基于積分分離PID控制算法的神經(jīng)元控制器

1、基于積分分離PID控制算法的神經(jīng)元控制器林瑞全,等閥門正常工作時閥前的壓力通常不能作為允許壓差的計算根據(jù)。正常工作時閥前的壓力并不大,但隨閥門逐漸關(guān)小,閥前壓力逐漸加大,閥前后壓差也逐漸加大。閥門正常工作時閥后的壓力通常也不能作為允許壓差的計算根據(jù)。如果閥后只有連通大氣的管道而無阻力件,計算允許壓差時可視閥后壓力為零。但如果閥后連接有壓力容器及各種阻力件,閥門正常工作時閥后的壓力大體等于這些壓力容器在正常工作時的壓力值或在這些阻力件前要求的壓力(如燃燒噴嘴前要求壓力011MPa)。以閥門正常工作時閥前后的壓力計算出來的壓差作為允許壓差往往偏小,原因可能有以下幾點:在不正常工作時閥門的開度可能很

2、小,使閥前壓力大大升高,而最大工作壓差的含義是指閥門即將關(guān)閉時可能出現(xiàn)的差壓值,而在這種情況下,流體輸送設(shè)備(如水泵、風(fēng)機(jī)、空壓機(jī))的出口將達(dá)到設(shè)備運行的最高壓力,其數(shù)值等于流體輸送設(shè)備的額定出口壓力。在不正常工作時閥門后的壓力容器的壓力可能低于壓力容器在正常工作時的壓力值。,以工業(yè)鍋爐給水系統(tǒng)為例,35t/h的鍋爐給水泵額定壓力通常為610MPa,汽泡壓力為318MPa,閥前壓力正常時為410MPa,閥門正常工作時閥前后的壓差約為012MPa,收稿日期:2003-06-14。作者方原柏,男,1942年生,教授級高級工程師,昆明儀器儀表學(xué)會副理事長兼秘書長。如果拿這個值作為允許壓差,幾乎任何一

3、臺閥門能滿足要求。但當(dāng)用汽量突然減少時,閥門開度也將減少,閥前壓力逐漸增大,直至達(dá)到給水泵額定壓力為止。此時閥前后的壓差為212MPa,一般單座閥在這種壓差下很難保證不泄漏。而且鍋爐汽包壓力很可能根據(jù)需要定為310MPa、215MPa,此時閥前后的壓差分別為310MPa、315MPa,比前述閥前后的壓差要大得多。而作者在現(xiàn)場時還有過一次奇特的經(jīng)歷,允許壓差值按310MPa考慮的閥門在鍋爐冷試開度還較大時就關(guān)不上了,后分析原因才知道了冷試時汽包壓力為零,而且冷試時用水量很少,要求閥門開度很小,此時閥前壓力可能達(dá)到6MPa,閥后壓力為零,閥前后壓差遠(yuǎn)遠(yuǎn)超過允許壓差,所以閥門開度還較大時就關(guān)不上了。

4、在現(xiàn)場只好開通旁路,待設(shè)備轉(zhuǎn)入正常工作時再啟動控制閥工作。所以,在確定允許壓差時,這樣一些因素也需要考慮。有些閥門只是作為遙控閥門,其中有一部分還是工藝專業(yè)所選閥門,流量特性選擇可以省略,但不平衡力校核等步驟還是必不可少的?；诜e分分離PID控制算法的神經(jīng)元控制器TheNeuronControllerBasedonIntegralSeparationPIDControlAlgorithm林瑞全楊富文邱公偉(福州大學(xué)自動化系,福州350002)摘要介紹一種基于積分分離PID控制算法的神經(jīng)元控制器實現(xiàn)方法。編寫S函數(shù)來構(gòu)建MATLAB環(huán)境下該神經(jīng)元控制器的SIMU-LINK仿真模型。利用該模型對控

5、制器在電加熱爐中的應(yīng)用進(jìn)行仿真研究。仿真結(jié)果表明,基于積分分離PID控制算法的神經(jīng)元控制器與傳統(tǒng)的神經(jīng)元PID控制器相比,系統(tǒng)的控制性能得到了較大的改善。關(guān)鍵詞神經(jīng)元控制器控制算法PID控制積分分離AbstractTheimplementationmethodofaneuroncontrollerbasedonintegralseparationPIDcontrolalgorithmisintroduced.ForestablishingtheSIMULINKsimulationmodelofthisneuroncontrollerunderMATLABenvironment,theSfunc

6、tioniscompiled.Withthismodel,theapplicationofthe25自動化儀表第25卷第4期2004年4月controllerinelectricheatingfurnaceisstudiedbysimulation.TheresultofsimulationshowsthatcomparingthiscontrollerwithconventionalPIDcon2trollerthecontrolperformanceofthesystemhasbeenenhancedgreatly.KeywordsNeuroncontrollerControlalgori

7、thmPIDcontrolIntegralseparation0引言PID控制是最早發(fā)展起來的控制策略之一,在PID控制算法中,積分環(huán)節(jié)的引入其主要的目的是消采用的是PD控制算法。2基于積分分離PID控制算法的神經(jīng)元控制器2.1基于積分分離PID控制算法的神經(jīng)元控制器除系統(tǒng)的穩(wěn)態(tài)靜差、提高控制的精度。但是隨著積分環(huán)節(jié)的引入,相應(yīng)也會出現(xiàn)一些問題,比如在過程的啟動、結(jié)束或較大幅度增減給定值時,短時間內(nèi)系統(tǒng)輸出會有較大的偏差,由于PID運算的積分積累,可能引起系統(tǒng)較大超調(diào),甚至引起振蕩,同時也增大了調(diào)節(jié)時間,這種現(xiàn)象在許多的生產(chǎn)過程中是絕對不允許的。正是在這種背景下產(chǎn)生了積分分離PID控制算法1,

8、2。近年來,神經(jīng)網(wǎng)絡(luò)的研究引起了控制界的高度重視,在神經(jīng)網(wǎng)絡(luò)控制中,單神經(jīng)元是最基本的控制部件,它只有一個神經(jīng)元,結(jié)構(gòu)簡單,學(xué)習(xí)過程比較快,又具有神經(jīng)網(wǎng)絡(luò)的信息綜合、學(xué)習(xí)記憶和自適應(yīng)能力,表現(xiàn)出良好的自適應(yīng)性和魯棒性3。本文提出一種基于積分分離PID控制算法的神經(jīng)元控制器實現(xiàn)方法。對于增量型神經(jīng)元PID控制系統(tǒng),有3u(k)=u(k-1)+K3i=1w(k)x(k)ii即u(k)=Kwi(k)xi(k)i=1(6)式中:K為神經(jīng)元的比例系數(shù);w1(k),w2(k)及w3(k)為權(quán)系數(shù),其學(xué)習(xí)規(guī)則為w1(k+1)=w1(k)+Pe(k)x1(k)w2(k+1)=w2(k)+Ie(k)x2(k)w

9、3(k+1)=w3(k)+De(k)x3(k)(7)式中:=k);(k;3e(k)=e(k)-2e(k-1)+e(k-2);1積分分離PID控制算法增量型PIDu(k)=u(k)-(-1)=KPe(k)+1P,I及D分別為比例,積分,微分的學(xué)習(xí)速率。把式(2)和式(6)進(jìn)行比較,可得積分分離增量型PID控制算法與增量型神經(jīng)元PID控制算法之間的關(guān)2e(k)+e(k)TIT系滿足:Kw1(k)=KP(比例系數(shù)),Kw2(k)=KPT/Ti(1)(積分系數(shù)),Kw3(k)=KPTD/T(微分系數(shù)),通過神經(jīng)e(k)+KIe(k)+KDe(k)=KPKD為微分系數(shù),KD=KPTD/T;T為采樣周期。

10、式中:KP為比例系數(shù);KI為積分系數(shù),KI=KPT/TI;積分分離增量型PID控制的離散化方程為u(k)=u(k)-u(k-1)=KPe(k)+2e(k)+e(k)TIT元權(quán)系數(shù)w1(k),w2(k)及w3(k)的自學(xué)習(xí)可以在線調(diào)整積分分離增量型PID控制相應(yīng)的比例系數(shù)、積分系數(shù)和微分系數(shù)。因此,當(dāng)為1時,此時基于積分分離PID控制算法的神經(jīng)元控制器為神經(jīng)元PID控制實現(xiàn),當(dāng)為0時,則為神經(jīng)元PD控制實現(xiàn)。2.2基于積分分離PID控制算法的神經(jīng)元控制器(2)e(k)+=KPKIe(k)+KDe(k)式(2)中,滿足:=1;|e(k)|e0|0;|e(k)|>|e0|SIMULINK仿真若

11、簡單地應(yīng)用SIMULINK將無法對基于積分分離PID控制算法的神經(jīng)元控制器進(jìn)行仿真研究,此時應(yīng)(3)引入S函數(shù),通過構(gòu)建子系統(tǒng)的方法來建立其仿真模型。S函數(shù)的基本格式為4,5:Functionsys,x0=函數(shù)名(t,x,u,flag)式中:e為人為設(shè)置的誤差閾。當(dāng)|e(k)|e0|時,即=1,u(k)=KPe(k)+KIe(k)+KDe(k)采用的是PID控制算法。當(dāng)|e(k)|>|e0|時,即=0,u(k)=KPe(k)+KD2e(k)26(5)其中,t,x,u為當(dāng)前時間,狀態(tài)變量與輸入矢量;flag為(4)返回變量標(biāo)志。flag=0,返回參數(shù)和初始條件的維數(shù);返回參數(shù)x0表示狀態(tài)變

12、量的初始值,而返回參數(shù)sys各分量的含義如下:PROCESSAUTOMATIONINSTRUMENTATION,Vol.25,No.4,Apr.,2004基于積分分離PID控制算法的神經(jīng)元控制器林瑞全,等sys(1)連續(xù)狀態(tài)變量數(shù);sys(2)離散狀態(tài)變量數(shù);sys(3)輸出變量數(shù);sys(4)輸入變量數(shù);sys(5)系統(tǒng)中有不連續(xù)根的數(shù)量;sys(6)系統(tǒng)中有無代數(shù)循環(huán)的標(biāo)志。(有,則置1)flag=1,返回系統(tǒng)的狀態(tài)導(dǎo)數(shù)dx/dt;flag=2,返回離散狀態(tài)x(k+1);flag=3,返回輸出向量y;flag=4,更新下一個離散狀態(tài)的時間間隔。圖1基于積分分離PID控制算法的神經(jīng)元控制器S

13、IMULINK仿真模型元積分分離PID的控制算法。以電加熱爐為被控對象,取神經(jīng)元的學(xué)習(xí)速率90、1000,神經(jīng)元的比例系數(shù)KP、I、D分別為6800、取值為113,積分分離PID控制算法的誤差閾為誤差最大值的0185倍,利用圖1所示的仿真模型進(jìn)行仿真實驗。當(dāng)控制系統(tǒng)在零時刻加上單位階躍給定值時,電加熱爐采用基于積分分離PID控制算法的神經(jīng)元控制器進(jìn)行控制的控制如果如圖2中的曲線a所示,圖2中的曲線b為電加熱爐采用傳統(tǒng)的神經(jīng)元PID控制器的控制效果。假設(shè)誤差小于等于誤差最大值的0185倍時采用PID算法,否則采用PD算法。則基于積分分離PID控制算法的神經(jīng)元控制器的S函數(shù)為functionsys

14、,x0=neuro3jffl(t,x,u,flag,P,I,D,K)ifflag=2/實現(xiàn)神經(jīng)元權(quán)值的學(xué)習(xí)。33sys(1)=x(1)+Pu(3)u(2);33sys(2)=x(2)+Iu(3)u(3);sys(3)=x(3)+Du(3)u(4);elseifflag=3/當(dāng)誤差誤差最大值的0185倍時采用PID33算法,否則采用PD算法。ifabs(u(3)<=01853u(1)sys=K3(x(1)3u(2)+x(2)3u(3)x(4)/(x()+x(2)+x(3);elsesys=K3(x(1)3(+(3)3u4)/(x(1)+x(3);endelseifflag=0/設(shè)定初始值s

15、ys=0;3;1;4;0;0x0=011;011;011;else圖2仿真實驗曲線從圖2的仿真實驗曲線可以看出,與采用傳統(tǒng)的神經(jīng)元PID控制器進(jìn)行控制相比,電加熱爐采用基于積分分離PID控制算法的神經(jīng)元控制器進(jìn)行控制其控制性能有了較大的改善。sys=;end在以上的S函數(shù)中,u(1)為誤差的最大值,u(2)、u(3)、u(4)分別對應(yīng)于神經(jīng)元PID控制算法中的x1,x2及x3,即e(k),e(k)及e(k)。24結(jié)束語本文所提出的基于積分分離PID控制算法的神經(jīng)元控制器,當(dāng)誤差值未達(dá)到某一給定的閾值時采用神經(jīng)元PID控制,達(dá)到某一閾值時采用神經(jīng)元PD控制,避免了由于誤差的積分積累可能引起系統(tǒng)具

16、有較大超調(diào),甚至引起振蕩的現(xiàn)象。該控制器不但具有積分分離PID控制的優(yōu)點,而且還可以利用神經(jīng)元的非線性、自尋優(yōu)來克服控制對象中變參數(shù)、非線性等不利因數(shù),從而有效地提高控制效果和系統(tǒng)性能。參考文獻(xiàn)1陶永華,等.新型PID控制及其應(yīng)用.北京:機(jī)械工業(yè)出版社,1998.3仿真實驗以某電加熱爐(其傳遞函數(shù)為GP(S)=(213e-01617s)/3105s+1,時間單位為min)為被控對象,選取采樣周期T=010617min。利用基于積分分離PID控制算法的神經(jīng)元控制器來對其進(jìn)行控制,可以得出該控制系統(tǒng)的SIMULINK仿真模型,如圖1所示。系統(tǒng)的輸出結(jié)果既送到示波器中顯示又送到工作空間站yex中。M

17、UX框圖的作用是把多個輸入合成為一個矢量輸出,In1Qut1框圖是子系統(tǒng)框圖,其作用是實現(xiàn)神經(jīng)27自動化儀表第25卷第4期2004年4月2袁浩,等.基于PLC的積分分離PID算法在液位系統(tǒng)中的應(yīng)用,實北京:清華大學(xué)出版社.1996驗室研究與探索,2002,21(1),56573王永驥,涂健.神經(jīng)元網(wǎng)絡(luò)控制.北京:機(jī)械工業(yè)出版社,19984張志涌,劉瑞楨,楊祖櫻.掌握和精通MATLAB.北京:北京航空航收稿日期:2003-08-16。第一作者林瑞全,男,1971年生,講師,在職博士生,1994年畢業(yè)于福州大學(xué),2001年獲碩士學(xué)位,現(xiàn)為在職博士研究生,講師;主要研究方向為魯棒控制、神經(jīng)網(wǎng)絡(luò)控制等

18、,發(fā)表論文13篇。天大學(xué)出版社,19975薛定宇著.控制系統(tǒng)計算機(jī)輔助設(shè)計MATLAB語言及應(yīng)用.一種處理實時監(jiān)控系統(tǒng)數(shù)據(jù)的方法TheMethodDataProcessingforRealTimeMonitoringSystem敬偉劉衛(wèi)新(西安工業(yè)學(xué)院電子信息科學(xué)與工程系,西安710032)摘要提出了采用組態(tài)王提供的SQL訪問功能和VB強(qiáng)大的數(shù)據(jù)庫功能,介紹了該方法在轉(zhuǎn)轍機(jī)測試臺實時監(jiān)控系統(tǒng)中的具體應(yīng)用。關(guān)鍵詞數(shù)據(jù)處理實時監(jiān)控系統(tǒng)組態(tài)王動態(tài)數(shù)據(jù)交換AbstractThedataprocessingmethodofrealtimedataandhistoricaldataThismethodus

19、edSQLaccessfunc2tionofferedbyKingviewandthepowerfulVBdatabase.Theintimemonitoringsystemoftestbenchofswitcherisintroduced.KeywordsDataKingviewDynamicdataexchange0引言在工業(yè)控制軟件中,組態(tài)王軟件1能充分利用Windows的圖形編輯功能,方便地構(gòu)成監(jiān)控畫面,以動Excel表格中,并可對這些數(shù)據(jù)進(jìn)行進(jìn)一步的處理。雖然組態(tài)王內(nèi)部提供了這種歷史數(shù)據(jù)的處理方法,而且該方法使用簡單,但是對于大多數(shù)的工業(yè)控制系統(tǒng)來說,這種方法是遠(yuǎn)遠(yuǎn)不能滿足實際工程或?qū)嶋H標(biāo)準(zhǔn)的需要。以下是根據(jù)組態(tài)王的特點,以轉(zhuǎn)轍機(jī)測試臺實時監(jiān)控系統(tǒng)為例,介紹一種實時監(jiān)控系統(tǒng)數(shù)據(jù)處理的方法。態(tài)顯示控制設(shè)備的狀態(tài),具有報警窗口,實時趨勢曲線,并可運用PC機(jī)豐富的軟件資源進(jìn)行二次開發(fā),便利生成各種表報,為應(yīng)用程序開發(fā)提供了十分方便的軟件平臺。組態(tài)王軟件有Tou