燧道式炉神经元二自由度PID控制的研究

引　言

常规二自由度pid控制的扰动抑制和给定跟踪及鲁棒性诸方面的性能均比一自由度的要好，但不管是一自由度，还是常规二自由度的pid控制，都必须进行复杂的参数整定，而且pid参数一旦确定下来，它也无法在线自调整，以适应对象参数的变化。虽然许多学者致力于自适应控制的研究，但是自适应控制要求建立对象的模型，而工业过程又普遍存在着不确定性，故难以在实际应用中取得满意的控制效果。近年来，神经网络的研究引起了控制界的高度重视，在控制中的应用研究已取得了一定的进展。神经网络具有很强的自学习和自适应能力，可以处理和控制那些难以用数学模型描述的、具有不确定性的对象和过程。探索实用而有效的神经控制理论和方法已成为研究者关注的热点。单神经元是神经网络的最基本单元，在神经网络控制中，单神经元是最基本的控制部件。基于神经元的pid控制，只有一个神经元，结构简单，学习过程比较快，能够容易解决神经网络控制实时性不好这一难点。基于神经元的pid控制既保持了传统pid控制的特点，又具有神经网络的信息综合、学习记忆和自适应能力，表现出良好的自适应性和鲁棒性。

1　增益自调整的神经元二自由度pid控制

在神经元pid控制中，调节神经元控制器增益（即神经元的比例系数，见图2）k的值，对开环放大倍数较大的被控对象，它应能起到衰减神经元的控制作用，消除系统的响应超调和振荡。对开环放大倍数较小的被控对象，则应能增强神经元的控制作用，加快系统的响应速度。实践证明，k取得较大时，系统响应速度快，但超调较大。k取得较小，系统响应缓慢，超调量较小，但是如果k取得过小，系统响应则存在稳态误差。因此，k的取值将对神经元控制系统的性能产生很大的影响，尤其是对于开环增益时变的对象，k的取值应随着对象的开环增益的变化而自动调整，这就要求控制器具有自动调整增益的能力。在图1所示的常规ff（前馈）型二自由度pid控制中，若其主控制器用神经元pid实现，而且神经元的比例系数k能根据误差的大小进行在线自调整。这样就可以构成了增益自调整的神经元二自由度pid控制。常规ff（前馈）型二自由度pid和增益自调整的神经元二自由度pid控制系统的结构图分别为图1和图2所示。　　

图2中，前馈补偿器h（s）＝－（a＋bs）。若与图1的ff型二自由度pid控制系统的结构对应，则a－kpα，b－kpβtd。主控制器中神经元的比例系数k能在线自适应调整以适应对象开环增益的变化，提高系统的鲁棒性和自适应性。神经元的比例系数k满足下列关系：

这样，增益自调整的神经元二自由度pid控制算法可以归纳如下：

h（s）的作用是去除超调，使跟踪给定的特性达到理想的要求，其中a、b的值可以根据对象仿真的结果现场整定。若a增大，则系统的响应速度将变慢；若a减小，则系统的响应将加快。但会出现超调。只有当给定值发生变化时，b的取值才影响系统跟踪给定的速度及系统响应的超调情况，否则就不起作用。选取适当的a、b值可以使系统跟踪给定的速度快，而且无超调。

2　仿真结果
　　利用matlab／simulink仿真软件对上面所提的增益自调整的神经元二自由度pid控制方法在某生产耐火材料的燧道式炉中的应用进行仿真研究。某生产耐火材料的燧道式炉的传递函数为e－3s（见参考文献1）。选取c＝0．05，l＝0．05，k（0）＝12，tv（0）＝3，a＝3，b＝1．6，ηp＝4100，ηi＝180，ηd＝800。仿真结果如下（给定值设定为5）：
（1）90秒时刻加扰动值2

（2）对象开环增益k＝1．6

（3）对象时间参数t＝68

3　结束语

从上面的仿真研究，表明燧道式炉增益自调整的神经元二自由度pid控制可以不需要为建立对象模型进行系统参数辨识，只要在线检测过程的期望输出值和实际输出以形成自适应控制律。该控制方法对具有不确定开环增益的对象具有很强的鲁棒性制与一自由度pid控制比较，它可以实现跟踪给定和抑制扰动双最佳。它与常规的二自由度pid控制比较，由于k值的自调整及权值的自学习，使其具有自适应控制能力。因此这种控制方法在工业中具有广阔的应用前景。