电气电工基于DCS系统的神经网络预测控制.pdfVIP

第八届工业仪表与自动化学术会议 基于DCS 系统的神经网络预测控制 Nonlinear model predictive control at the DCS system 陆冬娜 杨马英 （浙江工业大学信息工程学院，浙江杭州 310014 ） 摘 要：神经网络具有非线性的拟合特性，因此被广泛地应用于复杂工业过程的控制。DCS 是近几十年发展起 来的工业过程控制装置。本文基于 DCS 装置对一液位对象实现了神经网络的预测控制，无论是在稳定性还是鲁 棒性上都表现出了良好的控制效果，为先进控制算法在 DCS 系统上的实施提供了一个应用实例。 关键词：神经网络 DCS 预测控制 Abstract ：Neural network has been widely used in complicated industry process control due to its nonlinear character . DCS is a kind of industry process control equipment during the last few years. A tank level has been controlled with the neural network predictive control realized at the DCS system, good performance has been achieved both in the stability and the robustness, and a application example has been supplied for the advanced control arithmetic at the DCS system. Keywords ：Neural network DCS Predictive control 0 引言 集散控制系统（Distributed Control System，DCS ）是一种以微处理器为基础的分散型综合控 制系统。DCS 综合了计算机、网络通信技术、自动控制技术、冗余及自诊断技术等先进技术， 采用多层分级的结构形式，适应现代化生产的控制与管理需求，目前已成为工业过程控制的主流 装置[1] 。而神经网络的控制方法自上世纪 80 年代提出以来，由于其自身良好的非线性拟合特性， 在许多复杂的工业过程中得到了成功的应用。本文以 DCS 系统为硬件平台，神经网络的预测控 制为控制算法，实现了对一液位对象的控制。从实验上验证了基于 DCS 系统的神经网络预测控 制的可行性。 1 神经网络预测控制 上世纪80年代中期以来，人工神经网络以其独特的优点引起了人们的极大关注。对于控制界， 神经网络的吸引力在于：能够充分逼近复杂的非线性映射关系；能够学习与适应不确定系统的动 态特性；所有定量或定性的信息都分布存储于网络的各个单元，所以有较强的鲁棒性和容错性； 采用并行分布处理方法，使得进行快速大量运算成为可能。这些特点显示了神经网络在求解非线 性和不确定性系统等控制问题上的巨大潜力。将神经网络引入控制系统是控制学科发展的必然趋 势。按神经网络在控制系统中所起的作用来分主要有以下几种类型：第一类是在基于模型的各种 控制系统中充当对象的模型；第二类是充当控制器；第三类是在控制系统中起优化计算作用；第 四类是与其他控制方法（如专家系统、模糊控制)相融合，为其提供非参数化对象模型、推理模 型等；第五类是构成智能控制系统，即系统在识别环境的同时，对各种信息进行融合，根据所获 得的信息以及所要达到的目标，进行分析，推理，做出决策，采取行动[2-3] 。在此，作者提出一 种RBF神经网络同时实现预测控制算法中的模型预测和优化计算。 1 第八届工业仪表与自动化学术会议 神经网络预测控制算法步骤如下[4-5] ： ① 初始化神经网络控制器（NNC ）与神经网络预测器（NNP ）的网络参数和变量。 ② 在时刻k ，确定u(