赵 曦，苏东海
镁蒸汽生成装置利用系统的升降平移旋转动作将原料混合、加热、反应来制备镁蒸汽。装置中的送料系统采用液压伺服控制系统，以使原料混合反应的过程更加平稳、快速。本文通过在构建的仿真模型中分别加入PID 控制模块和神经网络PID 控制模块，利用simulink 进行仿真及分析研究。
由于被控对象无法达到期望值，需要对控制系统进行校正，使系统达到理想的输出效果。在经典控制方法中，首先考虑的是PID 控制。PID 控制以系统偏差为基础，利用线性组合方法，将偏差的比例、积分、微分系数组合在一起对被控对象进行控制，是一种反馈控制方法，先利用积分作用消除静态误差，再利用微分对未来进行预测。其控制规律为：
整定PID 参数的方法有很多种，本文先通过Z-N 临界比例法找到参数的最大值，再通过试凑法找到控制性能最好的一组参数[1]。在Simulink 中构建由PID 控制的系统仿真模型，仿真后得到系统阶跃响应曲线图（见图1）
图1 不同PID 参数的阶跃响应曲线
通过设定不同参数值，比较3 个参数对系统产生的影响，结果当KP=1.38，KI=1.28，KD=0.1 时，系统无超调，达到稳定的时间也较快,稳态误差符合系统要求。
神经网络PID 控制器可以解决普通PID 控制器无法实时调整，无法适应系统非线性的不足。神经网络PID 具有自适应、自学习的优点，并且可以逼近非线性函数。因此，可以优化系统的控制性能[2]。
3.1 单神经元PID 控制优化
单神经元中有3个连接权值，分别用这三个连接权值对PID 控制器中的三个参数进行替换（见图2）。
图2 单神经元PID 控制原理图
在控制过程中，需要加强单神经元之间的连接强度，修改加权值可以达到这一目的。在控制中采用学习规则修改加权值，所以神经网络的基本特征是对连接进行加强学习。本文采用有监督Hebb 学习规则[3]，将引入的误差通过学习规则自动调节输入权值。单神经元PID 控制器控制算法为：
PID 控制器的三个参数比例、积分、微分可以选择适合的学习速率；
而对系统产生重要影响的另一个因素是单神经元中的比例系数K，K 值过大会缩短稳定时间，加快响应速度，但会产生较大超调，K 值偏小会延长稳定时间，所以选取K 值时应慎重。
在simulink 中对单神经元PID 控制模块进行编程与建模（见图3）。
图3 单神经元PID 控制模块
3.2 BP 神经网络PID 控制优化
将BP 神经网络与普通PID 结合，以系统性能的状态为基础，经过学习利用任意非线性表达能力可以取得最佳控制效果[4]。BP-PID 控制器由BP神经网络与经典PID 控制器两部分组成。在经典PID 控制器中，其三个基本参数需要及时调整，为此要通过BP 神经网络自学习来达到目的。学习率的取值过大或过小对系统都会产生影响，在学习过程中需要及时调整，且如何选择权值的储值也应该谨慎，如果储值不稳定就会对系统的学习速度产生影响（见图4）。
图4 BP 神经网络PID 控制器原理图
前馈网络由输入层、隐含层、输出层组成，BP 神经网络在三层前馈网络中可以双向传播。PID控制器中的三个参数与输出层中的三个输出对应，并且这三个参数的值为正。Sigmoid 函数值非负，作为输出层神经元活化函数。
对加权系数的修正，采用梯度下降法。BP 神经网络输出层加权系数的修正公式为：
在simulink 中对BP 神经网络PID 模块进行编程和构建，对单神经元PID 模块进行替换（见图5）。
在simulink 中对以上两种控制方式进行仿真，得到系统的阶跃曲线后，将两种控制方式与普通PID 进行对比（见图6）。
从仿真阶跃曲线可知，神经网络PID 的控制性能明显优普通PID，达到稳定所需时间更短，无超调，所以神经网络PID 控制算法对系统的控制能力更强。
本文通过对采用神经网络PID 控制的镁蒸汽生成装置进行研究，在建立系统的数学模型，创建神经网络PID 模块，利用Matlab/Simulink 进行仿真，与普通PID 控制进行对比后，得出以下结论：
（1） 加入PID 控制后会缩短系统的稳定时间，减小系统的超调。
（2） 在系统中用单神经元PID 控制和BP 神经网络PID 控制替换普通PID 控制后，系统的控制性能得到大幅改善。此种控制方式可以消除普通PID 控制的缺点，使系统达到稳定状态的时间更短。
猜你喜欢阶跃权值神经元一种融合时间权值和用户行为序列的电影推荐模型成都信息工程大学学报(2022年3期)2022-07-21基于低频阶跃脉冲的矿井低压漏电保护技术宁夏电力(2022年1期)2022-04-29浅析Lexus车系λ传感器工作原理及空燃比控制策略(三)汽车维修与保养(2021年11期)2021-03-11AI讲座：神经网络的空间对应电子产品世界(2021年8期)2021-01-16仿生芯片可再现生物神经元行为中国计算机报(2019年49期)2019-02-07这个神经元负责改变我们的习惯中国新闻周刊(2017年36期)2017-10-21研究人员精确定位控制饮酒的神经元创新时代(2016年8期)2016-10-21基于SRD的梳状谱发生器设计中文信息(2016年7期)2016-05-14财务风险跟踪评价方法初探科技视界(2016年1期)2016-03-30基于洪泛查询的最短路径算法在智能交通系统中的应用物联网技术(2015年7期)2015-07-21
