糊控制可以取得满意的控制效果。由于模糊控制的这一优点，使得模糊控制在工程中得到了广泛的应用。日本的学者Yamada将模糊控制应用于吊车防摆控制中，取得了很好的控制效果。Nowacki设计了吊车系统的时间最优控制器，对于最优切换时刻的确定进行了模糊方式的设计，并最终证明这样的设计使得最优切换的时刻对系统的运行参数具有很好的鲁棒性。Gutierrez将设计的模糊控制器并在一个实物模型上进行了实验，证明了模糊控制器的实用性。

自适应控制是现代控制理论的一个分支，是控制理论中比较活跃的一个领域，从20世纪60年代以来，自适应控制理论在航空、航海、电力系统等领域得到了广泛的应用。随着计算机技术的发展和理论的不断完善，自适应水平控制的使用范围不断扩大。在文献[11]中Han等人较早的将自适应控制理论应用到吊车的防摆控制中，并取得了良好的控制效果]11[。采用模型参考自适应控制的缺点是参考模型的选择比较困难，当参考模型不合适

时，控制效果会大大降低。非线性控制理论是控制理论中重要的一部分，自然界的任何现象，从本质来说，都是非线性的。人们在研究问题的时候，根据一定的条件，将非线性问题线性化从而便于研究。近年来，随着非线性理论的发展，不少学者开始直接从非线性的角度研究问题。吊车从本质来看是一个高度非线性的系统，近年来不少的国外学者，直接从非线性的角度来研究吊车防摆控制问题取得了丰富的学术成果。

在文献[12]中Y.Fang等人给出了三维吊车的两种控制方法，简单的PD控制和非线性解祸控制，并通过仿真实验证明了非线性解耦控制的效果比简单的PD控制要好，G. Bartolini等人设计了吊车的滑模变结构控制器。日本学者Yoshida在不考虑吊车吊载机构位置幅度的限制下，提出一种基于能量的非线性控制器。Yanai给出了针对港口的旋转式的吊车的非线性控制器，并进行了仿真实验证明该非线性控制器的有效性。B. Vikramaditya等人针对二维吊车进行了精确线性化方法的控制器设计和滑模控制器的设计，并给出了跟踪性能很好的仿真结果。

使用非线性控制能从本质上对吊车系统进行控制，解决因线性化带来的问题。尽管由于非线性理论目前还不成熟，非线性控制策略的提出比较困难，且控制方法比较复杂，不利于系统实现。但随着科技的发展，传感器、控制器性能不断提高，非线性控制将越来越多地应用于实际工程中。

国外一些学者在吊车防摆控制的研究中，还将多种控制方法相结合，以改善只采用单一控制时在控制效果上存在的不足。如：将模糊控制与最优控制相结合，推出一种基于模糊时间最优的吊车防摆控制方法；提出基于专家规则的吊车负荷最优时间控制；提出采用遗传算法改进吊车模糊控制器的优化方法；提出能够在线学习的智能防摆控制方法。

相比较而言，国外学者在该领域的研究比较深入，从事研究的学者也比较多，成果较为丰富。他们在研究中，采用的理论也比较丰富，各种控制方法都有人尝试，如常规的PID 控制、最优控制、模糊控制、非线性控制、智能控制等。而国内的学者在研究中采用的控制方法比较狭窄，大多采用最优控制和模糊控制方法。国外学者研究比较严谨，在理论分析说明的基础上，大多进行了实物仿真实验。而国内学者大部分只采用简化的模型，进行软件仿真，很少进行实物实验研究。

三、本文系统设计思路

根据吊车系统的物理模型,应用理论力学的基本方法,运用拉格朗日方程建立吊车系

统三维条件下的运动方程,以及简化条件下的定绳长吊车系统运动方程。完成简化条件下的模型线性化,并得到系统状态空间模型。研究常规PID控制策略在各种条件下的仿真实验效果,提出一种基于鲁棒PID控制技术的吊车防摆、定位控制算法。该方法将吊车防摆和定位控制分开设计,采用位置鲁棒PID控制器和角度鲁棒PID控制器两个控制器实现吊车的准确定位和快速消摆, 使得控制系统能够在吊车绳长和载荷质量发生改变的情况下,仍可在最短时间内消除重物的摆动并完成其在水平方面的定位,从而提高吊车的运行效

率。在MATLAB/Simulink环境下搭建吊车运动系统的仿真模型，为进一步控制器的设计

奠定基础。

参考文献

[1]高淑玲等.桥式吊车防摆控制.自动化技术与应用,1988,(7):1-4

[2]华克强,高淑玲,朱齐丹.吊车防摆技术的研究.控制理论与应用,1992,(6):631-637

[3]华克强.桥式吊车模糊防摆控制.中国民航学院学报,2000,(3):12-15

[4]刘业良,李伟.天车抓斗防摆控制方法的研究信息与控制,1993,(1):50-55

[5]李伟,吴志新等.塔式起重机载荷摆振模型.机械工程学报,1993,(4):15-22

[6]李伟,张桂青,陈鹏.基于时间最优的起重机消摆控制策略.山东工业大学学报,1994,(2):107-111

[7]李伟,张桂青.起重机最优消摆对策.山东建筑工程学院学报,1998,(3):41-46

[8]邹军,陈志坚.桥式起重机水平运行及抓斗防摆规律研究.山东大学学报,1998,(4):393-397

[9]邹军,陈志坚.桥式起重机抓斗的防摆控制.山东大学学报,1999,(1):58-62

[10] Ho-Noon Lee,Sung-Kun Cho, A New Fuzzy-Logic Anti-Swing Control for Industial

Three-Dimensional Overhead Cranes[J], Proceedings of the 2001 IEEE International Conference on Robotics&Automation Seoul,Korea.2001,21-26

[11]Hans Butler, Ger Honderd, and Job Van Amerongen, Model Reference Adaptive Control of a Gantry Crane Scale Model. IEEE Control Systems Magazine. 1991,(1):57-62

[12]Y. Fang, E. Zergeroglu, W. E. Dixon, D. M. Dawson. Nonlinear Coupling control Laws for an Overhead Crane System. Proceedings of the 2001 IEEE Conference on control application. 2001,639-644

数学建模中数学模型方法的研究[文献综述]

毕业论文文献综述 信息与计算科学 数学建模中数学模型方法的研究 一、前言部分 数学建模[]1是将实际问题抽象、简化，明确变量和参数，然后根据某种“规律”建立变量和参数间的数学关系，再解析地或近似地求解并加以解释和验证这样一个多次迭代的过程。但要进行真正好的数学建模必须要有有关领域的专家、工作人员的通力合作，也就是说数学建模的过程往往是一个跨学科的合作过程。 应用某种“规律”建立变量、参数间的明确数学关系，这里的“规律”可以是人们熟知的物理学或其他学科的定律，例如牛顿第二定律、能量守恒定律等，也可以是实验规律。数学关系可以是等式、不等式及其组合的形式，甚至可以是一个明确的算法：能用数学语言把实际问题的诸多方面（关系）“翻译”成数学问题是极为重要的。 不同的建模者由于看问题角度不同所建立的模型往往是不同，我们通过介绍数学建模的几类方法和几个典型的数学模型，来让大家对数学模型有一个比较全面的认识和了解。二、主题部分 数学建模（Mathematical Modeling）把现实世界中的实际问题加以提炼，抽象为数学模型，求出模型的解，验证模型的合理性，并用该数学模型所提供的解答来解释现实问题，我们把数学知识的这一应用过程称为数学建模。简而言之，数学建模是利用各种数学方法解决生产生活中实际问题的一种方法。 数学建模是一门新兴的学科，20世纪70年代初诞生于英美等现代化工业国家。由于新技术特别是计算机技术的迅速的发展，大量的实际问题需要用计算机来解决，而计算机与实际问题之间需要数学模型来沟通，所以这门学科在短短几十年的时间迅速辐射至全球大部分国家和地区。（参见文献[2][3]） 纵观数学的发展历史，数千年来人类对于数学的研究一直是沿着纵横两个方向进行的。在纵向上，探讨客观世界在量的方面的本质和规律，发现并积累数学知识，然后运用公理化等方法建构数学的理论体系，这是对数学科学自身的研究。在横向上，则运用数学的知识去解决各门科学和人类社会生产与生活中的实际问题，这里首先要运用数学模型方法构建实际问题的数学模型，然后运用数学的理论和方法导出其结果，再返回原问题实现实际问题的解决，这是对数学科学应用的研究，由此可见，数学建模既是各门科学研究的经常性活动，具有方法论的重要价值，又是数学与生产实际相联系的中介和桥梁，对于发挥数学的社会功能具有重要的作用。

智能控制综述

智能控制综述 摘要：本文首先介绍了智能控制的发展和智能控制系统的结构和特点以及与传统控制的关系。然后，综述几种智能控制研究的主要内容。 关键词：智能控制、自动控制、研究内容 1、智能控制的发展 任何一种科学技术的发展都由当时人们的生产发展需求和知识水平所决定和限制，控制科学也不例外。1948年，美国著名的控制论创始人维纳（N.Wiener）在它的著作《控制论》中首次将动物与机器相联系。1954年钱学森博士在《工程控制论》中系统的阐明了控制论对航空航天和电子通讯等领域的意义及影响，1965年傅京孙（K.S.Fu）教授首先把人工智能的启发式推理规则用于学习控制系统，又于1971论述了人工智能与自动控制的交集关系，成为国际公认的智能控制的先行者和奠基人[1]。 20世纪60年代，随着航海技术，空间技术的发展，控制领域面临着人们对其性能要求愈来愈高和被控对象的复杂性和不确定性，被控对象的复杂性和不确定性主要表现在被控对象的非线性和不确定性，以及分散的传感元件与执行元件，复杂的信息网络和庞大的数据量。而传统控制在解决这些问题时存在三方面的问题：一、由于传统控制理论是建立在以微积分为工具的精确模型上，所以无法对高度复杂和不确定的被控对象进行描述；二、传统控制理论中的自适应控制和Robust控制虽可克服系统中所包含的的不确定性，达到优化控制的目的，但这些方法只适用于缓慢变化的情况。三、传统控制系统输入较单一，而面对海量信息（视觉的、听觉的、触觉的等）的复杂环境，智能控制应运而生。 智能控制是对传统控制的补充和发展，是自动控制发展的高级阶段，而传统控制是智能控制产生的基础。 国内对智能控制的研究今年来也十分活跃。从八十年代人工智能与系统科学相结合到863计划的实施，智能控制在我国的发展已有稳固的基础。 2、智能控制结构与特点 智能控制是自动控制发展的高级阶段，是人工智能、控制论、系统论、信息论、仿生学、和计算机等多种学科的高度结合，是一门新兴的边缘交叉学科。它不仅包含了自动控制、人工智能、系统理论和计算机科学，而且还涉及到生物学，正在成为自动化领域中最兴旺和发展最迅速的一个分支学科[2]。 （1）智能控制具有明显的跨学科、多元结构特点。至今，智能控制方面的专家已提出二元结构、三元结构、四元结构等三种结构，它们可分别以交集的形式表示如下： IC=AI∩AC (1) IC=AI∩CT∩OR (2) IC=AI∩CT∩ST∩OR (3) 上式中，各子集的含义为 AI——人工智能；AC——自动控制；CT——控制论； OR——运筹学；ST——系统论；IC——智能控制。 智能控制的二元交集结构、三元交集结构和四元交集结构分别由傅京孙、萨克迪斯（G.N.Saridis）和蔡自兴于1971,1977和1986年提出的[3]，以上的交集表达式也可表示成如下图1、2、3的形式：

概念建模研究综述

计算机与现代化 2012年第1期 JISUANJI YU XIANDAIHUA 总第197期 文章编号：1006- 2475（2012）01-0044-05收稿日期：2011-07-27作者简介：杨斌（1980-），男，山东烟台人，海军航空工程学院兵器科学与技术系讲师，研究方向：语义网，软件工程，概念建模；齐玉东（1974-），男，副教授，博士研究生，研究方向：语义网，知识管理，软件工程，描述逻辑。 概念建模研究综述 杨 斌1，齐玉东1，孟凡磊 2（1．海军航空工程学院兵器科学与技术系，山东烟台264001；2．海军航空工程学院飞行器工程系，山东烟台264001）摘要：概念建模是指创建概念模型的行为，这些模型用来描述问题，与具体用于解决问题的技术和策略独立无关。在过去数十年中，大量概念建模方法和工具纷纷涌现，许多理论如本体论、语言学和认知学的引入，增强了概念建模的理论基础。基于本体的概念建模研究得到了充分的重视。本文对概念建模的发展、概念建模语言、基于本体的概念建模以及概念模型的质量评估进行系统的阐述。 关键词：概念建模；概念建模语言；本体；模型转换；质量评估中图分类号：TP399 文献标识码：A doi ：10．3969/j．issn．1006-2475．2012．01．012 Overview of Conceptual Modeling YANG Bin 1，QI Yu-dong 1，MENG Fan-lei 2 （1．Department of Ordnance Science and Technology ，Naval Aeronautical and Astronautical University ，Yantai 264001，China ；2．Department of Airborne Vehicle Engineering ，Naval Aeronautical and Astronautical University ，Yantai 264001，China ）Abstract ：Conceptual modeling is the activity of creating models．Models that describe problems are independently from the tech-nology and strategy used to solve the problem．In the past few decades ，a large number of conceptual modeling methods and tools have emerged．Many theories such as ontology linguistics and cognitive science enhance the concept modeling theoretical basis．Ontology based conceptual modeling got full attention．The development of conceptual modeling ，conceptual model language ，on-tology-based conceptual modeling and quality evaluation of the conceptual model have been studied．Key words ：conceptual modeling ；CML ；ontology ；model transformation ；quality evaluation 0引言 Mylopoulos ［1］将概念建模（Conceptual Modeling ，CM ）定义为形式化地描述我们周围的客观和社会世界的某些方面的活动，其目的是提供领域的理解和交流。概念建模在信息系统设计、人工智能中的知识表达、组织环境建模、业务处理、软件开发过程、软件需求等计算机科学的不同领域都扮演着重要的角色。因此，对概念建模研究的意义愈显重要。 1概念建模发展历程 在形成领域中的概念时，人们并不考虑模型在计算机内部是如何表达的。概念建模是一种抽象的形式，在计算机科学领域久负盛名。本节探讨概念建模 在不同阶段， 不同领域中所取得的成就。另外，构成某一应用域的模型不仅有静态对象也有动态的事件 和行为。因此，在探讨概念建模技术的同时也会涉及这些方面。 概念建模的产生源于20世纪70年代早期。数据库领域之外技术的发展为概念建模奠定了夯实的 基础。首先， 抽象化被用于软件开发。Parnas 的研究［2］ 对数据抽象提供十分准确和完善的说明，使得 软件片段能够相互作用；提出数据抽象的概念， 并将实现细节从用户角度隐藏。编程语言Simula 是建模领域发展的另一个重要标记。Simula 提出了一组新的概念，如对象、类、方法，特别是子类支持一般化抽 象的概念［3］ 。Simula 被认为是第一个面向对象程序 设计语言，是面向对象技术的基石。AI 方面， Quillian 在文献［4］ 中提出了语义网络，使用图形知识表示语言，用节点表示概念，用边表示关系，将继承作为推理的机制，这成为以后的概念建模技术的一个特点。Ross 在70年代中期所提出的结构化分析与设计技

PID控制的基本原理

盛年不重来，一日难再晨。及时宜自勉，岁月不待人。 PID 控制的基本原理 1．PID 控制概述 当今的自动控制技术绝大部分是基于反馈概念的。反馈理论包括三个基本要素：测量、比较和执行。测量关心的是变量，并与期望值相比较，以此误差来纠正和控制系统的响应。反馈理论及其在自动控制中应用的关键是：做出正确测量与比较后，如何用于系统的纠正与调节。 在过去的几十年里，PID 控制，也就是比例积分微分控制在工业控制中得到了广泛应用。在控制理论和技术飞速发展的今天，在工业过程控制中95%以上的控制回路都具有PID 结构，而且许多高级控制都是以PID 控制为基础的。 PID 控制器由比例单元（P）、积分单元（I）和微分单元（D）组成，它的基本原理比较简单，基本的PID 控制规律可描述为： G(S ) = K P + K1 + K D S (1-1) PID 控制用途广泛，使用灵活，已有系列化控制器产品，使用中只需设定三个参数（K P ，K I和K D ）即可。在很多情况下，并不一定需要三个单元，可以取其中的一到两个单元，不过比例控制单元是必不可少的。 PID 控制具有以下优点： （1）原理简单，使用方便，PID 参数K P、K I和K D 可以根据过程动态特性变化，PID 参数就可以重新进行调整与设定。 （2）适应性强，按PID 控制规律进行工作的控制器早已商品化，即使目前最新式的过程控制计算机，其基本控制功能也仍然是PID 控制。PID 应用范围广，虽然很多工业过程是非线性或时变的，但通过适当简化，也可以将其变成基本线性和动态特性不随时间变化的系统，就可以进行PID 控制了。 （3）鲁棒性强，即其控制品质对被控对象特性的变化不太敏感。但不可否认PID 也有其固有的缺点。PID 在控制非线性、时变、偶合及参数和结构不缺点的复杂过程时，效果不是太好； 最主要的是：如果PID 控制器不能控制复杂过程，无论怎么调参数作用都不大。 在科学技术尤其是计算机技术迅速发展的今天，虽然涌现出了许多新的控制方法，但PID 仍因其自身的优点而得到了最广泛的应用，PID 控制规律仍是最普遍的控制规律。PID 控制器是最简单且许多时候最好的控制器。 在过程控制中，PID 控制也是应用最广泛的，一个大型现代化控制系统的控制回路可能达二三百个甚至更多，其中绝大部分都采用PID 控制。由此可见，在过程控制中，PID 控制的重要性是显然的，下面将结合实例讲述PID 控制。 1.1.1 比例（P）控制 比例控制是一种最简单的控制方式，其控制器的输出与输入误差信号成比例关系。当仅有比例控制时系统输出存在稳定误差。比例控制器的传递函数为： G C (S ) = K P (1- 2) 式中，K P 称为比例系数或增益（视情况可设置为正或负），一些传统的控制器又常用比例带（Proportional Band，PB），来取代比例系数K P ，比例带是比例系数的倒数，比例带也称为比例度。 对于单位反馈系统，0 型系统响应实际阶跃信号R0 1(t)的稳态误差与其开环增益K 近视成反比，即： t→∞

智能控制技术现状与发展

摘要：在此我综述智能控制技术的现状及发展,首先简述智能控制的性能特点及主要方法;然后介绍智能控制在各行各业中的应用现状;接着论述智能控制的发展。智能控制技术的主要方法，介绍了智能控制在各行各业中的应用。随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出犷新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。 关键词：智能控制应用自动化 浅谈智能控制技术现状及发展 在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。对许多复杂的系统，难以建立有效的数学模型和用常规的控制理论去进行定量计算和分析，而必须采用定量方法与定性方法相结合的控制方式。定量方法与定性方法相结合的目的是，要由机器用类似于人的智慧和经验来引导求解过程。因此，在研究和设计智能系统时，主要注意力不放在数学公式的表达、计算和处理方面，而是放在对任务和现实模型的描述、符号和环境的识别以及知识库和推理机的开发上，即智能控制的关键问题不是设计常规控制器，而是研制智能机器的模型。此外，智能控制的核心在高层控制，即组织控制。高层控制是对实际环境或过程进行组织、决策和规划，以实现问题求解。为了完成这些任务，需要采用符号信息处理、启发式程序设计、知识表示、自动推理和决策等有关技术。这些问题求解过程与人脑的思维过程有一定的相似性，即具有一定程度的“智能”。 一、智能控制的性能特点及主要方法 1.1根据智能控制的基本控制对象的开放性，复杂性，不确定性的特点，一个理想的智能控制系统具有如下性能： （1）系统对一个未知环境提供的信息进行识别、记忆、学习，并利用 积累的经验进一步改善自身性能的能力，即在经历某种变化后，变化后的

PID调节和温度控制原理

P I D调节和温度控制原理 字体大小：||2006-10-2123:17-阅读：209-：0 当通过热电偶采集的被测温度偏离所希望的给定值时，PID控制可根据测量信号与给定值的偏差进行比例（P）、积分（I）、微分（D）运算，从而输出某个适当的控制信号给执行机构，促使测量值恢复到给定值，达到自动控制的效果。 比例运算是指输出控制量与偏差的比例关系。比例参数P设定值越大，控制的灵敏度越低，设定值越小，控制的灵敏度越高，例如比例参数P设定为4%，表示测量值偏离给定值4%时，输出控制量变化100%。积分运算的目的是消除偏差。只要偏差存在，积分作用将控制量向使偏差消除的方向移动。积分时间是表示积分作用强度的单位。设定的积分时间越短，积分作用越强。例如积分时间设定为240秒时，表示对固定的偏差，积分作用的输出量达到和比例作用相同的输出量需要240秒。比例作用和积分作用是对控制结果的修正动作，响应较慢。微分作用是为了消除其缺点而补充的。微分作用根据偏差产生的速度对输出量进行修正，使控制过程尽快恢复到原来的控制状态，微分时间是表示微分作用强度的单位，仪表设定的微分时间越长，则以微分作用进行的修正越强。 PID模块操作非常简捷只要设定4个参数就可以进行温度精确控制： 1、温度设定 2、P值 3、I值 4、D值

PID模块的温度控制精度主要受P、I、D这三个参数影响。其中P代表比例，I代表积分，D 代表微分。 比例运算（P） 比例控制是建立与设定值（SV）相关的一种运算，并根据偏差在求得运算值（控制输出量）。如果当前值（PV）小，运算值为100%。如果当前值在比例带内，运算值根据偏差比例求得并逐渐减小直到SV和PV匹配（即，直到偏差为0），此时运算值回复到先前值（前馈运算）。若出现静差（残余偏差），可用减小P方法减小残余偏差。如果P太小，反而会出现振荡。 积分运算（I） 将积分与比例运算相结合，随着调节时间延续可减小静差。积分强度用积分时间表示，积分时间相当于积分运算值到比例运算值在阶跃偏差响应下达到的作用所需要的时间。积分时间越小，积分运算的校正时间越强。但如果积分时间值太小，校正作用太强会出现振荡。 微分运算（D） 比例和积分运算都校正控制结果，所以不可避免地会产生响应延时现象。微分运算可弥补这些缺陷。在一个突发的干扰响应中，微分运算提供了一个很大的运算值，以恢复原始状态。微分运算采用一个正比于偏差变化率（微分系数）的运算值校正控制。微分运算的强度由微分时间表示，微分时间相当于微分运算值达到比例运算值在阶跃偏差响应下达到的作用所需的时间。微分时间值越大，微分运算的校正强度越强。 通常，对于温度控制的理解，是觉得其技术成熟且改变不大。有一些工业的应用，不仅对时间进行精确的控制，而且在当设定值改变时，对于快速加温阶段和扰动的快速响应形成最小程度的过冲（overshoot）和下冲（undershoot）。一般采用的PID控制技术难以满足这些特殊的场合。

智能控制技术综述

网络高等教育 本科生毕业论文（设计）需要完整版请点击屏幕右上的“文档贡献者” 题目：智能控制技术综述

20世纪20年代,在建立了以频域法为主的经典控制理论的基础上,智能控制技术逐步发展。随着信息技术的进步,许多新方法和新技术进入工程化、产品化阶段。这对自动控制理论技术提出了新的挑战,促进了智能理论在控制技术中的应用。在智能控制技术比较的基础上,较详细地阐述了智能控制技术主要方式的特点及优化算法,并举例说明。智能控制技术将不断地发展和充实。 关键词：自动化；智能控制；应用

摘要............................................................. I 1 绪论.. (1) 1.1 智能控制技术简介 (1) 1.2 智能控制技术研究的领域及应用 (1) 1.2.1模糊逻辑控制 (1) 1.2.2神经网络控制 (1) 1.3 智能控制技术的应用现状 (1) 1.4 本论文的主要工作 (1) 2 智能控制理论概述 (2) 2.1 智能控制的基本概念 (2) 2.2 智能控制技术的主要方法 (2) 2.2.1 模糊控制 (2) 2.2.2 专家控制 (2) 2.2.3 神经网络控制 (3) 2.2.4 集成智能控制 (3) 2.3 智能控制技术常用的优化算法 (3) 2.3.1 遗传算法 (3) 2.3.2 蚁群算法 (3) 3 模糊控制及其应用 (4) 3.1 模糊控制理论提出 (4) 3.1.1 模糊控制理论的概念 (4) 3.1.2 模糊控制理论与传统控制相比的优势 (4) 3.2 模糊控制理论在制冷领域的应用情况 (4) 3.3 模糊控制理论在磨煤机控制系统领域的应用情况 (4) 4 神经网络控制及其应用 (5) 4.1 神经网络控制理论提出 (5) 4.1.1 神经网络控制理论的概念 (5) 4.1.2 神经网络控制理论与传统控制相比的优势 (5)

Ontology理论研究和应用建模

Ontology理论研究和应用建模——《Ontology研究综述》、w3c Ontology研究组文档以及Jena编程应用总结1 关于Ontology 1.1Ontology的定义 Ontology最早是一个哲学的范畴，后来随着人工智能的发展，被人工智能界给予了新的定义。然后最初人们对Ontology的理解并不完善，这些定义也出在不断的发展变化中，比较有代表性的定义列表如下： 关于最后一个定义的说明体现了Ontology的四层含义： ●概念模型（cerptualization） 通过抽象出客观世界中一些现象（Phenomenon）的相关概念而得到的模型，其表示的含义独立于具体的环境状态 ●明确（explicit） 所使用的概念及使用这些概念的约束都有明确的定义 ●形式化（formal） Ontology是计算机可读的。 ●共享（share） Ontology中体现的是共同认可的知识，反映的是相关领域中公认的概念集，它所针对的是团体而不是个体。 Ontology的目标是捕获相关的领域的知识，提供对该领域知识的共同理解，确定该领域内共同认可的词汇，并从不同层次的形式化模式上给出这些词汇（术语）和词汇之间相互关系的明确定义。

1.2Ontology的建模元语 Perez等人用分类法组织了Ontology，归纳出5个基本的建模元语（Modeling Primitives）：●类（classes）或概念（concepts） 指任何事务，如工作描述、功能、行为、策略和推理过程。从语义上讲，它表示的是对象的集合，其定义一般采用框架（frame）结构，包括概念的名称，与其他概念之间的关系的集合，以及用自然语言对概念的描述。 ●关系（relations） 在领域中概念之间的交互作用，形式上定义为n维笛卡儿积的子集：R:C1×C2×…× C n。如子类关系（subclass-of）。在语义上关系对应于对象元组的集合。 ●函数（functions） 一类特殊的关系。该关系的前n－1个元素可以唯一决定第n个元素。形式化的定义为F:C1×C2×…×C n-1→C n。如Mother-of就是一个函数，mother-of(x,y)表示y是x的母亲。 ●公理（axioms） 代表永真断言，如概念乙属于概念甲的范围。 ●实例（instances） 代表元素。从语义上讲实例表示的就是对象。 在实际建模过程中，概念之间的关系不限于上面列出的4种基本关系，可以根据领域的具体情况定义相应的关系。 1.3Ontology和语义网络

PID控制详解

PID控制原理和特点 工程实际中，应用最为广泛调节器控制规律为比例、积分、微分控制，简称PID控制，又称PID调节。PID控制器问世至今已有近70年历史，它以其结构简单、稳定性好、工作可靠、调整方便而成为工业控制主要技术之一。当被控对象结构和参数不能完全掌握，或不到精确数学模型时，控制理论其它技术难以采用时，系统控制器结构和参数必须依靠经验和现场调试来确定，这时应用PID控制技术最为方便。即当我们不完全了解一个系统和被控对象﹐或不能有效测量手段来获系统参数时，最适合用PID控制技术。PID控制，实际中也有PI和PD控制。PID控制器就是系统误差，利用比例、积分、微分计算出控制量进行控制。 1、比例控制（P）： 比例控制是最常用的控制手段之一，比方说我们控制一个加热器的恒温100度，当开始加热时，离目标温度相差比较远，这时我们通常会加大加热，使温度快速上升，当温度超过100度时，我们则关闭输出，通常我们会使用这样一个函数 e(t) = SP – y(t)- u(t) = e(t)*P SP——设定值 e(t)——误差值 y(t)——反馈值 u(t)——输出值 P——比例系数 滞后性不是很大的控制对象使用比例控制方式就可以满足控制要求，但很多被控对象中因为有滞后性。 也就是如果设定温度是200度，当采用比例方式控制时，如果P选择比较大，则会出现当温度达到200度输出为0后，温度仍然会止不住的向上爬升，比方说升至230度，当温度超过200度太多后又开始回落，尽管这时输出开始出力加热，但温度仍然会向下跌落一定的温度才会止跌回升，比方说降至170度，最后整个系统会稳定在一定的范围内进行振荡。 如果这个振荡的幅度是允许的比方说家用电器的控制，那则可以选用比例控制 2、比例积分控制（PI）： 积分的存在是针对比例控制要不就是有差值要不就是振荡的这种特点提出的改进，它常与比例一块进行控制，也就是PI控制。 其公式有很多种，但大多差别不大，标准公式如下： u(t) = Kp*e(t) + Ki∑e(t) +u0

常规pid控制器与模糊控制器的比较 ()

上机实验 已知系统的传递函数为G(S)=1/(10S+1)e-0.5s。假设系统给定为阶跃值r=30，系统的初始值r(0)=0试分别设计常规PID控制器和模糊控制器。 常规PID控制器的设计： 利用Ziegler-Nichols整定公式整定PID调节器的初始参数 由公式可得 P=18 Ti=1.65 Td=0

SIMULINK仿真图 设定仿真时间为10s 仿真结果

模糊控制器的设定 1 在matlab命令窗口输入“fuzzy”确定模糊控制器结构：即根据具体的系统确定输入、输出量。选取二维控制结构，即输入为误差e和误差变化ec，输出 为u如下图所示

2 输入输出变量的模糊化：即把输入输出的精确量转化为对应语言变量的模糊集合。首先我们要确定描述输入输出变量语言值的模糊子集，如{NB，NM，NS，ZO，PS，PM，PB}，并设置输入输出变量的论域，然后我们为模糊语言变量选取相应的隶属度函数。如下图所示

3 模糊推理决策算法设计：即根据模糊控制规则进行模糊推理，并决策出模糊输出量。首先要确定模糊规则，即专家经验。如图。 制定完之后，会形成一个模糊控制规则矩阵，然后根据模糊输入量按照相应的模糊推理算法完成计算，并决策出模糊输出量。

4．对输出模糊量的解模糊：模糊控制器的输出量是一个模糊集合，通过反模糊化方法判决出一个确切的精确量，反模糊化方法很多，我们这里选取重心法。 SIMULINK仿真图 在模糊控制器的输入和输出均有一个比例系数，我们叫它量化因子，它反映的是模糊论域范围与实际范围之间的比例关系，这里模糊控制器输入的论域范围均为[-6，6]，假设误差的范围是[-10，10]，误差变化率范围是[-100，100]，控制量的范围是[-24，24]，那么我们就可以算出量化因子分别为0.6，0.06，8。量

三位建模综述

三维几何造型技术研究 周航 西安工业大学研究生部机电工程学院，陕西西安710032； 摘要：本文综述三维几何造型的理论与技术在CAD／CAM领域中的应用与发展概况：同时介绍了 三维几何造型的理论与技术发展的三个里程碑一一线框造型、曲面造型和实体造型：并且讨论了线 框建模、表面建模和实体建模等三种三维几何建模方法的优缺点及适用范围;阐述了物体生成原理。 描述了真实感投影技术。并简要论述了用布尔运算技术问题。 关键词：三维几何造型；实体几何法；参数法设计；变量化技术；布尔运算 中图分类号：TP391 文献标识码：A 3-D Geometric Modeling Techniques zhouhang (1. The Institute of Mechanical and Electrical Engineer, Xi'an Technological University, Xi’an 710032, China;2. School of Information, Xi'an University of Finance and Economics, Xi’an 710061, China;3. The Key Laboratory of Contemporary Design and Integrated Manufacturing Technology, Northwestern Polytechnic University, Xi’an 710072, China) Abstract: This article reviews the 3D geometric modeling theory and technology in CAD / CAM application and development: at the same time it introduces the 3D geometric modeling theory and technology development in the three milepost-- a wire frame modeling, solid modeling and surface modeling: and discussed the wireframe modeling, surface modeling and solid modeling of three dimensional geometry modeling methods and the scope of application;describing objects generated principle. Describing the true sense projection technology. And briefly analyzes the technical problems with Boolean operation. Keyword: Three dimensional geometric modeling; Solid geometry method; Parameter design method; V ariable technology; Boolean operation. 1前言 由于飞机、船舶、汽车外形复杂含有大量的自由面，所以CAD/CAM技术从一开始就与三维实体 造型紧密联系一起。三维几何造型是60年代末以来研究发展起来的用计算机系统来表示、分析和输 出三维形体技术。1972年日本北海道大学的冲也野教郎等建成了TIPS-1系统；1973年在英国剑桥 大学由I.C.Braid等建成了BUILD系统。经过20多年的研究与发展，逐渐形成了对三维形体进行几 何造型理论方法和系统。 2正文 三维几何造型技术是指用计算机系统来表示控制分析和输出三维形体，计算机中所存储和处理的 模型是对原物体确切的数学描述或是对原物体某种状态真是模拟。这个模型可为计算机辅助分析与 制造(CAE CAD)提供信息，如有三维模型产生有限元计算网络，编制数控加工刀具轨迹，甚至可进 行虚拟加工与虚拟实验。 线框模型是最早被发展应用的（70年代初），然后是表面模型（70年代后期），实体模型自80年 代以来逐渐得到发展和广泛应用，现在已经成为三维模型的主要形式。进入90年代世界各地区有了

智能控制技术的发展现状及心得体会

智能控制技术的发展现状及心得体会 摘要： 在此综述了智能控制技术的现状及发展，首先简述智能控制的性能特点及主要方法，然后介绍智能控制在各行各业中的应用现状，接着论述智能控制的国内外发展和现状。随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出创新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。 关键词：智能控制模糊控制神经网络遗传算法 一、引言 智能控制作为当今的一种交叉前沿学科，其研究中心始终是解决传统控制理论、方法（包括经典控制、现代控制、自适应控制、鲁棒控制、大系统方法等）所难以解决的不确定性问题。自智能控制概念的提出，自动控制界纷纷仿效，主流是人工智能技术引入到自动控制系统中，寻求难以精确建模的复杂系统的自动控制(自治)。 在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。对许多复杂的系统，难以建立有效的数学模型和用常规的控制理论去进行定量计算和分析，而必须采用定量方法与定性方法相结合的控制方式。定量方法与定性方法相结合的目的是，要由机器用类似于人的智慧和经验来引导求解过程。因此，在研究和设计智能系统时，主要注意力不放在数学公式的表达、计算和处理方面，而是放在对任务和现实模型的描述、符号和环境的识别以及知识库和推理机的开发上，即智能控制的关键问题不是设计常规控制器，而是研制智能机器的模型。此外，智能控制的核心在高层控制，即组织控制。高层控制是对实际环境或过程进行组织、决策和规划，以实现问题求解。为了完成这些任务，需要采用符号信息处理、启发式程序设计、知识表示、自动推理和决策等有关技术。这些问题求解过程与人脑的思维过程有一定的相似性，即具有一定程度的“智能”。 二、智能控制的性能特点 智能控制是自动控制发展的新的阶段，主要用来解决那些用传统方法难以解决的复杂、非线性和不确定的系统控制问题。智能控制系统具有以下几个特点：(1)较强的学习能力： 能对未知环境提供的信息进行识别、记忆、学习、融合、分析、推理，并利用积累的知识和经验不断优化、改进和提高自身的控制能力； (2)较强的自适应能力： 具有适应受控对象动力学特性变化、环境特性变化和运行条件变化的能力； (3)较强的容错能力： 系统对各类故障具有自诊断、屏蔽和自恢复能力； (4)较强的鲁棒性： 系统性能对环境干扰和不确定性因素不敏感； (5)较强的组织功能： 对于复杂任务和分散的传感信息具有自组织和协调功能，使系统具有主动性和灵活性； (6)实时性好：

智能控制文献综述

智能控制的发展，应用及展望 周杰 21225062 摘要：智能控制是当今控制学领域研究和发展的热点之一。本文论述了智能控制的发展过程，相比传统控制的优势，在低压电器中的应用，并对其未来发展做了展望。 关键词：发展历史；智能控制；低压电器技术；模糊控制；人工智能；展望 1.智能控制的发展历史 从20世纪60年代起，由于空间技术、计算机技术及人工智能技术的发展，控制界学者在研究自组织、自学习控制的基础上，为了提高控制系统的自学习能力，开始注意将人工智能技术与方法应用于控制系统。 1965年，美国著名控制论专家Zadeh 创立了模糊集合论，为解决复杂系统的控制问题提供了强有力的数学工具；同年，美国著名科学家Feigenbaum着手研制世界上第一个专家系统；就在同年，傅京孙首先提出把人工智能中的直觉推理方法用于学习控制系统。1996年，Mendl进一步在空间飞行器的学习控制系统中应用了人工智能技术，并提出了“人工智能控制”的概念。直到1967年，Leondes和Mendel才首先正式使用“智能控制”一词，并把记忆、目标分解等一些简单的人工智能技术用于学习控制系统、提高了系统处理不确定性问题的能力。 从20世纪70年代开始，傅京孙、Glorios 和Saridis等人从控制论角度进一步总结了人工智能技术与自适应、自组织、自学习控制的关系，正式提出了智能控制就是人工智能技术与控制理论的交叉，并创立了人—机交互式分级递阶智能控制的系统结构。在70年代中后期，以模糊集合论为基础，从模仿人的控制决策思想出发，智能控制在另一个方向—规则控制上也取得了重要的进展。进入80年代以来，由于微机的迅速发展以及人工智能的重要领域—专家系统技术的逐渐成熟，使得智能控制和决策的研究及应用领域逐步扩大，并取得了一批应用成果。80年代后期，神经网络的研究获得了重要进展，为智能控制的研究起到了重要的促进作用。 2.智能控制的分支 目前关于智能控制的研究和应用沿着几个主要的分支发展，主要有专家控制、模糊控制、神经网控制、学习控制、基于知识的控制、复合智能控制、基于进化机制的控制、自适应控制等等。有的已在现代工业生产过程与智能自动化方面投入应用。主要介绍如下：专家控制是由K.J.Astrom将人工智能中的专家系统技术引入到控制系统。组成的一种类型的智能控制。借助专家系统技术，将常规的RLS 控制、最小方差控制等不同方法有机结合起来P 能根据不同的情况分别采取不同的控制策略。 模糊控制自1965年Zadeh 教授创建模糊集理论和1974年英国的Mamdani成功地将模糊控制应用于蒸汽机控制以来，模糊控制得到了很大的发展和广泛的应用。模糊控制是基于模糊推理、模仿人的思维方式、对难以建立精确数学模型的对象实施的一种控制，成为处理推理系统和控制系统中不精确和不确定性的一种有效方法，构成了智能控制的重要组成部分。 神经网络控制是另一类智能控制的重要形式。神经网络模拟人的大脑神经结构和功能，

图像数据挖掘相关研究综述_概念和应用

Research on Image Mining-Concepts and Application Ding Chong Fan Jun Luan Tian Abstract:Image mining is an emergng field in data mining.Along with the wild use of large scale digital photo tech －nology,it becomes more and more important to devise powerful tools for analyzing tremendous image data and grasping the contents inside.But there is a large gap between traditional data mining and image mining in data formation and content,and the methods and algorithms are also different.In this paper,we focus on illustrating basic concepts and re －cent applications issues on image mining and the frameworks are reviewed,and then related technologies such as pat －tern recognition and image processing are discussed.At last,applications of such techniques as satellite photo,medical X-rays,and bio-photomicrography are introduced. Key words:data mining;pattern recognition;image processing 作者简介：丁冲，1983年生，吉林长春人，南京大学商学院在读硕士，研究方向为电子商务、数据挖掘。范钧，1983年生，河北保定人，西南财经大学在读硕士，研究方向为人力资源管理。栾添，1983年生，吉林长春人，东北师范大学在读硕士，研究方向为动物学。 图像数据挖掘相关研究综述—概念和应用 丁冲范钧栾添 摘要：图像挖掘是数据挖掘领域中新兴的领域。随着数字照相技术的发展和在多学科中的广泛应用，对大量图像数据的分析和研究越来越重要。由于图像挖掘的对象、内容不同于传统数据，方法上也不同于传统技术。本文旨在介绍图像挖掘的基本概念和体系以及国际上最新的研究成果。本文回顾了图像挖掘的相关问题及建模框架，并与模式识别、图像处理等相关领域进行了比较，在此基础上，还介绍了近年来图像挖掘领域在卫星遥感、医学影像和生物显微照片研究的相关应用。关键词： 数据挖掘；模式识别；图像处理1引言 图像获取和存贮技术的发展带来了大规模精细 图像数据库的产生。通过诸如卫星照片、医学照片和数字照相机等设备，获得了大量的图像数据。图像挖掘由于它潜在的巨大价值而受到广泛关注，对于那些能够自动提取语义信息（知识）的图像挖掘系统的需求与日俱增。然而时至今日，人们所掌握的技术还很难对这过于巨大的数据加以利用。 Hsu,Lee 和Zhang [1]的一篇综述性文章指出，这一领域中最基本的问题在于，需要对原始的象素图像和图像序列分析到何种精确程度，才能有效的获取复杂 的空间目标以及它们之间的关系。换句话说，图像挖掘（Image mining ，简称IM ）研究的对象是隐含的知识，图像数据的间接关系，或者其他那些没有被明确地存贮于图像数据中的模式，因此需要对其进行有效的取舍。 2相关概念和问题 2．1数据挖掘与图像挖掘 由于图像数据库和传统的关系型数据库存在巨 大差异，导致了很多现有的数据挖掘（Data Mining ）技术无法应用在IM 领域。 第一，在关系数据库中，数据值在语义上是有意 第12期（总第111期）2008年12月 No.12(Series No.111)Dec2008 统计教育Statistical Thinktank

PID控制原理讲解

经常有人问有关PID的用法，看一些有关单片及应用的书上都有关于PID的应用原理，但是面对具体的问题就不知道如何应用了，主要的问题是里面所用到的参数以及计算结果需要进行什么处理，通过什么样的换算才能具体的应用于实际，另外在计算方法上也存在着数值计算的算法问题，今天我在这里例举温度控中的PID部分，希望能够把PID的具体应用说明白。 一般书上提供的计算公式中的几个名词： 1. 直接计算法和增量算法，这里的所谓增量算法就是相对于标准算法的相邻两次运算之差，得到的 结果是增量，也就是说，在上一次的控制量的基础上需要增加（负值意味着减少）控制量，例如对于可控硅电机调速系统，就是可控硅的触发相位还需要提前（或迟后）的量，对于温度控制就是需要增加（或减少）加热比例，根据具体的应用适当选择采用哪一种算法，但基本的控制方法、原理是完全一样的，直接计算得到的是当前需要的控制量，相邻两次控制量的差就是增量； 2. 基本偏差e(t),表示当前测量值与设定目标间的差，设定目标是被减数，结果可以是正或负，正 数表示还没有达到，负数表示已经超过了设定值。这是面向比例项用的变动数据。 3. 累计偏差Σ(e)= e(t)+e(t-1)+e(t-2)+…e(1)，这是我们每一次测量到的偏差值的总和，这是代 数和，考虑到他的正负符号的运算的，这是面向积分项用的一个变动数据。 4. 基本偏差的相对偏差e(t)-e(t-1)，用本次的基本偏差减去上一次的基本偏差，用于考察当前控 制的对象的趋势，作为快速反应的重要依据，这是面向微分项的一个变动数据。 5. 三个基本参数：Kp，Ki，Kd.这是做好一个控制器的关键常数，分别称为比例常数、积分常数和 微分常数，不同的控制对象他们需要选择不同的数值，还需要经过现场调试才能获得较好的效果。 6. 标准的直接计算法公式： Pout(t)=Kp*e(t)+Ki*Σe(t)+Kd*(e(t)-e(t-1))； 上一次的计算值： Pout(t-1)=Kp*e(t-1)+Ki*Σe(t-1)+Kd*(e(t-1)-e(t-2))； 两式相减得到增量法计算公式： Pdlt=Kp*(e(t)-e(t-1)+Ki*Σe(t)+Kd*(e(t)-2*e(t-1)+e(t-2))； *这里我们对Σ项的表示应该是对e(i)从1到t全部总和，但为了打字的简便就记作Σe(t). 三个基本参数Kp，Ki，Kd.在实际控制中的作用： 比例调节作用：是按比例反应系统的偏差，系统一旦出现了偏差，比例调节立即产生调节作用用以减少偏差。比例作用大，可以加快调节，减少误差，但是过大的比例，使系统的稳定性下降，甚至造成系统的不稳定。 积分调节作用：是使系统消除稳态误差，提高无差度。因为有误差，积分调节就进行，甚至无差，积分调节停止，积分调节输出一常值。积分作用的强弱取决于积分时间常数Ti，Ti越小，积分作用就越强。反之Ti大则积分作用弱，加入积分调节可使系统稳定性下降，动态响应变慢。积分作用常与另两种调节规律结合，组成PI调节器或PID调节器。 微分调节作用：微分作用反映系统偏差信号的变化率，具有预见性，能遇见偏差变化的趋势，因此能产生超前的控制作用，在偏差还没有形成之前，已被微分调节作用消除。因此，可以改善系统的动态性能。在微分时间选择合适情况下。可以减少超调，减少调节时间。微分作用对噪声干扰有放大作用，因此过强的加微分调节，对系统抗干扰不利。此外，微分反应是变化率，而当输入没有变化时，微分作用输出为零。微分作用不能单独使用，需要与另外两种调节规律相结合，组成PD或PID控制器。 具体应用中的数值量化处理： 上面只是控制算法的数学方法，似乎有点抽象，在具体的控制项目中怎样对应呢？也就是具体的量化问题。下面举一个在温度控制中的处理方法。