前馈控制器与常规PID控制器有什么不同

PID控制器（Proportion Integration Differentiation.比例-积分-微分控制器），由比例单元 P、积分单元 I 和微分单元 D 组成。通过Kp， Ki和Kd三个参数的设定。PID控制器主要适用于基本线性和动态特性不随时间变化的系统。

PID 控制器是一个在工业控制应用中常见的反馈回路部件。这个控制器把收集到的数据和一个参考值进行比较，然后把这个差别用于计算新的输入值，这个新的输入值的目的是可以让系统的数据达到或者保持在参考值。和其他简单的控制运算不同，PID控制器可以根据历史数据和差别的出现率来调整输入值，这样可以使系统更加准确，更加稳定。可以通过数学的方法证明，在其他控制方法导致系统有稳定误差或过程反复的情况下，一个PID反馈回路却可以保持系统的稳定。
智能PID控制就是将智能控制(intelligent control)与传统的PID控制相结合，是自适应的，它的设计思想是利用专家系统（Expert System）、模糊控制(fuzzy control)和神经网络(neural network)技术，将人工智能以非线性控制方式引入到控制器中，使系统在任何运行状态下均能得到比传统PID控制更好的控制性能。具有不依赖系统精确数学模型和控制器参数在线自动调整等特点，对系统参数变化具有较好的适应性。 模糊PID控制是利用当前的控制偏差和偏差，结合被控过程动态特性的变化，以及针对具体过程的实际经验，根据一定的控制要求或目标函数，通过模糊规则推理，对PID控制器的三个参数进行在线调整。智能PID控制主要有模糊PID控制器、专家PID控制器和基于神经网络的PID控制器等。 专家系统是一种能在某个特定领域内﹐以人类专家水平解决该领域中专门任务的计算器系统﹐其内部具有某个领域中大量专家水平的知识与经验﹐能够利用人类专家的知识和解决问题的方法来解决该领域的问题。专家PID控制采用规则PID控制形式，通过对系统误差和系统输出的识别，以了解被控对象过程动态特性的变化，在线调整PID三个参数，直到过程的响应曲线为某种最佳响应曲线。它是一种基于启发式规则推理的自适应技术，其目的就是为了应付过程中出现的不确定性。 神经网络系统亦称为人工神经网络﹐就是将人工神经元按某种方式联结组成的网络﹐用于模拟人脑神经元活动的过程﹐实现对信息的加工﹑处理﹑存储等。神经网络有前向网络（前馈网络）﹑反馈网络等网络结构形式。与模糊PID控制和专家PID控制不同，基于神经网络的PID控制不是用神经网络来整定PID的参数，而是用神经网络直接作为控制器，通过训练神经网络的权系数间接地调整PID参数。

PID控制器的参数整定是控制系统设计的核心内容。它是根据被控过程的特性确定PID控制器的比例系数、积分时间和微分时间的大小。PID控制器参数整定的方法很多，概括起来有两大类：一是理论计算整定法。它主要是依据系统的数学模型，经过理论计算确定控制器参数。这种方法所得到的计算数据未必可以直接用，还必须通过工程实际进行调整和修改。二是工程整定方法，它主要依赖工程经验，直接在控制系统的试验中进行，且方法简单、易于掌握，在工程实际中被广泛采用。PID控制器参数的工程整定方法，主要有临界比例法、反应曲线法和衰减法。三种方法各有其特点，其共同点都是通过试验，然后按照工程经验公式对控制器参数进行整定。但无论采用哪一种方法所得到的控制器参数，都需要在实际运行中进行最后调整与完善。现在一般采用的是临界比例法。
利用该方法进行 PID控制器参数的整定步骤如下：
(1)首先预选择一个足够短的采样周期让系统工作；
(2)仅加入比例控制环节，直到系统对输入的阶跃响应出现临界振荡，记下这时的比例放大系数和临界振荡周期；
(3)在一定的控制度下通过公式计算得到PID控制器的参数。