【论文摘要】：电子技术与计算机技术的发展，使得当时的机电控制技术逐渐向现代控制技术发展，并由单变量控制系统逐渐向多变量控制系统过渡。从70年代开始，计算机技术领域逐渐向微型化扩展。机电控制技术通过引入微型计算机，已开始向着智能化的方向发展。本文结合笔者多年工作经验，对机电控制系统的控制方式以及现代机电控制技术的应用进行了探讨。

【关键词】：机电控制系统控制方式
　　中图分类号：O421+.4文献标识码：A文章编号：

现如今，机电控制技术的发展对我国的经济与国防等的建设增添新活力。机电控制技术指的是把机械、电子等知识紧密结合在一起的一种应用技术，这就需要多种新技术的应用才得以实现，目前主要的机电控制系统的控制方式有以下几种：

1.PID控制
　　PID控制理论是经典控制理论的代表，其名称来源于它的3种修正算法，即P（比例控制单元）、（I积分控制单元）和D（微分控制单元），分别对被控量的当前值、过去值和将来值进行控制修正。这3种修正算法都是用加法来实现被控制量的调整，在实际过程中，由于被加数总是为负的，所以这些加法运算实际上是相当于减法运算的。虽然PID控制结构简单，易于实现，但传统的PID控制器无法解决控制系统的快速性和稳态特性之间的矛盾，而且鲁棒性也不够强。然而通过这种经典控制理论的发展，目前已经出现了模糊PID、自适应PID等控制效果良好的控制器。

2.状态反馈控制
　　状态反馈控制的全称是全状态反馈控制，它把控制系统的全部状态变量反馈回控制器的输入端，从而提高控制系统的阻尼，全面改善控制系统的动态性能。在控制理论中，控制器的时域特性与极点的分布有极大的关系，而状态反馈增益可通过改变反馈矩阵F来改变控制器的特征根（极点），从而改变控制系统的时域特性以及参数控制系统的敏感性。

3.自适应控制
　　自适应控制理论，有时又被称为“仿生控制”理论，它研究的问题主要是针对控制系统的非线性或由于各种因素造成的不确定性，如何确定合适的控制器从而使控制系统最优或近似最优的问题。
　　目前，自适应控制理论中最为成熟的主要是自校正控制（图1）和模型参考自适应控制（图2）。自校正控制主要用于时变性不强的对象控制中，模型参考自适应控制则主要用于那些参数有突变或突加外负载干扰的对象控制中。
　　自适应控制虽然对于控制系统的性能有很好的改善作用，但是它仍然存在着许多不足。首先，自适应控制系统比较复杂，而且成本高；其次，它对使用对象的要求比较严格，如自校正控制无法应用于响应快速的系统；最后，模型参考自适应控制在选择参考模型和设计自适应律时有很大的困难。
　　近年来，通过吸收其他控制理论的优点，研究算法简便、鲁棒性强的自适应律已成了自适应控制的发展方向。

4.变结构控制
　　变结构控制根据系统状态偏离滑模的程度来改变控制器的结构，从而使控制系统按滑模规定的规律运行。变结构控制的控制律简单，能保证控制系统的动态特性和稳态特性，并且具有很强的鲁棒性。但它却存在着严重的抖动现象，且不适用于采样周期长的控制系统。如在某供水系统中，若采用PID控制，由于控制系统的参数是根据最大及最小供水量确定的，只是一个范围，在现场调试时进行具体确定，其控制效果并不理想。但若采用变结构控制系统，就解决了参数的不确定性，最终系统能够保证用户实际供水压力误差不大于5%，并且与恒速供水系统相比，能节省30%以上的电量。

5.HW控制
　　HW控制理论是针对控制系统存在不确定性（如阶次摄动、参数摄动）和外界干扰的情况，通过求取出某种控制律，从而使控制系统对这些不确定性和外界干扰不敏感的控制方法。HW控制的优点在于对于能量有界的外界干扰问题以及系统的不确定性，它都有效。同时，最小灵敏度问题、鲁棒性问题等都可以转化为HW最优控制问题。然而，HW控制方法很难同时满足系统的鲁棒性问题和其他性能指标，同时它的非线性控制问题还不是很完善。

6.模糊控制
　　模糊控制（FuzzyControl）是一种利用模糊理论、模糊语言变量以及模糊逻辑推理的知识来模拟人的模糊思维方式，使计算机实现与操作者相同的控制方式。模糊控制的主要适用对象是那些被控量没有精确的表示方法和被控对象各参数间没有精确的相互关系的情况。模糊控制系统示意图如图3所示。
　　模糊控制可以简化系统设计的复杂性，适用于那些非线性、时变、模型不完全的系统。它利用控制法则来描述系统变量之间的关系，用语言而不用数值来描述系统，这使得设计人员在设计模糊控制器时不必对控制对象建立完整的数学模型。另外，模糊控制器是一种易于控制的非线性控制器，有较好的适应性、强健性和容错性。但模糊控制也存在一些不足：
　　（1）模糊控制的设计尚不具有系统性，难以实现复杂的控制；
　　（2）模糊控制系统设计方法仍只是凭借着设计人员的经验进行的；
　　（3）控制精度、动态品质与实时控制的矛盾难以解决；
　　（4）关于模糊控制的稳定性及鲁棒性问题还有待解决。

7.神经网络控制
　　神经网络控制是模拟人的感官以及脑细胞的工作原理进行工作的，具有一定的联想、推理等能力。在神经网络控制系统中，硬件和软件的功能是对神经细胞的网络和工作方式分别进行模拟。目前，基于人工神经网络的智能控制系统已广泛应用，且成效显著。由于人工神经网络控制在理论上可近似于任何非线性映射，所以它在解决控制系统的非线性问题方面有很大的潜在价值。

8.学习控制
　　学习控制是引入人类的学习行为，不断估计系统的性能，并获取进一步决策、控制的知识，从而逐步改善系统性能的一种控制方式。
　　它主要解决的是系统动态特性不确定时系统的控制问题。学习控制出现于20世纪60年代，目前已广泛应用于工业机器人控制、CNC机床等方面。学习控制有2个重要的分支：迭代学习控制和重复性控制。虽然这两者都已应用于实际的控制系统中，但它们都使被控系统的动态特性或干扰特性保持不变，实际应用范围很有限。为解决这一问题，可以针对被控系统的情况引入自适应控制等。

9.遗传算法控制
　　遗传算法是一种模拟生物进化过程中自然选择、自然遗传机制的随机全局优化搜索算法。遗传算法控制则是一种引入遗传算法的自动控制方法。遗传算法控制与其他控制方法的结合，可以使控制不依赖于系统的数学模型，从而使控制系统更加智能化。虽然遗传算法在近年来取得了一些成果，但仍然还有许多问题有待解决，如与其他控制方法的结合问题、减少遗传迭代次数等。

结语
　　随着科学技术的快速发展,机电控制技术在各大企业中的应用极大程度地提高了机电的运用性能,应用技术的改良和优化使得机电控制系统有了很大的改善,机电设备在生产过程和销售过程中不断地被优化,作业水平有了明显的提升，机电控制技术已向着数字化、智能化的方向发展，机电一体化、智能化将成为必然。机电控制技术的广泛应用，必然会使技术结构发生一定的变化，将由传统工业生产转变为机电技术生产。只要我们善于利用机电控制技术,让其适应社会发展,它将成为机电设备提高市场竞争力的主要优势。

参考文献：
　　[1]葛付存.现代机电控制技术的应用[J].发表于机电信息,2010(12)
　　[2]张广生.机电控制技术应用问题研究[J].发表于科技致富向导,2011(6).
　　[3]王怀楠.机电控制技术应用中相关问题的研究[J].发表于中国科技纵横,2011(19).