基于模糊神经网络PID算法的液位串级控制

控制专题

    题   目 基于模糊神经网络PID算法的液位串级控制

                 学生姓名  蔡浩                             

学    号  20071336120                  

                 学    院  信息与控制学院           

专    业  自动化                           

指导教师   林屹

2010年  11 月  22 日

基于模糊神经网络PID算法的液位串级控制

蔡浩

（南京信息工程大学 信息与控制学院 自动化3班）

摘要：利用PID算法对液位串级系统进行控制虽然是一种有效的控制方法，由于它的精确数学模型难以确定，使得参数整定困难、控制效果不理想。本文针对上述问题，将PID算法、模糊控制算法以及神经网络算法相结合，形成了一种智能控制算法——模糊神经网络PID算法。将该算法运用到液位串级控制系统中，实现了PID参数的自整定，并且提高了控制质量。实验结果表明，模糊神经网络PID算法与PID算法的控制效果相比在鲁棒性和响应时间等方面有了较大的提高，具有一定的应用前景。

关键字：神经网络，模糊控制，PID算法, 液位串级控制

ABSTRACT: Use PID algorithm Level cascade control system is an effective Although control method, since it's difficult to determine precise mathematical model, making parameter tuning difficulties, control effect is not ideal. This paper addresses this issue, PID algorithm, fuzzy control algorithms and neural network algorithms to form an intelligent control algorithm - FNN PID algorithm. The algorithm applied to the liquid level cascade control system, the PID parameters to achieve the self-tuning and improved quality control. The experimental results show that FNN PID algorithm and PID algorithm compared to the control results in robustness and response time and so on has been enhanced, with a certain application.

Key  words: Neural network; Fuzzy control; PID algorithm; Level cascade control

引言：由于二阶液位系统具有一定的非线性和时滞性的特点，所以普通PID算法的控制效果并不理想。神经网络有自学习能力和大规模并行处理能力，在认知处理上比较擅长；模糊控制系统能够充分利用学科领域的知识，能以较少的规则数来表达知识，在技能处理上比较擅长^[1][2]。模糊神经网络控制算法是神经网络算法和模糊算法的有机结合，该算法既有模糊算法控制灵活和鲁棒性强的优点，又具有较强的非线性跟踪学习能力，有很大的实际意义和广阔的应用前景。

一、模糊神经网络PID控制器

1.1 模糊神经网络PID控制器的结构

       模糊神经网络PID控制器的结构如图1所示。控制器由三部分组成：1模糊化模块：用来对系统状态变量进行模糊量化和归一化处理^[2][3]。这样做可以利用模糊控制的鲁棒性和非线性控制作用，对作为神经网络输入的状态变量进行模糊规则的预处理，避免了神经网络的活化函数采样Sigmoid函数时，直接输入量过大而造成的输出饱和，使输出不再对输入敏感的缺点。2神经网络(NN)：用于表示模糊规则，经过神经网络的学习，以加权系数的形式表现出来，规则的生成就转化为加权系数初值的生成和修改。根据系统的运行状态，自行整定PID参数，以期达到最优的控制效果。也就是将神经网络的输出层输出对应于PID控制期的三个可调参数、、，通过神经网络的自学习，加权系数的调整，从而使稳定状态对应于某种最优控制下的PID参数。3普通PID控制器：直接对控制对象进行闭环控制，并且、、三个参数为在线整定式^[3]。

图1 基于模糊神经网络PID的液位串级控制系统结构

1.2从系统的稳定性、响应速度、超调量和稳态精度等各方面来考虑，Kp,Ki,Kd的作用如下：

(1)比例系数Kp的作用是加快系统的相应速度，提高系统的调节精度。kp越大，系统的响应速度越快，系统的调节精度越高，但易产生超调，甚至会导致系统不稳定。K。取值过小，则会降低调节精度，使响应速度缓慢，从而延长调节时间，使系统静态、动态特性变坏。

(2)积分作用系数Ki的作用是消除系统的问题误差。Ki越大，系统的静态误差消除越快，但Ki过大，在响应过程的初期会产生积分饱和现象，从而引起响应过程的较大超调。若Ki过小，将使系统静态误差难以消除，影响系统的调节精度。

(3)微分作用系数Kd的作用是改善系统的动态特性，其作用主要是在响应过程中抑制偏差向任何方向的变化，对偏差变化进行提前预报。但髟过大，使响应过程提前制动，从而延长调节时间，而且会降低系统的抗干扰性能。

PID参数的整定必须考虑到在不同时刻三个参数的作用以及相互之间的互联关系。

工业过程中，PID控制器参数整定的方法有很多，概括起来说有理论计算整定法和工程整定方法。而工程整定方法中，除了Ziegler．Nichols整定法，主要还有临界比例度法、衰减曲线法。这三种方法各有特点，其共同点都是通过试验然后按照工程经验公式对控制器参数进行整定。无论采用哪一种方法所得到的控制器参数，都需要在实际运行中进行最后调整与完善。

1.3 模糊化模块

    模糊化模块的框图如图2所示。该模块的作用是对系统状态变量{  }和{ }进行模糊化和归一化处理。

图2 模糊化模块的结构图

    本文通过计算，将液位系统误差以及误差变化模糊化(其中，和分别是现在时刻的系统误差和误差变化)，根据大量的实验数据和经验可以得到公式1和公式2，将和在[0,6]区间分成七个等级，完成“归档”模糊化，然后将得到的E值和ΔE值同时除以缩减系数6将模糊化模块的输出调整到0－1的范围，继而将归一化后的数据传送给神经网络的输入层。

                                                                        （1）

其中，E为系统误差的模糊论域。

                             &nbs