摘    要：基于控制微元的統計自適應增量控制方法是依據檢測數據的周期性預測增量控制方法．編制仿真程序，對統計自適應增量控制方法實際運行所有的可能組態進行仿真研究。通過外層振蕩組態，有效控制組態，無效控制組態，及控制組態概率仿真等多方面的調節增量分析，證明該方法能夠使時間連續的控制微元群收斂于統計****化，說明統計自適應增量控制方法有很強的抗干擾能力。給出了基于控制微元的統計自適應增量控制方法的應用買例，進一步說明該方法在工業智能控制系統中對于非線性模擬量控制的有效性。

關鍵詞：嵌入式系統；集散控制系統；智能控制；非線性模擬量控制

中圖分類號：tp 273    文獻標識碼a

    在嵌入式集散控制系統中，對于非線性、無具體數學模型的被控對象，目前多采用神經網絡、模糊處理、遺傳算法等智能控制算法實現控制。這些智能控制算法依然是熱門研究課題。

    模糊控制的實質是將相關領域的專家知識和熟練操作人員的經驗，轉換成模糊語言規則，通過模糊推理和模糊決策；實現對復雜系統的控制。但人的知識和經驗是有限的，難以構造出準確描述實時控制系統控制狀態的隸屬函數；遺傳算法是群體搜索策略與群體中所有個體之間的信息交換，適合于復雜和非線性問題的尋優。由于尋優需要較長的時間，很難用于實時系統的高速優化控制；神經網絡是通過對被控系統進行學習、訓練來實現控制。學習需大量的樣本數據和一定的時間方能完成動態訓練，無法應對實時控制系統的突發事件。

    針對當前流行的智能控制算法的缺陷，文獻[10]和文獻[11]提出了基于控制微元的統計自適應增量控制方法。文獻[11]中，初步提出了統計自適應增量控制器的設計方案。文獻[10]對該方法進行了較詳細論述，給出了10個量化控制狀態的控制方法。本文將通過統計自適應增量控制方法的收斂性分析，進一步說明該方法的有效性。

    基于控制微元的統計自適應增量控制方法是依據檢測數據的固定周期預測增量控制方法。當量化控制狀態數為10個時，時問連續的擴展控制微元群的統計自適應增量控制****化條件滿足下式。

  

        

  該方法把控制微元檢測數據的周期性統計與智能控制方法的理念相結合，選擇控制周期為控制微元，通過對實時控制要求的細化，抽象出控制微元內控制曲線的量化控制狀態統計圖，對其進行統計分析，找出統計穩定系數、平均統計狀態偏差、統計趨勢、統計超調、尾偏差等參數與調節增量之間的關系，設計出統計預測自適應記憶增量控制器，實現對模擬量的快速實時控制。該控制器，依據對被控對象總體運行數據的統計辨識，直接確定新的控制微元的調節增量，增量可取值在較大范圍內離散分布，對控制狀態的分辨率很高，只需給定少量的控制條件即可運行。量化控制狀態可按一個字節方式存取，算法所用存儲空間小，其運算速度快，并且在非線性模擬量實時控制系統中取得了較好的控制效果。對于時間連續的控制微元群，若其量化控制狀態符合式(2)的條件，則稱為控制狀態的外層振蕩。

    外層振蕩組態成對出現，共有3對，6種組態。外層振蕩組態示例，如圖l所示。

   

  其特點是控制組態在對應的不穩定狀態下振蕩。統計自適應增量控制方法首先應消除這種量化控制狀態下的外層振蕩。

    為了消除量化控制狀態的外層振蕩，取可調控制參數的****尺度kzt的部分值為基本調節增量△g為

    &nb