智能化在线控制系统

图10.32 “智能”控制系统的逻辑结构示意图^[52]

若希望控制整个过程，如焊接、切割或涂层，控制系统需要处理许多不同的在线传感信号，并面临各自不同的控制选项。比如，涂层时存在高度、温度、稀释、送粉速率、激光器功率、传输速度、涂层厚度及其他可能信号。控制选项有可能改变功率、送粉速度、聚焦位置及传输速度，因此该过程需要具有对功率、送粉速度、聚焦位置及传输速度的直线控制环路，以控制这些变量并获知它们不会漂移。尤其是，全面诊断阶段最为重要的是需要确定什么是错误的（如果出现错误）以及如何进行修改。然后将这种判定传送到另一软件包以确定该参数的改变大小。“智能”部件需要作出决策并进行自我反馈，以便能够更快、更准地作出判断和调整。图10.32给出了其逻辑框架。在ETCA切割系统分布（见图10.29）中已给出了更大范围的视图。

可以按照Li的方法^[28]将诊断部分设置为求解模糊逻辑问题的概率矩阵，另一种设置方式是采用神经逻辑。作为模糊逻辑矩阵的一个例子，表10.4给出了对传感信号一些响应和诊断的选项。

表10.4 概率矩阵的信号、诊断和响应

①一些控制限制影响诊断。

电脑将这些选项视为表10.5中给出的概率矩阵。视各自的不同状态，传感逻辑将显示“正确”或“错误”。这个矩阵只是整个问题中的局部矩阵，它表明最可能的诊断是d1.1、d1.2或d1.5。(www.xing528.com)

当诊断结果的概率等级超过一个门槛值时，如0.5，它们将被选定，并被输入表10.6中所示的判定概率矩阵。因此其响应最有可能是r1，或错误r5，或错误r4。在给定的方案中，r1可能无法改变。

表10.5 诊断概率矩阵

概率矩阵中的概率值是变化的，它们可能导致程序改变。因此，如果r1被改变，它将无法工作，然后概率值1将被减去一个计算值。程序将以这种方式“获知”一个更好的概率表，并由此得到更快更准确的响应。Li^[28]对该主题进行了更深入的研究。

然而这仅是问题的一半，问题的另一半是确定r1应该调整多少，实际上就是送粉速度应该减小多少。这是一个标准的控制理论，设计该理论的目的就是在对控制系统不引入不稳定性的情况下做出改变。Li^[28]给出了一个以规律为基础的自适应控制策略。

表10.6 响应概率矩阵