（检测技术与自动化装置专业论文）基于模糊神经网络的发电机pid励磁控制研究.pdf

基于模糊神经网络的发电机p i d 励磁控制研究 摘要 发电机励磁控制系统是电力系统的重要组成部分，它能够起 到保证电压质量，提高电力系统运行的稳定性等作用，因此励磁 控制对整个电力系统的运行具有决定性的意义。本文将模糊控制 和神经网络技术综合应用于发电机的非线性控制设计中，提出了 一种新的励磁控制方案。 论文在分析发电机励磁控制系统原理的基础上，推导并建立 了以状态方程表示的单机一无穷大电力系统的非线性数学模型， 重点把模糊控制与神经网络具体融合，建立了模糊r b f 神经网 络，并对所建网络采取行之有效的算法，实现了p i d 励磁调节器 的参数按模糊r b f 神经网络的控制决策在线自动调整的智能控 制。最后，对所设计的模糊r b f 神经网络p i d 励磁控制器进行了 大量的仿真测试，并与常规p i d 励磁控制器进行综合比较，结果 表明模糊r b f 神经网络p i d 励磁控制方式具有优良的动态品质和 控制效果，较强的鲁棒性和适应性，在系统扰动和故障情况下能 很好地维持发电机的运行特- 眭和稳定。性。 关键词：励磁控制模糊控制r b f 神经网络p i d r e s e a r c h0 fp ! de x c l t a l i o nc o n t r o l f o rg e n e r a t o r sb a s e do nf u z z y r b f n e u r a ln e t w o r k a b s t r a c t t h eg e n e r a t o re x c i t a t i o nc o n t r o ls y s t e mi st h ei m p o r t a n tp a r to ft h ep o w e rs y s t e m ， i tc a l le f f e c t i v e l yg u a r a n t e et h ev o l t a g eq u a l i t ya n di m p r o v et h er u ns t a b i l i t yo f t h ep o w e rs y s t e m ，e t c t h e r e f o r e ，e x c i t a t i o nc o n t r o lh a st h ed e c i s i v es i g n i f i c a n c et o t h er u n n i n go ft h ee n t i r ep o w e rs y s t e m an e wk i n d so fe x c i t a t i o nc o n t r o ls c h e m e i nw h i c ht h ef u z z yc o n t r o la n dn e u r a lt e c h n i q u ei si n t e g r a t e dt ot h ed e s i g no f t h eg e n e r a t o rn o n l i n e a rc o n t r o li sp r o p o s e di nt h i sd i s s e r t a t i o n b a s e do na n a l y s i so ft h et h e o r yo ft h eg e n e r a t o re x c i t a t i o nc o n t r o ls y s t e m ， o n em a c h i n e i n f i n i t yb u sp o w e r s y s t e mn o n l i n e a rm a t h e m a t i c a l m o d e l e x p r e s s e db ys t a t ee q u a t i o ni se s t a b l i s h e d t h e nf u z z yr b fn e u r a ln e t w o r ki s c o n s t r u c t e da n da ne f f e c t i v ea r i t h m e t i ci sd e v e l o p e da f t e rt h en e u r a ln e t w o r k a n df u z z yc o n t r o lt e c h n i q u ea r ei n o s c u l a t e d t h ei m p l e m e n t a t i o no fo n - l i n e a u t o m a t i ca d j u s t m e n to ft h ep i de x c i t a t i o nr e g u l a t o rp a r a m e t e ri sd o n e a c c o r d i n gt ot h ef u z z yr b fn e u r a ln e t w o r kc o n t r o ld e c i s i o n m a k i n g f i n a l l y ， ag r e a tm a n ys i m u l a t i o nt e s t sa r em a d ea n dac o m p a r i s o nt ot h ec o n v e n t i o n a l p i de x c i t a t i o nc o n t r o li sp e r f o r m e d t h es i m u l a t i o nr e s u l t ss h o wt h a tt h e f u z z yr b fn e u r a ln e t w o r ke x c i t a t i o n c o n t r o lh a st h ee x c e l l e n td y n a m i c q u a l i t ya n dc o n t r o le f f e c t ，s t r o n g e rr o b u s t n e s sa n da d a p t a b i l i t y ，a n dt h e r u n n i n g c h a r a c t e r i s t i c sa n ds t a b i l i t yc a nb em a i n t a i n e dw e l lu n d e rt h e s i t u a t i o n so fs y s t e md i s t u r b a n c ea n df a u l t k e y w o r d s ：e x c i t a t i o nc o n t r o l ；f u z z yc o n t r o l ；r b fn e u r a ln e t w o r k ；p i d i i 广西大学学位论文原创性声明和使用授权说明 原创性声明 本人声明：所呈交的学位论文是在导师指导下完成的，研究工作所取 得的成果和相关知识产权属广西大学所有，本人保证不以其它单位为第一 署名单位发表或使用本论文的研究内容。除已注明部分外，论文中不包含 其他人已经发表过的研究成果，也不包含本人为获得其它学位而使用过的 内容。对本文的研究工作提供过重要帮助的个人和集体，均已在论文中明 确说明并致谢。 务； 论文作者签名： 伽专 御年占月疹e l 学位论文使用授权说明 本人完全了解广西大学关于收集、保存、使用学位论文的规定，即： 按照学校要求提交学位论文的印刷本和电子版本： 学校有权保存学位论文的印刷本和电子版，并提供目录检索与阅览服 学校可以采用影印、缩印、数字化或其它复制手段保存论文； 在不以赢利为目的的前提下，学校可以公布论文的部分或全部内容。 请选择发布时间： 口即时发布 ( 保密论文需注明，并在解密后遵 论文作者签名：导师签名 口解密后发布 ) 瓣占月汀日 广西大掌硕士掌位论文基于模糊神经网络的基电机p i d 励磁控制研究 第1 章绪论 1 1 发电机励磁控制的意义 随着电力工业的迅速发展，电力系统的规模越来越大，保证系统运行 的可靠性和稳定性，提供合格的电能质量和良好的动态品质，对国民经济 和人民生活具有极为重要的意义。 为保证系统的安全、稳定和经济运行，有效方式就是采取适当的控制 手段。而发电机励磁控制是公认的既有效又经济的重要手段之一。它不仅 节约投资，而且在系统正常运行中能起到其它措施起不到的作用。 概括来讲，励磁控制主要有以下几个方面的作用l l 。4 j 。 ( i ) 维持发电机端电压恒定 通常当发电机负荷发生变化时，发电机端电压将随着改变。根据端电 压的变化情况调整发电机的励磁电流，可使机端电压维持在一定水平。 ( 2 1 控制并联运行发电机间无功功率的分配 ( 3 1 有效地提高系统的静态稳定性 所谓静态稳定性实质是运行点的稳定性。通常是指电力系统在正常运 行状态下，经受微小扰动后恢复到原来运行状态的能力。 ( 4 ) 改善系统的暂态稳定性 电力系统暂态稳定性是指系统受到大扰动( 如三相短路、切除线路等) 后，系统保持稳定( 同步) 运行的能力。 综上所述，励磁控制对电力系统的稳定运行起着十分重要的作用，所 以研究新的励磁控制器对改善和提高电力系统的稳定运行具有深远的意 义。 近半个世纪以来，发电机励磁控制一直是学术界关注和研究的热点。 但是，励磁控制的目标是多重的，而不是单一的；不同发电机的励磁调节 回路之间又是耦合的、交互影响的，电力系统的高维、非线性等特点更增 加了控制的复杂性。因此，励磁控制至今还是一个挑战性的难题。虽然学 术界已经取得了一定成果，如p i 调节，p i d 调节，p s s 稳定器调节等，特 别是近年来随着现代控制理论和智能控制理论的发展，提出了线性最优控 g - 西大掌硬士掌位论文蓉于模糊神经网络的蔓电4 a , p i d 劢磁控制研究 制、自适应控制等一些智能控制方法，但实践证明它们尚存在相应的问题。 实际电力系统中，大量运行的仍然是传统p i d + p s s ，所占比例高达9 8 以 上。而常规p i d 参数的整定是一项十分麻烦、复杂的工作，且p i d 参数对 于对象参数变化的适应性是有限的。当对象特性或参数随着环境条件或扰 动作用变化时，原来整定了的p i d 参数会不适应变化了的对象特性和参数， 使得系统的控制性能变坏。为了减少p i d 参数整定的麻烦，克服因环境变 化或扰动作用造成的系统性能的降低，本课题提出运用模糊控制和r b f 神 经网络进行p i d 参数在线自整定，从而实现对发电机励磁的智能控制。 1 2 发电机励磁控制的发展与评述 同步发电机励磁调节对提高电力系统稳定性起着重要的作用，发电机 励磁控制方面的研究工作一直备受关注。随着快速励磁系统的广泛应用， 励磁控制对电力系统稳定性的影响效果越来越明显，科技工作者对发电机 励磁控制系统进行了长期而广泛的研究，取得了许多显著的成果。 励磁系统的研究主要包括两个方面： ( 1 ) 主励磁系统本身及励磁方式的改进； ( 2 ) 励磁控制方式( 策略) 的改进。 本文主要对励磁控制策略进行研究。 励磁控制方式的发展是随着控制理论的发展而发展的，从上个世纪4 0 年代至今，其主要经过了以下几个发展阶段。 1 2 1 古典励磁控制方式 二十世纪3 0 年代到5 0 年代，是古典控制理论从发展到成熟的阶段。 在古典控制理论的指导下，励磁控制首先从单机系统的分析和设计开始， 提出了按发电机机端电压偏差进行调节的单输入一单输出的常规励磁控制 方式，即比例调节方式。由于比例调节方式不能很好地满足大电力系统对 抑制振荡，提高静态稳定极限以及稳态电压调节精度等方面要求，于是便 发展到按发电机端电压偏差a v , 的比例一积分一微分进行的单变量调节。这 种p i d 控制方式虽然在一定程度上提高了稳态电压精度，但不能有效的改 善电力系统的动态品质与提高系统稳定性。尤其是快速励磁方式的采用会 2 广西大掌硕士掌位论文基于撬糊神经网络的戋电机p i d 动磁控制研究 使电力系统阻尼特性恶化，致使出现负阻尼的情况，使电力系统发生低频 振荡，比例调节和p i d 调节方式都无法发挥其良好的控制效果。 由于大容量机组和远距离输电，以及自并激励磁方式的广泛应用，致 使系统驵尼特性恶化。为改善系统阻尼特性，抑制由于阻尼不足引起的自 发振荡，美国学者f d d e m e l l o 和c c o n c o r d i a 于1 9 6 9 年提出了发电机的 辅助励磁控制方式一一电力系统稳定器( p s s ) 。p s s 除保留p i d 调节规律 外，增加了一个按发电机转速口或频率厂进行控制的二阶超前校正环节。 这样，励磁控制技术由单输入控制系统发展成为双输入控制系统。研究结 果及运行实践证明，p s s 励磁控制方式对抑制系统振荡，提高系统微动态 稳定性及维持机端电压能力方面比p i d 调节方式具有明显的优越性m 】。但 是，p i d + p s s 方式在应用中尚有一些不足。一是安装使用时p s s 参数要通 过实验方法加以调整和配合，需要花费较大的精力；二是p s s 是针对特定 的网络模型和低频振荡空间设计的，所以鲁棒性和适应性差。目前，这方 面的研究大部分围绕着提高控制系统的鲁棒性和适应性展开。 与p s s 同时出现的一种励磁控制方式是前苏联按照多变量d 域划分法 发展的强有力型励磁调节器。该励磁控制方式除采用电压偏差外，还采用 电流量，频率偏差及其一阶导数，有功功率偏差及其一阶导数等反馈量， 但由于多应用的设计理论与方法上的局限性，这种控制方式至今未能取得 预期效果。 1 2 2 线性多变量励磁控制方式 随着现代控制理论和智能控制理论的发展，运用现代控制理论进行电 力系统运行性能的最优化控制的研究工作有了迅速的发展。1 9 7 0 年初，一 些学者提出了基于线性最优控制理论的线性最优励磁控制( l o e c ) 。该控 制器以发电机状态量必，a r o ，k 为输入，以发电机励磁绕组电压，为 输出，能够在设计运行点保证系统的最优运行。该控制方式不仅提高了远 距离输电系统对振荡的抑制能力和微动态稳定极限，而且对系统的暂态稳 定极限特别是对永久性故障下的暂态稳定极限也有所提高。自二十世纪八 十年代以来，我国自行研制的线性最优励磁控制器已分别在碧口水电厂 1 0 0 m w 机组、刘家峡水电厂2 2 5 m w 机组以及白山水电厂3 0 0 m w 机组的 大型发电机上投入了运行。 广西大掌硕士掌位论文墓于模糊神经用络的芸电机p i d 劢磁控制研究 但是，电力系统是一个统一的、元件间相互耦合的大系统，而l o e c 设计是采用了局部线性化的方法，因而其鲁棒性和适应性差，当系统运行 方式偏离设计点时，系统的动态特性和稳定性都会降低。 1 2 3 非线性多变量励磁控制 以上所述两个阶段中的励磁控制方式，无论是p i d ，p s s 或是l o e c ， 都存在一个共同的问题，那就是励磁控制器设计所依据的是在电力系统某 一特定状态( 潮流) 下近似线性化的数学模型。很明显，当系统实际的运 行状态对于所选的平衡状态有较大偏差时，用这种方法所得的线性状态方 程就会呈现较大的不准确性，实际运行点与设计中所选的平衡点之间的偏 差越大，这种误差也就越大，其必然结果是，按这种近似线性化方法得出 的数学模型设计的控制器，在系统运行状态远离设计中采用的平衡状态时， 难以发挥应有的作用，在某些情况下，甚至会起相反的作用【2 9 1 。其根本原 因在于电力系统机电暂态过程中的稳定控制是一个典型的非线性控制问 题。要真实地反映系统的运行工况，充分发挥励磁控制在暂态过程中的作 用，励磁控制方式则必须以电力系统非线性控制模型为基础，使得控制问 题更加真实地贴近工程实际。 近年来，非线性控制系统研究方法的逐步建立，促使非线性励磁控制 的研究方兴未艾，研究较多的包括以下几种： 一、反馈线性化法 反馈线性化法包括微分几何法、直接大范围线性化等多种设计手段。 微分几何法利用微分几何的数学工具，通过合理的坐标变换找到非线 性反馈规律，在非线性反馈的作用下，使系统在新坐标下被映射成为一个 线性系统，利用线性系统的成熟分析与设计方法进行控制器设计。这种精 确线性化方法动态特性相当好，而且克服了线性最优励磁控制器局部线性 化的缺陷。不足的是在导出的控制规律中无法得到包含发电机端电压偏差 的状态变量；另外控制规律需要系统的精确模型，鲁棒性差。 直接大范围线性化方法通过变化系统的状态方程，使非线性因素和控 制量集中出现在某一高阶微分方程中，然后通过虚拟控制量的建立，设计 出非线性反馈补偿规律来抵消系统的非线性因素，达到线性化的目的。这 种方法的数学过程简明，物理概念清晰，且适用于所有非线性系统，适合 4 广西大掌硕士掌位论文 基于模糊神经用络的置电机p i d 励碰控制研究 于工程应用。但它是建立在线性化理论基础上的，缺乏严格的数学证明。 同时该方法对于系统的非线性因素要做出严格的验证，将那些在一定条件 下对改善系统稳定性起着好作用的非线性因素保留在系统中，即在非线性 反馈控制规律中不予补偿，该设计方法缺乏普遍性。 二、李雅普诺夫( l y a p l l l l o v ) 函数法 该方法以李雅普诺夫第二稳定性理论为基础，通过构造能反映机组运 行规律的李雅普诺夫函数并以其为最小目标进行设计。该方法直接考虑了 系统的非线性特性，原理简单，易于掌握，但李雅普诺夫函数不易得到。 在多机系统的设计中难以实现分散控制。 三、鲁棒控制 电力系统是典型的不确定性系统，从控制理论的角度看，鲁棒控制是 解决不确定性系统控制的有效方法。鲁棒控制的思想是把系统的不确定性 视为某种扰动集合，然后对扰动集合给予适当的数学描述并作为约束条件， 和原有系统约束条件一起形成优化问题进行求解。如此得到的控制规律， 在不确定性因素出现时，系统性能仍保持最优【9 1 。已有大量的文献报导了以 ( 滑模) 变结构控制、以控制和综合理论为代表的所谓鲁棒控制理论在 机组励磁控制设计中的应用。仿真表明，它们具有良好的针对参数摄动、 非线性项和不确定的鲁棒性，预示了乐观的应用前景。但在目前，一方面， 理论本身有待完善；另一方面，欲将其应用于发电机励磁控制，在模型和 实现上还有很多实际问题需要进一步研究。 四、自适应控制 自适应控制通过连续测量控制对象的动态特性，与所希望的动态特性 相比较，从而判断系统运行状态并选择预设的控制参数。该方法能有效地 解决控制器对电网运行工况变化的鲁棒性问题，具有很好的控制性能 1 0 a l l 。 但是，由于自适应控制需要在线辨识系统参数的变化，所以算法比较复杂， 实时运算量大，应用于参数时变、要求响应速度快的发电机励磁控制有一 定的难度。如能满足系统实时性的要求，自适应控制设计将有很大的发展 潜力。 1 2 4 智能控制方式 包括模糊逻辑励磁控制【1 4 , 1 5 1 ，基于规则( 专家系统) 的励磁控制，人 5 广西大掌硕士掌位论文 l 于模糊神经网络的戋电机p i d 勤磁控制研究 工神经网络励磁控制f 1 6 ，1 7 】以及基于遗传算法、自学习理论、迭代学习算法 以及它们的某种结合 i s - 2 0 l 的励磁控制，基本特点是不依赖于对象系统的精 确数学模型，而是基于某种智能概念模型将控制理论和人的经验及直觉推 理相结合，具有处理非线性、并行计算、自适应、自学习和自组织等多方 面的能力和优点。其中，智能技术既可以作为一种上层策略以实现在线或 离线调整或优化原有非智能控制器的参数或结构，也可以作为一种底层控 制规律来取代原有励磁控制的某一环节，实现特定的控制算法或映射关系。 目前，智能型励磁控制方法大多尚停留在仿真计算阶段，少数应用实例也 仅是一些简单的实验性尝试，欲推广其应用，还有大量的理论和实际工作 要做。 1 3 模糊神经网络的发展与现状 神经网络具有并行计算、分布式信息存储、容错能力强以及具备自适 应学习功能等一系列的优点，在解决高度非线性和严重不确定性系统的控 制方面具有很大的潜力。但一般来说，神经网络不适合表达基于规则的知 识，因此在对神经网络进行训练时，由于不能很好的应用已有的经验知识， 常常只能将初始权值取为零和随机数，从而增加了网络训练的时间或者陷 入非要求的局部极值。 另一方面，模糊逻辑也是一种处理不确定性，非线性等的问题的有力 工具。它比较适合于表达那些模糊或定性知识，其推理方式比较类似于人 的思维模式，这些都是模糊逻辑的显著优点。很多国际著名的专家学者指 出：“模糊控制是2 1 世纪的控制技术”，将有非常广阔的发展前途和产品 市场。但是，一般来说模糊逻辑系统缺乏学习和自适应能力。虽然模糊自 适应控制可以一定地实现这种功能，但设计和实现模糊系统的自适应控制 是比较困难的。 基于上述讨论可以想到，若能将模糊逻辑与神经网络适当结合起来。 吸取两者的长处，则可组成比单独的神经网络系统或单独的模糊系统性能 更好的系统。 把模糊系统和神经网络有机的结合起来的研究始于7 0 年代中期p ”，但 是进展比较快的还是进入8 0 年代中期之后( s c l e e 和e t l e e ，1 9 7 4 ；高木， 6 广西大学硕士掌位论文 墓于模糊神经网络的童电机p i d 励磁控制研究 1 9 9 0 ) ，特别是日本研究工作者在这方面的研究非常的活跃，并应用到了温 度控制、家用电器：模式识别、图象处理等领域。早期的尝试，主要是利 用神经网络来改善模糊系统的学习能力，如采用神经网络来逼近模糊系统 的输入输出| 3 6 1 ，调整隶属度函数和规则，利用神经网络来学习关系矩阵等。 但是，现在备受注目的方法是将模糊系统用等价的神经网络来实现，形成 模糊神经网络( f n n ) 或称为神经模糊推理系统( n e u r a l - f u z z yi n f e r e n c e s y s t e m ) 。这样，模糊神经网络就一方面具有表达模糊知识与实现模糊推理 的功能，另一方面又继承了神经网络的非线性映射能力和强大的数据信息 处理能力、自适应能力、自调整、自学习能力。 模糊神经网络综合了模糊系统与神经网络两者的优点，既可以说是神 经网络实现了模糊逻辑推理，也可以认为是模糊化的神经网络。可以预见， 模糊神经网络对智能控制技术将产生深远的影响。但是，模糊神经网络仍 处于发展阶段，理论和技术还存在许多有待解决的问题： ( 1 ) 采用何种神经网络模型、产生何种形式的规则和隶属度函数形式才 能使系统达到最佳的结合； ( 2 ) 模糊简化推理方法的研究，以满足系统设计的实时性、高精度要求； ( 3 1 模糊神经网络控制系统稳定性研究； ( 4 ) 模糊神经网络自组织、自学习算法的研究。 1 4 本文的主要工作 同步发电机励磁控制系统是非线性、参数时变、要求响应速度快的实 时闭环反馈控制系统，对励磁自动控制系统提出了较高的控制要求。虽然 研究励磁控制已有多种方法，取得了不少成果，但尚存在相应的问题。随 着新技术和新理论的发展，开辟智能型的最优励磁控制系统是发展方向。 本文从对励磁自动控制系统的控制要求出发，对励磁控制系统进行了 理论分析，在对模糊控制和神经网络控制在励磁控制系统的应用研究进行 全面分析的基础上，提出了把模糊控制与r b f 神经网络控制相结合，实现 发电机p i d 励磁控制器设计的新方案。运用神经网络的自学习能力在线学 习并调整模糊控制规则以及隶属函数的中心和宽度，实现了模糊和神经网 络的优势互补，使所设计的励磁控制系统具有了优良的控制效果。所以本 7 广西大掌硕士掌位论文墓于模糊神经用络的戋电机p i d 励礅控制研究 文的研究具有理论意义和较高的实用价值。现将本文所作的主要工作总结 如下： l 、分析了同步发电机励磁控制系统在电力系统控制中的重要作用，全 面综述了目前各种励磁控制器设计方法的优劣，并在此基础上提出了利用 模糊理论和神经网络相结合的方法来设计新型的智能励磁控制系统的新思 想。 2 、在分析同步发电机励磁控制系统原理的基础上，推导并建立了以状 态方程表示的单机一无穷大系统的数学模型，为励磁控制器动态特性的仿 真研究作了充分的准备。 3 、在深入理解神经网络与模糊控制思想精髓的基础上，把两者具体融 合，并采取行之有效的算法，设计了同步发电机的模糊r b f 神经网络p i d 励磁控制器。 4 、对所设计的模糊r b f 神经网络p i d 励磁控制器进行了大量的仿真 测试，并与常规p i d 励磁控制器进行综合比较，结果表明模糊r b f 神经网 络p i d 励磁控制方式具有优良的动态品质和控制效果，较强的鲁棒性和适 应性，在系统扰动和故障情况下能很好地维持发电机的运行特性和稳定性。 8 广西大掌硕士掌位论支基于模糊神经网络的戋电机p i d 劢磁控制研究 第2 章模糊神经网络p i d 控制的相关理论分析 2 1p i d 控制 许多年来，在工业自动控制领域中，按照偏差的比例( p ) 、积分( i ) 和微 分( d ) 进行控制的p i d 是历史最久、生命力最强的基本控制方式。在2 0 世 纪4 0 年代以前，除在最简单的情况下可采用开关控制外，它是唯一的控制 方式。随着科学技术的发展特别是计算机技术的发展，涌现出许多新的控 制方式，然而直到现在，p i d 控制由于它原理简单，使用方便，鲁棒性强 等优点，在工业生产过程中仍得到广泛的应用。即使在科技发达的日本， p i d 控制的使用率在8 4 5 以上【2 引。各种资料显示，p i d 控制技术仍占主导 地位，特别是各种智能p i d 控制技术将会有很大的发展和更多的应用。 简单的说，经典p i d 控制器原理为：用参考输入和系统输出的误差及 其微分、积分的线性组合来产生控制信号。其控制规律为： 砸) 叫印) + 吾出喝警】= w r ) + 砖击嘞警 ( 2 i ) 式中，七。为比例系数，z 为积分时间常数，乃为微分时间常数；t 为积 分系数，为微分系数。其原理框图如图2 1 所示。 图2 1p i d 控制算法原理框图 f i g 2 1t h eb l o c kd i a g r a mo fp i dc o n t r o la l g o r i t h mt h e o r y p i d 控制器各校正环节的作用如下： ( 1 ) 比例环节：即时成比例地反应控制系统的偏差信号e ，偏差一旦产生， 控制器立即产生控制作用，以减小误差。当输入偏差e = o 时，控制作用也为0 ， 9 广西大掌硪士掌位论文基于模糊神经网络的鬟电机p i d 励磁控制研究 因此比例控制是基于偏差进行调节的，即有差调节。 ( 2 ) 积分环节：通过对误差记忆，提高系统的抗干扰能力，主要用于消 除静差，提高系统的无静差度。但是它存在滞后现象，使系统的响应速度 变慢，超调量变大，并可能产生振荡。积分作用的强弱取决于积分时间常 数霉，z 越大，积分作用越弱，反之则越强。 ( 3 ) 微分环节：反映偏差信号的变化趋势( 变化速率) ，并能在偏差信 号值变得太大之前，向系统中引入一个有效的早期修正信号，从而加快系 统的响应速度，减小调节时间，减小超调量，改善系统的动态特性。其不 利之处是微分作用对扰动敏感，使系统抑制干扰能力减弱。 p i d 控制要取得较好的控制效果，就必须通过调整好比例、积分和微 分三种控制作用，形成控制量中既相互配合又相互制约的关系，这种关系 不一定是简单的“线性组合”，从变化无穷的非线性组合中可以找出最佳 的。 为了用计算机实现p i d 控制，将式( 2 1 ) 转化成离散化形式，在采样周 期t = k t ( t 为采样周期) ，可得： 羔 u ( k ) = k p e ( k ) + k , p ( ，) + 【p ( k ) 一e ( k 一1 ) 】 ( 2 2 ) 式( 2 2 ) 称为位置式p i d 算法。如果采样周期r 足够小，这种逼近相当 准确。但是，位置式算法每次输出与整个过去状态有关，式中用到过去偏 差的累加值e ( ，) ，容易产生积累误差。在实际使用中，我们更多使用的 j z l 是增量式算法： a u ( x ) = u ( k ) - u ( k - 1 )( 2 3 ) = 匕【p ( 足) 一e ( k 1 ) 】+ t p ( k ) + 屯p ( k ) 一2 p ( 足一1 ) + p ( 足一2 ) 】 由式可见，增量式计算误差或精度对控制量的影响较小，且增量算式 只与最近几次的采样值有关，所需内存也少，因此在实际应用中更为广泛。 1 0 广西大掌硕士掌位论文 蓉于模糊神经网络的发电机p i d 动磁控制研究 2 2 模糊控制 所谓模糊控制就是在控制方法中应用模糊集合论、模糊语言变量及模 糊逻辑推理的原理实现系统的智能控制。这种方法摆脱对控制对象，输入 输出等物理量的精确描述，把专家控制策略用自然语言来描述并转化为计 算机能够接受的算法语言，达到以机器模拟人的模糊思维对系统实现有效 控制的目的。 2 2 1 模糊控制系统的组成和基本原理 模糊逻辑控制器是以模糊集合理论、模糊语言变量为基础，采用仿人 逻辑思维来对难于建立数学模型的系统实现控制，属于非线性智能控制的 范畴。发电机励磁控制系统恰恰是一个非线性，参数时变的实时闭环反馈 控制系统。在励磁控制系统的实际运行中，传统的p i d 控制并不能达到令 人满意的效果，但是，在一些情况下，有经验的运行人员进行手动控制， 却可以达到令人满意的效果。模糊控制正是总结人的控制行为，把人的手 动控制决策用模糊语言加以描述，总结成一系列条件语句，即控制规则， 运用微机程序来实现这些控制规则。 模糊控制器 图2 ，2 模糊控制系统基本结构图 f i g 2 2t h eb l o c kd i a g r a mo ff u z z yc o n t r o ls y s t e m 模糊控制的基本原理框图如图2 2 所示。它的核心部分为模糊控制器， 如图中虚线框中所示，模糊控制器的控制规律由计算机的程序实现。从图 中可见，微机经中断采样获取被控制量的精确值，然后将被控制量的精确 广西大掌硕士掌位论文基于模糊神经网络的戋电机p i d 励磁控制研究 值与设定值进行比较得到偏差信号e ，由e 又可以得到偏差变化信号p c 。以 p 和e c 作为模糊控制器的输入信号，将它们的精确管进行模糊化变为模糊 量，并用相应的模糊语言表示，由此得到偏差e 和偏差变化口c 的模糊语言 集合e 和e c ，再由e 和e c 的模糊控制规则r 根据推理的合成规则进行模 糊决策，得到模糊控制量u ，再经过反模糊化过程就可以得到精确的控制 量甜，对被控对象进行一步控制，然后再把被控对象的精确值返回与设定值 比较。循环上述步骤，从而实现对被控对象的模糊控制。 模糊控制系统与通常的计算机数字控制系统的主要差别是采用了模糊 控制器。模糊控制器是整个模糊控制系统的核心，它由以下四部分组成： ( 1 ) 模糊化 这部分的作用是将输入的精确量转换成模糊化量。其中输入量包括外 界的参考输入、系统的输出或状态等。 ( 2 ) 知识库 知识库中包含了具体应用领域中的知识和要求的控制目标。它通常由 数据库和模糊控制规则两部分组成。数据库主要包括各语言变量的隶属度 函数，尺度变换因子及模糊空间的分级数等。规则库包括了用模糊语言变 量表示的一系列的控制规则，它们反映了控制专家的经验和知识。 ( 3 ) 模糊推理 模糊推理是模糊控制器的核心，它具有模拟人的基于模糊概念的推理 能力。该推理过程是基于模糊逻辑中的蕴含关系及推理规则来进行的。 ( 4 ) 清晰化 清晰化的作用是将模糊推理得到的控制量( 模糊量) 变换成实际用于 控制的清晰量。 2 2 2 模糊系统的分类 模糊系统从广义上可化分为两大类3 1 1 。第一类包含基于i f t h e n 规则 连结的语言形式，规则的前件和后件都使用模糊值，即m a m d a n i 型，描述 如下： 月： i f 而i s 卅a n d 而i s4 a n d i s 群，t h e n i s 其中，r 。( i - 1 , 2 ，l ) 表示第i 条规则，工，0 = 1 , 2 ，o9 n ) 代表输入变量， 1 2 广西夫掌硕士学位论文基于模糊神经网络的生电机p i d 励磁控制研究 y 。为模糊规则r 的输出，而4 ，4 2 ，4 和( i = l ，2 ，l ) 是相应语言值 的模糊隶属度函数。“ 第二类是s u g e n o 型( 也称为t s 型) ，它使用一个具有模糊前件和函 数结果部分的规则结构。可看为分段线性部分的扩展，描述如下： f ：i f 五i s4a n d 而i s4 a n d i s 群， t h e n = 瞄+ 叫西+ + 通过将整个输入空间分为几部分模糊空间及将每个输出空间都表示为 一个线性方程，使得由s u g e n o 推理法求得的模糊系统比m a m d a n i 型模糊系 统具有更好的效果，虽然s u g e n o 推理法同样存在如何确定有效的模糊规则 的问题，但当把神经网络与其相结合起来后，s u g e n o 推理法则显示出它的 优越性。 模糊规则在可读性和精确性之间存在着一个权衡问题，如果感兴趣的 是精确的解，通常就不考虑其语言表达能力，此情况下可选择s u g e n o 型， 否则选择m a m d a n i 型。本文选择的是s u g e n o 型模糊系统。 2 3 神经网络控制 人工神经网络( 简称神经网络，n e u r a ln e t w o r k ) 是由人工神经元( 简 称神经元) 互联组成的网络，它是从微观结构和功能上对人脑的抽象、简 化，是模拟人类智能的重要途径之一，反映了人脑功能的若干基本特性， 如并于亍信息处理、学习、联想、模式分类、记忆等。 2 3 1 神经网络控制的结构和基本原理 与模糊控制不同，神经网络不善于显式表达知识，但是它具有很强的 逼近非线性函数的能力，即非线性映射能力。把神经网络用于控制正是利 用它的这个独特的优点。 这里，首先给出神经网络在反馈控制系统中直接充当控制器的结构图 如图2 3 ，并以此分析了神经网络控制器的基本原理。 广西大掌硕士掌位论文 l 于模糊神经网络的生电机p i d 励磁控制研究 图2 3 神经网络反馈控制系统结构图 f i g 2 3n e u r a ln e t w o r kf e e d b a c kc o n t r o ls y s t e ms t r u c t u r ef i g u r e 其中n 表示期望输出，y 表示系统实际输出，“表示控制器输出，e 表 示系统误差。 在反馈控制系统中，神经网络作为控制器，它的工作原理如下： 设被控对象的输入“和系统输出j ，之间满足如下非线性函数关系 y = g ( “)( 2 4 ) 控制的目的是确定最佳的控制量输入“，使系统的实际输出y 等于期望 的输出竹。在该系统中，可把神经网络的功能看作输入输出的某种映射， 或称函数变换，并设它的函数关系为： 甜= ，( ”) ( 2 5 ) 为了满足系统输出y 等于期望的输出弦，将式( 2 5 ) 代入式( 2 4 ) ，可得 y = g 【厂( ”) 】( 2 6 ) 显然，当( 曲= g ( x ) 时，满足y = 以的要求。 由于要采用神经网络控制的被控对象一般是复杂的且多有不确定性， 因此非线性函数g ( x ) 是难以建立的，可以利用神经网络具有逼近非线性函 数的能力来模拟g 。( x ) ，尽管g ( x ) 的形式未知，但通过系统的实际输出y 与 期望输出之间的误差来调整神经网络中的连接权值，即让神经网络学习， 直至误差 e = - y 斗0( 2 7 ) 的过程就是神经网络模拟g - 1 ( x ) 的过程，它实际上是对被控对象的一种求逆 过程，这就是神经网络实现直接控制的基本原理。 1 4 广西大掌硕士学位论文基于模糊神经网络的袅电机p i d 劢磁控制研究 2 3 2 神经网络的分类 神经网络可以有各种分类方法。神经网络控制主要应用其函数逼近功 能1 3 4 1 ，从这个角度看，神经网络可分为全局逼近神经网络和局部逼近神经 网络。 全局逼近神经网络网络的一个或者多个权值或者自适应可调参数 在输入空间的每一个点上对任何一个输出都有影响，则称神经网络为全局 逼近神经网络。b p 网络是全局逼近网络的典型例子。对于每一个输入输出 数据对，网络的每一个权值均需要调整，从而导致全局逼近网络学习速度 很慢，这个缺点阻碍了全局逼近网络在实时控制中的应用。 局部逼近神经网络一一对于输入空间的某个局部区域，只有少数几个 权值影响网络的输出，则称网络为局部逼近网络。对于每一个输入输出数 据对，只有少量的权值需要进行调整，从而使得局部逼近网络具有学习速 度快的优点。径向基函数( r a d i c a lb a s i sf u n c t i o n ，简称r b f ) ，c m a c 小脑 模型等都是典型的局部逼近神经网络。 神经网络控制中，b p 网络是日前应用最广泛的一种网络模型。b p 网 络有很强的生物背景，其卓越的输入输出映射特性在多变量函数逼近方面 有很强的优势。但由于b p 网络是全局逼近网络? ，每一次样本学习都需要重 新调整网络的所有权值，收敛速度慢，易于陷入局部极小，很难满足系统 的实时性要求。c m a c 网络实现容易，学习速度快，但是逼近精度不高， 也不能学习所逼近函数的导数。r b f 网络在一定程度上克服了上述问题， 因此它的研究与应用越来越得到重视。本文尝试用r b f 网络进行控制器的 设计。 2 3 3 径向基函数( r b f ) 神经网络及其算法研究 2 3 3 1r b f 神经网络 r b f 网络是在借鉴生物局部调节和交叠接收域知识的基础上提出的一 种采用局部接收域来执行函数映射的人工神经网络，其非线性映射的效果 比其它基函数网络优越，因此在许多领域内得到了应用。 r b f 神经网络是一个三层前向网络，如图2 4 所示。输入层由信号源 节点组成。第二层为隐含层，节点数视所描述的问题的需要而定。第三层 广西大学硕士掌位论文墓于模糊神经网络的发电机p i d 劢磁控制研究 是输出层，对输入模式的作用做出响应。从输入空间到隐含层空间的变换 是非线性的，从隐含层空间到输出层空间的变换是线性的。隐单元的变换 函数是r b f ( 径向基函数) ，它是一种局部分布的中心径向对称衰减的非 负非线性函数。 图2 4r b f 神经网络结构 f i g 2 4r b fn e u r a ln e t w o r ks t r u c t u r e 构成r b f 神经网络的基本思想是：用r b f 做为隐单元的“基”构成隐 含层空间，这样可以将输入矢量不通过连接权直接映射到隐空间。当r b f 的中心点确定以后，这种映射关系也就确定了。而隐含层空间到输出空间 的映射是线性的，即网络的输出是隐单元输出的加权和。此处的权为网络 的可调参数。这就是说，网络从总体来看是输入到输出的菲线性映射，而 网络输出对可调权值而言却又是线性的。这样网络的权值，就可以由线性 方程组直接解出或用l m s 方法递推计算，从而大大的加快学习速度并避免 局部极小值问题。 对于第i 个隐层单元，可以看出它是一个局部函数。当输入矢量x 落在 它的操作范围内，局部函数中，被激活，该单元产生一个输出。所有局部函 数输出的加权和构成系统输出y ，它覆盖了整个函数的区间。因此，r b f 网络是一种局部逼近网络，已证明它能以任意精度逼近任一连续函数【4 7 1 。 最常用的r b f 基函数是高斯基函数： 一( x - c ) 2 巾( x ) = e 2 2 ( 2 8 ) 1 6 广西大掌硕士掌位论文基于模糊神经网络的置电机p i d 动碰控制研究 如图2 5 所示。 o i j 、- _ _ 一 c 一盯cf + 盯 图2 5 高斯函数 f i g 2 5g a u s sf u n c t i o n 采用高斯基函数具有如下一些优点： 表示形式简单，即使对于多变量输入也不增加太多的复杂性； 径向对称； 光滑性好，任意阶导数均存在： 由于该函数表示简单且解析性好，因而便于进行理论分析。 神经网络应用于控制方案设计非常普遍，而r b f 网络应用于控制方案 设计还不多见。目前已有的方法，按照r b f 网络的作用来分有两类，一类 是直接作为控制器或者辨识系统模型，另一类是优化其它控制器的参数。 其中第一类主要有基于r b f 网络的自适应控制、预测控制、内模控制、监 督控制等。第二类主要用作对常规控制器进行在线参数优化。本文正是利 用r b f 网络的第二类作用进行控制器的设计。 2 3 3 2r b f 神经网络算法研究 在r b f 网络中，输出层和隐含层所完成的任务是不相同的，因而它们 的学习策略一般也不相同，输出层是对线性权进行调整，采用的是线性优 化策略，学习速度较快，而隐含层是对作用函数( 径向基函数) 的参数进 行调整，采用的是非线性优化策略，学习速度较慢，因而学习一般分为两 个层次进行。下面主要研究r b f 网络的几种常用学习方法的优缺点及其各 自的适用范围。 l 、随机选取r b f 的中心 此方法中隐单元r b f 的中心是随机地在输入样本数据中选取，且中心 广西大掌硕士学位论文蓉于期糊神经用络的戋电机p d 励磁控制研究 固定。r b f 中心确定后，隐单元的输出是已知的，这样，网络的连接权就 可以通过求解线性方程组来确定，此方法简单、粗糙、可靠性差。但是， 对于给定问题，如果样本数据的分布具有代表性，则此方法不失为一种简 单可行的方法。 2 、自组织学习 该方法中，r b f 的中心是可以移动的，并通过自组织学习确定其位置。 r b f 中心用k 一均值聚类算法确定，使得r b f 的中心位于输入空间重要的 区域，然后利用有监督学习计算输出层的线性权。 k 一均值聚类算法是数理统计中常用的方法，在模糊识别中有广泛的应 用，其计算