PDF《模糊神经 P ID 控制在工业炉冶金阀门位置 控制系统中的应用》

1 模糊化模块 模糊化模块的功能是对控制器的输入变量进 行 "归档" 模糊量化、 归一化处理.这种模糊量化 是进行模糊控制最初的和必要的阶段.本控制器 根据输入信号 ,将需要模糊化的信号分为两部分 : 计算机的指令信号及系统输出的反馈信号构成的 系统状态变量{e( k) ,de( k) }和伺服阀出口压力构 成的压差反馈信号. 对于由计算机的指令信号和系统输出的反馈 信号构成的系统状态变量 :输入与输出的误差信 号e( k) 、 误差的偏差信号 de( k) ,按如下方法进行 模糊处理 .通过计算 e ( k) / r ( k) ,将系统误 差e( k) = r( k) - y ( k) 归一化 ,并将 e( k) / r ( k) 在 闭区间[0 ,1 ]内分成若干等级 ,同时 ,引入误差变 化率 de/ dt 完成 "归档模糊量化" . 模糊处理方法 如下 : if | e/ r | > = 0.

5 then E =

9 3 | de/ dt|

3 sgn (e) ;

if 0.

5 > = | e/ r | > = 0.

3 then E =

5 3 | de/ dt|

3 sgn(e) ;

if 0.

3 > = | e/ r | > = 0.

1 then E =

3 3 | de/ dt|

3 sgn(e) ;

if 0.

1 > = | e/ r | > = 0.

03 then E =

1 3 | de/ dt|

3 sgn(e) ;

if 0.

03 > = | e/ r | then E =

0 ;

E 为系统误差的模糊论域 ,这里将误差 e( k) 转化成 "概念" 值 ,作为神经网络 NN 输入的一部 分. 对于伺服阀出口压力构成的压差反馈信号 , 按照压力传感器输出值的取值范围 0~ Ⅴ,直接 将反馈信号 Pressure 归一到闭区间[

0 ,1 ]内 ,作 为神经网络 NN 的输入 : E = pressure/ V 2.

2 BP 神经网络模块 BP 神经网络结构图如图

3 所示 ,它有 M 个 输入节点、 Q 个隐层节点和

3 个输出节点.输入 节点为对应经模糊量化处理后的系统状态变 量[3 ] .输出节点分别对应 PID 控制器的

3 个可 调参数 KP , KI , KD .由于 KP , KI , KD 不能为负 值 ,所以输出层神经元的活化函数取非负的 Sig2 moid 函数 ,而隐含层神经元的活化函数可取正负 对称的 Sigmoid 函数. 图3BP 神经网络结构图 NN 的输入为 o (1) j = Ek- j ( j =

0 ,1 , …, M - 1) o (1) M ≡1 式中 :输入变量的个数 M 取决于被控系统的复杂 程度. 网络的隐含层输入输出为 net (2) i =

6 M j =

0 w (2) ij o (1) j ( k) o (2) i ( k) = f [net (2) i ( k) ] ( i =

0 ,1 , …, Q - 1) o (2) Q ≡1 式中 : w (2) ij ― ― ―隐含层权系数 ;

w (2) iM ― ― ―阈值 ;

f [ ] ― ― ― 活化函数 , f [ ] =

1 - e - x

1 + e - x . 最后 ,网络的输出层的输入输出为 net (3) l =

6 Q i =

0 w (3) li o (2) i ( k) o (3) l ( k) = g[ net (3) l ( k) ] o (3)

0 ( k) = KP o (3)

1 ( k) = KI o (3)

2 ( k) = KD 式中 : w (3) li ― ― ― 输出层加权系数 ;

w (3) lQ ― ― ―阈值 ;

g[ ] ― ― ― 活化函数 , g[ ] =

1 1 + e - x . 取性能指标函数 : J =

1 2 [ r( k) = y ( k) ]

2 标准的 BP 算法存在运算速度慢 ,这里 ,按最快速 下降法修正网络的加权系数 ,即按 J 对加权系数 的负梯度方向搜索调整 ,并附加一个使搜索快速 收敛全局极小的惯性项 ,有:Δw (3) li ( k + 1) = - η 5J 5w (3) li +α Δw (3) li ( k) 式中 : η― ― ― 学习速率;

α― ― ― 惯性系数. 5J 5w (3) li = 5J 5y ( k) 5y ( k) 5u( k) 5u( k) 5o (3) l ( k) ・

3 3

1 ? 1994-2007 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net 武汉科技大学学报(自然科学版)

2007 年第

2 期5o (3) l ( k) 5net (3) l ( k) 5net (3) l ( k) 5w (3) li 由于5 y ( k) /