（控制理论与控制工程专业论文）智能控制算法在恒张力控制系统的应用研究.pdf

主席： 委员： 郄c 棠秀 ) 巧、仫 c 袭舷磷务维 镜。哆脖磊t l 瑶 勘之悚毗李毛。) 伽匙 靠杉饬棘y 吵只李 引倒乙 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究 成果。据我所知，除了文中特别加以标志和致谢的地方外，论文中不包含其他人已经 发表或撰写过的研究成果，也不包含为获得金目墨工业太堂或其他教育机构的学 位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文 中作了明确的说明并表示谢意。 学位论文作者签字：乡万 影寺1 签字日期：沙年月乒日 学位论文版权使用授权书 本学位论文作者完全了解金世王些太堂有关保留、使用学位论文的规定，有 权保留并向囡家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅或借阅。 本人授权 金魍工业太堂可以将学位论文的全部或部分论文内容编入有关数据库 进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文者签名：万 诱叫 导师签名： 签字日期：矽l j 年印月，弘日 签字f = 1 期：少，1 年月， 茎嚣差差，瑟嚣茬亳妻赫铤撕彩司电话：，鲈励锣口弓工作单位：启同配伍、屯子剿嘬j 城胎司电话：j 歹岁一矽p 7 ) 通讯地址： 尾目嘲万孑或隐迫青工寥匦 邮编： ) 名乒口口p 水平较高的 产中自动化 要求也越来 求，一些新 的控制思想和控制方法被引入到恒张力控制系统中，成为目前提高恒张力控制 系统精度的有效途径。 本文以腈纶纺丝生产线的恒张力控制系统为研究对象，对恒张力控制系统 进行分析并建立数学模型，在传统p i d 控制器的基础上，引入模糊控制理论和神 经网络控制理论，结合模糊p i d 和神经网络p i d 控制器的优点，设计出自适应模 糊神经网络p i d 控制器，仿真结果表明，自适应模糊神经网络p i d 控制器较传统 p i d 控制器具有更好的动静态特性、响应速度快、控制输出稳定、抗干扰能力强、 鲁棒性好且设计方法简单，为算法的实际应用奠定了坚实的基础。 关键词：恒张力控制系统；p i d 控制器；模糊控制；神经网络控制；自适应模糊 神经网络p i d 控制器 mo n g ，d y e i n g ， t sc o n t r o l u t o m a t i o n l e v e lr a i s i n gi nt h ei n d u s t r i a lp r o d u c t i o n ，c o n t r o lo b je c t sb e c o m em o r ea n dm o r e c o m p l i c a t e d ，c o n s t a n tt e n s i o nc o n t r o ls y s t e mf o rt h ec o n t r o la c c u r a c yr e q u i r e m e n t i sh i g h e ra n dh i g h e r ，t h et r a d i t i o n a lc o n t r o la l g o r i t h mb a s e do nt h ec o n t r o l l e d o b j e c tm o d e lc a nn o tm e e tt h er e q u i r e m e n t so fm o d e r nc o n t r 0 1 s o m en e wi d e a s a n dm e t h o d sw e r ei n t r o d u c e di n t ot h ec o n s t a n tt e n s i o nc o n t r o ls y s t e m ，b e c o m et h e e f f e c t i v ew a yo ft h ec o n s t a n tt e n s i o nc o n t r o ls y s t e mt oi m p r o v et h ea c c u r a c y i nt h i sp a p e r ，a c r y l i cf i b e rp r o d u c t i o nl i n ec o n s t a n tt e n s i o nc o n t r o ls y s t e ma s t h er e s e a r c ho b j e c t ，a n a l y s i sc o n s t a n tt e n s i o nc o n t r o ls y s t e ma n dt oe s t a b l i s ht h e m a t h e m a t i c a lm o d e l b a s e do nt h et r a d i t i o n a lp i dc o n t r o l l e r ，f u z z yc o n t r o lt h e o r y a n dn e u r a ln e t w o r kc o n t r o lt h e o r yw e r ei n t r o d u c e d ，c o m b i n i n gt h ea d v a n t a g e so f t h ef u z z yp i da n dt h en e u r a ln e t w o r kp i dc o n t r o l l e r ，t h ea d a p t i v ef u z z yn e u r a l n e t w o r kp i dc o n t r o l l e rw a sd e s i g n e d a n dt h r o u g hs i m u l a t i o nv e r i f i e dt h e s u p e r i o r i t yo ft h ec o n t r o la l g o r i t h m t h er e s u l to fs i m u l a t i o ne x p e r i m e n ts h o w st h e a d a p t i v ef u z z yn e u r a ln e t w o r kp i dc o n t r o l l e ri ss u p e r i o rt ot h et r a d i t i o n a lp i d c o n t r o l l e r i tw o r k sw e l lw i t hh i g hd y n a m i ca n ds t a t i cp e r f o r m a n c e ，b e c a u s eo fi t s a d v a n t a g e ss u c ha sq u i c kr e s p o n s e ，s t e a d yo u t p u t ，e f f e c t i v ea n t i - i n t e r f e r e n c ea n d g o o dr o b u s t n e s s t h ed e s i g ni ss os i m p l et h a ti tc a n b ea p p l i e dt op r a c t i c e k e yw o r d s ：c o n s t a n tt e n s i o ns y s t e m ；p i dc o n t r o l l e r ；f u z z yc o n t r o l ；n e u r a l n e t w o r kc o n t r o l ；a d a p t i v ef u z z yn e u r a ln e t w o r kp i dc o n t r o l l e r 学术上的指点和教导。葛老师学识渊博、言谈幽默、处世豁达，特别是严谨的 治学精神，精益求精的工作作风，深深地感染和激励着我，得此良师，足慰平 生。 同时感谢实验室的于敏华、孙德亮、任磊、卫胤强、袁业剑、杨旭伟、张 亚东、杨飞等同学的帮助，和他们进行交流和讨论问题，让我对一些问题的理 解更加深刻，受益非浅，同时也增进了我们之间的友谊。 最后，特别感谢多年来为我无私付出，一直信任我和鼓励我的父母与亲人， 是他们无私的爱一直激励着我不断前进。 作者：方唐利 2 0 1 1 年3 月 录 1 1 1 ：2 ：! 3 2 1 腈纶纺丝生产线概况3 2 2 腈纶纺丝生产线工艺流程3 2 3 控制系统概况4 2 4 恒张力控制系统基本结构5 2 5 恒张力控制系统数学模型6 第三章自适应模糊神经网络p i d 控制器的设计8 3 1 模糊p i d 控制器8 3 1 1 模糊控制系统的基本结构8 3 1 2 模糊控制器8 3 1 3 模糊p i d 控制器结构9 3 2 神经网络p i d 控制器1 0 3 2 1 神经网络的结构1 0 3 2 2 神经网络控制结构1 1 3 2 3 基于b p 神经网络的p i d 参数自镇定方案1 3 3 3 自适应模糊神经网络p i d 控制器的设计1 3 3 3 1 模糊神经网络结构1 3 3 3 2 自适应模糊神经网络p i d 控制器的结构1 4 3 3 3b p 学习算法1 4 第四章仿真及性能分析1 7 4 1 仿真软件介绍1 7 4 2 控制效果仿真比较1 7 4 2 1 系统抗扰动仿真研究1 7 4 2 2 控制系统鲁棒性仿真研究2 8 第五章结论与展望3 5 5 1 总结3 5 5 2 展望3 5 参考文献3 7 图清单 图2 - 6 系统的传递函数框图7 图3 1 模糊控制系统的组成8 图3 2 模糊控制器的结构9 图3 3 模糊p i d 控制器结构图9 图3 - 4 前馈神经网络结构图1 0 图3 - 5 反馈神经网络结构图l l 图3 - 6 神经网络监督控制1 1 图3 - 7 神经网络直接逆控制1 1 图3 - 8 神经网络自校正控制1 2 图3 - 9 神经网络模型参考自适应控制1 2 图3 - 1 0 神经网络预测控制12 图3 - 1lb p 神经网络p i d 控制器结构图1 3 图3 - 1 2 模糊神经网络结构示意图1 4 图3 - 1 3 自适应模糊神经网络p i d 控制器结构。1 4 图4 - 1 模糊推理系统编辑器图形界面1 8 图4 - 2 隶属度函数编辑器1 8 图4 3 模糊规则编辑器1 8 图4 - 4 在模糊p i d 控制下k 。( ，) = l o o m m i n 时8 控制效果图1 9 图4 - 5 在模糊p i d 控制下k 。( f ) 突增、突减时0 控制效果图1 9 图4 - 6 在模糊p i d 控制下k 。( ，) 匀加、匀减时口控制效果图2 0 图4 - 7 神经网络编辑器窗口2 1 图4 - 8 在神经网络p i d 控制下k ，( f ) = l o o m r a i n 时0 控制效果图2 1 图4 - 9 在神经网络p i d 控制下k 。( f ) 突增、突减时p 控制效果图2 2 图4 - 1 0 在神经网络p i d 控制下k 。( ，) 匀加、匀减时0 控制效果图2 2 图4 1 la n f is 的图形窗口界面2 3 图4 - 1 2 加载数据的a n f is 的图形窗口界面2 3 图4 - 1 3 模糊推理系统对话框2 4 图4 1 4a n f is 的训练后的图形界面2 4 图4 一1 5a n f is 的神经网络结构2 5 4 4 5 5 6 图4 16 在自适应模糊神经网络p i d 控制下( f ) = l l x i m n i n 时口控制效果图2 5 图4 1 7 在自适应模糊神经网络p i d 控制下k 。( f ) 突增、突减时矽控制效果图2 6 图4 一1 8 在自适应模糊神经网络p i d 控制下k 。( f ) 匀加、匀减时0 控制效果图2 6 图4 - 1 9k 。( f ) = 1 0 0 m m i n 时0 控制效果比较图2 7 图4 - 2 0k 。( f ) 突增、突减时0 控制效果比较图2 7 图4 2 1k 。( ，) 匀加、匀减时0 控制效果比较图2 8 图4 2 2t = 1 时数字p i d 控制下的仿真比较图2 9 图4 2 3t - - 1 时模糊p i d 控制下的仿真比较图2 9 图4 - 2 4 , - = l 时神经网络p i d 控制下的仿真比较图3 0 图4 2 5 丁= 1 时自适应模糊神经网络p i d 控制下的仿真比较图3 0 图4 2 6t - - 1 时各控制器仿真效果比较图3 1 图4 2 7r = 1 、= 0 0 4 3 时数字p i d 控制下的仿真比较图3 2 图4 - 2 8t = 1 、= 0 0 4 3 时模糊p i d 控制下的仿真比较图3 2 图4 - 2 9t = 1 、= 0 0 4 3 时神经网络p i d 控制下的仿真比较图3 3 图4 3 0 , - = 1 、k 。= 0 0 4 3 时自适应模糊神经网络p i d 控制下的仿真比较图3 3 图4 - 3 1t = 1 、妊= 0 0 4 3 时各控制器仿真效果比较图3 4 较高的 。如在 纺丝生产线中，由于工艺的要求，某些环节必须保持恒定的张力，张力过大会 使丝的直径过细，不能满足质量要求，甚至可能会出现断丝现象，严重影响生 产；张力过小，会使丝的直径过粗，影响再加工，达不到质量要求。因此保持 这些环节的恒定张力，对提高产品的质量有着重要意义。本文以恒张力控制系 统为研究对象，以提高恒张力控制系统的控制精度为目的，着重研究了智能控 制算法在恒张力控制系统的应用，有着重要的理论和现实意义，为算法的实际 应用奠定了基础。 1 2 发展概况 恒张力控制系统的发展主要经历了三个阶段，即机械式、电控式和计算机 式。机械式恒张力控制系统是通过机械结构来实现恒张力控制的，其特点是结 构简单，易制造，但控制精度一般比较低；电控式恒张力控制系统是由电子元 件组成的模拟电子控制系统，通常通过传感器实时监测张力，然后再反馈到控 制器，控制能力比较强，控制精度也有所提高，但是由于外界干扰对模拟电路 的影响，使系统的稳定性和可靠性大大降低；计算机式恒张力控制系统采用计 算机和数字电路控制器，拥有传统控制器无法比拟的优点，具有控制系统简单、 可靠性高、控制精度好等特点，。 随着计算机控制技术的发展以及现代控制理论的发展，一些智能控制算法 也陆续的应用到恒张力控制系统中，如文献 4 卜 7 将模糊控制理论应用到恒张 力控制系统，文献 8 一 9 将神经网络应用到恒张力控制系统，文献 1 0 - 1 1 将鲁棒和自适应控制算法分别应用到恒张力控制系统等。这些新的控制思想和 控制方法被引入到恒张力控制系统中，成为目前提高恒张力控制系统精度的有 效途径，也将是未来研究恒张力控制系统的重要方向。 如今国外的恒张力控制系统不仅对控制精度有严格的要求，而且拥有成熟 的人机界面，其功能也十分完善，如手动控制、自动控制、参数的保存和调用、 自诊断、模式选取、多种通讯接口等。国外先进的恒张力控制系统大多是系列 产品，拥有多种控制方案供用户选择，可以实现各种工艺要求。早期国内的恒 张力控制系统控制精度不高，人机界面不成熟，可控性差，急需更新换代。改 革开放以来，我国加快了恒张力控制系统的研究步伐，经过几十年的努力，我 国的恒张力控制系统基本上达到了国外先进水平。从国内外恒张力控制系统的 发展现状来看，功能多样化、产品系列化是恒张力控制系统的发展趋势。 1 3 课题来源 安庆石化腈纶纺丝生产线采用高速纺丝工艺，其最高线速度为2 1 6 m m i n ， 整条生产线控制精度高，因此要求系统的各个环节必须严格按照预先设置的速 度比同步运转。但由于外扰等不确定因素的影响，会引起速度比的变化，从而 导致丝束的拉紧或松弛，不能满足工艺要求的张力控制，甚至可能会出现缠辊 现象，导致生产事故的发生，严重影响了产品的质量和生产线的安全、稳定运 行。为了满足工艺要求，保证产品质量，因此要求腈纶纺丝生产线的一些工序 中保持恒定的张力。本文从实际出发，以腈纶纺丝生产线的恒张力控制系统为 研究对象，着重研究了智能控制算法在恒张力控制系统的应用。 1 4 主要工作 大量查阅了国内外恒张力控制系统的技术资料，在分析、研究和比较的基 础上，分别将模糊控制理论和神经网络控制理论应用于传统p i d 控制器，并通 过进一步的分析研究，结合模糊p i d 控制器和神经网络p i d 控制器的优点，设 计出具有抗干扰能力强、动静态特性好、输出稳定等优点的自适应模糊神经网 络p i d 控制器，并进行了仿真研究，为算法的实际应用奠定了理论基础。 主要工作如下： ( 1 ) 生产1 ：艺的了解。通过对腈纶纺丝生产线工艺的解析，了解恒张力控 制系统在生产线中的作用，了解其结构、控制特点和控制难点等。 ( 2 ) 建立恒张力控制系统的数学模型。通过深入研究，并查阅大量文献， 根据恒张力控制系统结构，详细分析了恒张力控制系统中各部件的数学模型， 最终推导出本控制系统的数学模型。 ( 3 ) 控制器的设计。在传统p i d 控制器的基础上，引入模糊控制理论和神 经网络控制理论，并结合了模糊p i d 控制器和神经网络p i d 控制器的优点，设 计出自适应模糊神经网络p i d 控制器。 ( 4 ) 仿真研究。利用m a t l a b 仿真工具，对常规p i d 、模糊p i d 、神经网络 p i d 和自适应模糊神经网络p i d 进行仿真比较，结果表明自适应模糊神经网络 p i d 控制器性能最优，不仅调节时间短，系统响应速度快，抗干扰能力强，而 且具有良好的鲁棒性和很强自适应功能。 2 系统的数学模型 、色泽鲜艳，价格又只有羊毛的五分 六十年代末我国实现了腈纶的工业化 生产，到八、九十年代才逐步进入高速发展时期，相比世界腈纶的工业化发展 大约落后二十年。随着科学技术的发展和人民生活水平的提高，特别是我国加 入世界贸易组织以后，我国的腈纶产业面临着新的冲击和挑战。美国，德国， 日本等国家投入大量的资金和技术，研发新型、高效、高技术水平的腈纶装置 控制系统，产品质量高，品种丰富多样，竞争力强。而我国腈纶产品还大多为 常规产品，质量档次低，品种单一，缺乏竞争力。因此发展科学技术水平，优 化产业结构，提高产品质量，降低生产成本，已经成为我国腈纶产业发展的当 务之急。 腈纶产业是我国长期重点发展产业之一。目前我国的腈纶纤维仍存在着较 大缺口，2 0 0 0 年我国的腈纶需求量约为9 0 万吨，而实际产量仅为4 7 万吨，5 0 左右需要依靠进口。为了满足经济发展的需要，促进国民经济的快速发展，我 国自1 9 8 0 年丌始，先后从国外发达国家引进了十余套先进的腈纶装置，有效地 缓解了国内市场划腈纶的需求。 如今科学技术突飞猛进，特别是计算机技术的发展，使腈纶装置控制系统 的智能化水平越来越高，原有的系统已经不能满足经济发展的需要，无法适应 日益激烈的市场竞争。因此，对原腈纶纺丝控制系统进行改造就成为目前迫在 眉睫的任务。 2 2 腈纶纺丝生产线工艺流程 目前国内外有多种腈纶生产工艺路线，但采用最多的是以硫氰酸钠( n a s c n ) 为溶剂的一步法、二步法，和以二甲基甲酰胺( d m f ) 、二甲基乙酰胺( d m a c ) 为溶 剂的有机湿法和干法路线。从工艺特点、对环境的影响、生产成本、产品质量 等方面综合对比，硫氰酸钠二步法工艺最优。 安庆石化腈纶纺丝装置是从美国氰胺公司( 现为斯坦林公司) 引进的，共 有6 条纺丝线。l 号到5 号生产线于1 9 9 5 年8 月建成并投产，年产能力5 万吨， 在原5 条生产线的基础上于19 9 9 年1 0 月扩建了第6 条生产线，年产能力1 5 万吨。该腈纶纺丝装置采用以硫氰酸钠( n a s c n ) 为溶剂的二步湿法，具有纺丝速 度高、二次热水牵伸等工艺特点。安庆石化腈纶纺丝生产线按工艺可以分为前 纺和后纺两个工段，前纺从f 1 到f 1 5 ，包括纺丝成型( f 1 、f 2 ) 、溶剂牵伸( f 4 、 f 5 ) 、水洗( f 6 f 10 ) 、热牵伸( f 1 2 、f 13 ) 、干燥致密化( f 1 4 、f 1 5 ) 等工 序；后纺从f 16 到f 2 0 ，包括蒸汽定型( f 1 6 、f 17 ) 、再牵伸( f 1 8 、f 1 9 ) 、调 1 9 9 5 年8 月建成并投产的l 号到5 号腈纶纺丝生产线和1 9 9 9 年1 0 月扩 建的第6 条生产线主要由美国氰胺公司提供，这6 条生产线具有变频调速、联 锁控制等功能，电气控制系统由日本安川公司设计并提供设备。 原腈纶纺丝装置的电气控制系统共有7 条线，其中6 条生产线，l 条备用 线，全部采用安川公司的c p 一3 3 0 0 控制器，控制器之间通过f a b u s 通讯总线进 行通信，每个控制器控制1 7 台6 1 6 h 3 变频器，变频器与控制器之间通过c p - 2 1 3 f a 通讯总线进行通信，可以实现故障时启动相应的备用变频器的功能，原系统 结构如图2 2 。 f a b u s 图2 2 原控制系统结构图 原控制系统为同本安川公司研发的控制系统，软、硬件设备皆为安川提供， 通讯协议为非公开协议，。所以整个控制系统开放性差，且不能和其它厂家产品 兼容。再加上设备的老化，故障率高，维修、更换设备完全依靠安川公司，费 用较高。 针对以上情况，需要设计一套丌放性好，可靠性高，且有良好扩容性的控 制系统来代替原控制系统。因此本次改造选用开放的p r o f i b u s 现场总线为通讯 协议n 羽n 驯；可编程控制器选用西门子公司的s 7 3 0 0 系列p l c ，变频器选用 e m e r s o n 公司的t d 3 0 0 0 系列的变频器n 们n 引；同时还增加了上位机，采用w i n c c 监控系统“引。新的控制系统具有开放性高、稳定性好、扩展性和兼容性好等优 4 图2 - 3 改造后的控制系统结构| 玺i 后的控制系统结 改造后的控制系统监控级采用m p i 作为通信网络，上位工控机p c 和p l c 控制站构成了m p i 的网络节点，在该系统中，p c 与p l c 之间信息交换的特点是 数据报文通常都比较长，信息交换量比现场总线大，而实时性要求不高n ；现 场级采用p r o f ib u s - d p 现场总线通讯协议，p r o f i b u s - d p 现场总线是一种高速 的设备级网络，主要用于中央控制单元与分散的i 0 之间的通信n 引。同时，备 用p l c 控制站作为7 # p r o f i b u s - d p 的主站，备用线变频器f 1 f 2 0 和2 # 一6 # 线 的p l c 控制站作为7 # p r o f i b u s - d p 的从站：而2 # - 6 # 线的p l c 控制站又作为各 自p r o f i b u s - d p 的主站，2 # - 6 # 线e t 2 0 0 m 分布式i o 和变频器f 1 f 2 0 作为各 自p r o f i b u s d p 的从站。 2 4 恒张力控制系统基本结构 在安庆石化腈纶纺丝生产线中，为了满足工艺要求的张力控制指标，保证 产品质量，某些工序必须保持恒定的张力。图2 4 为安庆石化腈纶纺丝生产线 在f 1 9 和f 2 0 之i h j 设置的张力辊结构示意图。 图2 - 4 恒张力控制系统结构图 图2 - 5 恒张力控制系统结构框图 2 5 恒张力控制系统数学模型们埘1 自整角机和电压变送器可以等效为一个比例环节。 由于变频器采用v f 控制方式，输出电压u 与频率给定信号成正比，可以 将其等效为一阶惯性环节 g i n v ( 沪鲁 ( 2 1 ) 式中为变频器的放大倍数，丁为变频器的时间常数。 三相异步电动机在忽略电动机励磁电流，以及忽略频率和转速对电压控制 的影响，并认为磁通在动态过程中保持不变的前提下，f 2 0 异步电动机的传递 函数可以等效为 g 2 小) = 击 ( 2 2 ) 由图2 - 4 可知，f 1 9 ，f 2 0 辊子以及自整角机t 的位置是固定不变的，张力 发生变化时会引起浮动辊r 的变化，运行轨迹为一条弧线，浮动辊r 的变化又 会产生角度偏差信号秒，因为护的变化范围很小，所以可以近似认为浮动辊尺的 运行轨迹为直线，又因为可以近似认为= a 2 = 口，所以可得张力辊的动态方 程为 1 办= ，秒= 0 0 6 呸一m 9 0 0 s q ) 2 = 去一m 9 ) c o s a ( 2 3 ) 其传递函数为 6 图2 - 6 系统的传递函数框图 7 要 按 能 第三章自适应模糊神经网络p i d 控制器的设计 3 1 模糊p i d 控制器 模糊控制理论经过短短几十年的发展，已经取得了丰硕的成果。尤其是随 着模糊控制理论成功应用于自动控制领域，越来越多的学者开始研究其控制理 论和控制方法。目前，模糊控制理论已经成功应用于工业过程控制、机器人、 交通运输等方面。在现代工业过程控制中，所面临的通常是高度非线性、时变、 含有扰动等不确定因素的复杂非线性系统，由于实际被控过程的复杂性，采用 常规p i d 控制器往往很难达到满意的控制效果心列。一些新的控制方法和控制思 想已经被用来调节和改进p i d 控制器的设计，文献 2 3 卜 2 6 将模糊控制理论应 用到p i d 参数整定中，模糊控制是一种仿人思维的控制技术，它不依赖于被控 过程的数学模型。 3 1 1 模糊控制系统的基本结构 模糊控制理论与传统的基于被控对象数学模型的控制理论有很大的区别， 它是基于专家系统、模糊集理论和控制理论的成果而诞生的。模糊控制是以模 糊集合论、模糊语言变量、模糊逻辑推理为基础的一种计算机控制。模糊控制 系统由模糊控制器和控制对象组成，如图3 - 1 。 ? 一一一一一一一一一一一一一一一一一一一一一一一一1 图3 1 模糊控制系统的组成 3 1 2 模糊控制器 由图3 - 1 可知，模糊控制器主要包括模糊化、知识库、模糊推理、清晰化 四个部分。模糊化在模糊控制器中起到将输入的精确量转化成模糊量的作用； 知识库通常由数据库和模糊控制规则库组成，包含了具体应用领域中的知识和 要求的控制目标：模糊控制器的核心是模糊推理，模糊推理具有模拟人的基于 模糊概念的推理能力；清晰化的作用是将模糊推理得到的模糊量转换为可以实 际应用于控制的清晰量控。 根据模糊控制器输入量的个数，可以将模糊控制器分为一维模糊控制器、 二维模糊控制器等，如图3 2 。理论上模糊控制器的维数越高控制精度越高， 8 但是维数越高，模糊规则i 被广泛使用的_ 维模糊控 e 一 模糊控制器 ( a ) 一维模糊控锭 ，控制算法就越难实现。因此，这里选用目前 悱 模糊控制器 ( b ) 二维模糊控制器 ( c ) 三维模糊控制器 图3 2 模糊控制器的结构 3 1 3 模糊p i d 控制器结构 模糊p i d 控制器的设计思想是先找出p i d 三个参数与误差e 、误差变化之 间的模糊关系，在运行中通过不断检测e 和a e ，再根据模糊控制原理来对p i d 三个参数进行在线修改，以满足在不同e 和a e 时对控制器参数的不同要求船引， 从而使被控对象具有良好的动、静态性能。 在总结工程设计人员的技术知识和实际操作经验的基础上，建立合适的模 糊控制规则表，根据如下方法进行三个参数的修正。 k p = k p + 必p k l = k l + 馘l k d = k d j + kd 式中廓、k ，、为p i d _ 三个参数的取值，砗、局、k d 为参数的初始值， 缉、战、战，为在线修正的修正值。 为了满足在不同误差e 和误差变化a e 对p i d 参数的要求，利用模糊控制 规则在线对p i d 参数进行修改，便构成了模糊p i d 控制器，其控制系统结构如 图3 - 3 。 图3 - 3 模糊p i d 控制器结构图 9 3 2 神经网络p i d 控制器 人工神经网络是由大量神经元构成的非线性系统，它可以用来模拟脑神经 系统的结构和功能，因此具有自学习、记忆和计算等智能化功能。美国心理学 家w m c c u l l o c h 和数学家w p i t t s 于1 9 4 3 年在分析和总结神经元基本特性的基 础上，首先提出了神经元的数学模型，即m p 模型，从此开创了对神经网络理论 研究的时代引；l9 4 9 年，心理学家d 0 h e b b 提出现在多数学习机仍遵循的h e b b 学习规则引；i9 5 8 年，f r o s e n b l a t t 首次提出并设计了著名的感知器，第一 次从理论研究转入过程实现阶段，从此人工神经网络的研究进入了高潮1 。如 今，随着科学技术的同新月异，人工神经网络作为动态系统辨识、建模和控制 的一种新颖而有效的控制方法，在世界范围内再次掀起了研究神经网络的高潮。 3 2 1 神经网络的结构。堙1 人工神经例络主要是从生理结构和功能两个方面来模拟生物神经网络。从 功能上看，人工神经网络根据连接方式主要分为两类： ( 1 ) 前馈型网络 前馈神经j 删络是神经网络体系中一种典型结构，网络中各个神经元接受前 一级的输入，然后输出到下一级，网络中没有反馈，如图3 - 4 。典型的前馈型 网络主要有感知器网络、b p 网络等。 输入层隐含层输出层 图3 - 4 前馈神经网络结构图 ( 2 ) 反馈型网络 反馈神经网络又称递归网络或回归网络，是一种动态网路，主要用于联想 记忆和优化计算。反馈神经网络中所有节点都是计算单元，可以接受输入，也 可以向外界输出，如图3 5 。典型的反馈型网络主要有h o p f i e l d 网络、b o l t z m a n n 机网络等。 l o 3 2 2 神经网络控制结构口钉 典型的神经网络控制结构主要包括：神经网络监督控制、神经网络自适应 控制、神经网络预测控制等。对这些控制方案的研究，成为设计神经网络控制 方法的基础。 ( 1 ) 神经| ) 6 | l 络监督控制 神经网络控制器通过对传统控制器进行学习，从而逐渐取代传统控制器的 方法称为神经网络监督控制。图3 - 6 为神经网络监督控制的结构图。神经网络 控制器通过对传统控制器的输出进行学习，在线调整神经网络权值，从而使神 经网络控制器逐渐取代传统控制器，在控制作用中占据主导作用。 图3 - 6 神经网络监督控制 ( 2 ) 神经网络直接逆控制 直接将被控对象与被控对象的神经网络逆模型串联起来，使期望输出与受 控对象实际输出的传递函数为1 ，这种控制方法称为神经网络直接逆控制。显 然，逆模型的精确程度决定了神经网络直接逆控制的可用性。图3 - 7 为神经网 络直接逆控制的结构图，神经网络通过评价函数进行学习，从而实现对象的直 接逆控制。 图3 7 神经网络直接逆控制 ( 3 ) 神经网络自适应控制 神经网络白适应控制也和传统的自适应控制相同，分为神经网络自校正控 制和神经网路模型参考自适应控制。自校正控制是根据被控对象的正向模型或 者逆向模型的结果，从而调整控制器的参数，以满足系统的性能指标。而模型 参考自适应控制是用一个稳定的参考模型来描述闭环控制系统的期望性能。图 3 8 、3 - 9 分别为神经网络自校正控制和神经网络模型参考自适应控制结构图。 图3 - 8 神经网络自校正控制 图3 - 9 神经网络模型参考自适应控制 ( 4 ) 神经网络预测控制 预测控制又称基于模型的控制，是2 0 世纪7 0 年代后期发展起来的，是一 类新型计算机控制方法。神经网络预测控制结构如图3 - 11 ，其中神经网络预测 器的作用是建立被控对象的预测模型，并可根据被控对象的变化在线进行学习 修正。 图3 1 0 神经网络预测控制 1 2 3 2 3 基于b p 神经网络的p i d 参数自镇定方案 在现代工业过程控制中，所面临的被控对象常是解析模型未知或部分未知， 又或是时变、含有扰动等不确定因素的复杂非线性系统，使得常规p i d 控制器 往往很难达到满意的控制效果。p i d 控制器就必须从变化无穷的非线性组合中 找出最佳的控制参数，通过调整好比例、积分和微分三个参数取得比较好的控 制效果。神经网络具有很强的非线性逼近能力，不依赖被控对象的模型，可以 解决模型未知、复杂的非线性、时变等环境中的控制问题，具有良好的动静态 特性，且鲁棒性强、稳定性好。 本文选择b p 神经网络在线调整p i d 参数，b p 神经网络具有很强的逼近任 意非线性函数的能力，且结构简单，算法易实现。图3 - 1 2 为b p 神经网络p i d 控制器结构图。b p 神经网络p i d 控制器主要包括两个部分：1 ) 传统数字p i d 控制器，直接对被控对象进行闭环控制；2 ) b p 神经网络，通过b p 学习算法自 适应调整神经网络的权值，从而在线调整p i d 参数，使p i d 控制器始终保持最 优控制。 图3 - 1 1b p 神经网络p i d 控制器结构图 3 3 自适应模糊神经网络p i d 控制器的设计 模糊控制是一种仿人思维的控制技术，它不依赖被控对象的数学模型。但 是它需要利用专家的先验知识进行近似推理，缺乏在线自学习或自调整的能力 钔。因此自动生成、调整隶属度函数或调整模糊规则，往往成为模糊控制的难 题。而神经网络对环境的变化有极强的自学习能力，在建模方面具有黑箱学习 模式的特点。州。然而在学习完成后，从输入、输出数据得出的关系却无法用人 们易于接受的方式表达出来。将模糊理论表达知识的能力和神经网络的自学习 能力结合起来，构造出模糊神经网络，可提高整个系统对知识的学习和表达能 力。 3 3 1 模糊神经网络结构心7 3 图3 1 3 为模糊神经网络结构示意图，它采用多层前向神经网络。第一层为 网络的输入层，起到将输入值转送到下一层的作用；第二层完成模糊化任务， 把输入的数值量转换成模糊量，即属于某个模糊子集的隶属度，这里采用高斯 函数为隶属度函数：第三层、第四层共同完成模糊推理过程。第五层完成清晰 输出控制量。 第一层第二层第三层第四层第五层 图3 一1 2 模糊神经网络结构示意图 y i 3 3 2 自适应模糊神经网络p i d 控制器的结构 为了满足在不同误差e 和误差变化a e 对p i d 参数的要求，利用自适应模糊 神经网络在线对p i d 参数进行修改，便构成了自适应模糊神经网络p i d 控制器， 其控制系统结构如图3 1 4 。 图3 - 1 3 白适应模糊神经网络p i d 控制器结构 在各输入量的模糊分割数确定的情况下，自适应模糊神经网络p i d 控制器通 过b p 学习算法可以对第五层的连接权w ，以及第二层的隶属度的中心值白和 宽度。打进行学习、调整，实现对p i d 三个参数的在线修改，以满足在不同p 和 a e 时对控制器参数的不同要求，从而使被控对象具有良好的动、静态性能。 所以该控制器是一类在线自适应p i d 控制器。这种自适应能力是通过一定的学习 规则进行的，而学习规则可以通过学习算法实现，因此自适应模糊神经网路p i d 控制器的性能取决于学习算法的收敛性和自学习能力。 3 3 3b p 学习算法 b p 学习算法的基本思想是最小二乘学习算法，或称l m s ( l e a s tm e a n s q u a r e s ) 算法，是基于梯度搜索的最小均方差算法。为了获得网络实际输入和 期望输出之间均方差最小，网络的学习过程是将误差从上层向下层边传播边修 1 4 络各层神经 ( 3 - 1 ) ( j = 1 ，2 ，m )( 3 - 3 ) 第四层：4 ) = x ；3 ) 善。3 ) = 口善q ，= 乃= g y = 刀4 ) ( j = l ，2 ，m )( 3 - 4 ) 第五层：彳) _ x ( j 4 = 弓，墨5 km = 彰5 ) _ z 5 设误差的代价函数为 e = i 荟r ( y 讲一y ，) 2 ( i = 1 ，2 ，r ) ( 3 - 5 ) ( 3 - 6 ) 其中虼和咒分别表示期望输出和实际输出。下面用误差反传算法来计算善堡， 伽i i 罢和万a e _ ，然后利用阶梯度寻优法来调节嘞，c u 呀。首先计算o c u o g q i 进而求得 由 8 1 5 = 玎a e ? 再= 一瓦a e = y d i y i 筹：蔫警：一辞s ，矽) - - ( 虼训弓 一= 一= 一， y = 一1 ，一1 ，- 爿 a w j 影5 1a w q y4 j u m ( 3 - 7 ) ( 3 - 8 ) o f , 船：4 船；4 彬4 o f , 4 c 3 9 ( j 3 硇：3 引3 聊3 船扩 强铲够j 2 筹o c = 蒂筹o c 一：2 劭l 等o c t = 劳筹0 0 一嘭2 ，朝孙 ， 最后可得出参数调整的学习算法为 ) 2 ( x f c ) ) 2 ( 薯 w 玎( k + 1 ) = w 玎( k ) 一 c ( k + 1 ) = c u ( k ) 一 仃玎( k + 1 ) = 盯( k ) 。_ 其中 0 为学习率。 仃； 一c u ) 2 仃； ae o w 耵 ae 8c i j ae ao u ( 3 - 9 ) ( 3 1 0 ) ( 3 11 ) ( 3 1 2 ) 1 9 6 7 年美国m a t hw o r k s 公司构思并开发了m a t l a b 软件，m a t l a b 是矩阵 实验室( m a t r i xl a b o r a t o r y ) 的简称，主要包括m a t l a b 和s i m u l i n k 两大部分。 它是集数值分析、矩阵运算、信号处理和图形显示与一体的跨平台的科学计算 环境。 随着计算机技术的迅猛发展，m a t l a b 软件的功能不断得到丰富和发展。在 m a t l a b 的发展过程中，一直将控制工程的应用作为该软件的主要功能之一。在 m a t l a b 中与控制工程有关的基础工具箱包括：控制系统工具箱、系统辨识工具 箱、模型预测工具箱、鲁棒控制工具箱、神经网络控制工具箱和模糊逻辑工具 箱。 4 2 控制效果仿真比较 安庆石化腈纶纺丝生产线恒张力控制系统，要求张力辊能尽快达到平衡位 置，转角秒应保持在水平位置( o o ) ，并且在速度变化时张力辊能尽量稳定在平 衡位置。异步电机的参数为：日= 7 5 k w ，= 3 8 0 v ，l = 15 a ，刀口= 2 ， j = 0 0 7 4 n m s 2 ，g = 2 8 6 n m a ，绕组的等效电阻r = 1 1 5 q ，等效电感 l = 4 5 m h 。f 19 辊子直径9 = 0 318 3 0 m ，减速比9 = 0 11 7 6 4 7 ；f 2 0 辊子直 径吃o = 0 19 3 0 4 m ，减速比l