沉宝 发表于 2015-2-7 21:50
看来我对离散系统的概念有误，叫sampled data system就清楚多了。
对于Bang-Bang系统是否线性仍然有异议 ...
同意bang bang控制不能用经典理论分析。实际上，最速控制是用最大值原理分析的，确实不是经典理论。电饭煲用PID的话，应该按照设定值按照某种时间序列来分析，系统还是线性的，但这是一个伺服加扰动抑制问题，好比工业上的批过程（batch process）。
橡树村 发表于 2015-2-7 22:13
如果只是根据不同温度直接控制加热器的开关，那这个和什么PID什么模糊控制都扯不上关系呀！这个唬人程度 ...
这倒不完全是唬人，模糊控制的输出可以是连续的，也可以是离散的。等哪天我有时间把这掰一掰，不过这比较枯燥了，要画input-output mapping和membership function。
本帖最后由 晨枫 于 2015-2-8 01:54 编辑
Sichuluanhuang 发表于 2015-2-7 22:18
我认为这就是PID控制最后战胜模糊控制等的原因。工业过程控制，根据产品的不同对控制的精度要求也不同， ...
唉，还是扯到完全不相干的方向上去了。工业上是希望控制精度越高越好的，控制精度高，或者产品质量更加均匀，或者可以把设定值向次品的边缘赶得更近。这样说不好听，但实际上就是这么回事，质量控制的实质就是降低次品率，高精度控制就可以更有把握地偷工减料而不出次品。
PID应用更加广泛的最大原因是性子摸熟了，而且实现具有简单、统一的方式；模糊控制还是case by base的rule based system，很难一般化。对于电饭煲，这rule都是差不多的，所以电饭煲厂家苦心研制出一个控制律，可以用在N多产品上；工业上就不同了，要是每个温度、压力、转速、液位回路都要编制不同的rule，这要出人命的。
Sichuluanhuang 发表于 2015-2-7 23:14
哈哈。日本人真能忽悠，国人也真能被忽悠。
我觉得日本人的模糊控制最成功的可能就是能跟人聊天的机器人 ...
和人聊天的机器人用到的是人工智能，包括自然语言识别，与模糊控制是两条路上的东西。
本帖最后由 隧道 于 2015-2-8 17:31 编辑
橡树村 发表于 2015-2-7 22:15
神经网络也只是一个算法而已，没啥高深的，有适合应用的地方，也有缺点。在这个应用环境下，我不认为会比 ...
现在总算对这个神经网络算法有个概念了。以前总以为很神，很高大上。
刚才特意baidu了一下，原来就是
“在学习或训练过程中改变突触权重值，以适应周围环境的要求。同一网络因学习方式及内容不同可具有不同的功能。”
还是人编的程序，预设的让程序分析信噪比，加强与信号相关参数的权重。
估计就是指电饭锅用同一个控制电路能煮出不同软硬程度的米和能煮各种不同的米。
其实就是预设几种不同的参数就是所谓的neuro fuzzy了。
晨枫 发表于 2015-2-8 15:47
这倒不完全是唬人，模糊控制的输出可以是连续的，也可以是离散的。等哪天我有时间把这掰一掰，不过这比较 ...
发这个牢骚是因为实现这个功能没必要搞什么控制算法。就是几个设温点，常温的时候几个加热丝全开，到一定温度就开始关某个加热丝，就搞定了。使用金属温度计的话完全机械装置都可以实现这个功能的。
不过这也的确符合模糊控制的应用。
隧道 发表于 2015-2-8 16:16
现在总算对这个神经网络算法有个概念了。以前总以为很神，很高大上。
刚才特意baidu了一下，原来就是
“ ...
我二十年前刚接触神经网络的时候也觉得这玩意很神奇。自己编了几个程序以后就立刻改变认识了。
橡树村 发表于 2015-2-8 18:44
我二十年前刚接触神经网络的时候也觉得这玩意很神奇。自己编了几个程序以后就立刻改变认识了。
...
我觉得神经网络可能只有到了系统复杂度上足够层次后才会显示优越性，比如说数万路input对数万路output。由于组合爆炸，传统的分析方法可能力不从心了。
晨枫 发表于 2015-2-8 15:51
唉，还是扯到完全不相干的方向上去了。工业上是希望控制精度越高越好的，控制精度高，或者产品质量更加均 ...
自动化的目的是为了控制得更加精确，这没错。但控制系统的精确性和稳定性有时是有冲突的，过分强调精确性，一点点偏差就改变输出，对执行器是种挑战。。
PID应用时，只有精度要求高的地方，才会P,I,D全都用上这些大都化工炼油上。在上游，很多地方用到P 比较多，有些地方再加上I 或P，所以说工业上容许一些误差。
当然，我赞成您说的，PID的控制方式法针对不同对象是简单统一的，相对于模糊控制的定制化，工业应用上的优势是压倒性的。
隧道 发表于 2015-2-8 02:16
现在总算对这个神经网络算法有个概念了。以前总以为很神，很高大上。
刚才特意baidu了一下，原来就是
“ ...
不知道你对内插或者数据回归是否熟悉？常用的内插函数是多项式，有时也用分式，神经元就是一个形式比较特别的内插函数，特别“柔软”，较低阶数就可以几乎无误差地匹配到数据点上，但数据点之间和采样空间之外的外推及其糟糕。
橡树村 发表于 2015-2-8 04:42
发这个牢骚是因为实现这个功能没必要搞什么控制算法。就是几个设温点，常温的时候几个加热丝全开，到一定 ...
哈哈，说得那么直白，还怎么诱使顾客多花钱？{:189:}但说白了，确实就是这么回事。
沉宝 发表于 2015-2-8 07:40
我觉得神经网络可能只有到了系统复杂度上足够层次后才会显示优越性，比如说数万路input对数万路output。 ...
神经元对于特别高维的问题并不是强项，内部的“层”和“节点”一多，“训练”（实际上上就是针对神经元那样特定的函数形式的参数匹配和数据回归）的收敛性就成问题了。神经元的强项是高度非线性的低维系统。
Sichuluanhuang 发表于 2015-2-8 08:32
自动化的目的是为了控制得更加精确，这没错。但控制系统的精确性和稳定性有时是有冲突的，过分强调精确性 ...
精确性和稳定性不是一对矛盾，响应速度与稳定性才是，但可以通过参数整定达到比较满意的结果。精确性是静态指标，通常用“无偏控制”来描述，就是在静态（稳定之后）下反馈值/测量值/被控变量与设定值之间没有偏差，对于大部分过程，这只要加积分就可以做到。
工业上纯P已经用得不多了，一般是PI，D在理论上有很多好处，尤其是提高稳定性、提高响应速度，在实践上能用则用，问题是对信号噪声的误动作。在机械式（比如气动仪表）时代，纯P比较简单。在全电子甚至数字式实现的时代，P、PI、PID在实施成本上没有差别，除非"自然积分过程”，一般很少用纯P控制。相反，对于测量噪声特别大的过程，倒是有用接近纯I的控制，避免对测量噪声草木皆兵，而是按照反馈值的“大趋势”给出控制量。
本帖最后由 隧道 于 2015-2-9 00:07 编辑
晨枫 发表于 2015-2-8 23:27
不知道你对内插或者数据回归是否熟悉？常用的内插函数是多项式，有时也用分式，神经元就是一个形式比较特 ...
我总感觉模糊控制是PID控制的子集。或者说参数动态可变的PID控制。
其实PID控制也很模拟人的思维。
隧道 发表于 2015-2-8 10:05
我总感觉模糊控制是PID控制的子集。或者说参数动态可变的PID控制。
其实PID控制也很模拟人的思维。
同意后一点，不同意前一点。PID的产生不是学院派的苦思冥想，而是模仿人类思维，然后才有学院派的分析和命名。但模糊控制与PID在思路和数学实施上没有相似之处。
PID本身的来源也是个经验模型。并不是上来就有理论说P+I+D可以满足大部分的过程控制需求。
也是慢慢摸出来的。
从这个思路来说，采用何种控制算法，仍然是经验决定的。
因此，模糊控制也好，神经元控制也好，也仅仅是经验表明这种方式比较合适。
对于电饭锅，只能说人家比较下功夫。
相对昂贵的电饭锅说明厂家用了更多资源去优化了产品设计，达到更好的性能。
我倒是认为，除了控制律的优化，硬件本身需要下的功夫应该更多。
宣传上，高大上的算法更吸引眼球而已。
工业自动化上，现在喜欢把模糊控制，神经元控制都归类到先进控制里。通过OPC搜集过程数据，通过数据回归和建模，给出方案然后验证，有些配上自学习功能。投资都是很大的。
工业生产的实际情况中，想到得到理想的数据难度很大。数据的不理想，原因可能特别复杂：设备的状况，介质的变化，干扰等等都会造成前一段采集的数据与后一段有很大的差别。所以先控的使用局限性也就特别的大，往往同样的装置，在这里好用的模型到那里就不行，重复性特别差。
如果像电饭锅这样的产品，想追求每家都能做出一样香甜软糯，不用菜都能干3碗的目标，那真的是醉了。
如果您家的电饭锅刚好能做出完美的米饭，那只能说您家的米啊，水啊，烧的量啊，甚至电的品质和您本人的口味啊，都契合上的电饭锅厂家的设计目标。
那是您的运气好，不一定代表电饭锅先进。
对于我来说，好米饭就是小时候玩了一下午，饿的前胸贴后背的时候，来的那一碗冷饭，哈哈。
qyangroo 发表于 2015-2-8 03:06
PID控制，儿子最近跟同学捣腾的机器人就是用PID控制，要控制两边的引擎把机器人开到指定位置装卸货物。误差 ...
Lego的那个Mindstorm？
pcb 发表于 2015-3-13 01:07
Lego的那个Mindstorm？
不是，是为参加机器人竞争准备的。
工业过程中PID控制器是主流，神经网络可以无限逼近任意函数这点上有不少应用，模糊控制主要用在某些控制对象数学模型不精确且要求不高的场合。