动态特性满足期望的指标要求，达到理想的控制目标。对于这样简单的控制器，能够适用于广泛的工业与民用对象，并仍以很高的性价比在市场中占据着重要地位，充分地反映了控制器的良好品质。概括地讲，控制的优点主要体现在以下两个方面原理简单结构简明实现方便，是种能够满足大多数实际需要的基本控制器控制器适用于多种截然不同的对象，算法在结构上具有较强的鲁棒性，确切地说，在很多情况下其控制品质对被控对象的结构或参数摄动不敏感。但从另方面来讲，控制算法的普及性也反映了控制器在控制品质上的局限性。具体分析，其局限性主要来自以下几个方面算法结构的简单性决定了控制比较适用于单输入单输出最小相位系统，在处理大时滞开环不稳定过程等受控对象时，需要通过多个控制器或与其他控制器的组合，才能得到较好的控制效果算法结构的简单性同时决定了控制只能确定闭环系统的少数主要零极点，闭环特性从根本上只是基于动态特性的低阶近似假定的出于同样的原因，决定了单控制器无法同时满足对假定设定值控制和伺服跟踪控制的不同性能要求。如何更好地整定控制器的参数直是控制器设计的主要课题。从实际需要出发，种好的控制器参数整定方法，不仅可以减少操作人员的负担，还可以使系统处于最佳运行状态。传统的控制算法或是依赖于对象模型，或是易于陷入局部极小，因此存在定的应用局限性，且难以实现高性能的整定效果，常常超调较大调整时间较长误差指标过大等。常规的控制系统主要针对有确切模型的线性过程，其参数经确定就无法调整，而实际上大多数工业对象都不同程度地存在非线性时变干扰等特性，随着环境变化对象的参数甚至是结构都会发生变化。自和提出参法与般控制方法抗积分饱和控制法相比，在调节时间抑制超调量稳定性都要好，可以在工业上推广使用。只是运用这种模糊推理方法需要建立专家模糊规则库，这需要长时间的实践和调整才能得到比较合理的知识规则库。另外目前这种控制方法知识规则的推理都大部分借助计算机程序，因此对这种控制器的开发需要有比较专业的计算机语言，在这里用到的语言以及所属的仿真控件。在整个设计过程中，使我对所学知识进行了个比较大的综合巩固，让我学会了各种查阅资料以及整理所需材料的能力，通过这次的课题设计，也让我学习到了不少新知识，在几个月的学习实践中学到的东西比以往学到的都要丰富，因为我神经网络控制非线性控制等高级控制策略来调整和优化参数。日本的提出种重复控制，用于伺服重复轨迹的高精度控制，它原理来源于内模原理，加到被控对象的输入信号处偏差外，还叠加个过去的偏差，把过去的偏差反映到现在，和现在的偏差起加到被控对象的控制，偏差重复利用，这种控制方法不仅适用于跟踪周期性输入信号，也可抑制周期性干扰。由卡尔曼提出的卡尔曼滤波理论，采用时域上的递推算法在数字计算机上进行数据滤波处理，该滤波器对控制干扰和测量噪声具有很好的滤波作用。由美国大学的教授提出的遗传算法，时他提出的模拟自然界遗传机制和生物进化论而形成的种并行随机搜索最优化方法。它将优胜劣汰，适者生存的进化论原理引入优化参数形成的编码串联群体中，按所选择的适配值函数通过遗传中的复制，交叉及变异对个体进行筛选，使适配值高的的个体被保留下来，组成新群体，新群体有继承上代信息，优于上代，周而复始知道得到满意值，这种算法简单，可并行处理，得到全局最优解。对于工业控制中许多被控对象的纯滞后性质，提出种纯滞后补偿模型，与控制器并接个补偿环节，该补偿环节称为预估器，实际上的预估模型是反向并联在控制器上的，控制方法前提是必须确切地知道被控对象的数学模型，再次基础上能得到精确地预估模型，得到很好的控制效果。随着现代工业的发展，人们面临的被控对象越来越复杂，对于控制系统的精度性能和可靠性的要求越来越高，这对控制技术提出了严峻的挑战，但是控制技术并不会过时，它必将和先进控制策略相结合向高精度高性能智能化的方向发展。本论文研究内容本文在介绍传统的控制算法，并对传统算法改进后，在学习的基础上提出种模糊参数自整定方法，这种模糊控制的算法必须精确地确定对象模型，是操作人员专家长期实践