基于神经网络内模控制的毛细管流变仪温控系统设计
基于神经网络内模控制的毛细管流变仪温
控系统设计
第37卷第4期
2005年7月
四川大学(
工程
路基工程安全技术交底工程项目施工成本控制工程量增项单年度零星工程技术标正投影法基本原理
科学版)
JOURNALOFSICHUANUNIVERSITY(ENGINEERINGSCIENCEEDITION)
V01.37NO.4
July2005
文章编号:1009—3087(2005)04-0153—04
基于神经网络内模控制的毛细管流变仪温控系统设计
涂海燕,宋之敏,赵曜,冉立,倪海鹰
(1.四川大学电气信息学院.四川成都610065;2.四川大学分析测试中心.四川成都610065
3.四川大学高分子科学与工程学院,四川成都610065)
摘要:为了提高毛细管流变仪加热腔温度控制效果,在研究以多变量,交叉耦合为特征的控制对象的基础上,给
出了一种神经网络内模控制算法.以通过学习得到的动态神经网络作为内部模型,将直接逆系统学习法得到的神
经网络作为控制器,构造了MIMO控制系统.介绍了毛细管流变仪温度控制系统软,硬件的开发.实际运行结果表
明,该系统控制精度高,鲁棒性好,可靠性高.
关键词:毛细管流变仪;多变量控制;神经网络;内模控制;
中图分类号:麟.1文献标识码:A
DesignofNeuralNetworkBasedInternalModelTemperatureControlSystem
forCapillaryFlowTestEquipment TUHai—yan,SONGZhi一,,ZHAOYao,RANLi,NIHai—zing
(1.SchoolofElectricalEng.AndInfo..SiehuanUniv.,Chengdu610065.China;2.CenterofA
nalysisandTest.SiehuanUniv..Chengdu610065.China
3.SchoolofPolymerSci.andEng.,SiehuanUniv.,Chengdu610065,China) Abstract:Inordertoimprovetheperformanceofthetemperaturecontrolsystemforcubeofcapillaryflowtestequipment
(TCSCCVrE),aneuralnetworkinternalmodelcontrolalgorithmwasputforward,whichisbasedontheresearchofthe
controlobjoctcharacterizedwithmultivariableandcmsScoupling.TheMulti—InputMulti
—Output(MIMO)controlsystem
Wasconstructed,astheinternalmodelisdynamicneuralnetworkobtainedfromstudy,whilethecontrollerisneural
networkobtainedfromdirectinverse—
systemstudy.ThedevelopmentofsoftwareandhardwaresystemofTCSCCVIEwa3 introduce&Theresultofthereal—
timecontrolshowedthattheTCSCCFrEperformshi.ghaccuracy,robustandhigh reliability.
Keywords:capillaryflowtestequipment;multivariablecontrol;neuralnetworks;intemalmodelcontrol
流变性能是反映高分子及塑料加工性的主要指
标.毛细管流变仪是用于高分子及塑料的科研和产
品开发中测量材料不同温度下流变性能的常用仪器,
流变性能测试在其加热腔中进行.因此加热腔温度
控制系统的性能直接对流变性能的测试精度产生影
响….由于加热腔的特殊结构,要求温度控制系统响
收稿日期;2004—10—21
作者简介:涂海燕(1971一).女,讲师.研究方向:工业自动控制
及计算机应用.
*通讯联系人
应快速,没有超调,并能快速消除扰动的影响.
流变仪大多在温控系统中采用3段电阻丝加
热,温控部分是一个3输入3输出的多变量系统. 通过对每段加热电阻单独加阶跃信号,测得3个变 量之间耦合强烈,且有一定非线性,同时系统还是一 个大时间常数,分布参数的系统.故被控对象比较 复杂,建立精确的数学模型难度大.针对此类系统, 国内外在多变量解耦控制方面已经取得一些成 果J,但其控制或仿真一般针对2输入2输出系 统.作者应用神经网络内模控制方法实现了3输入
l54四川大学(工程科学版)第37卷
3输出的多变量系统的非解耦温度控制.神经网络 内模控制是一种不需要建立控制对象的精确数学模 型,对过程的未建模动态和扰动的适应能力良好,鲁 棒性强的控制方法,它具有设计简单,便于调试,跟 踪调节性能良好,能消除干扰影响,鲁棒性强的特 点,可以满足控制系统的要求.
1系统构成
基于神经网络内模控制的毛细管流变仪温度控 制系统结构如图1所示.该系统被控对象是毛细管 流变仪的加热腔,被控参数是加热腔内的温度.加 热腔内温度的设定由上位机的键盘输入上位机,再 由上位机通过串行通讯接口传送至下位机.加热腔 内温度由分布在腔内上,中,下3段的3个镍铬一镍 硅热电偶测量,热电偶输出的电压经过放大,送至 A/D转换电路变换为数字量送下位机一单片机.由 于神经网络算法比较复杂,因而神经网络内模控制 算法由上位机一PC机来完成.故单片机读入的加 热腔温度通过串行通讯口传给上位机,上位机利用 神经网络内模控制算法,求出控制量,再通过串行通
讯口传送给单片机,由单片机把控制量送D/A转换 器变成模拟量去控制双向晶闸管的导通角.从而调 节加热电阻发热功率,实现加热腔的温度控制. 流
f.变———
仪
加片
热
腔
机.I_.一机
图1计算机控制系统框图
.1Blockdiagramofthecomputercontrol
2神经网络内模控制
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
2.1神经网络内模控制系统结构
针对毛细管流变仪加热腔的神经网络内模控制 系统结构框图如图2所示.
图2神经网络内模控制系统框图
.2Blockdiugramofneuralnetworkbasedinternal
modelcontrolsystem 图2中,NNM为神经网络内部模型;NNC为神 经网络内模控制器;P为被控对象;Y为被控对象的 输出量;/Z为控制器给出的控制量;r为给定输入;U 为扰动;为前馈滤波器;Fr为反馈滤波器. 根据内模控制的特性,当忽略,的作用(即
,F,均取1),若对象P稳定,且神经网络内部模型 精确(即NNM能无限逼近对象P),则若设计控制器 NNC为NNM的逆(若模型的逆存在并可实现),在所 有时间内Y(Ji})=r(k).也就是说,系统对于任何 干扰U(Ji})都能消除,从而实现对参考输入的无偏差
跟踪.
然而,实际系统采样保持后对象的响应将有一 拍的时延,这将导致控制器中将出现超前因子而无 法实现.因此,为能使控制器可实现,控制器取NNC :
Z—NNM.现实中,不大可能获得非常精确的对象 模型,系统一般都会存在模型失配,这样控制系统就 不一定能达到所期望的动态特性与鲁棒性,甚至可 能出现闭环不稳定.因此,实际应用中,反馈回路一 般要加入适当结构与参数的反馈滤波器,此滤波器 的作用就是克服由模型失配给系统带来的影响,使 系统在模型失配的情况下保持稳定,并能有效地抑 制干扰,增强系统鲁棒性,从而达到期望的动态,静 态特性.另外,由于流变仪温度的设定值几乎都是阶 跃信号,为了减小设定值突然变化所带来的冲击,系 统在设定值给定环节之后加入了前馈滤波器F,用 于平滑设定值.调试流变仪温度控制系统时,通过试 凑法,在取前馈滤波器与反馈滤波器均为一阶滤波 器时,系统性能最佳.
内模控制(IMC)提供了一个非线性系统控制的 通用框架,它采用内部模型和反馈修正的预测控制 思想,对于流变仪温控系统存在多种可测及不可测 干扰的特点,内模控制结构可以很好地消除干扰.同 时内模控制结构还可以克服模型失配产生的影响, 对系统给定进行很好的跟踪.而神经网络则可以完 成从一个空间到另一个空间的非线性映射.有一个 隐层的BP网络可以任意精度逼近任意连续的非线 性函数,因而神经网络具有很强的函数映射能力.由 于流变仪温控对象是强耦合,非线性的多变量系统,
其精确的数学模型很难建立.利用神经网络可以对 流变仪升温动态过程及其逆过程进行建模,将内模 控制结构与神经网络函数映射能力的优势相互结 合,便可以完成对多变量,难建模的对象进行有效控 制.
第4期涂海燕,等:基于神经网络内模控制的毛细管流变仪温控系统设计155
2.2神经网络内部模型与神经网络控制器 应用神经网络的内模控制需要建立两个神经网 络模型,即内部模型(正模型)和控制器模型(逆模 型).对于流变仪加热腔来说,其控制量是3段热电 阻输入功率"l,"2,"3,其被控量为3段温度Yl, Y2,Y3,则可以得到对象的差分方程为:
Y(后)=Y(后一1),…Y(后一n);u(后,1), …u(后一,n)]+u(后).
其中,Y(后)=[Yl(后),Y2(后),Y3(后)3T, U(后)=[ul(后),u2(后),u3(后)lT,
是阶次分别为几,m的输出,输入时间序列:u(后)为 干扰噪声;厂(?)为未知函数.
厂(?)由神经网络来逼近.BP网络能够逼近任意 的非线性映射,但它不具备动态特性的逼近能力.而 内模控制结构所要求的内部模型是要逼近对象的动 态响应过程,因此在网络中要引入反馈信号与时延, 以获得系统过去时刻的输入,输出状态.根据试验结 果,有单隐层的3层BP网络加入二阶反馈已能足够 精确地描述系统的动态性能.神经网络结构框图见 图3.
HI
U2
图3神经网络结构框图
g.3StnlctIIreofne~-alnetwork
对输入层:
..c后={Y(k后-一j二.?,n.;
对隐含层有:
爪1
net2)=?2l(后)+02f(z=1,2,…,m2),:1 ol(后)=g[net2~(后)](1=1,2,…,m2); 对输出层有:
m2
net3f(后):?3lf(后)+03,
f=l
Y(后+1)=g[ne~f(后)].
其中,n=ml=2;2W3"为神经网络连接加权系 数;02f,03为神经元阈值;m2为隐含层节点数,m2= 45o
活化函数取Si~oid函数:
g()=南.
定义系统系统误差代价函数为:
.,=去[Y(后)一Ym12o
则对系统模型采用串并联方法进行辨识,神经 网络学习采用改进的BP网络学习算法【. 而系统逆模型也即内模控制器的建立,首先要 保证系统逆动力学模型是存在的.由于有定理:如果 /'[Y(Jj}),Y(Jj}一1),…,Y(Jj}一,1);?(Jj}),?(Jj}一1), …
,u(后一m)]对于u(后)是严格单调的,那么系统 在点[Y(后),Y(后一1),…,Y(后一n);u(后),u(后一 1),…,u(后一m)]是可逆的,如果上述结论对于任
意时刻后都成立,则系统是可逆的.从实际测得的系 统阶跃响应曲线可以知道,任意Jr[Yf(后),Y(后一1), …
,Yf(后一n);ul(后),ul(后一1),…,ul(后一n); 2(后),2(后一1),…,2(后一n);3(后),3(后一1), …
,u3(后一m)]对于ul,u2,u3都是单调的J.因而 系统可逆.系统逆动力学模型采用直接逆系统学习 法.经过反复实验,逆模型神经网络采用有单隐层, 47个隐节点的3层BP网络.
3硬件设计
流变仪温控系统采用上位机与下位机共同工 作,相互支持的方案.由于神经网络内摸控制算法 较复杂,因此耗时颇多的算法运算交给上位机计算, 并设计人机交互界面以便进行人机对话和后期的数
数据的初步处理,控制量 据处理.下位机负责采样,
的D/A输出等工作.上位机与下位机之间由RS232 串行口进行串行通讯来传递数据.上位机由PC机 构成,而下位机主要由89C52单片机及其扩展部分 构成,89C52片内有4K内部EEPROM,256bRAM,三 个定时/计数器,一个全双工串行口,满足下位机性 能要求.A/D转换采用快速l2位AD574,其转换时 间为25,D/A选用8位DAC0832.而热电偶信号 与力传感器信号之间信号电压相差很大,放大电路 设计为增益程控.
调功主回路采用双向晶闸管调节输入功率.双 向晶闸管输出的电流波形连续性好,用于调功比较 平滑.3个调功回路均并联在110伏调压器两端. 双向晶闸管的门级控制信号一触发脉冲信号由单结
晶体管振荡电路给出,而单片机输出的控制量经过 D/A变换后控制触发脉冲的的相位.改变单片机输
156四川大学(工程科学版)第37卷
出的控制量大小,即可改变双向晶闸管的控制角,从 而改变调功主回路的功率.为防止主回路对控制回 路的安全产生威胁,门极控制信号输出均采用光电 隔离.
检测与控制电路主要由检测信号处理部分,信 号显示部分,控制信号输出部分,串口电平适配部分 以及单片机及其扩展部分组成.检测信号有3段管 腔温度与室温,由多路开关的切换来选择采样哪一 路信号.模拟信号经A/D变换(AD574A)转换成数 字量供单片机读取.面板主要显示的内容为各段的 温度值,由5个LED显示.其余显示为一些工作状 态的显示,如电源接通,读写串口等.单片机输出的 控制信号则经由D/A转换(DAC0809)后放大输出. 由于上位机串口是RS232标准,而单片机则是TTL 电路,故串口信号需经电平转换电路转换成通讯双 方需要的电平标准.单片机及其扩展系统主要由 89C52单片机,8255并行口扩展组成.
4软件设计
流变仪温控系统的软件分两部分,一部分在单片 机上作为下位机实时控制软件运行,用汇编语言编 制;另一部分在IBMPC机上运行,作为上位机实时控 制软件以及数据的后期处理,用C++语言编制,其 开发环境是C++Builder.这两部分软件互位支持, 又各有分工.对于它们的分工,主要考虑的因素是发 挥各自的特长,保证实时控制任务高效,可靠地执行,
同时又有良好的人机界面和数据处理功能. 下位机实时控制软件主要由主程序,显示子程 序,定时器中断服务子程序,巡回采样子程序,串行 通讯子程序,热电偶温度补偿处理子程序,D/A转换 子程序,函数子程序等组成.上位机实时控制软件 主要功能为:交互式人机界面的实现;从键盘获取温 度设定值;基于神经网络的内模控制算法的实现;与 下位机定时进行串行通讯,从下位机读入采样值,计 算所得的控制量送下位机;实时升温曲线的绘制与 数据保存,历史升温曲线的复现;异常情况下的报警 与实时任务异常情况下的安全中断;负载数据的拟 合,并可以根据需要显示,打印流变曲线. 5结束语
该系统已投入实际运行,系统实际响应曲线如 图4所示.
底部温度响曲线
图4加热腔温度响应曲线
rig.4Temperatureresponseeul~eofheatedehambed
该曲线是流变仪加热腔在室温情况下加入一 300oC给定信号,并在温度达到稳定状态后15min 加入被测样品的情况下测得.由于样品温度为室 温,因此相当于扰动信号.运行效果表明,流变仪控 温静差小于等于2.(=,基本没有超调;加入扰动信号 后,系统能快速恢复稳定值,抗扰动能力强;在连续 使用中发现系统鲁棒性好,可靠性高,使测得的流变 性能曲线精度及可靠性提高,并且能实现实验数据 的后续处理一流变性能曲线的自由显示和打印,大 大方便了流变仪的使用者.
参考文献:
[1]FangChuan,PengYucheng.RheologicalbehaviorofPEIandits
application[J].ChinaPlastics,1998,12(2):26—30.[方传,
彭玉成.PET熔体流变特性的研究与应用[J].中国塑料,
1998,12(2):26—30.]
[2]ChingchihTsai,Chihuang.Mulfivariableself-tunning temperaturecontrolforplasticmoldingprocess[J].皿E
TransactionsonIndustryApplication,1998,34(2):310—318.
[3]valsI,PersormazL.Internalmodelcontrolusingneural networks[J].IEF.F~IntemationnalSymposiumonIndustrial E1ectronics,1996,l:109一ll4,
[4JShuHuailin,GuoXiucai,ShuJielei.PIDneuralnetworkcontrol systemfortemperatureofplasticinjectionmachine[J].Computing TechnologyandAutomation,2004,23(4):55—57.[舒怀林,
郭秀才,舒杰磊.注塑机料筒多段温度PID神经网络解耦
控制系统[J].计算技术与自动化,2004,23(4):55—57.]
[5IDolXianzhong,LiuJun,FengChunbo.Neuralnetworkath—order
inverse-systemcontrolmethodfornonlinearcontinuoussystems [J].ActaAutomaticSinica,1998,24(4):463468.[戴先中,
刘军,冯纯伯.连续非线形系统的神经网络a阶逆系
统控制方法,自动化,1998,24(4):463..468.]
【6JZhangxuedong,JiangHongzhou,Hongxun.Afast ~
Agorithmforfeedforwardneuralnetworks[J].Informationand Control,2000,29(1):3_4—39.[张学东,姜宏洲,张宏勋.一
种前馈神经网络的快速算法[J].信息与控制,2000,29
(1):3_4,39.]
(编辑张凌之)