基于模糊神经网络PID算法的液位串级控制.doc

基于模糊神经网络PID算法的液位串级控制 ） 摘要：利用PID算法对液位串级系统进行控制虽然是一种有效的控制方法，由于它的精确数学模型难以确定，使得参数整定困难、控制效果不理想。本文针对上述问题，将PID算法、模糊控制算法以及神经网络算法相结合，形成了一种智能控制算法——模糊神经网络PID算法。将该算法运用到液位串级控制系统中，实现了PID参数的自整定，并且提高了控制质量。实验结果表明，模糊神经网络PID算法与PID算法的控制效果相比在鲁棒性和响应时间等方面有了较大的提高，具有一定的应用前景。 关键字：神经网络，模糊控制，PID算法, 液位串级控制 中图分类号：TP312 Level Cascade Control System Based on FNN PID Algorithm Ding Fang , Jia Xiangyu (Aeronautic Automation College，Civil Aviation University of China ,Tianjin 300300,China) Abstract: Use PID algorithm Level cascade control system is an effective Although control method, since its difficult to determine precise mathematical model, making parameter tuning difficulties, control effect is not ideal. This paper addresses this issue, PID algorithm, fuzzy control algorithms and neural network algorithms to form an intelligent control algorithm - FNN PID algorithm. The algorithm applied to the liquid level cascade control system, the PID parameters to achieve the self-tuning and improved quality control. The experimental results show that FNN PID algorithm and PID algorithm compared to the control results in robustness and response time and so on has been enhanced, with a certain application. Key words: Neural network; Fuzzy control; PID algorithm; Level cascade control 作者简介：丁 芳（1960－），女，上海人，副教授，硕士，研究方向为智能控制、检测。引言：由于二阶液位系统具有一定的非线性和时滞性的特点，所以普通PID算法的控制效果并不理想。神经网络有自学习能力和大规模并行处理能力，在认知处理上比较擅长；模糊控制系统能够充分利用学科领域的知识，能以较少的规则数来表达知识，在技能处理上比较擅长[1][2]。模糊神经网络控制算法是神经网络算法和模糊算法的有机结合，该算法既有模糊算法控制灵活和鲁棒性强的优点，又具有较强的非线性跟踪学习能力，有很大的实际意义和广阔的应用前景。 一、模糊神经网络PID控制器 1.1 模糊神经网络PID控制器的结构 模糊神经网络PID控制器的结构如图1所示。控制器由三部分组成： eq \o\ac(○,1)模糊化模块：用来对系统状态变量进行模糊量化和归一化处理[2][3]。这样做可以利用模糊控制的鲁棒性和非线性控制作用，对作为神经网络输入的状态变量进行模糊规则的预处理，避免了神经网络的活化函数采样Sigmoid函数时，直接输入量过大而造成的输出饱和，使输出不再对输入敏感的缺点。 eq \o\ac(○,2)神经网络(NN)：用于表示模糊规则，经过神经网络的学习，以加权系数的形式表现出来，规则的生成就转化为加权系数初值的生成和修改。根据系统的运行状态，自行整定PID参数，以期达到最优的控制效果。也就是将神经网络的输出层输出对应于PID控制期的三个可调参数、、，通过神经网络的自学习，加权系数的调整，从而使稳定状态对应于某种最优控制下的PID参数。 eq \o\ac(○,3)普通PID控制器：直接对控制对象进行闭环控制，并且、、三个参数为在线整定式[3]。 图1 基于模糊神经网络PID的液位串级