《改进的单神经元自适应控制系统在mcgs中的应用①》由会员分享，可在线阅读，更多相关《改进的单神经元自适应控制系统在mcgs中的应用①（5页珍藏版）》请在金锄头文库上搜索。
1、2014 年 第23卷 第6期 http:/www.c-s- 计 算 机 系 统 应 用 Software TechniqueAlgorithm 软件技术算法 191改进的单神经元自适应控制系统在MCGS 中的应用 邓 肖, 刘宗玲, 胡慕伊 (南京林业大学江苏省制浆造纸科学与技术重点实验室, 南京, 210037) 摘 要: 对于现代工业控制中的一些具有时变的、大时滞、非线性的复杂系统, 常规的PID算法难以整定PID参数, 因而难以达到预期的控制效果. 本文在MCGS组态软件的实验平台上实现常规PID算法和单神经元自适应PID算法分别在线性和非线性的系统的控制. 实验结果表明, 在线性系统
2、和非线性系统中单神经元自适应PID控制算法都具有更好的稳定性和动态性能. 关键词: PID控制器; 单神经元网络; 自适应控制 Application of Improved Single Neuron Adaptive Control System Based on MCGS Deng Xiao , Liu Zong-Ling, Hu Mu-Yi (Jiangsu Provincial Key Lab of Pulp and Paper Science and Technology, Nanjing Forestry University, Nanjing 210037, China) Ab
3、stract: To some time-varying, large time delay, nonlinear complex systems in Modern industrial control system, it is difficult for the conventional PID algorithm to set the PID parameters. So that it is more difficult to achieve the desired results. The article realizes the conventional PID algorith
4、m and single neuron adaptive PID algorithm in the linear and nonlinear system control respectively based on the experiment platform of the MCGS. The experimental results show that the single neuron adaptive PID control algorithm in linear system and nonlinear system has better stability and dynamic
5、performance. Keywords: the PID controller; single neuron network; adaptive control 目前我们研究的控制系统可以大致分为线性系统和非线性系统两大类1. 经过几代人的努力,目前对线性系统的分析与设计已形成了一套完整的理论体系, 经典控制理论所涉及的对象是线性系统, 随着对系统本质的进一步研究和认识的进一步深入,系统的非线性因素己不容忽略,而且随着对系统控制的精度、稳定性及适应能力的更高要求,传统的控制理论和控制方法己无法胜任. 实际上, 大部分被控对象都具有非线性特性, 所以我们需要把先进控制运用到控制系统中来解决实
6、际问题. 根据非线性系统的特性, 以THJS-3型非线性三容水箱对象系统实验装置为依托, 运用MCGS软件为平台, 将单神经元应用于非线性系统的控制中, 实现对 基金项目:江苏省制浆造纸科学与技术重点实验室开放基金(201010) 收稿时间:2013-11-03;收到修改稿时间:2013-11-28 非线性系统的控制, 取得了较好的实验结果. 1 实验系统 THJS-3型非线性三容水箱对象实验装置2有液位水箱、加热罐、储水箱、非线性物体及管阀门组成, 水箱和加热罐都有传感器、变送器. 信号传输协议为PROFIBUS协议. 本实验的被控对象是对中水箱的液位控制. MCGS软件系统包括组态环境和运
7、行环境两个部分. 组态环境相当于一套完整的工具软件, 帮助用户设计和构造自己的应用系统. 运行环境则按照组态环境中构造的组态工程, 以用户指定的方式运行, 并进行各种处理, 完成用户组态设计的目标和功能. MCGS 系统图如图1所示. 计 算 机 系 统 应 用 http:/www.c-s- 2014 年 第23卷 第 6 期 192软件技术算法 Software TechniqueAlgorithm 图1 MCGS系统图 2 被控对象 由于非线性容积水箱液位数学模型如图2具有更高阶导数, 比较复杂, 所以本实验为复杂控制系统以及高级算法研究提供了条件. 图2 非线性容积水箱模型 实验设定水箱
8、的进水流量为操纵变量, 水箱的液位作为被控变量. Q1为进水流量, Q0为出水流量, h为水箱液位值. 3 单神经元自适应PID控制系统 3.1 单神经元的控制算法 利用神经元权值的调整可实现在线实时整定参数, 但对于复杂过程和参数慢时变系统难以进行有效控制3. 单神经元控制的结构如图3所示. 图3 单神经元自适应PID控制器 图中转换器的输入为设定值r(k)和输出y(k); 转换器的输出为神经元学习控制所需要的状态量x1, x2, x3. )()()()(1kekykrkX= (1) )()(2kekX= (2) )2() 1(2)()(3+=kekekekX (3) )()()()()(1
9、kekykrkXkZ=,为性能指标或递进信号. 图3中K为神经元的 , K0. 神经元通过关联搜索来产生控制信号, 即 =+=31)()() 1()(ikxikikkuku (4) 式中, )(ki对应于)(kxi的加权系数. 单神经元自适应控制器正是通过加权系数调整来实现自适应、自学习功能的. 本文研究的是采用有监督的Hebb学习规则的单神经元自适应PID控制方案. 控制算法及学习算法为4: =+=31)()() 1()(iikxikkkuku (5) | )(|/ )()(31 =iiiikkk (6) )()()() 1()(111kxkukzkkI+= (7) )()()() 1()(
10、222kxkukzkkp+= (8) )()()() 1()(333kxkukzkkD+= (9) 式中: )()(1kekx=, ) 1()()(2=kekekx, )2() 1(2)()(2 3+=kekekekx, )()(kekZ=, I、p、D为比例、积分、微分学习速率, w1、w2、w3相当于比例系数、积分系数、微分系数, K为神经元比例系数. 采用不同的学习速率, 即各种形式的控制的强弱不同, 以便于根据需要不断得修正各加权系数. 尽管式2-8中权系数的修改算法是根据神经元的学习原理而得到的,但是根据实际控制效果发现权系数的修改与e(k-2)关系很小,并且由于e(k-2)的存在造
11、成计算量明显增大,同时收敛速度减慢很多. 实际的控制中与常规PID控制相比较而言采用神经元控制的并不多,因此,要应用神经元控制就必须对式2-8进行改进5. 在大量工程实际应用中,人们通过实践总结出P、I、D三个参数的在线学习修正主要与e(k)和e(k)有关,基于此可以将上述单神经元自适应控制算法中的加权2014 年 第23卷 第6期 http:/www.c-s- 计 算 机 系 统 应 用 Software TechniqueAlgorithm 软件技术算法 193系数学习修正部分作些修改,即将i(k)中的xi(k)改为e(k)+e(k),改进后的算法变得更简单,计算速度和收敛速度也加快了,更
12、好地满足实时控制的要求,使神经元控制能得到更广泛应用6. 改进后的算法如下: =+=31)()() 1()(iiikxkkkuku (10) =31| )(|)()(iii ikkk (11) )()()()() 1()(11kekekukzkkI+=(12) )()()()() 1()(22kekekukzkkP+=(13) )()()()() 1()(33kekekukzkkD+=(14) 式中, )()(),1()()(kekzkekeke=. 采用上述改进算法后, 权系数的在线修正就不完全是根据神经网络学习原理, 而是参考实践经验制定的. 3.2 单神经元自适应PID控制器学习算法可调
13、参数的选取规律 上述单神经元控制器学习算法的运行效果与可调参数p、i、d、k的选取有很大的关系. 通过大量实例仿真和实际控制结果, 总结出参数调整规律. (1)初始加权系数w1、w2、w3可以任意选取. (2)K值的选取: 一般k值偏大将引起系统响应超调过大, 而k值偏小则使过渡过程加长. 因此, 可先确定一个增益k, 再根据实验结果进行调整. (3)学习速率p、i、d的选择: 由于采用了规范化学习算法, 学习速率可取得比较大若此时过程从超调趋向平稳的时间太长, 可增加p、i; ;若超调迅速下降而低于给定值, 此后又缓慢上升到稳态的时间太长, 则可减少p, 增强积分项的作用. 对于大时延系统,
14、 为了减少超调, p、d应选得大一些. 4 实验内容与结果 利用MCGS软件开发的监控系统具有结构简单, 成本低, 容易维护等优点, 扩展性强, 即可通过某些软硬件的扩充, 实现多个参数的检测和控制. 在MCGS脚本程序中编辑单神经元网络程序, 实现MCGS软件与复杂的先进算法的完美结合. 4.1 实验结果 第一步, 当水箱中没有加入非线性物体, 被控变量液位变量为线性, 用常规PID对水箱液位进行控制. 检查无误后, 进入运行界面, 点击运行进入水箱液位的监控界面, 给调节阀手动设定一个输出值40%, 待液位稳定后. 打开电动调节阀, 打开水泵, 此时液位缓慢上升, 并最终稳定在19.9cm
15、. (1)用衰减曲线法整定常规PID参数 设置如下参数值: 比例系数p: 80, 积分时间ti: 3000s, 微分时间td: 0 . 液位第一次稳定在19.9cm处, 分别增加给定值3cm作为干扰, 点击开始实验. 观察液位曲线, 由大到小改变比例系数, 直至过渡过程曲线出现4:1(或有明显的三个峰)为止. 待比例系数整定完后, 接着整定积分时间, 按上述加干扰, , 最终整定后, 比例系数45, 积分时间40s, 得出的衰减曲线如图4 . 图4 常规PID对线性液位的控制曲线 (2)整定神经元各参数. 液位稳定在19.9cm处, 先将神经元比例系数置于0.1, xitep设为0.1, xitei和xited都设为0.单击实验开始, 给定值增加3cm作为干扰, 观察过渡过程, 直到出现无余差的单调的过渡过程, 且系统在干扰加入后能很快达到稳定, 记下各参数值. 单神经元的部分程序
