模糊神经网络PID在三容水箱中的应用

开篇：润墨网以专业的文秘视角，为您筛选了一篇模糊神经网络PID在三容水箱中的应用范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要:现代工业生产过程日益复杂,采用先进的控制算法对生产进行控制,以提高生产控制水平,提高生产质量及效率。通过对工业过程控制中典型对象――三容水箱的液位控制分析,提出将模糊控制与神经网络结合的智能模糊神经网络pid控制。仿真结果表明该控制方法比传统PID控制具有调节时间短、超调量小、鲁棒性强的优点。该控制方法集中了模糊控制和神经网络控制的优点,自学习能力及模糊信息处理能力都具有一定优势,更能适应现代工业控制的需要。

关键词:模糊控制;神经网络;模糊神经网络;PID;三容水箱液位控制

中图分类号:TP273文献标识码:B

文章编号:1004-373X(2009)10-137-03

Application of Fuzzy Neural Network PID for Three-tank Water

ZHANG Caixia,ZHANG Zhifei

(Foshan University,Foshan,528000,China)

Abstract:The process of modern production is more complex.It can advance the level of controlling,quality of production and productivity though advanced method.Through analysing the control of three-tank water,this article gives fuzzy neural network PID controller by associating fuzzy controlling with neural network controlling.The simulation results show that the controller is satisfied at precision and stable results and strong robustness than regular PID controller.Fuzzy neural network PID controller has the advantage both fuzzy controlling and neural network controlling,and it can do well in self-study and dealing with fuzzy information,so it can adapt modernized industry.

Keywords:fuzzy control;neural network;fuzzy neural network;PID;control of three-tank water

0 引 言

目前,工业生产中普遍采用的控制方法仍是传统的PID控制。PID控制器具有稳定性好,结构简单,调整方便的优点。但对于具有多输入/多输出、非线性、大迟延的工业系统传统PID很难达到理想的控制效果,因此对其控制算法进行研究具有非常重要的实际意义。一个先进实用的控制算法应对工业生产具有有效的推动作用。当前实际生产中普通应用的算法比理论方面的研究滞后,如何将先进的控制算法与传统的PID控制相结合,提高工业现场对复杂控制系统的控制效果,已引起控制界的广泛重视。

模糊控制是模仿人脑的逻辑思维机理,采用语言变量来描述系统特征,用于处理模型未知或不精确的控制问题。但它需要建立在大量人工经验的基础上;而神经网络具有自学习能力和大规模并行处理能力,在自动模式识别方面有极强的优势。将模糊技术引入神经网络,可拓展神经网络处理信息的范围和能力,使其不仅可以处理精确信息,还可以处理模糊信息。采用神经网络进行模糊信息处理,有可能解决模糊规则的自动提取及模糊隶属函数的自动生成,使模糊系统成为一种自适应模糊系统。模糊控制与神经网络相结合,既克服了各自的弱点,又实现了两者的优势互补。

将模糊神经网络与传统的PID控制相结合,既保持了PID控制的优势,又可以在不增加工业生产硬件设备投入的基础上,实现对PID的三个参数进行在线调整,使其具有较强的抗干扰能力和较强的鲁棒性。达到快速性好,超调小,无静差的控制效果。

1 三容水箱

三容水箱液位控制系统(见图1)是过程控制中的一种典型的控制对象,工业上许多被控对象的整体或局部都可以抽象成三容水箱的数学模型,在实际生产中有着非常广泛的应用背景。三容水箱是较为典型的非线性、时延对象,对于这样的复杂系统,采用经典PID控制方法进行控制,难以保证系统适应控制系统的参数变化和工作条件变化,液位始终有较大波动,很难实现理想的控制效果。

图1 三容水箱结构图

2 传统的PID控制

用传统的PID对三容水箱进行控制,需要知道控制对象的数学模型。这里采用浙江天煌公司的过程控制系统为研究对象,通过被控对象对阶跃信号响应的实验方法确定它的参数,得到如下的数学模型:

H(s)=1/

传统的PID控制方法如下:

用工程整定方法中常用的经验法对上述闭环控制的PID参数进行整定,确定PID控制器的三个参数KP=1,KI=50,KD=10,并设系统给定值为单位阶跃信号(期望的液位值)。用Matlab进行仿真,得到的结果如图2所示。

图2 三容水箱传统PID控制仿真

由仿真图形可知,系统最终达到了稳定。但是调节时间较长,超调量较大,控制效果不是特别理想。如果控制过程中出现扰动,传统的PID控制器不能在线调整控制参数,将会出现控制结果远远偏离设定值的现象。

3 模糊神经网络PID

模糊神经网络PID的实现,尤其是近年来发展的神经网络控制,大大增强了对三容水箱这类具有非线性特性的复杂对象的控制能力。神经PID不仅具有非线性映射功能,而且还具有可处理动态信息的PID功能。

如图3所示,神经网络模糊PID包括以下几部分:对输入量进行模糊化;送入神经网络NN进行运算;输出传统的PID控制器进行在线调整,以达到满意的控制效果。

图3 神经网络模糊PID结构图

3.1 模糊部分的实现

模糊控制的关键是对系统的状态变量进行模糊量化处理。该系统的状态变量是系统的状态误差e(k),对其进行归档模糊化处理,根据控制偏差e(k)与输入量r(k)的比值,将NN的模糊化输入分为5档,即系统误差的模糊论域H为:-2(e/r≤0.03);-1(e/r>0.03);0(e/r≥0.2);1(e/r≥0.5);2(e/r>0.8)。

3.2 神经网络的实现

神经网络的控制不依赖于控制对象的具体数学模型,主要取决于控制算法及网络结构。根据模糊输入及输出的需要控制KKK,选择5-4-3结构。选择输出节点分别对应PID控制器的3个可调参数KP,KI,KD。由于KP,KI,KD不能为负值,所以输出成神经元的活化函数取非负的Sigmoid函数f(sj)=1/(1+e-sj),而隐含层神经元的活化函数取正负对称的Sigmoid函数g(sj)=(1-e-sj)/(1+e-sj),输入为O(1)j=Hj;j=0,1,2,…,5。