鍋爐水位常規(guī)PID、神經(jīng)網(wǎng)絡(luò)PID模糊PID控制的仿真分析智能控制作業(yè)(控制理論與控制工程專業(yè))

1、鍋爐水位常規(guī)PID、神經(jīng)網(wǎng)絡(luò)PID模糊PID控制的仿真分析控制理論與控制工程 姓名：學(xué)號(hào)：10摘要本文首先分析了影響鍋爐汽包水位的各種干擾因素，并對(duì)汽包的結(jié)構(gòu)及水位的動(dòng)、靜態(tài)特性進(jìn)行分析。介紹了常規(guī)的PID控制方式，由于鍋爐汽包水位控制系統(tǒng)的調(diào)節(jié)器的輸入端常加有不確定的輸入量，極易引起水位控制產(chǎn)生偏差，所以本文提出了采用BP神經(jīng)網(wǎng)絡(luò)PID、模糊PID，來消除鍋爐汽包水位偏差。并用MATLAB對(duì)BP神經(jīng)網(wǎng)絡(luò)PID、模糊PID、常規(guī)PID對(duì)鍋爐汽包水位控制進(jìn)行仿真，對(duì)比三種控制策略下的仿真曲線，仿真結(jié)果表明模糊PID、BP神經(jīng)網(wǎng)絡(luò)PID的響應(yīng)速度快，調(diào)整時(shí)間少，抗干擾能力和魯棒性更好，可以保證鍋爐

2、汽包水位的穩(wěn)定。關(guān)鍵詞：汽包水位、PID控制、模糊PID控制、BP神經(jīng)網(wǎng)絡(luò)PID控制、MATLABAbstractThis paper first analyzes the influence of boiler liquid level of interference factors, and drum water level dynamic and static characteristics are analyzed. This paper introduces the traditional PID control method, because the boiler drum wat

3、er level control system often add some uncertain inputs, it easily cause water level control produces deviation. So this paper proposes using BP neural network PID, fuzzy PID, to eliminate the boiler drum water level deviation. With MATLAB on BP neural network PID, fuzzy PID simulation of boiler dru

4、m water level. And the conventional PID and fuzzy PID, BP neural network PID method to control the drum liquid level, compared to three control strategy simulation shows that fuzzy emulated images image, PID, BP neural network PID response speed, less response time, anti-jamming and robustness, can

5、guarantee the stability of the boiler liquid level.Keywords: the drum water level, PID control, fuzzy PID control, BP neural network PID control, MATLAB目錄1、選題意義52、常用鍋爐汽包水位方案及問題53、汽包水位控制的研究現(xiàn)狀64、汽包水位系統(tǒng)的組成64.1汽包的作用74.2汽包水位系統(tǒng)75、汽包水位常規(guī)PID控制的仿真分析76、汽包水位神經(jīng)網(wǎng)絡(luò)PID控制的仿真分析97、汽包水位模糊PID控制的仿真分析128、常規(guī)PID、BP神經(jīng)網(wǎng)絡(luò)PID、

6、模糊PID對(duì)鍋爐水位的抗擾動(dòng)仿真分析178.1對(duì)鍋爐汽包水位加階躍擾動(dòng)178.2對(duì)鍋爐水位加白噪聲擾動(dòng)189、結(jié)論2010、參考文獻(xiàn)2111、控制程序附錄221、選題意義鍋爐是一種既受壓又直接受火的重要設(shè)備，是火力發(fā)電廠三大主機(jī)之一，而且還是輕工業(yè)生產(chǎn)過程中的熱源和動(dòng)力源，如為蒸餾、干燥蒸發(fā)等提供熱能，為風(fēng)機(jī)、泵類提供動(dòng)力。一旦對(duì)鍋爐生產(chǎn)操作不當(dāng)，管理不善，往往會(huì)引起事故，工業(yè)鍋爐中最常見的事故有：鍋內(nèi)缺水，鍋爐超壓，鍋內(nèi)滿水，汽水共騰，爐管爆破，爐膛爆破，二次燃燒，鍋爐滅火等，其中以鍋爐缺水事故比例最高。這些事故中的大部分是由于鍋爐水位控制不當(dāng)引起的，由此可見鍋爐汽包水位控制的重要性。汽包水

7、位是機(jī)組運(yùn)行的一個(gè)重要參數(shù)，它反映了給水量與供汽量的動(dòng)態(tài)平衡關(guān)系，保持水位在一定范圍內(nèi)是保證鍋爐安全運(yùn)行的首要條件。因?yàn)樗贿^高，會(huì)影響汽包內(nèi)汽水分離，飽和水蒸氣將帶水過多，使過熱器管壁結(jié)垢并損壞，同時(shí)使過熱蒸汽的溫度急劇下降。如果該帶液蒸汽被用戶用來帶汽輪機(jī)，將會(huì)損壞汽輪機(jī)葉片；水位過低，由于汽包內(nèi)的水量較少，而負(fù)荷很大時(shí)，水的汽化速度加快，若不及時(shí)加以控制，將使汽包內(nèi)的水全部汽化，導(dǎo)致水冷壁燒壞，甚至引起爆炸3。因此必須對(duì)鍋爐汽包水位進(jìn)行嚴(yán)格控制。2、常用鍋爐汽包水位方案及問題影響汽包水位的因素較多,主要參數(shù)是給水流量和蒸汽流量。鍋爐運(yùn)行中,負(fù)荷突然增大,汽包供汽量上升,致使汽包壓力下降,

8、加速了汽包內(nèi)水的汽化過程,水中出現(xiàn)大量汽泡,引起汽包水位上升。汽包中的水量非但沒有增加,反而因供汽量上升而下降。這種因汽包負(fù)荷增大引起的水量減少,水位上升現(xiàn)象稱之為“虛假水位” 1 。若采用單回路P ID控制方式控制汽包水位,出現(xiàn)“虛假水位”時(shí),控制系統(tǒng)將會(huì)減少汽包進(jìn)水流量,致使汽包中水量進(jìn)一步減少。顯然,單回路P ID控制方式難以適應(yīng)汽包水位控制。為了克服“虛假水位”,常用的汽包水位控制系統(tǒng)采用雙沖量或三沖量控制方式。三沖量控制系統(tǒng)是在單回路PID控制基礎(chǔ)上,引入流量副回路及蒸汽流量前饋控制環(huán)節(jié),而構(gòu)成的汽包水位控制系統(tǒng)。三沖量分別是水位反饋信號(hào)、給水流量反饋信號(hào)和蒸汽流量前饋信號(hào)。這種系統(tǒng)

9、以汽包水位、蒸汽流量和給水流量為沖量來調(diào)節(jié)給水調(diào)節(jié)閥的開度,維持水位的穩(wěn)定,通過對(duì)給水流量的調(diào)節(jié),使汽包內(nèi)部的物料達(dá)到動(dòng)態(tài)平衡 2 。變化在允許范圍之內(nèi),鍋爐汽包水位對(duì)蒸氣流量和給水流量變化的響應(yīng)呈積極特性。但是在鍋爐負(fù)荷(蒸氣流量) 急劇增加時(shí),汽包壓力會(huì)因此降低,依靠爐水蓄熱使蒸汽產(chǎn)量增加,造成所謂的“虛假水位”。如何克服“虛假水位”現(xiàn)象是汽包水位調(diào)節(jié)的關(guān)鍵。由于在不同階段,汽包水位動(dòng)態(tài)特性不斷變化,使得采用單一結(jié)構(gòu)和參數(shù)的三沖量控制方法達(dá)不到滿意的控制效果。3、汽包水位控制的研究現(xiàn)狀半個(gè)世紀(jì)之前，人們便對(duì)鍋爐水位系統(tǒng)進(jìn)行了許多深入的研究，采用了諸如PID控制、自適應(yīng)控制、最優(yōu)控制等控制方

10、法，一直沿用到上世紀(jì)九十年代。1995年，哈爾濱工程大學(xué)的夏國清等針對(duì)鍋爐水位問題，提出了一種自學(xué)習(xí)模糊控制方法4，并進(jìn)行仿真研究，仿真結(jié)果表明學(xué)習(xí)模糊控制有很強(qiáng)的抗干擾能力，另外，對(duì)汽包水位模型參數(shù)變化也不敏感。此后，越來越多的控制方法應(yīng)用于汽包水位控制研究，如神經(jīng)網(wǎng)絡(luò)控制、神經(jīng)網(wǎng)絡(luò)PID控制、仿人控制等。從時(shí)間上看，汽包水位的控制經(jīng)歷了由傳統(tǒng)的PID控制到更高級(jí)的智能控制的發(fā)展過程。在這個(gè)發(fā)展過程中，汽包水位的控制經(jīng)歷了經(jīng)典控制策略到先進(jìn)控制策略的發(fā)展歷程。目前，國內(nèi)外汽包水位控制策略采用較多的是三沖量控制、模糊控制、模糊PID控制。其中模糊控制主要是朝著智能化方向發(fā)展，表現(xiàn)在與神經(jīng)網(wǎng)絡(luò)、

11、專家控制的結(jié)合，采用遺傳算法對(duì)模糊控制進(jìn)行優(yōu)化等，而自適應(yīng)控制等在實(shí)際中應(yīng)用的比較少5。4、汽包水位系統(tǒng)的組成汽包是汽水循環(huán)系統(tǒng)的核心環(huán)節(jié)，是鍋爐水、汽系統(tǒng)的分界面，為負(fù)載提供蒸汽。下面對(duì)汽包水位系統(tǒng)的組成做了一個(gè)簡(jiǎn)單的介紹。4.1汽包的作用汽包是鍋爐的主要受壓部件，是汽水分離過程的核心部件，其作用主要有：(1)汽包與下降管、上升管連接組成自然循環(huán)回路，同時(shí)汽包又接受省煤器來的給水，還向過熱器輸送飽和蒸汽，所以汽包是鍋爐內(nèi)加熱、蒸發(fā)、過熱這三個(gè)過程的連接樞紐，保證鍋爐正常的水循環(huán)；(2)汽包中裝有汽水分離裝置、蒸汽沖洗裝置、連續(xù)排污裝置、爐內(nèi)加藥裝置等以改善蒸汽品質(zhì)；(3)汽包中存有一定的水量

12、，因而有一定的儲(chǔ)熱能力，可以緩和汽壓的變化速度，提高運(yùn)行的安全性；(4)汽包上有壓力表、水位計(jì)、事故放水、安全閥等設(shè)備，保證鍋爐安全運(yùn)行。4.2汽包水位系統(tǒng)鍋爐汽包水位系統(tǒng)如圖1所示，主要由汽包、給水調(diào)節(jié)閥、省煤器、下降管、下聯(lián)箱、水冷壁和過熱器組成。 圖1汽包水位系統(tǒng)結(jié)構(gòu)圖給水泵送出的水經(jīng)過省煤器提高溫度后進(jìn)入汽包，汽包中的水沿著下降管進(jìn)入下聯(lián)箱，再向上進(jìn)入水冷壁，在水冷壁中被加熱成飽和蒸汽與水的混合物一起進(jìn)入汽包。在汽包內(nèi)汽水混合物被分離成飽和水和飽和蒸汽，飽和水繼續(xù)參與循環(huán)，飽和蒸氣則由汽包上部進(jìn)入過熱器被進(jìn)一步加熱，這就是鍋爐汽水循環(huán)的過程。5、汽包水位常規(guī)PID控制的仿真分析在控制領(lǐng)

13、域，PID控制器是最早出現(xiàn)的控制器類型。在控制理論和技術(shù)飛速發(fā)展的今天，雖然涌現(xiàn)出了許多新的控制方法，但PID仍因其結(jié)構(gòu)簡(jiǎn)單、參數(shù)整定方便等優(yōu)點(diǎn)而得到了最廣泛的應(yīng)用。在實(shí)際的工業(yè)過程控制系統(tǒng)中，95%以上的控制回路都具有PID結(jié)構(gòu)6。1)連續(xù)PID控制器的最一般形式為： （5.1）2)連續(xù)PID控制器的Laplace變換形式可以寫成： （5.2）根據(jù)(5.1)構(gòu)造的PID控制器結(jié)構(gòu)如圖2所示：圖2 PID控制結(jié)構(gòu)其中Kp、Ki、Kd,是PID控制器三個(gè)可調(diào)參數(shù)，分別是對(duì)系統(tǒng)誤差及其積分與微分的加權(quán)，控制器通過這樣的加權(quán)計(jì)算出控制信號(hào)，驅(qū)動(dòng)受控對(duì)象模型。如果控制器設(shè)計(jì)得當(dāng)，則控制信號(hào)將能使得誤差

14、按減小的方向變化，以達(dá)到控制的要求。3)鍋爐汽包水位的傳遞函數(shù)為： （5.3）4)汽包水位常規(guī)PID控制系統(tǒng)仿真曲線圖3 汽包水位的常規(guī)PID控制控制曲線PID控制器參數(shù)整定為Kp=5，Ki=0.02，Kd=3。從圖3中可以看出，雖然系統(tǒng)輸出沒有超調(diào)能夠達(dá)到給定值，但是系統(tǒng)的響應(yīng)速度比較慢，調(diào)節(jié)時(shí)間較長(zhǎng)，還需進(jìn)一步改善系統(tǒng)的參數(shù)，來提高系統(tǒng)的響應(yīng)速度，減少系統(tǒng)的調(diào)整時(shí)間。6、汽包水位神經(jīng)網(wǎng)絡(luò)PID控制的仿真分析BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示，由輸入層、隱含層和輸出層三層網(wǎng)絡(luò)構(gòu)成。圖4 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖輸出層神經(jīng)元的輸出狀態(tài)對(duì)應(yīng)于PID控制器的三個(gè)可調(diào)參數(shù)Kp、Ki、Kd,神經(jīng)網(wǎng)絡(luò)通過自學(xué)習(xí)來調(diào)整

15、權(quán)系數(shù)，使得神經(jīng)網(wǎng)絡(luò)的輸出對(duì)應(yīng)于某種最優(yōu)控制律下的PI控制7。這里考慮采用增量式PID控制器: (6.1)輸入層的輸出為： (6.2)隱含層的輸入輸出為： (6.3)輸出層的輸入輸出為： (6.4)由于輸出層3個(gè)神經(jīng)元的輸出正好對(duì)應(yīng)PID的三個(gè)參數(shù)，所以 (6.5)上面幾個(gè)式子中，M和Q分別為輸入層和隱含層神經(jīng)元的節(jié)點(diǎn)數(shù)，Wij和Wki分別為隱含層和輸出層的加權(quán)系數(shù)，f(.)和g(.)分別為隱含層神經(jīng)元和輸出層神經(jīng)元的激活函數(shù)。BP神經(jīng)網(wǎng)絡(luò)采用誤差的反向傳播來修正權(quán)值，使性能指標(biāo): 最小。按照梯度下降法可得權(quán)系數(shù)的修正算法分別為7。輸出層： （6.6）隱含層： （6.7）鍋爐汽包水位的傳遞函數(shù)

16、為： （6.8）三層BP網(wǎng)絡(luò)各層加權(quán)系數(shù)的初值取區(qū)間-0.5,+0.5上的隨機(jī)數(shù)，選定學(xué)習(xí)速率為0.09，慣性系數(shù)為0.25。1)汽包水位BP神經(jīng)網(wǎng)絡(luò)PID控制系統(tǒng)仿真曲線圖5 汽包水位的神經(jīng)網(wǎng)絡(luò)PID控制控制曲線2)汽包水位常規(guī)PID控制與BP神經(jīng)網(wǎng)絡(luò)PID控制仿真曲線圖6 汽包水位的常規(guī)PID控制與BP神經(jīng)網(wǎng)絡(luò)PID控制仿真曲線從圖5、圖6的仿真曲線可以看出，神經(jīng)網(wǎng)絡(luò)PID的響應(yīng)速度比常規(guī)PID控制要快，而且系統(tǒng)的調(diào)整時(shí)間很短，能很快達(dá)到給定值，系統(tǒng)輸出沒有超調(diào)，并且誤差減小的速度也比常規(guī)PID快，因此說明神經(jīng)網(wǎng)絡(luò)PID的控制效果要優(yōu)于常規(guī)PID控制。7、汽包水位模糊PID控制的仿真分析模

17、糊PID控制器打破傳統(tǒng)PID控制器三個(gè)參數(shù)Kp，Ki，Kd,一旦整定便固定的控制思想，提出了可以根據(jù)跟蹤誤差信號(hào)等信息改變PID控制器參數(shù)的方法，利用模糊控制規(guī)則在線對(duì)PID參數(shù)進(jìn)行修改，這就構(gòu)成了模糊PID控制器8。模糊PID控制系統(tǒng)結(jié)構(gòu)圖如圖7所示。 圖7 模糊自適應(yīng)控制系統(tǒng)結(jié)構(gòu)鍋爐汽包傳遞函數(shù)為： （7.1）將系統(tǒng)誤差e和誤差變化率ec變化范圍定義為模糊集上的論域，即e/ec=-5,-4,-3,-2,-1,0,1,2,3,4,5,其模糊子集為e/ec=NB,NM,NS,ZO,PS,PM,PB控制系統(tǒng)按照如下公式實(shí)現(xiàn)PID參數(shù)自調(diào)整： (7.2)表1 Kp的模糊規(guī)則e/ecNBNMNSZO

18、PSPMPBNBPBPBPMPMPSZOZONMPBPBPMPSPSZONSNSPMPMPMPSZONSNSZOPMPMPSZONSNMNMPSPSPSZONSNSNMNMPMPSZONSNMNMNMNBPBZOZONMNMNMNBNB表2 Ki的模糊規(guī)則e/ecNBNMNSZOPSPMPBNBNBNBNMNMNSZOZONMNBNBNMNSNSZOZONSNBNMNSNSZOPSPSZONMNMNSZOPSPMPMPSNMNSZOPSPSPMPBPMZOZOPSPSPMPBPBPBZOZOPSPMPMPBPB表3 Kd的模糊規(guī)則e/ecNBNMNSZOPSPMPBNBPSNSNBNBNBNM

19、PSNMPSNSNBNMNMNSZONSZONSNMNMNSNSZOZOZONSNSNSNSNSZOPSZOZOZOZOZOZOZOPMPBNSPSPSPSPSPBPBPBPMPMPMPSPSPB在線運(yùn)行過程中，控制系統(tǒng)通過對(duì)模糊規(guī)則的結(jié)果處理、查表和運(yùn)算，完成對(duì)PID參數(shù)的在線調(diào)整。1)汽包水位模糊PID控制系統(tǒng)仿真曲線圖8 汽包水位的模糊PID控制控制曲線2) 汽包水位常規(guī)PID控制與模糊PID控制仿真曲線圖9 汽包水位常規(guī)PID控制與模糊PID控制仿真曲線3) 汽包水位模糊PID控制與BP神經(jīng)網(wǎng)絡(luò)PID控制仿真曲線圖10 汽包水位模糊PID控制與BP神經(jīng)網(wǎng)絡(luò)PID控制仿真曲線4) 汽包水

20、位常規(guī)PID控制、模糊PID控制、BP神經(jīng)網(wǎng)絡(luò)PID控制的仿真曲線圖11 汽包水位常規(guī)PID控制、模糊PID控制、BP神經(jīng)網(wǎng)絡(luò)PID控制的仿真曲線從圖9、圖10、圖11的仿真曲線可以看出，神經(jīng)網(wǎng)絡(luò)PID和模糊PID的響應(yīng)速度比常規(guī)PID控制快，而且系統(tǒng)的調(diào)整時(shí)間很短，沒有超調(diào)。神經(jīng)網(wǎng)絡(luò)PID與模糊PID的控制效果相同，都能在極短的時(shí)間內(nèi)，消除偏差，快速地克服偏差的影響，改善了系統(tǒng)動(dòng)態(tài)特性，因此說明神經(jīng)網(wǎng)絡(luò)PID和模糊PID對(duì)鍋爐汽包水位的控制效果要優(yōu)于常規(guī)PID控制。8、常規(guī)PID、BP神經(jīng)網(wǎng)絡(luò)PID、模糊PID對(duì)鍋爐水位的抗擾動(dòng)仿真分析8.1對(duì)鍋爐汽包水位加階躍擾動(dòng)1) 常規(guī)PID與模糊PI

21、D的抗干擾控制曲線 圖12 常規(guī)PID與模糊PID的抗擾控制曲線2) 常規(guī)PID與BP神經(jīng)網(wǎng)絡(luò)PID的抗干擾控制曲線圖13 常規(guī)PID與BP神經(jīng)網(wǎng)絡(luò)PID的抗擾控制曲線通過對(duì)比圖12和圖13的仿真曲線，可以看到常規(guī)PID的抗階躍擾動(dòng)的速度要慢于BP神經(jīng)網(wǎng)絡(luò)PID和模糊PID，而且調(diào)整時(shí)間也長(zhǎng)，因此說明BP神經(jīng)網(wǎng)絡(luò)PID和模糊PID對(duì)鍋爐汽包水位的抗干階躍擾動(dòng)要優(yōu)于常規(guī)PID控制。8.2對(duì)鍋爐水位加白噪聲擾動(dòng)對(duì)鍋爐汽包水位加方差為0.05的白噪聲干擾，圖14為常規(guī)PID和BP神經(jīng)網(wǎng)絡(luò)PID的控制效果對(duì)比，圖15為常規(guī)PID和模糊PID控制效果對(duì)比。1) 常規(guī)PID與BP神經(jīng)網(wǎng)絡(luò)PID的抗干擾控制

22、曲線 圖14 常規(guī)PID和BP神經(jīng)網(wǎng)絡(luò)PID抗擾動(dòng)控制效果2) 常規(guī)PID與模糊PID的抗干擾控制曲線 圖15 常規(guī)PID和模糊PID抗擾動(dòng)控制效果從圖14和圖15的仿真曲線可以看到，常規(guī)PID雖然能克服汽包水位的干擾，但是其反應(yīng)速度不如BP神經(jīng)網(wǎng)絡(luò)PID和模糊PID快，而且抗干擾的調(diào)整時(shí)間也長(zhǎng)。因此說明BP神經(jīng)網(wǎng)絡(luò)PID和模糊PID對(duì)鍋爐汽包水位控制的抗干擾性要優(yōu)于常規(guī)PID控制。9、結(jié)論通過對(duì)比常規(guī)PID、模糊PID和BP神經(jīng)網(wǎng)絡(luò)PID方法去控制汽包液位的仿真曲線，表明模糊PID、BP神經(jīng)網(wǎng)絡(luò)PID的響應(yīng)速度快，調(diào)整時(shí)間少，抗干擾能力和魯棒性更好，可以保證鍋爐汽包水位的穩(wěn)定。所以本文提出了

23、采用BP神經(jīng)網(wǎng)絡(luò)PID、模糊PID控制鍋爐汽包水位是可行的，控制系統(tǒng)對(duì)生產(chǎn)負(fù)荷的變化具有一定的自適應(yīng)能力，提高了系統(tǒng)的工作效率，其控制效果較為理想。10、參考文獻(xiàn)1張松蘭，何堅(jiān)強(qiáng)，李先鋒.鍋爐汽包水位控制策略研究J.自動(dòng)化與儀器儀表，2008（6）：1-32王晉一.自然循環(huán)鍋爐汽包水位的變化及控制J.東北電力技術(shù)，2003（10）：32-343陳鴻偉，許振宇，楊博，李豐，顧舒.鍋爐汽包水位影響因素分析J.電站系統(tǒng)工程，2007，23（2）:32-334夏國清，付明玉，邊信黔，林孝工.自學(xué)習(xí)模糊控制器在鍋爐水位控制中的應(yīng)用J.船舶工程，1995，（6）：48-505周佳，曹小玲，劉永文.鍋爐汽包

24、水位控制策略的現(xiàn)狀分析J.鍋爐技術(shù)，2005，36（3）：5-106吳偉，晏夢(mèng)云，魏航信.基于神經(jīng)網(wǎng)絡(luò)的PID控制及其仿真J.現(xiàn)代電子技術(shù)，2009，（10）：143-1457李廣軍，張晶，曾安平.基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器研究J.計(jì)算機(jī)仿真，2009，26（9）：128-1318孫豐雷，隋江華，張文孝.船用鍋爐水位模糊自適應(yīng)PID控制仿真J.中國水運(yùn)，2009，9（11）：100-10111、控制程序附錄注：將原來的鍋爐汽包水位轉(zhuǎn)換為離散模型進(jìn)行仿真，采樣周期為20，模型為： y(k)=0.5134*y_1+0.0146*u_11)常規(guī)PID對(duì)水箱液位的控制程序ts=20;u_1=0;u

25、_2=0;u_3=0;u_4=0;y_1=0;y_2=0;y_3=0;y_4=0;error_1=0;error_2=0;ei=0;for k=1:1:2000 time(k)=k*ts; yout(k)=0.5134*y_1+0.0146*u_1; rin(k)=10; error(k)=rin(k)-yout(k); ei=ei+error(k)*ts; kp=7;ki=0.02;kd=3; u(k)=kp*error(k)+kd*(error(k)-error_1)/ts+ki*ei; u_4=u_3;u_3=u_2;u_2=u_1;u_1=u(k); y_4=y_3;y_3=y_2;y

26、_2=y_1;y_1=yout(k); error_2=error_1; error_1=error(k);endfigure(1); subplot(211); plot(rin,'r');hold on;plot(yout,'b:');axis(0 2000 0 15);xlabel('步數(shù)');ylabel('液位給定r及輸出y'); legend('液位給定','常規(guī)PID');subplot(212); plot(error,'g'); xlabel('步數(shù)'

27、;);ylabel('誤差e（k）');legend('誤差');2) BP神經(jīng)網(wǎng)絡(luò)PIDclear all; close all;xite=0.09; alfa=0.25; err_goal=0.001;IN=4;m=6;Out=3; %NN Structure wi=0.5*rands(m,IN);%輸入權(quán)值wi1=wi;wi2=wi; wi3=wi; wo=0.5*rands(Out,m);%輸出權(quán)值 wo1=wo;wo2=wo;wo3=wo; u1=0;u2=0;u3=0;u4=0;u5=0; y1=0;y2=0;y3=0; Oh=zeros(m,1);

28、 %Output from NN middle layer I=Oh; %Input to NN middle layer e2=0;e1=0; for k=1:1:2000 r(k)=10; yout(k)=0.5134*y1+0.0146*u1; e(k)=r(k)-yout(k); xi=r(k),yout(k),e(k),u1;%網(wǎng)絡(luò)輸入 x(1)=e(k)-e1; x(2)=e(k); x(3)=e(k)-2*e1+e2; epid=x(1);x(2);x(3); I=xi*wi' for j=1:1:m Oh(j)=(exp(I(j)-exp(-I(j)/(exp(I(j)

29、+exp(-I(j); end K=wo*Oh; %Output Layer for l=1:1:Out K(l)=exp(K(l)/(exp(K(l)+exp(-K(l); %Getting kp,ki,kd end kp(k)=K(1);ki(k)=K(2);kd(k)=K(3); Kpid=kp(k),ki(k),kd(k); du(k)=Kpid*epid; u(k)=u1+du(k); dyu(k)=sign(yout(k)-y1)/(u(k)-u1+0.0001); %Output layer for j=1:1:Out dK(j)=2/(exp(K(j)+exp(-K(j)2;

30、end for l=1:1:Out delta3(l)=e(k)*dyu(k)*epid(l)*dK(l); end for l=1:1:Out for i=1:1:m dwo=xite*delta3(l)*Oh(i)-alfa*(wo1-wo2); end end wo=wo1+dwo-alfa*(wo1-wo2); %Hidden layer for i=1:1:m dO(i)=4/(exp(I(i)+exp(-I(i)2; end segma=delta3*wo; for i=1:1:m delta2(i)=dO(i)*segma(i); end dwi=xite*delta2'

31、*xi; wi=wi1+dwi-alfa*(wi1-wi2); %Parameters Update u5=u4;u4=u3;u3=u2;u2=u1;u1=u(k); y3=y2;y2=y1;y1=yout(k); wo3=wo2; wo2=wo1; wo1=wo; wi3=wi2; wi2=wi1; wi1=wi; e2=e1; e1=e(k);end figure(1); subplot(211); plot(r,'r');hold on;plot(yout,'b:');axis(0 2000 0 15);xlabel('步數(shù)');ylabe

32、l('液位給定r及輸出y'); legend('液位給定','BP神經(jīng)網(wǎng)絡(luò)PID');subplot(212); plot(e,'g'); xlabel('步數(shù)');ylabel('誤差e（k）');legend('誤差');3)模糊PIDclear all; a=newfis('fuzzpid'); a=addvar(a,'input','e',-3,3); a=addmf(a,'input',1,'NB

33、9;,'zmf',-3,-1); a=addmf(a,'input',1,'NM','trimf',-3,-2,0); a=addmf(a,'input',1,'NS','trimf',-3,-1,1); a=addmf(a,'input',1,'Z','trimf',-2,0,2); a=addmf(a,'input',1,'PB','trimf',-1,1,3); a=addmf(a,

34、'input',1,'PM','trimf',0,2,3); a=addmf(a,'input',1,'PB','smf',1,3); a=addvar(a,'input','ec',-3,3); a=addmf(a,'input',2,'NB','zmf',-3,-1); a=addmf(a,'input',2,'NM','trimf',-3,-2,0); a=addmf

35、(a,'input',2,'NS','trimf',-3,-1,1); a=addmf(a,'input',2,'Z','trimf',-2,0,2); a=addmf(a,'input',2,'PB','trimf',-1,1,3); a=addmf(a,'input',2,'PM','trimf',0,2,3); a=addmf(a,'input',2,'PB',

36、9;smf',1,3); a=addvar(a,'output','kp',-0.3,0.3); a=addmf(a,'output',1,'NB','zmf',-0.3,-0.1); a=addmf(a,'output',1,'NM','trimf',-0.3,-0.2,0); a=addmf(a,'output',1,'NS','trimf',-0.3,-0.1,0.1); a=addmf(a,'ou

37、tput',1,'Z','trimf',-0.2,0,0.2); a=addmf(a,'output',1,'PB','trimf',-0.1,0.1,0.3); a=addmf(a,'output',1,'PM','trimf',0,0.2,0.3); a=addmf(a,'output',1,'PB','smf',0.1,0.3); a=addvar(a,'output','ki

38、9;,-0.06,0.06); a=addmf(a,'output',2,'NB','zmf',-0.06,-0.02); a=addmf(a,'output',2,'NM','trimf',-0.06,-0.04,0); a=addmf(a,'output',2,'NS','trimf',-0.06,-0.02,0.02); a=addmf(a,'output',2,'Z','trimf',-0.04,

39、0,0.04); a=addmf(a,'output',2,'PB','trimf',-0.02,0.02,0.06); a=addmf(a,'output',2,'PM','trimf',0,0.04,0.06); a=addmf(a,'output',2,'PB','smf',0.02,0.06); a=addvar(a,'output','kd',-3,3); a=addmf(a,'output',

40、3,'NB','zmf',-3,-1); a=addmf(a,'output',3,'NM','trimf',-3,-2,0); a=addmf(a,'output',3,'NS','trimf',-3,-1,1); a=addmf(a,'output',3,'Z','trimf',-2,0,2); a=addmf(a,'output',3,'PB','trimf',-1,

41、1,3); a=addmf(a,'output',3,'PM','trimf',0,2,3); a=addmf(a,'output',3,'PB','smf',1,3); rulelist=1 1 7 1 5 1 1;1 2 7 1 3 1 1;1 3 6 2 1 1 1;1 4 5 2 1 1 1;1 5 5 3 1 1 1;1 6 4 4 2 1 1;1 7 4 4 5 1 1; 2 1 7 1 5 1 1;2 2 7 1 3 1 1;2 3 6 2 1 1 1;2 4 5 3 2 1 1;2 5 5 3 2 1 1;2 6 4 4 3 1 1;2 7 3 4 4 1 1; 3 1 6 1 4 1 1;3 2 6 2 3 1 1;3 3 6 3