智能控制理論和方法

西安建筑科技大學(xué)研究生課程考試試卷考試科目：智能控制理論與方法課程編碼：081013任課老師：考試時間:學(xué)號：學(xué)生姓名:題號成績總成績學(xué)分123456閱卷人簽字789試題總頁數(shù)10空調(diào)系統(tǒng)神經(jīng)模糊控制器的仿真和優(yōu)化（1.西安建筑科技大學(xué)信息與控制工程學(xué)院，陜西西安710055）摘要：以恒溫空調(diào)系統(tǒng)為控制對象，對神經(jīng)模糊控制器和PID控制器進(jìn)行了數(shù)字仿真，并用單純形法對控制比例因子進(jìn)行了參數(shù)尋優(yōu)，獲得了最優(yōu)參數(shù)和動態(tài)響應(yīng)曲線通過對神經(jīng)模糊控制器的優(yōu)化學(xué)習(xí)，大大提高了神經(jīng)模糊控制器的控制精度和穩(wěn)定性，其性能優(yōu)于最優(yōu)化的PID控制器，能有效地滿足溫度控制要求，并具有較好的魯棒性由于神經(jīng)模糊控制器具有模糊控制和神經(jīng)網(wǎng)絡(luò)的智能，經(jīng)過優(yōu)化學(xué)習(xí)后，它具有良好的控制性能和自適應(yīng)能力。關(guān)鍵詞：數(shù)字仿真；參數(shù)尋優(yōu)；優(yōu)化學(xué)習(xí)；神經(jīng)模糊控制器中圖分類號：TU83,TP273文獻(xiàn)標(biāo)識碼：ANeuralFuzzyControllerofAirConditioningSystemSimulation

andOptimizationLIYang1(1.InformationandControlEngineeringInstitute,XI'anUniversityofArchitectureandTechnologyXi'an710055,China)Abstract:Adigitalsimulationwasconductedforaconstanttemperatureairconditioningsystemwiththreedifferentcontrollers,i.e.,theneuralfuzzycontroller,theconventionalfuzzycontrollerandPID(Proportional-Integral-Derivative)controller.Theproportionalfactorsofthesecontrollerswereoptimizedusingthesimplexmethodanddynamicresponseprofileswereobtained.TheneuralfuzzycontrollerwasthentrainedforoptimizationwiththesamplesfromtheoptimizedPIDcontroller.ItscontrolperformanceandstabilitywasfoundtobeimprovedsignificantlyandevensuperiortotheoptimizedPIDcontrollerandoptimizedconventionalfuzzycontroller.Thesystemtemperaturewascontrolledwithdesiredperformance.TherobustnessofthetrainedneuralfuzzycontrolleriscomparabletotheoptimizedPIDcontroller.Thisdemonstratesthattheneuralfuzzycontrollercanbetrainedforoptimizationtoachievebettercontrolperformanceandself-adaptabilitysinceithastheinherentintelligenceofbothfuzzycontrolandneuralnetwork.Keywords：digitalsimulation;systemoptimization;trainingforoptimization;neuralfuzzycontroller0引言在研究高大空間恒溫空調(diào)系統(tǒng)的溫度控制時，設(shè)計總結(jié)了一種新型的神經(jīng)模糊控制器口。仿真和優(yōu)化的結(jié)果表明，這種控制器較常規(guī)的PID控制器具有更好的控制精度、穩(wěn)定性和魯棒性。這種控制器特別適用于系統(tǒng)不確定、模型不精確的純滯后大慣性的暖通空調(diào)系統(tǒng)的精確控制。在近幾年的研究中，有些文章大多在介紹了神經(jīng)網(wǎng)絡(luò)和模糊控制的基本原理后，只是簡短地介紹了自己如何應(yīng)用這些方法于暖通空調(diào)系統(tǒng)，而沒有對某種具體的空調(diào)系統(tǒng)控制器作詳細(xì)的0引言本文以恒溫空調(diào)系統(tǒng)溫度控制為例介紹神經(jīng)模糊控制器的仿真與優(yōu)化，為了有所比較，在本文的恒溫控制系統(tǒng)仿真中，同時采用PID控制器進(jìn)行控制，以證明神經(jīng)模糊控制器的優(yōu)越性。；修回日期:e20Cft|e（t）\dt單純形法調(diào)整控制參數(shù)PID控制器250$+1二熱電偶0.00054+50$+1e20Cft|e（t）\dt單純形法調(diào)整控制參數(shù)PID控制器250$+1二熱電偶0.00054+50$+1干擾信號熱泵圖1恒溫控制系統(tǒng)仿真框圖序號Kp_KK性能指標(biāo)110648.00106.48000239583.00415604.626210649.00106.48000239583.00415581.955310648.00107.48000239583.00428829.213410648.00106.48000239584.00415601.853510649.000106.49000239583.00239584.000610648.00106.48000239583.00415604.626710649.33310533398747.054810651.33310333373133.074910651.66699.813333239585.66332957.7431010653.33397.146667239584.33300645.7651110658.33391.146667239585.33236475.5661210660.66681.813333239588.66164342.7001310669.00070.480000239587.00108577.511表1PID控制器參數(shù)尋優(yōu)過程及結(jié)果在本文的恒溫室中，要求室內(nèi)溫度穩(wěn)定在20r,即設(shè)定值為20°C不變，而室內(nèi)的熱源則是隨機(jī)變化的，即控制系統(tǒng)的干擾是不斷變化的。因此，在恒溫控制系統(tǒng)仿真中，主要對干擾變化進(jìn)行仿真，并且考慮階躍干擾變化的情況。本文的恒溫控制系統(tǒng)仿真框圖見圖1。該仿真系統(tǒng)的各環(huán)節(jié)傳遞函數(shù)參數(shù)⑵（其中s表示Laplace變元）說明如下：（1）整個仿真系統(tǒng)以實際空間（恒溫室）為原型，所有的參數(shù)均為實際空間的運(yùn)行參數(shù)，這些參數(shù)的獲取方法和具體數(shù)值參見文獻(xiàn)［1］。（2）電加熱器，即執(zhí)行器被考慮為一個一階慣性環(huán)節(jié)［心］。電加熱器的初始加熱量為5556W，相當(dāng)于送風(fēng)被加熱3C。（3）測溫元件，即傳感器考慮采用熱電偶，并且忽略它的慣性。（4）干擾源就是恒溫室中的熱源，在仿真時，干擾源被考慮為由熱源溫度變化引起的室內(nèi)溫度變化，它是一個階躍干擾。干擾源的初始溫度為55C（恒溫），仿真時干擾源的溫度突然從55C下降到34Co（5）仿真前，設(shè)系統(tǒng)處于穩(wěn)定運(yùn)行狀態(tài)，恒溫室的初始溫度為20C;當(dāng)干擾無變化時，系統(tǒng)將穩(wěn)定運(yùn)行，并保持恒溫室溫度為20C。本文的仿真工作分三步多值選―擇器（1）優(yōu)化控制系統(tǒng)參數(shù)，參數(shù)尋優(yōu)采用單純形法，關(guān)于單純形法的優(yōu)化方法和過程參見文獻(xiàn)［41。1）PID控制器U-2］:在初始控制系數(shù)KP0（比例常數(shù)）、KI0,（積分常數(shù)）和KD0（微分常數(shù)）的基礎(chǔ)上，通過仿真得到最優(yōu)的控制參數(shù)KP*、KI*和KD*。2）神經(jīng)模糊控制器：在初始控制比例因子Ke0（誤差比例因子）、Kc0（誤差變化率比例因子）和Ku0（控制輸出比例因子）的基礎(chǔ)上，通過仿真得到最優(yōu)的控制比例因子Ke*、Kc*和Ku*o（2）在最優(yōu)控制參數(shù)的基礎(chǔ)上，同時對兩種控制器進(jìn)行仿真并比較它們的仿真結(jié)果。（3）保持最優(yōu)控制參數(shù)不變，改變受控對象參數(shù)KA放大系數(shù)）、tA（時間延遲）和TA（時間常數(shù)），然后進(jìn)行仿真，比較兩種控制器對受控對象參數(shù)變化的魯棒性。2神經(jīng)模糊控制器仿真優(yōu)化結(jié)果根據(jù)系統(tǒng)各環(huán)節(jié)參數(shù)和采樣定理，選定采樣周期為1s;根據(jù)系統(tǒng)達(dá)到穩(wěn)定所需時間，確定仿真時間為20s;進(jìn)行參數(shù)仿真尋優(yōu)時，各控制器的初始控制參數(shù)選擇如下：（1）PID控制器根據(jù)文獻(xiàn)［7］，選定控制度為1.05，得到PID控制器的較優(yōu)參數(shù)，即本文的PID控制器初始控制參數(shù)為：初始比例系數(shù)KP0=10648，初始積分系數(shù)KI0=106.48，初始微分系數(shù)KD0=239583。（2）神經(jīng)模糊控制器：根據(jù)文獻(xiàn)［11，初始控制比例因子Ke0=1,Kc0=100,Ku『55560。2.1最優(yōu)控制參數(shù)PID控制器、常規(guī)模糊控制器和神經(jīng)模糊控制器的參數(shù)尋優(yōu)過程和最優(yōu)參數(shù)分別見表1、表2和表3o這些表中的性能指標(biāo)Q就是圖1中指標(biāo)函數(shù)Q的計算值。1410681.33349.146667239592.3359210.73351.10000099.8000005556.100790689.5641510694.33319.146667239597.3349365.30461.20000099.8000005556.200747328.2061610689.911132.03555239593.6440400.94971.40000099.6000005556.100654009.5541710649.3331053339874.70481.50000099.2000005556.400616097.5451810692.54424.634209239595.2335014.63091.90000099.0000005556.500503708.4241910692.25425.241210239595.1234978.431102.40000098.2000005556.600419515.6732010692.40224.879508239595.1934967.059113.00000097.2000005557.300347741.1252110692.30425.036407239595.2334959.223124.30000096.0000005557.600275650.956最優(yōu)參數(shù)10692.30425.036407239595.2334959.223135.90000093.4000005558.500260877.696從表1、表2和表3可以看出：146.40000092.8666675559.000245178.667(1)參數(shù)尋優(yōu)能夠明顯地改善控制性能指156.54666792.8444445558.793241614.307標(biāo)，在兩種控制器中，以PID控制器的性能指166.81088992.3481485559.711246418.576標(biāo)改善最多，性能指標(biāo)Q減少到原來的8.4%。176.45551192.8585195558.799243722.724(2)米用單純形法能夠較快地找到最優(yōu)參186.61945892.6509635558.902240087.536數(shù)。196.72843692.6339265558.994239854.917206.56824592.7680895558.896241124.5042.2控制系統(tǒng)動態(tài)響應(yīng)曲線216.73075992.5242075559.069239674.930將上述PID控制器和神經(jīng)模糊控制器在最/IX4.'JX匕一ZRzrt[AZ-.__Unr^iAJx226.64302992.6690555558.951239753.222優(yōu)參數(shù)下進(jìn)仃仿真，得到匕們的動態(tài)響應(yīng)曲線，236.66822892.6258235558.964239418.783見圖2。從圖2、表1和表2可以看出：246.66156692.5953365558.995239449.753(1)對于本文的純滯后大慣性怕溫室控制系256.73067492.4945235559.067239610.033統(tǒng)，在最優(yōu)控制參數(shù)下，PID控制器的性能指標(biāo)265.90000092.5528195559.032239242.684遠(yuǎn)好于常規(guī)神經(jīng)模糊控制器。為簡單起見，本文276.40000092.5526055559.025239214.928稱最優(yōu)控制參數(shù)下的PID控制(器)為最優(yōu)PID286.54666792.5526055559.025239214.929控制(器)。最優(yōu)參數(shù)6.69910892.5526055559.025239214.920(2)最優(yōu)PID控制存在超調(diào)量，并且其調(diào)整時間較長，而神經(jīng)模糊控制沒有超調(diào)量，其較快<4、木b日斥浴H偷燦那焙黜日坊生【網(wǎng)甘壬而*(5)本乂所設(shè)計的神經(jīng)模糊控制器基于預(yù)兒調(diào)整時間也較短地進(jìn)入了穩(wěn)定狀態(tài)。設(shè)計的模糊控制規(guī)則表，因此其控制效果基本上(3)神經(jīng)模糊控制的上升時間比最優(yōu)PID控與常規(guī)模糊控制器相同，，但比最優(yōu)PID控制差。制略短，說明神經(jīng)模糊控制具有潛在的優(yōu)勢，經(jīng)為了提高神經(jīng)模糊控制的效果，可以改進(jìn)和增加過一定的優(yōu)化后將具有比最優(yōu)PID控制更好的模糊控制規(guī)則;在模糊控制規(guī)則不容易獲得的情性能。況下，可以利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力，以某一更(4)兩種控制器都能有效地將溫度波動范圍優(yōu)的控制器數(shù)據(jù)為學(xué)習(xí)樣本，通過神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)控制在3°C以內(nèi)。訓(xùn)練，使神經(jīng)模糊控制器具有更好的控制性能，表2神經(jīng)模糊控制器參數(shù)尋優(yōu)過程及結(jié)果這稱為神經(jīng)模糊控制器的優(yōu)化學(xué)習(xí)(Trainingfor序號KeKcKu性能指標(biāo)Optimization)o11.000000100.000005556.000859565.28021.100000100.000005556.000791473.89031.000000100.100005556.000859592.24041.000000100.000005556.100859560.968圖2最優(yōu)控制參數(shù)下兩種控制器響應(yīng)曲線2.3神經(jīng)模糊控制器的優(yōu)化學(xué)習(xí)在本文中，考慮到最優(yōu)PID控制器具有良好的控制性能，因此利用它作為神經(jīng)模糊控制器的學(xué)習(xí)樣本，對神經(jīng)模糊控制器進(jìn)行優(yōu)化學(xué)習(xí)。在原有64條模糊控制規(guī)則的基礎(chǔ)上，從最優(yōu)PID控制的仿真中，取出1500組數(shù)據(jù)作為神經(jīng)模糊控制器的學(xué)習(xí)樣本，在不改變模糊控制規(guī)則BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的情況下進(jìn)行優(yōu)化學(xué)習(xí)。本文以某一具體數(shù)據(jù)為例說明優(yōu)化學(xué)習(xí)的過程。在最優(yōu)PID控制的2000s仿真中，取1?1500s的PID控制器輸入輸出值，將它們變換到[[-1,1]標(biāo)準(zhǔn)論域后即可作為神經(jīng)模糊控制器中的模糊控制規(guī)則BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)樣本。設(shè)某組輸入輸出值為：E=0.0007,C=0.2265,U=0.5733則將它們變換為相應(yīng)語言變量值論域上的模糊子集分別為：e危+衛(wèi)+00614+映」+gamNBNMNSNOPOPSPMPBc=em+呻迺弘絲呼羿yeNBNMNSNOPOPSPMPB.0.00020.22090.78780.0096+++++++NBNMNSNOPOPSPMPB因此該樣本的神經(jīng)網(wǎng)絡(luò)輸入向量為:[0,0,0.0614,0.9999,1,0.0629,0,0,0,0,0.0004,0.0002,0.2702,0.7609,0.0066,0]t輸出向量為：[0,0,0,0,0.0002,0.2209,0.7878,0.0096]t該樣本作為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)樣本，實際上相當(dāng)于增加了一條數(shù)據(jù)規(guī)則。由于從最優(yōu)PID控制中得到的這些樣本是定義在連續(xù)論域上的，所以這些數(shù)據(jù)規(guī)則也定義在連續(xù)論域上，當(dāng)這些數(shù)據(jù)規(guī)則應(yīng)用于普通的神經(jīng)網(wǎng)絡(luò)時，就能構(gòu)成神經(jīng)網(wǎng)絡(luò)控制器，當(dāng)它們應(yīng)用于神經(jīng)模糊控制器時，神經(jīng)模糊控制器就具有神經(jīng)網(wǎng)絡(luò)控制器的特點；另一方而，當(dāng)以條件語句為基礎(chǔ)的語言規(guī)則應(yīng)用于神經(jīng)模糊控制器時，神經(jīng)模糊控制器就具有模糊控制器的特點。因此，神經(jīng)模糊控制器自然地融合了模糊控制器和神經(jīng)網(wǎng)絡(luò)控制器的特性，能同時處理結(jié)構(gòu)化的語言信息和數(shù)據(jù)樣本信息，具有模糊控制和神經(jīng)網(wǎng)絡(luò)兩者的智能，從而具有更好的適應(yīng)性和更大的優(yōu)越性。經(jīng)過優(yōu)化學(xué)習(xí)后的神經(jīng)模糊控制器用于本文的恒溫控制系統(tǒng)時，也應(yīng)該對控制比例因子Ke、Kc和Ku進(jìn)行參數(shù)尋優(yōu)，其尋優(yōu)過程和最優(yōu)參數(shù)見表3。表3優(yōu)化學(xué)習(xí)后的神經(jīng)模糊控制器參數(shù)尋優(yōu)過程及結(jié)果序號KeKcKu性能指標(biāo)Q11.000000100.000005556.00032920.85835121.100000100.000005556.00050400.26972631.000000100.100005556.00032897.37900641.000000100.000005556.10032925.52368950.800000100.100005556.10023167.15248660.800000100.200005555.90023140.64158670.733333100.266665556.00023791.89530780.779861100.217435555.92823023.04148390.781250100.218755555.92823021.871808最優(yōu)參數(shù)0.781250100.218755555.92823021.871808(1)在最優(yōu)控制參數(shù)下，經(jīng)過優(yōu)化學(xué)習(xí)后的神經(jīng)模糊控制動態(tài)響應(yīng)曲線見圖3,其中同時示出了最優(yōu)PID控制和優(yōu)化學(xué)習(xí)前的神經(jīng)模糊控制的動態(tài)響應(yīng)曲線。

圖3優(yōu)化學(xué)習(xí)后的神經(jīng)網(wǎng)絡(luò)模糊控制動態(tài)響應(yīng)曲線經(jīng)過優(yōu)化學(xué)習(xí)后，神經(jīng)模糊控制器的性能大圖3優(yōu)化學(xué)習(xí)后的神經(jīng)網(wǎng)絡(luò)模糊控制動態(tài)響應(yīng)曲線經(jīng)過優(yōu)化學(xué)習(xí)后的神經(jīng)模糊控制器能有效地將動態(tài)溫度波動控制在0.1°C以內(nèi)，能滿足本文的控制要求。經(jīng)過優(yōu)化學(xué)習(xí)后的神經(jīng)模糊控制與優(yōu)化學(xué)習(xí)前的神經(jīng)模糊控制相比，它沒有穩(wěn)態(tài)誤差，也沒有穩(wěn)態(tài)溫度波動，控制效果明顯較好。經(jīng)過優(yōu)化學(xué)習(xí)后的神經(jīng)模糊控制器明顯優(yōu)于常規(guī)模糊控制器。由于經(jīng)過優(yōu)化學(xué)習(xí)后的神經(jīng)模糊控制器性能比最優(yōu)PID控制器好，而且又具有模糊控制和神經(jīng)網(wǎng)絡(luò)兩者的優(yōu)點，因此，它不僅對已知數(shù)學(xué)模型的受控對象有較好的控制效果，而且對受控對象數(shù)學(xué)模型不確定、不精確和時變的情