神经网络预测与模糊控制在河流模型水位控制中的应用.docVIP

神经网络预测与模糊控制在河流模型水位控制中的应用 1999年9月 南京水利科学研究院 水利水运科学研究第3期 L/ 17卜7j『 神经网络预测与模糊控制在 河流模型水位控制中的应用 墨垫查吴昌林兰竖周茂华 一1-0/?,.5L 1}, (华中理工大学t武汉,430074)(长江科学院.武汉,430010)(华中理工大学,武汉.430024) 摘要结合神经同络与模糊逻辑,提出了一种新的控制方祛.解决了对于非线性,时变,对滞 严重,难以建立精确效学模型的动态控制问题.并应用于河流模型水位控制中,取得了很好的控 制效果. 关键词:河流模型神经阿络模糊控制控制水位——————一——————一——————～ ●-—————一 引言 河流模型是为了研究河流河床演变,泥沙淤积,水位水势变化,按实际河道形状经过比 例缩小而建立的模型.一般根据历年测得的流量,含沙量,控制水位站的水位值,通过控制模 型的人口流量,掺沙量和尾门位置来模拟河流状况,以验证模型的正确性,并预测今后的河 势变化,控制的精度直接影响预测的结果,具有重要的意义. 被控过程具有严重的非线性,时滞性,是一个参数不确定,结构不确定,无法建立精确数 学模型的系统.迄今,国内已在河流模型的检测与控制方面做了大量工作],但尚未实现完 全自动化,其控制由操作者的经验决定.因而精度整,达到水位稳态所需时问长.研究一个 高精度的河流模型动态控制系统势在必行,它将为许多水利工程的方案设计提供一个有力 的保证. 本文结台神经网络与模糊逻辑,利用两者的优点,设计出了一个先由神经网络实现的神 经预测等待,然后用模糊控制的新方法.系统自1998年投入运行以来,稳定可靠,大大改善 了控制精度,减少了达到稳态所需时间,水位控制精度达到0.1mm,在150m的模型上5 min左右可达稳态. 2控制系统构成与工作原理 2.1系统结构与工作原理 河流模型结构如图1所示.水位测量采用 机电式(丝杆螺母机构)自动跟踪水位计,水位 分辨率可达0.05mm尾门采用旋转式结构,由 步进电机控制系统根据规定的时间来换级,当 收稿日期:1998—10—03 图1河流模型结构 Fig,1Structureofrivermodel 水位 门 水平Ⅱ水运科学研究 切换到新一级时,先将各流量.掺沙量陕速调至给定值然 后通过算法控制尾门位置,使控制水位逐步达到给定值,在 下一级开始前,记下此时的流量值,掺沙值,各水位值及尾门 位置,以便以后数据分析和神经网络训练. 2.2系统控制流程 系统控制流程如图2所示.考虑到水流特征对河流的影 响,采用定时器按预定时间换级. 3控制策略与算法 3.1控制策略 由于被控对象惯性大,时滞严重,且后滞时间随输入值 变化而变化,因而采用固定的延时环节很不合适.本文采用 一 种新的方法,控制流程如图2所示,用神经网络预测尾门 位置,进行等待,使其在水流未波及整个模型时不变化等待 时间由各测量水位的变化规律确定当水流波及整个模型 时,按模糊控制算法. 调整尾门位置.当系统稳定后,可记下水流未波及整个 模型时的各输入值,水位值及尾门位置,作为学习训练数据. 在一次实验结束后,利用新的数据训练神经网络.采用这种 方法可防止系统发生振荡并通过逐步学习,可使预测尾门位 置非常接近水位达给定值的位置,从而减少控制时间. 3.2神经预测等待阶段 尾门位置与给定主,从流量,主,从掺沙量,尾门控制水 位值有关.考虑到网络的复杂性及系统的特性,将主,从流 量之和,主,从掺沙量之和,尾门控制水 位值作为网络的输入,而将尾门位置变 化量作为网络的输出.根据实验结果,采 用四层BP网络.第一中间层单元为20. 第二中间层单元为6,此时预测差较小, 神经网络模型如图3所示.其中每个单 元的传递函数采用s型函数,其表达式 为/(J)=1/(1十e). 控制过程中,当新的一级开始时,将 尾门调到由神经网络算出的预测位置, 曲蔷轱^量过蛤定值 由精定仇得.尾门位置 控f}町尾门刘蔼测位置 ,————————一一 检各求位值 /备点球也连续且吠均\——, ilmtn/ 磷栩控制阶段 lt;稳定}u培定求位gt; 记F各有用教据 lt;删gt; l lt; .Y 抻经网络训练 图2控制流程圈 Fig.2Flowchartofcontrol 图3神经网络预测模型 Fig.3Predictmodelofneuraliqetwork 进行等待.然后根据条件各点水位连续五次均在误差为±1mm范围内变化,可确定等待结 束,进入模糊控制阶段. 3.3模糊控制阶段 以水位误差E,误差变化率EC作为输入变量,以尾门位置(与水平面夹角)u的变化量 第3期吴艳春等:神经网络预测与模糊控制在河流模型水位控制中的应用275 作为输出变量.控制器采用IFAandBth