基于PLC的单神经元PID控制器的实现2.docVIP

基于PLC的单神经元PID控制器的实现 任俊杰 自动化学院，北京联合大学，北京，100101，中国 zdhtjunjie@buu.edu.cn 摘要：考虑到复杂的控制系统非线性，纯滞后，大惯性 ，以及随时间变化的特点，传统的PID控制算法通常未能获得较好的控制效果。将神经网络控制算法与传统的PID控制算法结合起来，神经元自适应PID控制能有效地提高了系统的性能。本文设计的基于PLC的是一个单一的神经元PID控制器。该控制系统的结构是简单的。实现单神经元PID算法的功能块程序写在结构控制语言（SCL）。该函数块具有常用和方便的特点。实验结果表明，这种方法不仅高效，而且实用。 关键词：单神经元，PID，PLC，SCL 简介 由于PID控制算法简单，易于实施和良好的鲁棒性，它被广泛应用于工业过程控制系统。但是，对于一个复杂的控制系统的非线性，纯时间延迟，大惯量和随时间变化的特性，传统的PID控制算法通常不能获得更好的控制效果。添加先进的智能控制传统的PID控制算法，控制效果会更理想。具有近似任意连续有界非线性函数的功能，神经网络是一种来解决非线性系统和不确定的系统有效的方式[1]。在本文中，神经网络与传统的PID控制结合为应用PLC的神经自适应PID控制器。他们发挥各自的优势。与传统的PID控制相比，它具有超调小，控制高精度，抗干扰性能强的优点。 基于PLC的控制系统的结构 单神经元PID控制器被应用到控制系统。它具有传统PID的优点，并且还具有神经网络的优点，如并联结构，结构简单，学习和记忆功能和以及容易实现的特点[2]。 图1显示了用PLC作为控制器的单神经元PID控制系统。图1中的虚线表示的是单个神经元PID控制器。实际输出值y用计量装置转换为1-5V的电压信号或4-20mA的电流信号。模拟信号连接到PLC的AI模块进行A / D转换。用户程序中，比较了测量值y与设定值r，误差e测量和转换为三个输入信号的单神经元对应的比例，也比较了积分和差的功能。通过单神经元PID算法操作，可以获得输出操作信号u。由D / A转换模块它被转换成一个模拟信号驱动致动器来实现控制的过程。 单神经元PID控制算法 传统的连续PID控制算法 u(t)=kp[e(t)+1/T1∫0te(t)dt+Td*de(t)/dt] (1) 其中KP为比例系数，TI和Td是重要的的时间常数和微分时间常数。 对于离散时间系统，当T为采样期内，本算法描述 u(k)=kpe(k)+ki∑e(j)+kd[e(k)-e（k-1） 图1 单神经元PID控制系统的结构 根据设定值值r（k）和实际输出值Y（K），三种状态变量可以通过状态转换获得。本文中的控制器的三种状态变量的控制器可按如下选择： X1(k)=e(k) X2(k)=e(k)-e(k-1) (4) X3(k)=e(k)-2e(k-1)+e(k-2) 在控制器的输出可以被写为 U(k)=u(k-1)+⊿u (5) W i(k)= wi(k)/∑| wi(k)| (6) 其中w i(k)和W i(k)（ i =1,2,3）是互连重量和欧几里德范数权重向量，和K是控制器的增益。从公式3和5，可以得到 Kp=kw2(k) Ki=kw1(k) (7) Kd=kw3(k) 因此，神经元控制器具有PID控制器的特性。通过宽度调整和提高控制参数它可以实现自适应，自组织的功能[3]。 通过采用相关的学习算法策略，调整上线宽度。在该系统中采用一种改进的Hebb学习算法。该调节宽度过程被描述为 W1(k)=w1(k-1)+ ηie(k)u(k)[2e(k)-e(k-1)] W2(k)=w2(k-1)+ηpe(k)u(k)[2e(k)-e(k-1)] (8) W3(k)=w3(k-1)+ηde(k)u(k)[2e(k)-e(k-1)] 其中ηI，ηP和ηD学习率。 控制算法编程 西门子S7系列PLC非常广泛地应用于工业领域。编程软件STEP7不仅支持梯形图（LAD），指令表（STL），功能块图（FBD）的编程，它也提供结构化控制语言（SCL）编程。SCL非常适合于复杂的控制算法编程[4]。 在该系统中，用S7300 PLC作为控制器，单神经元PID控制算法应用功能块FB3。 控制算法流程图 应用功能块FB3的单个神经元的PID控制算法流程图如图2所示。 图2 单神经元PID控制算法流程图 单神经元PID功能块 一旦SCL源文件已经没有任何编译错误，