1、基于積分分離PID控制算法的神經元控制器林瑞全,等閥門正常工作時閥前的壓力通常不能作為允許壓差的計算根據。正常工作時閥前的壓力并不大,但隨閥門逐漸關小,閥前壓力逐漸加大,閥前后壓差也逐漸加大。閥門正常工作時閥后的壓力通常也不能作為允許壓差的計算根據。如果閥后只有連通大氣的管道而無阻力件,計算允許壓差時可視閥后壓力為零。但如果閥后連接有壓力容器及各種阻力件,閥門正常工作時閥后的壓力大體等于這些壓力容器在正常工作時的壓力值或在這些阻力件前要求的壓力(如燃燒噴嘴前要求壓力011MPa)。以閥門正常工作時閥前后的壓力計算出來的壓差作為允許壓差往往偏小,原因可能有以下幾點:在不正常工作時閥門的開度可能很

2、小,使閥前壓力大大升高,而最大工作壓差的含義是指閥門即將關閉時可能出現的差壓值,而在這種情況下,流體輸送設備(如水泵、風機、空壓機)的出口將達到設備運行的最高壓力,其數值等于流體輸送設備的額定出口壓力。在不正常工作時閥門后的壓力容器的壓力可能低于壓力容器在正常工作時的壓力值。,以工業鍋爐給水系統為例,35t/h的鍋爐給水泵額定壓力通常為610MPa,汽泡壓力為318MPa,閥前壓力正常時為410MPa,閥門正常工作時閥前后的壓差約為012MPa,收稿日期:2003-06-14。作者方原柏,男,1942年生,教授級高級工程師,昆明儀器儀表學會副理事長兼秘書長。如果拿這個值作為允許壓差,幾乎任何一

3、臺閥門能滿足要求。但當用汽量突然減少時,閥門開度也將減少,閥前壓力逐漸增大,直至達到給水泵額定壓力為止。此時閥前后的壓差為212MPa,一般單座閥在這種壓差下很難保證不泄漏。而且鍋爐汽包壓力很可能根據需要定為310MPa、215MPa,此時閥前后的壓差分別為310MPa、315MPa,比前述閥前后的壓差要大得多。而作者在現場時還有過一次奇特的經歷,允許壓差值按310MPa考慮的閥門在鍋爐冷試開度還較大時就關不上了,后分析原因才知道了冷試時汽包壓力為零,而且冷試時用水量很少,要求閥門開度很小,此時閥前壓力可能達到6MPa,閥后壓力為零,閥前后壓差遠遠超過允許壓差,所以閥門開度還較大時就關不上了。

4、在現場只好開通旁路,待設備轉入正常工作時再啟動控制閥工作。所以,在確定允許壓差時,這樣一些因素也需要考慮。有些閥門只是作為遙控閥門,其中有一部分還是工藝專業所選閥門,流量特性選擇可以省略,但不平衡力校核等步驟還是必不可少的。基于積分分離PID控制算法的神經元控制器TheNeuronControllerBasedonIntegralSeparationPIDControlAlgorithm林瑞全楊富文邱公偉(福州大學自動化系,福州350002)摘要介紹一種基于積分分離PID控制算法的神經元控制器實現方法。編寫S函數來構建MATLAB環境下該神經元控制器的SIMU-LINK仿真模型。利用該模型對控

5、制器在電加熱爐中的應用進行仿真研究。仿真結果表明,基于積分分離PID控制算法的神經元控制器與傳統的神經元PID控制器相比,系統的控制性能得到了較大的改善。關鍵詞神經元控制器控制算法PID控制積分分離AbstractTheimplementationmethodofaneuroncontrollerbasedonintegralseparationPIDcontrolalgorithmisintroduced.ForestablishingtheSIMULINKsimulationmodelofthisneuroncontrollerunderMATLABenvironment,theSfunc

6、tioniscompiled.Withthismodel,theapplicationofthe25自動化儀表第25卷第4期2004年4月controllerinelectricheatingfurnaceisstudiedbysimulation.TheresultofsimulationshowsthatcomparingthiscontrollerwithconventionalPIDcon2trollerthecontrolperformanceofthesystemhasbeenenhancedgreatly.KeywordsNeuroncontrollerControlalgori

7、thmPIDcontrolIntegralseparation0引言PID控制是最早發展起來的控制策略之一,在PID控制算法中,積分環節的引入其主要的目的是消采用的是PD控制算法。2基于積分分離PID控制算法的神經元控制器2.1基于積分分離PID控制算法的神經元控制器除系統的穩態靜差、提高控制的精度。但是隨著積分環節的引入,相應也會出現一些問題,比如在過程的啟動、結束或較大幅度增減給定值時,短時間內系統輸出會有較大的偏差,由于PID運算的積分積累,可能引起系統較大超調,甚至引起振蕩,同時也增大了調節時間,這種現象在許多的生產過程中是絕對不允許的。正是在這種背景下產生了積分分離PID控制算法1,

8、2。近年來,神經網絡的研究引起了控制界的高度重視,在神經網絡控制中,單神經元是最基本的控制部件,它只有一個神經元,結構簡單,學習過程比較快,又具有神經網絡的信息綜合、學習記憶和自適應能力,表現出良好的自適應性和魯棒性3。本文提出一種基于積分分離PID控制算法的神經元控制器實現方法。對于增量型神經元PID控制系統,有3u(k)=u(k-1)+K3i=1w(k)x(k)ii即u(k)=Kwi(k)xi(k)i=1(6)式中:K為神經元的比例系數;w1(k),w2(k)及w3(k)為權系數,其學習規則為w1(k+1)=w1(k)+Pe(k)x1(k)w2(k+1)=w2(k)+Ie(k)x2(k)w

9、3(k+1)=w3(k)+De(k)x3(k)(7)式中:=k);(k;3e(k)=e(k)-2e(k-1)+e(k-2);1積分分離PID控制算法增量型PIDu(k)=u(k)-(-1)=KPe(k)+1P,I及D分別為比例,積分,微分的學習速率。把式(2)和式(6)進行比較,可得積分分離增量型PID控制算法與增量型神經元PID控制算法之間的關2e(k)+e(k)TIT系滿足:Kw1(k)=KP(比例系數),Kw2(k)=KPT/Ti(1)(積分系數),Kw3(k)=KPTD/T(微分系數),通過神經e(k)+KIe(k)+KDe(k)=KPKD為微分系數,KD=KPTD/T;T為采樣周期。

10、式中:KP為比例系數;KI為積分系數,KI=KPT/TI;積分分離增量型PID控制的離散化方程為u(k)=u(k)-u(k-1)=KPe(k)+2e(k)+e(k)TIT元權系數w1(k),w2(k)及w3(k)的自學習可以在線調整積分分離增量型PID控制相應的比例系數、積分系數和微分系數。因此,當為1時,此時基于積分分離PID控制算法的神經元控制器為神經元PID控制實現,當為0時,則為神經元PD控制實現。2.2基于積分分離PID控制算法的神經元控制器(2)e(k)+=KPKIe(k)+KDe(k)式(2)中,滿足:=1;|e(k)|e0|0;|e(k)|>|e0|SIMULINK仿真若

11、簡單地應用SIMULINK將無法對基于積分分離PID控制算法的神經元控制器進行仿真研究,此時應(3)引入S函數,通過構建子系統的方法來建立其仿真模型。S函數的基本格式為4,5:Functionsys,x0=函數名(t,x,u,flag)式中:e為人為設置的誤差閾。當|e(k)|e0|時,即=1,u(k)=KPe(k)+KIe(k)+KDe(k)采用的是PID控制算法。當|e(k)|>|e0|時,即=0,u(k)=KPe(k)+KD2e(k)26(5)其中,t,x,u為當前時間,狀態變量與輸入矢量;flag為(4)返回變量標志。flag=0,返回參數和初始條件的維數;返回參數x0表示狀態變

12、量的初始值,而返回參數sys各分量的含義如下:PROCESSAUTOMATIONINSTRUMENTATION,Vol.25,No.4,Apr.,2004基于積分分離PID控制算法的神經元控制器林瑞全,等sys(1)連續狀態變量數;sys(2)離散狀態變量數;sys(3)輸出變量數;sys(4)輸入變量數;sys(5)系統中有不連續根的數量;sys(6)系統中有無代數循環的標志。(有,則置1)flag=1,返回系統的狀態導數dx/dt;flag=2,返回離散狀態x(k+1);flag=3,返回輸出向量y;flag=4,更新下一個離散狀態的時間間隔。圖1基于積分分離PID控制算法的神經元控制器S

13、IMULINK仿真模型元積分分離PID的控制算法。以電加熱爐為被控對象,取神經元的學習速率90、1000,神經元的比例系數KP、I、D分別為6800、取值為113,積分分離PID控制算法的誤差閾為誤差最大值的0185倍,利用圖1所示的仿真模型進行仿真實驗。當控制系統在零時刻加上單位階躍給定值時,電加熱爐采用基于積分分離PID控制算法的神經元控制器進行控制的控制如果如圖2中的曲線a所示,圖2中的曲線b為電加熱爐采用傳統的神經元PID控制器的控制效果。假設誤差小于等于誤差最大值的0185倍時采用PID算法,否則采用PD算法。則基于積分分離PID控制算法的神經元控制器的S函數為functionsys

14、,x0=neuro3jffl(t,x,u,flag,P,I,D,K)ifflag=2/實現神經元權值的學習。33sys(1)=x(1)+Pu(3)u(2);33sys(2)=x(2)+Iu(3)u(3);sys(3)=x(3)+Du(3)u(4);elseifflag=3/當誤差誤差最大值的0185倍時采用PID33算法,否則采用PD算法。ifabs(u(3)<=01853u(1)sys=K3(x(1)3u(2)+x(2)3u(3)x(4)/(x()+x(2)+x(3);elsesys=K3(x(1)3(+(3)3u4)/(x(1)+x(3);endelseifflag=0/設定初始值s

15、ys=0;3;1;4;0;0x0=011;011;011;else圖2仿真實驗曲線從圖2的仿真實驗曲線可以看出,與采用傳統的神經元PID控制器進行控制相比,電加熱爐采用基于積分分離PID控制算法的神經元控制器進行控制其控制性能有了較大的改善。sys=;end在以上的S函數中,u(1)為誤差的最大值,u(2)、u(3)、u(4)分別對應于神經元PID控制算法中的x1,x2及x3,即e(k),e(k)及e(k)。24結束語本文所提出的基于積分分離PID控制算法的神經元控制器,當誤差值未達到某一給定的閾值時采用神經元PID控制,達到某一閾值時采用神經元PD控制,避免了由于誤差的積分積累可能引起系統具

16、有較大超調,甚至引起振蕩的現象。該控制器不但具有積分分離PID控制的優點,而且還可以利用神經元的非線性、自尋優來克服控制對象中變參數、非線性等不利因數,從而有效地提高控制效果和系統性能。參考文獻1998.3仿真實驗以某電加熱爐(其傳遞函數為GP(S)=(213e-01617s)/3105s+1,時間單位為min)為被控對象,選取采樣周期T=010617min。利用基于積分分離PID控制算法的神經元控制器來對其進行控制,可以得出該控制系統的SIMULINK仿真模型,如圖1所示。系統的輸出結果既送到示波器中顯示又送到工作空間站yex中。MUX框圖的作用是把多個輸入合成為一個矢量輸出,In1Qut1

17、框圖是子系統框圖,其作用是實現神經27自動化儀表第25卷第4期2004年4月2袁浩,等.基于PLC的積分分離PID算法在液位系統中的應用,實北京:清華大學出版社.1996驗室研究與探索,2002,21(1),5657收稿日期:2003-08-16。第一作者林瑞全,男,1971年生,講師,在職博士生,1994年畢業于福州大學,2001年獲碩士學位,現為在職博士研究生,講師;主要研究方向為魯棒控制、神經網絡控制等,發表論文13篇。天大學出版社,19975薛定宇著.控制系統計算機輔助設計MATLAB語言及應用.一種處理實時監控系統數據的方法TheMethodDataProcessingforReal

18、TimeMonitoringSystem敬偉劉衛新(西安工業學院電子信息科學與工程系,西安710032)摘要提出了采用組態王提供的SQL訪問功能和VB強大的數據庫功能,介紹了該方法在轉轍機測試臺實時監控系統中的具體應用。關鍵詞數據處理實時監控系統組態王動態數據交換AbstractThedataprocessingmethodofrealtimedataandhistoricaldataThismethodusedSQLaccessfunc2tionofferedbyKingviewandthepowerfulVBdatabase.Theintimemonitoringsystemoftestb

19、enchofswitcherisintroduced.KeywordsDataKingviewDynamicdataexchange0引言在工業控制軟件中,組態王軟件1能充分利用Windows的圖形編輯功能,方便地構成監控畫面,以動Excel表格中,并可對這些數據進行進一步的處理。雖然組態王內部提供了這種歷史數據的處理方法,而且該方法使用簡單,但是對于大多數的工業控制系統來說,這種方法是遠遠不能滿足實際工程或實際標準的需要。以下是根據組態王的特點,以轉轍機測試臺實時監控系統為例,介紹一種實時監控系統數據處理的方法。態顯示控制設備的狀態,具有報警窗口,實時趨勢曲線,并可運用PC機豐富的軟件資源進行二次開發,便利生成各種表報,為應用程序開發提供了十分方便的軟件平臺。組態王軟件有TouchMak和Tou