基于CMAC神经元网络的水箱液位控制系统.pdfVIP

基于CMAC神经元网络的水箱液位控制系统 赵媛媛 吴云洁 北京航空航天大学自动化与电气工程学院 北京 100083 摘要 通过CMAC神经元网络控制单容水箱液位到达不同的值 水箱系统是一种具有分布参数 非线 性严重的工业过程控制对象 本论文研究利用常规PID控制与CMAC相结合的复合控制算法对 其加以控制 经过MATLAB数学仿真及实验室单容水箱系统的实时控制 验证了PD控制与CMAC 神经元网络相结合方法的有效性 关键词 复合控制 小脑模型 神经元网络 水箱系统 PID 控制技术具有结构简单 易于实现等优点 长久以来一直被广泛应用于各类工业 过程控制 但是随着被控对象的复杂化 单纯的PID 控制技术已经很难满足系统的控制要 求 与此同时 模糊控制 神经元网络控制 自适应控制等智能控制理论相继成熟 逐步 被应用在复杂系统中 随着理论的进一步完善 现在这些智能控制理论已经广泛应用于各 类实时控制问题 CMAC 神经网络即小脑模型 具有处理非线性和自学能力的特点 而且学习速度快 水箱液位控制系统是具有分布参数 严重非线性的对象 其数学模型随着液位高度的不同 而变化 单纯的PID 控制很难用一套参数来满足不同的液位控制要求 本文将CMAC 神经 元网络与常规PD 控制器结合起来 利用神经元网络的在线学习 调整功能 实现了对水 箱系统不同液位的控制 1 水箱系统介绍 本文研究的水箱系统由一个储水槽 压力传感器 离心泵 A/D D/A 信号转换器 变频器和计算机组成 压力传感器装在储水槽的底部 在储水槽的底部另外开有一个方形 的孔 达到排水的目的 水箱液位的高低决定了水压的大小 水压不同造成排水口的出水 量不同 水箱系统参数不断的变化 所以水箱系统是一个具有分布参数 非线性严重的对 象 2 CMAC基本原理 图1 CMAC 原理图 CMAC 基本结构如图 1 输入向量U 中的每一个输入量被作为地址变量映射到概念存 储器AC 中 设被激活单元数为c 即范化尺寸 当输入向量的维数较大时 概念存储空间 所需范围可能十分庞大 这时 就需要采用伪随机映射法 将AC 映射至一个范围较小的 实际存储空间AP 中 对应的映射单元仍是c 通常这是一种确定的映射 即输入空间中每 一向量对应AP 中c 个确定的单元 输出是这c 个单元的权重和 另外 CMAC 采用梯度 下降法进行学习 即w(K ) w(K 1) w w h(d y ) / c 式中 w为权修正 i i 量 h为学习效率 y 为系统响应 d 为系统输入信号 c 为范化尺寸 i i 3 基于CMAC的控制器设计 本文采用的控制方案如图2 图2 系统控制方块图 这种控制结构中 在每个控制周期产生一个参考输出 该参考输出被送至CMAC 模块 提供一个信号作为对PD 控制器控制信号的补充 在每个控制周期之末 执行一步训练 在前一个周期观测到的装置输出用作CMAC 模块的输入 用计算的装置输入u* 与实际输 入之间的差值来计算权值判断 当CMAC 跟随连续控制周期不断训练时 CMAC 函数在特 定的输入空间域内形成一个近似的装置逆传递函数 如果 未来的期望输出在域内相似于 前面预测的输出 那么 CMAC 的输出也会与所需装置实际输入相似 由于上述结果 输 出误差将很小 而且CMAC 将接替固定增益常规控制器控制水箱系统 4 仿真分析 水箱系统近似以一阶惯性加纯滞后环节来表示 1 G(s) e 0.8s 1 0.4s 1 仿真分为两种 1 系统的