神经PID控制在双容水箱液位控制的实验研究

第 28卷 第 3期 2009年 6月 兰 州 交 通 大 学 学 报 J ournal of Lanzhou J iaotong University Vol_28 No．3 June 2009 文章编号：1001—4373(2009)03—0041-13 神经 PID控制在双容水箱液位控制的实验研究 侯 涛 (兰州交通大学 自动化与电气工程学院， 肃 兰州 730070) 摘 要：针对大滞后、非线性的二容水箱实验系统，进行了BP神经网络整定参数的PI【)控制策略研究．论文分析了 控制系统的特点，设计了神经PID控制器结构，推导控制算法，在 MA2、LAB语言环境下编写仿真控制程序，并将 程序应用于实验系统，实验系统运行结果表明控制 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 的有效性和正确性． 关键词：二容水箱；BP神经网络；P1D控制；实验研究 中图分类号：TP273．4 文献标识码 ：A 0 引言 二容水箱液位的控制作为过程控制的典型代 表，是众多过程控制专家研究的热点之一，由于其 自 身存在滞后 、非线性特性及控制系统比较复杂的特 点，系统状态、系统参数和控制算法都直接影响控制 精度．经典的PID控制显然很难达到较好的控制效 果；模糊控制作为一种经典的智能控制方法，只要设 计合理，一般能达到较满意的控制效果，但是模糊控 制是建立在模糊逻辑推理基础之上的，所以对设计 人员的经验要求较多．当然还有很多别的控制方法， 人们正在研究．本文就是将神经 PID控制方法应用 于二容水箱液位控制的研究． 1 二容水箱的特点 本文是以TKGK一1型过程控制对象系统实验 装置(浙江天煌大型实验设备)为对象，结合上位监 控 PC机形成～个完整复杂的控制系统，该控制系 统可以完成温度、压力、流量、液位等控制，二容水箱 的液位控制是其中一种．二容水箱液位的控制作为 过程控制的一种典型对象，自身存在滞后、对象随负 荷变化而表现非线性特性及控制系统比较复杂的特 点，不同控制算法直接影响控制精度． 系统原理是被测对象由两个不同容积的水箱串 联组成，故称其为二容对象．二容水箱数学模型是两 个单容水箱数学模型的乘积，即可用两个一阶魄性 收稿 日期：2008—10—14 基金项目：ff 省科技攻关最大专项(2( 63一A52—00．1—02) 作者简介：侯 涛(1975一)，男，四J1I中江人，讲师，硕 l：． 环节来描述，加上系统纯滞后 ，可得其传递 函 关于工期滞后的函关于工程严重滞后的函关于工程进度滞后的回复函关于征求同志党风廉政意见的函关于征求廉洁自律情况的复函 为 厶 厶 G( )一 (s) ( )一 —竺 × 互 一 』1 十 J 』2 _r J ． f1、 (7"1S4-1)(T2 4- 1) 一 式中：K一 是 z，为二容水箱的放大系数；rf1、 丁2分别为两个水箱的时问常数；r为滞后时间． 本系统中的被控量为下水箱的液位，当上水箱 输人量有一个阶跃增量变化时，两个水箱的液位变 化曲线如图1所示．图1a可见，上水箱液位的响应曲 线为一单调上升的指数曲线，而图 1 b所示的下水箱 液位的响应曲线则呈 S形曲线，即下水箱的液位响 应滞后了，它滞后的时间与系统的特性有很大关系， 如水箱进水阀和出水阀的开度大小等． l^ ^(o。) O 图 1 双容水箱液位 的阶跃响应 曲线 Fig．1 Step response curve of 2一container water tank 由于系统滞后的时间与水箱进水阀和出水阀的 开度大小密切相关，改变相应的阀门开度后，对象可 能出现不同程度的滞后特性，所以经典的控制方法 很难达到}蔚意的控制效果．用模糊控制进行研究i一 ， 42 兰 州 交 通 大 学 学 报 第 28卷 控制效果与普通 PII)控制(实验系统自带控制算法) 有较大改进，但是存在一些不足，如超调量过大等， 本文尝试用神经 PII)作进一步研究． 2 神经 PID控制设计 PID控制要取得较好的控制效果，就必须通过 调整好比例、积分和微分三种控制作用．形成控制量 中既相互配合又相互制约的关系，这种关系不一定 是简单的“线性组合”，从变化无穷的非线性组合中 可以找出最佳的．神经网络所具有的任意非线性表 达能力，可以通过对系统性能的学习来实现具有最 佳组合的 PID控制 J． 采用 BP(Back Propagation)网络设置神经 PID 控制 ]，建立参数走 ，是 ，走 自学习的PID控制器， 采用三层网络结构，其网络结构和控制系统结构如 图 2、图 3所示． 第一层 第二层 第三层 图 2 BP三层网络结构 Fig,．2 Framework of BP neural network 图 3 神经 Pll}控制系统结构 3 Control sTsttm framework of the n~lmal netwol~ PID 常规的PID控制是直接对被控对象进行闭环控 制，并且 3个参数 ，是 ， 为离线设定方式．其增量 式数字 PII)的控制算法为 △“(是)=：= k ( (走)⋯ e(k 1)) + k,e(足)一} 是 (e(k)一 2e( 一 1)十 (尼一 2)) 式中：走 ，是 ，是 ，分别为比例、积分、微分系数． 根据系统的运行状态．调节PID控制器的参数， 以期达到某种性能指标的最优化，使输出层神经元 的输出状态对应=F PII)控制器的 3个可凋参数 是 ， k ，是 通过神经网络的自学习、加权系数调整，使神 经网络输出对应于某种最优控制律下的 PIt)控制器 参数．具体的网络算法 如下： 网络输入层的输人为 ( )； 输出为 ¨一z( )，j一1； 网络隐层的输人 net 。 (是)一cU 0；”； 输出为 o；。 (是)一 f(net~ (是))，i===1，2，3； 网络输出层的输入net ’(走)一∑cU o ； 输出为0 ’(走)一f(net~3’(志))，P一1，2，3； 式中： 为加权系数；上角标(1)、(2)、(3)分 别为输入层 、隐层、输出层．隐层和输出层的活化函 数均取 S函数．即 一 厂( )一赤 输出层输出节点分别对应 3个可调参数，即ol 一 是 ， 。’===k ， 。’一 kd． 取性能指标函数 E(是)一去[( (是)一 。 (走))] 采用改进的BP网络学习算法(即引入较小的动 量项)，按照负梯度下降法修正网络的权系数得 舳 )一一 + _ 1)， 其中， 为学习速率；a为惯性系数． aE(k) 8E(k) a．y(尼) a△ (走) a0 ’ a议茜 8y(k) 8,Au(走) a0；3’(走) 8net~a’ 3 net ~a) ( ，‘ k _ ) ， 3 。 net ㈤ ~s) ， ( k)一 。 。 ( ) a叫 ’(是)’a硼譬’(走) 根据上述分析可得网络输出层权系数的学习算 法为 △ )=== 叫 一 1)-- r] · ay( ( k ) · · 。 )===m · )· By( ( k 走 ) · · f(net~a ))(1一 (netp (走))0 (是) 同样可得隐层权系数的学习算法为 ’(是)一 训 ’(是一 1)一 j”( )[(1一 ／ (net!。 (h))／23 E p叫 (是) p一 1 其中， === ay( ( k 是 ) f(net ))(1 一 f(net~3’(走)) 3 实验研究 根据被控对象的特点和学习算法分析，取系统的 第 3期 侯 涛神经 PII)控制在双容水箱液位控制的实验研究 43 学习率 1—0．2O；惯性系数 a一0．05；加权系数初始值 取一0．5--0．5上的随机数 l，在 1VI~FI AB6．5下编 写其控制程序，并将程序应用于实验系统，其运行结 果如图 4所示．为了便于比较控制效果，此处将经典 PID控制结果给出(系统处于同一状态下两种结果)， 如图 5所示．从结果看，采用神经 PID控制，其快速性 和超调量均有较大的提高，控制效果较好． 图4 神经 PID控制阶跃响应曲线 Fig．4 Step spD ealrve ofthe nel1]networkPID ~~atml 4 结论 针对二容水箱系统对象，进行了神经 PID控制 策略研究，并将研究结果与单一的 PID控制结果比 较，其控制效果有明显的提高．实验结果表明采用参 数 自适应的神经 PID控制，虽然控制结构和控制算 法较复杂，但可以取得较好的控制效果． 图 5 经典 PID控制阶跃响应曲线 Fig．5 Step response curve of the PID control 参考文献： [1] 侯 涛，董海鹰．基于THJ一3型的二容水箱模糊控制 器设计与实验研究EJ]．兰州交通大学学报，2005，24 (6)：107—109． 1-23 刘金琨．先进 PID控制 MATLAB仿真[M-I．第 2版． 北京 ：电子工业出版社，2004． [3] 孙增圻，张再兴，邓志东．智能控制理论与技术[M]．北 京：清华大学出版社，1997． [4] 张洁琦，刘 弘．神经PID控制在电厂主汽温控制中的 应用[J]．计算机工程与应用，2006，30：202—204． E5] 齐建玲，李叶紫，蔡文龙．一种模糊神经 PID控制器的 设计[J]．机床与液压 2008，36(7)：295，329—330． E6] 固高科技有限公司，固高摆系统与自动控制实验[M]． 2005． Experimental Research on Neural Network PID Control Based on Hydraulic Pressure of 2-Container W ater Tank HoU Tao (School of Automation and Electrical Engineering，Lanzhou Jiaotong University，Lanzhou 730070，China) Abstract：For the 2一container water tank experiment system with lumping lag and nonlinear characteristic，a PID control approach based on BP neural networks is put forward．In this approach，the characteristic of the controI system is analysed，the frame of controller is designed，the control arithmetic is deduced，and the control program in matlab is carried Out．Finally，the program on the experiment system is practised．The result shows that this method is rationality and feasibility． Key words：2-container water tank；BP neural network；PID control；experimental research 州． 、^ ． ⋯