基于神經元逆模型的烤箱溫度控制研究

1、數控技術許秀玲:基于神經元逆模型的烤箱溫度控制研究基于神經元逆模型的烤箱溫度控制研究許秀玲(浙江師范大學數理與信息工程學院 浙江金華 321004)摘 要:溫度控制在大型工業(yè)和日常生活用品生產中都具有廣泛的應用。神經元網絡是智能控制的一個新的分支,為解決復雜的非線性、不確定性、不確知系統(tǒng)的控制問題開辟了一條新途徑。針對烤箱溫控具有升溫單向性、大時滯性和時變,以及溫度在工作區(qū)域內的變化具有非線性的特點,運用神經網絡逆控制和預測控制相結合的方法對整個系統(tǒng)進行控制,根據神經元模型結構特點,用Matlab工具進行設計和仿真,仿真結果令人滿意。關鍵詞:神經網絡;烤箱溫度控制;神經元逆模型;Matlab仿

2、真中圖分類號:TP273 文獻標識碼:A 文章編號:1004-373X(2010)05-112-03StudyonTemperatureControlofOvenBasedonInverseModelofNeuronXUXiuling(CollegeofMathematics,PhysicsandInformationEngineering,ZhejiangNormalUniversity,Jinhua,321004,China)Abstract:Thetemperaturecontrolhasbroadapplicationprospectsinlargescaleindustryandda

3、ilyproduction.Neuralnet-workisabranchofintelligentcontrol,thecontrolproblemsofcomplexnonlinearsystem,uncertaintysystemandunascertainedsystemaresolved.Theoven stemperaturecontrolhascharacteristicsoftimedelayandtimevarying,andthetemperaturehasnon-linearfeatureintheworkarea,combininginversecontrolwithp

4、redictioncontrolofneuralnetwork,usingMatlabsimula-tion,thesimulationresultsaresatisfactory.Keywords:neuralnetwork;oven stemperature-control;inversemodelofneuron;Matlabsimulation0 引 言溫度控制技術廣泛應用于社會生活的各個領域,如家電、汽車、材料、電力電子等,傳統(tǒng)的溫度控制技術中最常見的是繼電器調溫,但由于繼電器動作頻繁,溫度控制范圍小,精度不高,可能會因觸點不良而影響正常工作。最近幾年快速發(fā)展的有PID溫控1、模糊控

5、234制、神經網絡以及遺傳算法在溫度控制中的應用。由于溫度控制系統(tǒng)的負載變化且外界干擾因素復雜,采用PID控制只能對電參數的影響做精確計算,對于外界環(huán)境的變化只能做近似估算,從而影響控制精度。神經網絡以其高度的非線性映射、自組織、自學習和聯(lián)想記憶等功能,可對復雜的非線性系統(tǒng)建模,其響應速度快、抗干擾能力強、算法簡單且易于用硬件和軟件實現?？鞠涫菬崽幚砩a中應用最廣的加熱設備,它電流通過電熱元件產生熱量,借助輻射和對流的傳遞方式,將熱量傳遞給所要加熱的物品,使其加熱到所要求的溫度?？鞠錅乜鼐哂猩郎貑蜗蛐?、大時滯性和時變的特點,如升溫靠電阻絲加熱,降溫依靠自然冷卻,溫度超調收稿日期:2009-10

6、-165-7后調整慢,因此用傳統(tǒng)控制方法難以得到更好的控制效果。本文主要針對烤箱溫度在工作區(qū)域內非線性變化的特點,運用神經網絡控制方法對整個系統(tǒng)進行控制8。1 烤箱模型現以控制一個通風烤箱的溫度作為研究對象,熱量由熱電阻產生,由功率放大器產生電壓VC控制。溫度由放在測量孔中的熱電偶測量,儀表放大器產生電壓Vm,顯示溫度Qm。在烤箱溫度范圍內,假定傳感器和儀表放大器是線性的。此過程包含的參數如下:Ra為減少導管熱向機殼傳播的熱電阻;Ca為機殼的熱容;Rm為降低測量洞中的烤箱熱循環(huán)熱電阻;Cm為測量洞的熱容;R1為降低朝烤箱外的熱循環(huán)泄漏電阻;Ce為烤箱外的熱容,認為很大;Qu,Qm,Qe分別表示

7、烤箱機殼、測量洞和烤箱外的溫度,其等效電路如圖1所示。am a- eQ=Ca+Cm+dtdtRf式中: = a-RmCmme,使用拉普拉斯變換,得到根dt據Q和系統(tǒng)參數關于 a的表達式。經過一些計算后,也就是: a=Q+eRf多次反復計算后,其誤差還是應該變小的。2.2 神經元逆模型控制溫度根據通風口烤箱結構特點及神經網絡特點設計神經元控制結構,以實現溫度控制的目的,其結構圖如圖2所示。輸入、輸出變量均進行標準化,其值均在0.10.9之間。輸入層有6個節(jié)點,輸出變量為t-1時刻的控制電壓uN(t-1),控制電壓變化量為 uN(t)=uN(t)-uN(t-1);t時刻儀表放大器輸出電壓yN(t)

8、,t-1時刻儀表放大器輸出電壓yN(t-1),由此,儀表放大器輸出電壓變化量 yN(t)=yN(t)-yN(t-1)。進行一步預測控制,輸入還包括預測儀表放大器輸出電壓變化量 yN(t+1)。隱含層有7個節(jié)點,輸出層有1個節(jié)點,輸出變量為t時刻的控制電壓變化量。N是標準化模塊,DN是解標準化模塊。fmm1+(RmCm+RfCm+RfCm)p+RfRmCmCap 測量溫度和烤箱機殼溫度的關系如下:m=a1+RmCmp圖1 烤箱等價電路圖烤箱參數:Ra=0.01 /W;Rm=3 /W;Rt=0.1 /W;Qmax=5000W;Ca=500J/ ;Cm=10J/ ;Ce=0.1V/ 。通過計算可以得

9、出烤箱方程如下:T1(p)=1+531p+1500pT2(p)=1+30p; e=20 ;k1=100W/V;k2=圖2 控制結構圖2.3 仿真結果及其分析通過Matlab7.0搭建仿真模型檢測該神經網絡控制的可行性。(1)不考慮烤箱溫度變化非線性因素,仿真結果如圖3、圖4所示。2 神經網絡對烤箱溫度的控制2.1 神經網絡算法介紹神經網絡的三層節(jié)點表示為輸入節(jié)點:xj;隱節(jié)點:yi;輸出節(jié)點:Ot。輸入節(jié)點與隱節(jié)點間的網絡權值為 ij,隱節(jié)點與輸出節(jié)點間的網絡權值為Tli,輸出節(jié)點的期望輸出為tl,隱節(jié)點的輸出為:yi=f(式中:neti=9,10xijjliji)=f(neti)-Tiyi-

10、 i。輸出節(jié)點的計算輸出:Ol=f(式中:netl=Tililiyi- l)=f(netl)圖3 控制電壓Vc和測量電壓VmTiyi- l。 l=(tl-Ol)網絡的希望輸出與實際輸出的偏差設為: 輸出節(jié)點的誤差可寫為:E=2ll網絡的學習規(guī)則實現的是學習模式集合上平方和誤差E的梯度下降,而不是特定某個模式分量的絕對誤差 的梯度下降。因此,在每次校正完后,網絡輸出端的誤差對于某些神經元來說也有可能增加,但在進行圖4 烤箱溫度圖圖3中Vc為控制電壓,Vm為測量電壓。由圖3可見,測量電壓迅速達到穩(wěn)定值,并保持穩(wěn)定不變。這說明通過神經元模型控制,可以自動控制溫度達到穩(wěn)定值。113數控技術許秀玲:基于

11、神經元逆模型的烤箱溫度控制研究仿真結果顯示,使用神經元網絡能很好地控制烤箱的溫度。參 考 文 獻1周韻玲.基于PLC的神經網絡PID控制器設計J.控制系統(tǒng),2007,23(7):97-100.2董秀瑾,那文波.基于線性預測模型的神經網絡模糊PID控制J.機電工程,2007,24(2):62-65.3郭秀才,舒懷林.基于PID神經網絡的溫度控制J.工礦自動化,2008,6(3):31-34.4孫豐昌,樂愷,姜澤毅,等.智能控制算法對加熱爐溫度控制研究J.熱能動力工程,2009,24(3):337-341.5李春華,李欣,羅綺.不確定非線性系統(tǒng)的直接自適應神經網絡控制J.計算機工程與應用,2008

12、,44(2):124-128.6張敏,胡壽松.不確定多時滯系統(tǒng)動態(tài)自適應神經網絡控制圖5 烤箱神經控制仿真圖J.系統(tǒng)工程與電子技術,2009,31(2):435-438.7顏園園,張宏群.基于LabVIEW的溫濕度測量系統(tǒng)J.現代電子技術,2009,32(1):120-123.8于乃功,李明,李建更.機械手軌跡規(guī)劃的神經網絡逆模控制J.控制工程,2008,15(3):225-228.9閆大朋,閆世杰,李愛平,等.微型燃氣輪機的新型神經網絡控制的研究J.控制工程,2008,15(5):541-545.10田毅韜,周曉慧.基于預測控制的神經網絡在熱分散溫度控制中的應用J.陜西科技大學學報,2007

13、,25(3):93-95.由圖4可看出,烤箱相當于一個時間常數接近1500s的一階過程。在瞬間測量溫度 m很接近烤箱溫度 a,在穩(wěn)定狀態(tài)下, m和 a是相等的。(2)考慮烤箱溫度非線性變化因素。在實際的烤箱中,工作區(qū)域沒有線性化。為得到一個在任何工作點都能適用的神經元模型,給這個過程施加一個帶有偽隨機二進制序列的斜坡信號。重新搭建仿真模型,仿真結果如圖5所示。從圖5可以看出,采用神經網絡控制烤箱溫度,即使是考慮烤箱的非線性因素,通過神經網絡的反復在線優(yōu)化,控制信號r和輸出信號y的誤差被控制在很小范圍內。3 結 語針對烤箱溫度在工作區(qū)域內的變化具有非線性的特點,運用神經網絡逆控制方法對整個系統(tǒng)進

14、行控制。作者簡介 許秀玲 女,1976年出生,山東菏澤人,講師,工學碩士。主要研究領域為自動控制技術、故障診斷、信息處理等。(上接第111頁)從仿真結果可以看出,自適應模糊控制器與常規(guī)PID比較,系統(tǒng)的輸出具有更快的響應速度和更小的超調量,得到了較好的靜態(tài)、動態(tài)性能。5 結 語針對溫度控制系統(tǒng),設計了一種自適應模糊PID控制器,該控制器在大偏差范圍內采用模糊控制,根據偏差和偏差變化的需要實時調整PID參數,小偏差范圍內采用PID精確控制。通過仿真結果表明,這種控制器是一種實現方便、性能優(yōu)良的智能控制器,并具有動態(tài)性能好、穩(wěn)態(tài)精度高等特點,適合非線性、大滯后、強耦合等復雜特性的控制系統(tǒng)。參 考 文 獻1席愛民.模糊控制技術M.西安:西安電子科技大學出版社,2005.2蔡自興.智能控制 基礎與應用M.北京:國防工業(yè)出版社,2004.3程燕慶.工程智能控制M.西安:西北工業(yè)大學出版社,2003.4劉金錕.先進PID控制及Matlab仿真M.北京:機械工業(yè)出版社,2005.5金以慧.過程控制M.北京:清華大學出版社,1993.6馮冬青,謝宋和.模糊