常用控制演算法(包括PID和卡爾曼濾波等)各有什麼天然的侷限乃至缺陷?

時間 2021-05-14 16:10:03

1樓:昨夜星空燦爛

都是基於模型的控制。

模型的準確與否決定了控制器的設計和實際的使用效果。

我認為未來基於機器學習等領域的演算法可能會在實際中廣泛採用。

卡爾曼濾波不是控制,是一種觀測手段,實現最佳的估計。也得依靠模型和對雜訊的統計屬性的假設。

另外去覺得控制器的工程實現,現在大多數的控制器全部是數字實現。雖然在設計上採用了模擬的設計思想。所以,還是有一些implementation的問題需要考慮。

2樓:

儘管一般來說,測量是越精確越好,對於固定引數的PID,或者收斂後的kalman,由於初始狀態的偏移,以及模型的不確定性,適當的雜訊有利於更快到逼近到真實狀態。

如果把PID的輸出型別以及值的空間固定下來之後,那麼剩下來的調參主要就是依賴於系統響應特性以及常態誤差,而kalman濾波中的模型不確定性辨識也非常依賴於更新間隔和誤差。

特別是kalman,我們通常都是在利用其濾波能力的同時去逼近未知模型引數,適當的誤差擴大了解空間的搜素範圍,避免了不必要的較大的系統誤差設定。但反過來,大的觀測誤差也不利於穩態情形下的精度逼近。

如何提高精度的同時,提高系統的動態響應特性,我認為是控制演算法中的乙個需要解決的主要問題。

3樓:劉品傑

常用控制演算法(包括PID和卡爾曼濾波等)最大的問題是,研究生的時候學習一大堆,到了工作實際當中,除了PID,其他用的都非常少。過程控制系統裡,本來那些高階系統,全部被分解為低階系統。從工藝指標上,就分解的很完美,每個引數在多少到多少之間波動。

很簡單的乙個PID就都搞定了。而且隨著專案越做越多,工程的標準化,連PID引數都是基本恆定的。一台火電站和一台核電站裡,用到的串級PID控制也只有乙個。

算是稍微複雜一點。

在學校裡,PID演算法是需要先對物件建模的,實際工作中根本沒人這麼做。本來可以簡化的系統,被做的很複雜。優秀的控制演算法本身可以降低系統的能耗,能夠減少執行機構的動作,能夠延長裝置的壽命,但是在中國這些根本不在考慮範圍。

反正中中國人多,在國外無人值守的地方,在中國總是要常駐幾個人的。

上面有人說PID控制因為無法建模控制不了機械人。工業流水線和工業機械人基本上都是PID控制的,只不過跟我上面說的一樣,每個執行機構乙個PID,沒有高階控制。

控制演算法工程師在中國反而成了最沒有技術含量的工種。真是學控制的悲哀!!!

4樓:小心假設

拋磚引玉:

乙個 LTI 的反饋系統,控制器 C,被控物件 P。如下圖示(手繪的,in case you did not notice…):

5樓:銳眼

PID控制演算法最大的優點也就是它的缺點——沒有數學模型。

經過國內外數學建模大賽的宣傳和各大高校在課程中的滲透,數學模型的重要性不言而喻。由於PID在工程領域的資深老大哥地位,至今多數產品、裝置的控制演算法都採用PID控制,PID在實際應用中確實優勢明顯,以至於產生了很多引數整定方法,但這些方法也多是難以量化的,比如:」先調P引數,增大P到系統振盪後減小一點,再增大I...

「。使用者對PID控制始終保持一種懵逼的感情,好用,但又不知道為什麼?歸根結底就是因為沒有數學模型。

沒有數學模型意味著沒有可移植性。如果沒有對系統的深度解剖,分析工作原理,只用調參實現乙個無人機的姿態控制,換乙個機架可能引數就完全不同了,飛機就炸了。如果有相對準確的數學模型,同樣的飛控,對不同的機架適應性會強很多。

另乙個缺點是,沒有數學模型的控制很難應用於大型系統,所以PID最好是用在小模組尤其是末端執行器的控制上,比如控制乙個雙足機械人行走,不能直接用乙個PID控制器實現,而是在結合機械人結構,進行運動學、動力學分析後推導出各個關節舵機的輸入量,再結合PID計算合適的輸出。

6樓:死亡FLag

一是硬體。硬體。硬體。

然後,機器不能預判,一切都要靠先獲取資訊後做出反應,再快的運算速度也比不上生物可以根據周邊環境預判。

7樓:

任何反饋演算法都需要「測量反饋」。反饋不准就白扯了。

觀測器和濾波器是能提高準確度,但是也會帶來額外的時間開銷、反饋延遲,給整個閉環的穩定性造成隱患

ADRC控制演算法和PID比較實際效果如何?

十萬個為什麼 控制演算法按照反饋的量可以分為 1.輸出反饋。2.狀態反饋。3.動態反饋。經典控制採用傳遞函式描述,他的反饋是針對輸出的誤差的,是一種輸出的反饋,當然,可以對輸出微分 積分 非線性變換等操作,但是本質還是輸出反饋。現代控制理論是基於狀態反饋,而對於狀態不可觀的情況,是通過輸出根據狀態觀...

最優控制演算法例如LQR演算法,可以像PID一樣解決工程上的一般性控制問題嗎?

RoyXu PID控制不依賴被控物件的數學模型只需要被控物件的輸入輸出資料,LQR控制是基於被控物件精確數學模型的控制方法,兩者不是一類的控制演算法。 LQR最後求解CARE得到的是乙個比例控制,在實際應用中考慮建模誤差,雜訊等等可能還是會加上I和 或 D環節。如果要是那種針對輸出誤差來靠經驗調節引...

如何用PID演算法控制電流或者電壓使得功率穩定在定值附近?

劉添億 這其實是很簡單也很常見的問題,但是很多答主不正面回答,我感到很遺憾。電路上主要包括三部分。控制器 功率放大 反饋。如果用模擬電路的方案,可以用運放搭出來減法器和PID控制器,用電位器作為理想功率的輸入訊號。功率放大電路的結構和被控物件的功率大小有關。對於較小的功率,直接用電晶體跟隨器就可以。...