针对模糊神经网络控制的智能阀门定位器的研制.pdfVIP

摘 要 气动调节阀是工业过程控制中一种重要的执行器，阀门定位器是调节 阀的主要附件，它能够显著改善阀门的动态特性，提高控制的精度、速度 和灵活性。由于阀门定位器是一个系统，本文的工作重点在于阀门定位器 的控制部分。 为了开发高性能的智能阀门定位器，本文主要做了以下几个方面的工 作。 第一，阐述了阀门定位器的工作过程。由阀门定位器控制部分的输出 的控制量作用于压电陶瓷阀，用压电陶瓷阀的开和闭来控制阀门气室的进 气和排气，从而造成阀门气室内的压力发生变化，压力的变化导致刚性膜 片的两侧受力不再相等，因而其位置要产生变动，进而带动阀门阀杆上下 移动。 第二，在充分考虑各构件弹性的基础上，建立了气动调节阀的动力学 模型，即被控对象的数学模型，推导出了开环传递函数，并找出了造成参 数变化的因素。 第三，归纳与总结模糊控制和神经网络控制的优缺点，由于模糊控制 和神经网络控制具有一定的互补性，因此，模糊控制和神经网络控制的结 合变成了控制技术发展的一个新方向。模糊神经网络控制具有两者之长， 既有模糊控制的鲁棒性强、结构清晰等特点，又有具有神经网络控制的学 习、记忆等功能。 第四，对于模糊神经网络控制器来说，一组优化的推理规则对其性能 有着至关重要的影响。如何获得优化的规则成为最重要的工作之一。对于 输入输出样本知识较多的系统，可以有多种方法获得。例如用 DCL(differential 数据中提取模糊控制规则。但对于输入输出样本知识缺少或不完善的系统， DCL算法就无能为力了。为了解决这个问题，下面提出了增强型学习算法， 它仅仅依赖于系统的状态，不断的评价系统的模糊误差和增强型因子，通 过删选和优化获得一组有效的控制规则。 2 第五，做仿真试验。仿真试验的目的有两个：一是验证增强型学习算 法能否获得一组优化的规则。二是针对参数变化，应用模糊神经网络控制 器的系统的控制性能是否优于普通控制器的控制性能。通过对系统的输出 曲线对比可以发现，应用模糊神经网络控制器的系统的输出曲线的性能指 标明显优于应用普通控制器的系统的输出曲线。同时也验证了增强型学习 算法是有效和成功的。 关键词：阀门定位器模糊神经网络控制动态模型 Abstract isa Pneumaticcontrolvalve kindof inindustrial implements important is locatorthe attachmentofcontrol can control，valve valve，it process major the of valve improve property development apparently，raisesflexibility，speed andthe of is contr01．Sincevalvelocatora workof precision system，thekey this liesinthe of control valve paper part locator． To the valve