展会信息港展会大全

神经网络PID实验平台在WinCC中的实现
来源:互联网   发布日期:2011-08-28 22:03:15   浏览:9784次  

导读:神经网络PID实验平台在WinCC中的实现...

 摘要:  分析了带死区的积分分离PID控制算法,在此基础上,将应用最广泛的PID控制器与具有自学习功能的神经网络相结合,提出了基于BP神经网络的PID控制算法。并利用WinCC的全局脚本编辑器,将用户自行开发的神经网络控制算法嵌入WinCC中,开发了神经网络实验平台,然后通过WinCC与PLC之间的通讯,实现对被控实验对象的神经网络控制。关键词:带死区的积分分离PID;WinCC;实验平台; 神经网络的PID中图分类号: TP31 文献标识码: 文章编号:Abstract:   Analyzing of the dead-section and integral splitting PID algorithm, and melting the wide-used PID controller and the automatic learning nerve network, the paper got a PID control algorithm based on the BP network. The network algorithm is embedded in WinCC and a neural network lab table is explored by the globe scenarios editor in WinCC. The lab target is controlled by nerve network through the communication between the WinCC and PLC.Key words:   dead-section and integral splitting PID; WinCC; lab table; neural network PID1 前言  为了适应自动化及相关专业教学需要,加深学生对控制理论及控制工程的认识和理解,实验教学控制系统除采用常规PID及改进算法外,也可采用了自适应、预测模型、模糊专家系统、神经网络等智能控制算法。为了方便学生了解人工神经网络原理及特点,对神经网络模型、控制算法及应用技术有一个基本的认识,在以有的控制系统实验软件中嵌入了神经网络控制算法,开发神经网络实验平台,用以调节PID控制器的三个可调参数Kp,KI,KD。2带死区的积分分离PID 控制算法   带死区积分分离PID控制实验原理框图如图1所示。变送器检测得到被控对象的输出4~20mA的电流反馈信号输入PLC,由AI模块经A/D转换成数字信号yf(t)后。再与从上位机键盘输入的给定值yr(t)(从键盘输入)比较,得到偏差信号e(t)。PLC根据偏差信号e(t),执行带死区积分分离PID控制算法程序,计算出控制量,由AO模块经D/A转换成4~20mA的电流控制信号u(t),控制广义对象的输出y(t),使其跟踪给定值yr(t)。

图1


图1 带死区积分分离PID控制实验原理  在普通的PID数字控制器中引入积分环节的目的,主要是为了消除静差、提高精度。但在过程的启动、结束或大幅度增减设定值时,会造成PID运算的积分积累,致使算得的控制量超过执行机构可能最大的动作范围所对应的极限控制量,最终引起系统较大的超调,甚至引起系统的振荡,这是大多数工业生产过程所不允许的。为了避免上述情况发生,采用积分分离PID控制算法,既保持了积分作用,又可以减小超调量,使得控制性能有了较大的改善。其具体实现如下:(1) 根据实际情况,设定一阈值ε>0。(2) 当│e(k)│>ε时,也即偏差值│e(k)│比较大时,采用PD控制,可避免过大的超调,又使系统有较快的响应。(3) 当│e(k)│≤ε时,也即偏差值│e(k)│比较小时,采用PID控制,可保证系统的控制精度。  对于算法实现,可在积分项乘一个系数β,β按下式取值:


  将增量式PID算式写成积分分离形式即为


  当│e(k)│>ε时,即β=0,进行PD控制,PD控制算法为:


  当│e(k)│≤ε时,即β=1,进行PID控制,PID控制算法为:


  另外,实际系统要求机械装置运动到位后,控制作用不要频繁变动,以免机械磨损(或电子调节阀过热烧坏)。为了避免控制动作的过于频繁,消除频繁动作引起的振荡,只在累积偏差超出一定的范围后才作调整,可采用带死区的PID控制。相应的控制算式如下:


  式中,死区εo (εo>0)是一个可调的参数,其具体数字可根据实际控制对象确定。若εo值太小,使动作过于频繁,达不到稳定被控对象的目的;若εo值太大,则系统将产生较大的稳态误差,降低控制精度。此控制系统实际上是一个非线性系统,即当│e(k)│≤εo时,PID调节器控制量输出为零;当│e(k)│>εo,PID调节器由控制量输出。3基于BP神经网络的PID控制算法  对于经验不足的工程人员来说,要达到好的PID控制效果并不是很容易。这是因为常规PID控制的关键问题就是PID参数整定,且一旦整定计算好后,在整个控制过程中都是固定不变的,而实际过程中,由于系统参数发生变化,使系统很难达到最佳的控制效果。为了解决常规数字PID的不足,利用神经网络的自学习特性,修正PID控制器的控制参数。通过神经网络自身的学习,可以找到P
图2 神经网络PID控制原理框图  控制器由两部分组成:(1)常规PID控制器:直接对被控对象进行闭环控制,并且三个参数Kp,KI,KD可在线或离线整定;(2)BP神经网络NN:根据系统的运行状态,调节PID控制器的参数,以期达到某种性能指标的最优化。即使输出层神经元的输出状态对应于PID控制器的三个可调参数Kp,KI,KD,通过神经网络的自身学习、加权系数调整,从而使其稳定状态对应于某种最优控制下的PID控制器参数。  BP神经网络多变量学习算法由前向传播算法和反向传播算法两部分组成。设BP神经网络是一个3层BP网络,其结构如图3所示,输入层节点为3个,分  别为输入设定值yr、偏差信号e和偏差变化量ec;Q个隐含层节点;输出层节点为3个,分别为PID
图5 基于BP神经网络的PID控制6结论  带死区的积分分离PID控制算法在控制系统中应用简单,控制效果良好。但其参数整定对于经验不足的工程人员来说,一直是困扰他们的难题,由此神经网络PID将经典PID控制规律引入BP神经网络,使得控制器结构简单,原理明确,便于设计和实现。并在WinCC中嵌入神经网络控制算法,开发神经网络实验平台,提高了控制精度,减轻了实验人员的劳动强度,具有很好的理论应用价值。参考文献:[1] 詹月林.基于BP神经网络的PID参数自整定的船舶操纵控制器研究[J]. 船舶科学技术,2003,25(5):20-23.[2] 龚菲,王永骥.基于神经网络PID参数自整定与实时控制[J].华中科技大学学报(自然科学版),2002,30(10):69~71[3] 张帆,邵之江,仲卫涛,钱积新.基于神经网络的在线优化软件的设计与实现[J].机电工程,2000,17(2):59~62[4] 石红瑞,刘玺,刘勇,张小兵.二次开发WinCC嵌入模糊控制算法[J].石油化工自动化,2002,19(1):39~41[5] 刘金琨.先进PID控制及其MATLAB仿真[J].北京:电子工业出版社,2003[6] 陶永华.新型PID控制及其应用[M].北京:机械工业出版社,2002.第一作者简介:胡玉波(1982-),中南大学信息科学与工程学院控制理论与控制工程专业硕士研究生,研究方向为工业过程控制与智能控制算法。导师简介:喻寿益(1940-),中南大学信息科学与工程学院教授,研究方向为自适应控制理论及应用,复杂机电系统自动化,进化计算理论及应用等。

神经网络PID实验平台在WinCC中的实现

赞助本站

人工智能实验室

相关热词: 网络 实验 平台 WinCC 实现

AiLab云推荐
展开

热门栏目HotCates

Copyright © 2010-2024 AiLab Team. 人工智能实验室 版权所有    关于我们 | 联系我们 | 广告服务 | 公司动态 | 免责声明 | 隐私条款 | 工作机会 | 展会港