国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

【摘要】提出了一種基于可編程計算機控制器（PCC）的神經網絡PID控制器，實現了以新一代PCC為硬件，利用神經網絡逼近任意非線性函數的能力，對PID控制算法中的三個參數Kp,Ki,Kd進行在線調整，并利用神經網絡模型對被控對象的輸出值進行預測，根據預測值對神經網絡各層中的加權系數進行在線修正，同時引入了帶死區的控制算法。該控制方案具有調節速度快、適應能力強、可靠性高等優點。實驗結果表明，該控制器具有強抗擾、響應快、魯棒性好等特點。

【關鍵詞】PCC、神經網絡控制、非線性預測

Abstract：A neural network Controller based on the Programmable Computer Controller (PCC) is presented in this paper , It is using the neural network’s capability to approach any nonlinear function to adjust the three parameters of the PID control method on line, and using the neural network model to predicate the object’s outputs, then adjusting the weighting coefficient of the neural network based on the output, it also introduces the dead band control algorithm .It has the fast control speed、stronger adaptive ability and higher reliability. The result of the tests shows that this controller has the characteristics of a strong anti-interference、fast response and robustness in the actual application.

Key words：PCC、 Neural network control、Nonlinear predicate

1 引言

新一代的可編程計算機控制器（Programmable Computer Controller，簡稱PCC）以其高可靠性、編程方便、耐惡劣環境、功能強大等特性已成為工業控制領域中增長速度最迅猛的工業控制設備，它能很好地解決工業控制領域普遍關心的可靠、安全、靈活、方便、經濟等問題[1]。神經網絡控制算法能夠方便地解決工業控制領域中常見的非線性、時變、大滯后、強耦合、變結構、結束條件苛刻等復雜問題。其魅力主要在于：（1）能夠充分逼近任意復雜的非線性關系，從而形成非線性動力學系統，以表示某些被控對象的模型。（2）能夠學習和適應不確定性系統的動態特性。（3）所有定量或定性的信息都分布儲存于網絡中的各神經單元，從而具有很強的容錯性和魯棒性。（4）采用信息的分布式并行處理，可以進行快速大量運算[2]。將PCC和神經網絡、PID控制算法結合，可以解決很多復雜的實際問題，并產生巨大的經濟效益。基于PCC的神經網絡PID控制器是以純軟件實現的，對于PCC硬件模塊除了最基本的硬件配置（CPU、應用程序內存地址區）以外不需要其它的額外配置，并且神經網絡的輸入節點個數可以根據實際控制問題在軟件中很方便的實現，從而可以設計一定被控對象的控制器。

在復雜的控制系統中，神經網絡具有任意非線性表示能力，可以通過對系統性能的學習，對PID控制算法中的Kp,Ki,Kd三個參數進行非線性組合，實現神經網絡自適應控制器。為了使該控制器具有更強的自適應能力，采用神經網絡預測模型對控制對象進行非線性預測，得到控制對象較為精確的預測輸出值，根據預測值對神經網絡的加權系數進行修正。

2 基于PCC的神經網絡PID控制器硬件部分設計

目前大部分控制系統均采用基于單片機或工業控制計算機的控制器?；趩纹瑱C的控制器在運行中由于各種可能出現死機等現象，其可靠性大大降低，影響控制器的安全可靠運行?；诠た貦C的控制器，雖有實時操作系統支持，運行速度快，實時性強，圖文顯示方便，但體積大，且成本高，僅適合于大型的控制系統。因此研制高可靠性、通用性、系列化、標準化的通用控制器是當前的發展趨勢。

新一代可編程計算器具有經濟性和高效性等特點，它可直接應用于現場工業環境中，具有很強的抗干擾能力、廣泛的適應能力和應用范圍。并有各種標準的通訊接口，與控制系統信息交互非常靈活?？删幊逃嬎銠C控制器硬件組成如圖1所示圖。



圖1 可編程計算機控制器硬件組成圖

圖中控制器的輸入量為閉環控制的給定量和反饋量，輸出量直接連接控制系統中的控制設備上。輸入輸出部件為模擬量、數字量I/O模塊，執行輸入輸出控制。微機編程器通過多種通訊方式（如RS232、RS485和CAN等）與PCC進行通訊。

3 基于PCC的神經網絡PID控制器軟件部分設計

控制器的軟件部分采用B&R公司獨特的Automation Studio 高級語言編制，其編程方便，更有利于描述復雜的控制思想。

3.1神經網絡PID算法

目前，國內外大多數的控制器采用的調節規律是PID型，其是基于近似線性化的模型，但當控制對象是非線性化的模型時，常規PID的控制效果將會受到影響。本文提出的利用神經網絡規則的變參數PID能夠隨系統的運行模式和運行狀態的變化而變化，以適應系統的控制要求。

3.2誤差反向傳播（BP）神經網絡

本文所采用的神經網絡模型為誤差反向傳播（Back Propagation—BP）神經網絡，其是一種具有隱含層的多層前饋網絡，其結構如圖二所示。

BP 神經網絡中的神經元采用Sigmoid活化函數，利用其連續可導性，引入最小二乘學習（Lease Mean Squares—LMS）算法。


圖2 BP神經網絡結構圖

3.3控制器軟件結構

控制算法包括三個模塊：BP神經網絡模塊、BP神經網絡模型模塊和PID模塊；利用BP神經網絡模型計算預測輸出，取代預測輸出的實測值，來計算加權系數的修正值，以提高控制效果。系統結構如下圖所示。


圖3 采用非線性預測模型的神經網絡 PID控制器系統結構圖

3.4軟件流程



圖4算法流程圖

控制算法可歸納如下：

(1) 選定BP神經網絡（NN）的結構，并給出各層加權系數的初值 、、 ；確定學習速率和慣性系數 ；

(2)采樣得到r(k)、y(k),計算e(k)=r(k)-y(k);

(3)對r(i)、y(i)、u(i-1)、e(i)(i=k，k-1，•••,k-p)進行歸一化處理，作為NN的輸入;

(4)根據式（1）、（2）計算NN隱含層和輸出層的輸入和輸出，輸出層的輸出即為PID控制器的三個可調參數Kp(k)、Ki(k)、Kd(k);

（1）
式中，為隱含層加權系數，為閾值，= ；f[•]為激發函數，f [•]=tanh(x)；

上角標（1）、（2）、（3）分別對應輸入層、隱含層、輸出層。

（2）
式中， 為輸出層加權系數； 為閾值
= ；激發函數

(5)計算PID控制器的控制輸出u(k);

(6)計算NNM各層的輸入和輸出，輸出為 。計算修正隱含層和輸出層的加權系數。

(7)由式（3），計算 ；

（3）

(8)計算修正輸出層、隱含層的加權系數;

(9)置k=k+1,返回到(2);

（五）帶死區的神經網絡控制算法

為了避免控制動作過于頻繁，消除由于頻繁動作引起的震蕩，帶死區的控制算法是一個好的解決辦法。

(4)

上式中，死區e0是一個可調節的參數，其具體數值可根據實際控制對象由實驗確定。若e0值太小，使控制動作過于頻繁，達不到穩定被控對象的目的；若e0值太大，則系統將產生較大的滯后。



圖5帶死區的神經網絡控制系統結構圖

4 實驗

本文利用奧地利B&R公司的PP220和X20作為硬件進行了溫度控制實驗，并用Autimation Studio軟件中的Trace軌跡跟蹤窗口抓屏記錄了溫度變化曲線，如圖6所示。




圖6溫度變化曲線

當溫度從60℃加熱到120℃時系統調節時間小，且無超調和震蕩。施加一個10%的擾動時，系統能很快恢復。實驗結果表明該控制器響應速度快、可靠性高、穩定性好等特點。

5 小結

本文提出的基于可編程計算機控制器的神經網絡PID控制器有如下特點：

（1）采用可編程計算機控制器PCC作為控制器的硬件，其平均無故障率達50萬小時，大大提高了控制器的可靠性。

（2）采用可編程計算機控制器PCC與采用單片機的控制器相比有如下的特點：采用多CPU并行處理技術，從而使主CPU的資源得到充分的利用，同時有最大限度地提高了整個系統得速度;采用多任務分時操作系統，使整個系統得到優化且有較好的實時性；引進了高級語言編程技術，使編程方便，更有利于描述復雜的控制思想。

（3）基于神經網絡規則的參數自適應式PID控制策略，實現了控制器隨控制對象的運行狀態的變化而改變控制參數，其動態特性得到明顯的改善。

因此，該控制器的實驗結果非常良好，其將在各控制領域有著廣闊的應用前景。

該論文的研究得到了貝加萊學界聯盟的支持和幫助。

參考文獻：

[1] 齊蓉，肖維榮.可編程計算機控制器技術.
北京：電子工業出版社[M].2005
[2] 陶永華.新型PID控制及其應用.北京：
機械工業出版社（第二版）[M].2002
[3] 康健，左憲華，吳彩華，于曉偉.基于神經網絡的柴油發動機故障預測研究[J].計算機測量與控制.2006.14（8）:987-989.
[4] 南海鵬等.基于PCC的高可靠性模糊PID勵磁控制器[J].水利發電學報.2004.12:30～34.
[5] 舒迪前.預測控制系統及其應用[M ].北京:
機械工業出版社.1996.

作者簡介：
郝連鋼（1984—）男，陜西楊凌人，碩士研究生，主要從事電力系統計算機測控技術的研究。
齊 蓉（1962—）女，吉林長春人，博士，教授，博士生導師，主要從事電氣技術及自動化的研究。
蔡立虹（1972—）女， 貝加萊工業自動化（上海）有限公司技術工程師，研究方向：工業自動化。