（电路与系统专业论文）基于BP网络的动态定量称重控制系统的算法研究和设计[电路与系统专业优秀论文].pdf

原创性声明 本人郑重声明：所呈交的学位论文是本人在导师的指导下独 立进行研究所取得的成果。除文中已经注明引用的内容外本论文不 包含任何其他个人或集体已经发表或撰写过的科研成果对本文的研 究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明 的法律责任由本人承担。 论文作者签名：4 生i 蕴! 1 日期：口三：玉：6 关于学位论文使用授权的声明 本人完全了解山东大学有关保留、使用学位论文的规定，同意学 校保留或向国家有关部门或机构送交论文的复印件和电子版，允许论 文被查阅和借阅：本人授权山东大学可以将本学位论文的全部或部分 内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段 保存论文和汇编本学位论文。 ( 保密论文在解密后应遵守此规定) 论文作者签名：垂垒斗导师签名：翟够 期： 山东大学硕士学位论文 摘要 本文从实际工程出发，对动态定量称重过程进行了研究，提出基于b p 神经网络整定的p d 控制方法，进行了控制系统的设计和仿真实验研究针 对螺旋加料装置的动态定量称重控制要求，将基于b p 神经网络整定的p i d 控制方法应用于实际工程中，进行了动态定量称重计算机控制系统的设计 本文主要内容有如下几个方面： 1 综述了动态定量称重系统的概况，提出了动态定量称量的关键问题即 精度控制，同时指明了本文的研究重点是螺旋加料动态定量称量过程 2 分析了螺旋加料动态定量称量过程的物理机理，在此基础上推导出了 动态定量称量过程的数学模型算式，并作了定性的分析 3 对b p 神经网络结构及b p 算法进行了研究针对b p 神经网络隐含层 节点数难以确定这一缺陷，本论文介绍了一种直接估算最佳隐含层节点数的 简单方法，简化了隐含层节点数的确定为提高b p 算法的收敛速度和精度， 本论文提出了自适应调整学习参数的改进型b p 算法实验表明，该算法的 训练速度和精度都比传统的b p 算法有明显的提高，因而有较好的应用价值 4 概述了智能控制，阐述了基于b p 神经网络p i d 控制的基本原理仿 真结果表明，应用基于b p 神经网络p i d 控制可以取得满意的控制效果 5 针对螺旋加料的控制要求，将b p 神经网络p i d 控制方法应用于实际 工程中，进行了动态定量称量的计算机控制系统的设计。包括硬件、软件实 现方法和设计流程 6 回顾了本论文的工作并对进一步的工作做了展望 关键词；即神经网络p i d 称重控制定量称重动态过程 3 山东大学硕士学位论文 a b s t r a c t t h ed y n a m i cq u a n t i t a t i v ew e i g h i n gp r o c e s si ss t u d i e di nt h i st h e s i s an e w c o n t r o lm e t h o db a s eo np i dc o n t r o lt u n e db yb pn e u r a ln e t w o r ki sp r o p o s e d t h e c o n t r o ls y s t e mi sd e s i g n e da n dt h er e l a t e ds i m u l a t i o ne x p e r i m e n t sa r em a d e a c c o r d i n gt o t h es t u d yo nt h es p e c i f i c a t i o n so fs p i r a lf e e d i n gq u a n t i t a t i v e w e i g h i n gp r o c e s s ，t h ec o n t r o lm e t h o di s u s e dt od e s i g nar e a lp r o j e c ta n da w e i g h i n gc o m p u t e rc o n t r o ls y s t e mi sd e s i g n e d t h em a i nc o n t e n t sa r ec o m p o s e d o ft h ef o l l o w i n gp a r t s ： 1 t h et h e s i ss u m m a r i z e st h es u r v e yo fd y n a m i cq u a n t i t a t i v ew e i g h i n g s y s t e m s ，p r o p o s e s t h ek e ym a t t e ro fad y n a m i cq u a n t i t a t i v ew e i g h i n g s y s t e m - p r e c i s i o n ，a n dp o i n t so u tt h a tt h ee m p h a s e ss t u d i e di nt h i sp a p e ri s a s p i r a lf e e d i n gd y n a m i cq u a n t i t a t i v ew e i g h i n gp r o c e s s 2 t h ep h y s i c sm e c h a n i s mo fas p i r a lf e e d i n gd y n a m i cq u a n t i t a t i v ew e i 【g h i n g p r o c e s si ss t u d i e da n dt h em a t h e m a t i c sm o d e li s e s t a b l i s h e d t h ec o r r e l a t i v e s i m u l a t i o ne x p e r i m e n t sa r ec a r r i e do u t ，t o o 3 t h et h e s i ss t u d i e so nb pn e u r a ln e t w o r k ss t r u c t u r ea n db pa l g o r i t h m a s i m p l ed i r e c t m e t h o do f c s t i m a t i n gt h ea p p r o p r i a t e h i d e n o d e s i si n t r o d u c e di n t h i sp a p e rb a s e do ne x p e r i m e n t sa n dp r e v i o u se x p e r i e n c e t h i sm e t h o dh a s s i m p l i f i e dt h ed e t e r m i n a t i o no fh i d en o d e sa n da c h i e v e dg o o dr e s u l t i no r d e rt o i m p r o v et h es p e e da n dt h ea c c u r a c yo fb pa l g o r i t h m ，a ni m p r o v e db pa l g o r i t h m i sp r o p o s e di nt h i sp a p e r t h ee x p e r i m e n tr e s u l t ss h o wt h a tt h el e a r n i n ga c c u r a c y a n ds p e e do fb pa l g o r i t h mw i t ht w ot i m e sa d a p t i v ea d j u s to fl e a r n i n gp a r a m e t e r s i sh i g ht h a nt h a to ft r a d i t i o n a lb pa l g o r i t h m s oi tp o s s e s s e sb e t t e rv a l u eo f a p p l i c a t i o n 4 n o to n l yi n t e l l i g e n tc o n t r o l ，b u ta l s ot h eb a s i cp r i n c i p l eo fc o n t r o lm e t h o d b a s e do np i dc o n t r o lt u n e db yb pn e u r a ln e t w o r ki sd e s c r i b e di nt h i st h e s i s t h e r e s u l to fs i m u l a t i o nt e s t si n d i c a t e st h a tc o n t r o lm e t h o db a s c do np i dc o n t r o l t u n e db yb pn e u r a ln e t w o r ka c h i e v e ss a t i s f i e dp e r f o r m a n c e s 4 山东大学硕士学位论文 5 a c c o r d i n gt ot h es p e c i f i c a t i o n so fd y n a n l i cq u a n t i t a t i v ew e i g h i n gp r o c e s s c o n t r o li n - s p i r a lf e e d i n gd y n a m i cq u a n t i t a t i v ew e i g h i n gs y s t e m ，t h ec o n t r o l m e t h o db a s eo np dc o n t r o lt u n e db yb pn e u r a ln e t w o r kc o n t r o lm e t h o dh a p p l i e df o r ar e a lw o r k ad y n a m i cq u a n t i t a t i v ew e i g h i n gc o m p u t e rc o n t r o l s y s t e mi sd e s i g n e d ，w h i c hi n c l u d e sh a r d w a r e ，r e a l i z a t i o nm e t h o do fs o f t w a r ea n d f l o wc h a r to f i t 6 r e v i e w i n gw o r k so f t h i st h e s i sa n dp r o s p e c t i n gf u t u r em o r ew o r k s k e yw o r d ：b pn e u r a ln e t w o r k p i dw e i g h i n gc o n t r o l q u a n t i t a t i v ew e i g h i n g d y n a m i cp r o c e s s 山东大学硕士学位论文 第一章绪论 1 1 引言 衡器是确定物体的质量或者作为质量函数的其它参数的一种计量仪器 1 9 世纪后期，随着工业化的迅猛发展，出现了大量迅速称量散装物品的自动 秤这种自动秤的称量过程分以下几个阶段： 1 1 打开装满散料的容器； 2 ) 把散料输入到秤斗里进行称量； 3 ) 到达平衡位置时，关闭进料闸门： - 4 ) 自动卸空料斗； 5 ) 秤斗和气动联动装置回到初始位置，自动启动下一个称量过程 近1 0 年来，电子衡器己经越来越多地参与到数据处理和过程控制之中， 出现了采用电子衡器作为称重计量系统的能实现自动的动态定量称重配料系 统 动态定量称重系统在建筑、饲料加工、食品加工、化工、冶金等行业具 有广泛的应用前景，可以对这些行业提高劳动生产率，提高产品质量，降低 消耗起到重要的作用【1 1 1 2 动态定量称重控制系统概述 在我国，作为动态定量称重系统核心部分的衡器，2 0 世纪4 0 年代以前 还全是机械式的，4 0 年代开始发展了机电结合式的衡器，5 0 年代开始出现了 以称重传感器为主的电子衡器( 俗称电子秤) 由于称重传感器( 特别是电阻应 变式称重传感器) 的各项性能不断有新的突破，为电子秤的发展奠定了基础 我国电子秤技术在7 0 年代中由于电阻应变式称重传感器技术上的突破，取得 了历史性的进展近年来，电子衡器已经愈来愈多地参与到数据处理和过程 控制之中，现代称重技术和数据系统已成为工艺技术、储运技术、预包装技 ， 术、收货业务及商业销售领域中不可缺少的组成部分 6 山东大学硕士学位论文 1 2 1 动态定量称重控制系统的组成 动态定量称重控制系统由储料仓、加料系统、称重计量系统及中心控制 系统几部分组成【3 1 1 加辩系统 螺旋加料系统：这种系统由电机驱动加料速度由电机( 包括减速机) 速 度、螺旋给料器口径和螺距来决定适用于物料流动性差，配料精度要求较 高，配料速度要求较慢的场合，如面粉、蔗糖等为了提高配料速度和精度， 可采用双速电机机构驱动螺旋加料机，粗加料时用高速，细加料时用低速 料门加料系统：这种系统适合物料流动性好，配料速度要求快，精度要 求相对较低的场合，如砂子、石子等通常使用双气缸实现料门两种开口大 小或一大一小两个料门，实现既提高称重速度又提高精度的要求在粗加料 时，将料门全部打开或两个料门打开，达到一定量时，将料门关闭一部分或 将大料门关闭，进行细加料，达到预定量时将料门全部关闭 电磁阀给科系统：对于一些液体原料可采用这种给料方式，如水等这 种方式控制相对简单，也可采用双管路双电磁阀控制，提高配料速度和精度 2 称重计量系统 称重计量系统是动态定量称重系统的核心随着科学技术的迅速发展， 动态定量称重系统的发展经历了传统的杠杆机械秤，机电结合式电子秤和传 感器式电子秤、电脑秤和微机控制秤等 杠杆机械秤主要由秤斗和杠杆系统组成。其称重速度慢、效率低、不能 适应生产自动化的要求 电子秤是装有电子装置的一种衡器，它由承重、传力复位系统( 如机械计 量斗) 、称重传感器以及称重仪表等组成 电子秤的系统结构如图1 1 所示 与传统的机械秤相比，电子秤的特点是称量方便、分辨率高、称量值可 以数字显示，这便于重量信号的远距离传输，以达到集中控制和生产过程自 动控制的目的 电子秤的发展经历了由简单到复杂、由粗糙到精密、由机械到机电结合 再到全电子化、由单一功能到多功能的过程最先进的电子秤己经普遍将微 7 山东大学硕士学位论文 图1 1 电子秤结构框图 处理器或小型计算机系统作为测量和显示部件 微处理器自7 0 年代中期研制以来，已进入普及阶段，尤其是单片微处理 器的出现，由于它体积小、功能强、价格便宜，更适合于仪表的智能化因 此，更先进的、功能极强的、带微处理器的电子秤仪表日趋增多 微机化称重仪表大致分为两种类型，一种是本身具有前置放大、显示和 打印以及传感器激励电源等所有功能的小而全的整台仪表另一种是c r t ， 显示的终端机形式称重仪表，它实际上是一台附加有前置放大、a d 转换和 传感罂激励电源的一套微机系统【 图1 2 微机化称重仪表工作原理图 显示 打印 控制输出 微机化称重仪表也称智能化称重仪表，主要由硬件和软件两部分组成 硬件一部分是包括称重信号的采集、放大及称重传感器，另一部分是微型计 算机，两者通过一定的接口进行连接其工作原理如图1 2 所示 称重传感器输出的电压信号经前置放大，a d 转换变成数字信号，然后 送到c p u ，c p u 对输入数字信号与输入定值进行比较或进行各种基本运算及 逻辑判断等。最终完成某一特定要求的称重过程 凡称重信号随时间变化的称重过程属动态称重过程这类过程所使用的 电子秤称动态电子秤f 1 1 8 山东大学硕士学位论文 i i i _ _ _ _ _ _ _ _ _ _ _ _ _ - _ _ _ _ _ _ _ - - - _ _ _ _ _ _ _ _ _ - - _ _ - - _ _ _ - - 一 3 中心控制系统 称重计量系统和中心控制系统是自动配料系统的核心 中心控制系统可采用单片机或者微机来实现控制上有集中控制和分布 式控制等形式前者考虑到对计算机的充分利用，用一台计算机直接控制和 管理多路生产设备，造价相对低廉，但是这种控制方式控制任务过于集中。 一旦计算机出现故障，则会影响全局随着科学技术的进步。低廉和功能完 善的微型计算机和单片机的问世，出现了分布式控制结构，即由若干微处理 器分别承担部分任务，共同组成计算机控制系统，并且用一台功能更强的计 算机进行管理，这种结构中的每一台控制器功能都较为简单，但是可靠性更 高，可维护性更好 采用两级分布式控制方式时，系统的下位机一般采用单片机为核心的控 制器( 如流量控制器) 。每台控制器直接控制一台秤，实现一路物料的定量给 料系统的上位机一般采用微型计算机，一般是使用工业控制计算机一台 上位机连接多台下位机，用于生产线的集中管理上位机具有数据采集和分 类储存的功能，还可实现人机对话，完成集中监视、集中操作和集中管理等 多项任务系统的上下位机之间通过r s - 4 8 5 或r s 2 3 2 等串行通讯总线进行 信息交换 1 2 2 定量下料动态称重控制器现状评述 国内在定量下料动态称重控制器研究方面进行了多方面的探索无锡市 一家企业生产的。l e 9 8 3 系列电子计量秤控制器”，。是专为称重、配料、 定量、逻辑控制和工况连锁而设计的一种高性能价格比的真正实用仪表，它 集目前模拟、数字和控制的最新技术之大成在高温、工业干扰大和高频率 开关动作等恶劣使用环境条件下具有很强的适应性其优良的性能和完备的 功能体现了国产同类仪表的先进水平。在精度、速度、可靠性和稳定性方面 完全可以同国外进口仪表媲美”【4 】 上海一家企业生产的“c k 9 9 8 型多功能智能数字控制器”，“由进口高 性能高品质的a d 转换器、微处理器及先进的s m t 技术辅以功能卓越的软 件组成在高温工业干扰大和高频率开关动作等恶劣环境条件下，具有很强 9 山东大学硕士学位论文 _ - _ _ - _ _ _ _ _ - _ _ _ - - - - _ _ - _ - - - - - _ _ - - _ - _ - - - - _ _ - - - _ - _ - - _ _ 一i | i - _ _ _ - - _ 的适应性。仪表采用铝型材料机箱，不锈钢面板设计具有密封好、功耗低、 精度高、体积小巧、造型美观、轻巧、安装方便、操作简便等特点” 5 1 上海另一家企业生产的。c b 9 0 0 g 称重显示控制器”，“采用最先进的 s m t 技术生产，可通过外接的计算机或仪器打印配料报表并可进行数据设 定采用最新之e 采样方法，数据可更稳定c b 9 0 0 g 具有包装、配料等 综合功能嘲 上面所介绍的是当前定量下料动态控制器的技术特点具有的优点： 1 ) 高速转换与控制速度； 2 ) 静态精度年漂移不大； 3 ) 抗干扰能力比较强： 缺点有： 1 ) 其人机界面非常不友好，操作工要记住很多代码，才能进行工作； 2 】只有r s 2 3 2 通讯接口，不利于远程控制； 3 ) 算法简单，不利于进行快速控制和提高精度； 1 3 动态定量称重的关键问题 动态定量称重对称量设备的要求，首先是准确，第二个要求是快速实 际称量配料过程中，快速和准确是一对矛盾一般动态定量称重过程的生产 率都有规定，所以在给定的生产率前提下，即称量配料时间周期一定的情况 下，同时要使配料精度达到要求 动态定量称重系统的动态称量配料过程控制，关键问题是如何实现高精 度的动态定量称重，即动态定量称重精度要满足标准要求，又不能影响生产 率 造成称量配料误差的原因是多方面的，其中主要有如下因素： 1 ) 给料装置的动作滞后； 2 ) 物料下落的冲击力； 3 ) 当配料系统发出关闭信号后原料的过冲量( 空中余料) ，因物料料流的 不稳定以致过冲量的随机变化； 4 ) 控制器采样引起的误差：如采样速率偏慢以致采样不连续； 1 0 山东大学硕士学位论文 为了解决称量配料中的快速和准确这一对矛盾，许多自动称量设备都把 称量过程分为粗称和精称两个阶段在粗称阶段大量给料，缩短称量时间， 当给料量达到要求量的8 0 毋o 时，开始精称；在精称阶段小量给料以提高 称量精度如图1 3 所示 时间 图1 3 称量过程分为粗称和精称两个阶段 另外，也有的自动称量设备不分租称和精称两个阶段，而只用一个给料 门，当给料到一定程度的时候，提前关闭给料门，然后根据称斗上的实际物 料重量进行点动补偿加料，补偿加料时。给料门一开一关，门开的时间事先 设定这样。可使实际物料重量一点一点地接近给定值 但是，采用点动的办法实现动态称量有以下缺点： 1 ) 点动影响生产率多次点动使得称量配料时间延长，影响称量配料生 产率低 2 ) 频繁点动易使机械设备损坏如气缸、电磁气阀等 1 4 本论文的主要研究工作 总的来说，定量加料动态称重控制器目前的技术水平已发展到可在控制 回路中较好的应用但随着控制理论的不断发展以及用户要求的不断提高， 需要在控制算法上到一个新的高度 本论文对定量加料动态称重系统的动态称量过程进行研究，推导出数学 模型算式，并作了定性分析，在此基础上提出了智能控制的思想，采用基于 当奎盔主要兰丝竺銮 b p 神经网络整定p i d 控制的定量称重的控制方法进行了控制系统的设计 和计算机仿真实验研究 本论文的主要工作和成果有以下几个方面： 1 综述了动态定量称重系统的概况，同时指明了本文的研究重点是料斗 秤螺旋加科动态定量称量过程 2 分析了螺旋加料动态定量称量系统称量过程的物理机理，在此基础上 推导出了称量配料的数学模型算式，进行了计算机仿真试验研究，并作了定 性的分析 3 控制算法的研究。概述了智能控制和神经网络控制，阐述神经网络控 制的基本原理对定量下料动态称重的受控过程作了进一步的研究，将神经 网络的控制方法应用于该过程控制，进行了控制系统的设计和计算机仿真实 验研究仿真结果表明，应用神经网络控制方法可取得满意的控制效果 4 针对定量称重控制要求，将神经网络的控制方法应用于工程设计中 详细介绍了定量下料动态称重控制系统的工程实现方法，包括硬件和软件部 分 5 回顾了本论文的工作并对进一步的工作做了展望 山东大学硕士学位论文 第二章动态定量称量过程的分析 2 1 动态定量称量过程的机理分析 本论文的研究对象动态定量称重系统的结构如图2 1 所示螺旋进料器 在交流电机的转动驱动下将物料送入称量斗，它可作为加科机构看待，其作 用是将物料放入称量斗由于交流电机不加调速控制，则加料机构的输入是 开关信号，输出是物流量称量斗是一个纯积分单元，对物流量进行积分而 形成物料重量 交 螺旋加料器 称量传感器 图2 1 机械结构图 加料机构采用两个大小不同口径的螺旋进料器加料，即两级加料方式 前级加料时，粗细进料器同时运行，加料流量大，用较短时间加料到给定重 量的9 0 - 9 5 ，侧重于缩短称重周期，提高称量速度：末级加料时，由细加 料器单独加料，加料流量小，用去整个进料周期的l ，2 1 3 时间，仅加入给 定重量的5 。一1 0 ，侧重于保证称量精度 2 2 动态定量称量过程的数学模型的建立 2 2 1 控制对象 可列出特征方程： 1 3 山东大学硕士学位论文 称量斗的数学模型为： w ( 0 = i q ( t ) d t( 2 1 ) 式中，w ( t ) 为物料质量( k g ) 。q ( t ) 为物料流量( k g s ) ，起始值为零的拉 氏变换为： 。矿= q ( s ) s ( 2 2 ) 由粗细螺旋加料器组成的送料机构的输入开关信号有三种状态：粗细加 料器都接通加料：粗加料器断开，细加料器接通单独加料；粗细加料器都断 开，停止加料对应三种状态，输入值【，( r ) 分别为l ，1 ：0 ，1 ；0 ，0 假定研究对象动态定量称量的模型是一阶线性的i 钔，则粗螺旋加料器的 传递函数为： 啪) = 器；而1 ( 2 3 ) 细螺旋加料器的传递函数为： 删= 踹= 而1 ( 2 4 ) 式中q 1 0 ) ，u j ( 曲分别为粗螺旋加料时物科流量q l o ) 和输入开关信号 u 。( f ) 的拉氏变换：易( 曲，u 2 0 ) 分别为细螺旋加料时物科流量q 2 ( f ) 和输入 开关信号o ) 的拉氏变换 物料单位质量，粘度、料位等各种因素对流量产生随机扰动n l 和n 2 定量加料系统控制结构原理图如图2 2 1 4 图2 2 结构原理图 山东大学硕士学位论文 粗细螺旋加料器除口径不同外，其它参数皆同，故用一个方程，考虑三 种状态，有： a 。d q 西( t ) r + 岛q ( f ) = ( f ) ( 2 5 ) 其传递函数为： g o ) ：黑：巡 ( 2 6 ) 【，o ) a i $ + b i 1 式中口j 、b i 和k 。( f = 1 3 ) 为对象参数。这些参数都可以通过系统辨识来得 到；q ( o 为没考虑扰动时的物流量o 【g s ) ；( f ) 为输入信号；用七双来区别基 本流量的大小 在( 1 = l 一3 ) ；种情况下，假定q 、岛相等，以t 来表示物料流量的大 小物料单位质量、粘度、料位等各种因素对流量产生随机扰动n l 和n 2 ， 可将这些噪声统一在积分环节前考虑 因此，初始值为零的拉氏变换为：。 q ( 力= = k 五w 石o ) + k f f o ) ( 2 ” 式中口、b 、瓦为对象参数，丘分三种情况取值：善o ) 为噪声，哎为噪声 幅度系数，q ( s ) 为含噪声的物流量。 2 2 2 控制器 控制器特性如图2 3 所示，即 u ( t ) = “i ，当e 毛，且0 t t l u ( t ) 暑叱，当e 2 e ( q ，且t ls t t 2 u ( t ) = o ，当p se 2 ，且t f 2 ( 2 8 ) 式中，e 为加料设定值与实际重量的偏差 开始加料时刻为起始时刻( f = o ) ，偏差为设定值；在前级加料过程时， 螺旋加料器输出为。= 蚝，表示租细螺旋加料器进料时的控制器输出；到e = 每 时刻( f = t 1 ) ，切换到末级加料，螺旋加料器输出为“= “：，表示细螺旋加料 山东大学硕士学位论文 11li i _ _ _ i 器单独进料时的控制器输出；到e - - e ：时刻( f = f ：) ，停止给料，螺旋加料器输 出为“= 0 图2 3 控制器特性 ， 综上所述，可画出系统原理方框图如图2 4 所示 罔2 4 系统原理方框图 2 2 。3 控制对象特点及控制要求 根据以上分析，整个加料控制过程有以下特点： 1 ) 控制对象的被控流向是不可逆的配料过程是一步一步进行的，放下 的物料不能再收回，所以输出结果不能通过超调量来立即加以调节 2 ) 被控过程具有时变、随机特性是一个非线性对象当物料种类确定 后。过程的不确定性主要来自物料在料斗中分布的不均匀性；物料对称重料 斗的冲击性、空中余料的不可测性另外，交流电机对料门控制的灵敏程度、 受交流变频调速控制的交流电机的启动特性、给料装置的机械特性、称重传 感器的稳定性、测控系统前向通道数据采集精度和稳定性等也是过程不确定 性的影响因素 1 6 山东大学硕士学位论文 3 ) 被控对象的受控特性是开关性的，无法通过对中间过程的控制来调节 输出流量 由上述特点，决定采用的控制策略是能对整个控制过程在线地调整，并 对开关的切换值进行预测 2 3 控制策略 根据所得的数学模型可以得出给料过程的重量时间曲线如图2 4 所示 q t 图2 5 给料过程的重量时闻曲线 由图2 4 所示可见，整个给料进程可分为五个阶段；( d 开始到前级给料 的过渡过程段；( i d 前级给料的稳定段；( ) 前级给料切换到末级给料的过渡 过程段；( ) 末级给料的稳定段；( v ) 给料结束过渡段l 扪 要使系统具有高性能的关键是切换点a 和b ，即对切换系数e l 和e ，的选 择切换系数岛的选取至关重要，需要通过调节来补偿各种因素造成的误差 为了保证控制精度，必须在切换点a 后存在末级给料的稳定段，这需 要通过调整切换系数e l ，来保证其存在选取6 ，不能取得过小，否则可能 由于末级加料稳定段的不存在而使控制精度很差：岛也没有必要取得过大， 以免影响进料速度同时，只要有末级加料稳定段的存在，末级加料时问的 长短对精度影响不大 1 7 山东大学硕士学位论文 由此。对岛必须正确地设定方能达到很好的控制效果但在控制过程中 有诸多的不确定性当物料种类确定后，过程的不确定性主要来自物料在料 斗中分布的不均匀性、物料对称重料斗的冲击性、空中飞料的不可测性。另 外，交流电机对料门控制的灵敏程度、受交流变频调速控制的交流电机的启 动特性、给料装置的机械特性、称重传感器的稳定性、测控系统前向通道数 据采集精度和稳定性等也是过程不确定性的影响因素这些因素决定了被控 过程具有时变、随机特性，是一个非线性对象所以用传统方法对其难以控 制 1 8 山东大学硕士学位论文 第三章b p 神经网络的结构及算法的研究 3 1b p 神经网络的结构 1 9 8 5 年r u m e l h a r t 等提出的误差反向传播网络( b p ) 是一种前向同，因其 采用的误差反播算法( e r r o rb a c kp r o p a g a t i o n ) 而得名从结构上看，它是属于 典型的前向神经网络。由输入层、输出层和若干隐含层组成，相邻两层的神 经元之间形成全互连接，同层各神经元互不连接典型的b p 网络由输入层、 隐含层和输出层组成，如图3 1 所示【1 2 1 w 膏2螂 图3 1 b p 网络结构图 在使用b p 算法时，必将遇到选择b p 神经网络的最佳结构问题具体地 说，就是给定了某个应用任务，如何选择网络的层数和每层应选的单元数 3 2 输入层和输出层节点数的确定 3 2 1 输入层节点数的确定 输入层起缓冲存储器的作用。把数据源加到网络上其节点数目取决于 数据源的维数，即输入特征向量的维数 选择特征向量时，要考虑到应选的向量是否完全描述了事物的本质特 征如果特征向量不能有效地表达事物的特征，网络经训练后的输出可能与 实际有较大的误差当然，特征向量的选取并不是维数越多越好，输入特征 向量维数的增多，将使网络的计算量呈指数增长，会导致组合爆炸良好的 特征应该具有以下四个特点： 1 9 山东大学硕士学位论文 1 ) 可区别性对不周类别的对象来说，它们的特征值应具有明显的差异 2 1 可靠性对同类的对象来说，它们的特征值应该比较相近 3 ) 独立性所用的各特征之间应彼此统计独立 4 ) 数量少不仅模式识别系统的复杂度随特征的个数迅速增长，而且用 来训练网络的样本数量也随特征的数量呈指数关系增长，在某些情况下。甚 至无法取得足够的样本来训练网络 所以，确定输入层节点数关键是弄清正确的数据源，选取适当的特征 如果数据源中有大量未经处理的或虚假的信息数据，那必将妨碍对网络的正 确训练，因此，要剔除那些无效的数据，确定数据源的合适数目，这大体上 需要经过四步m l ： 1 1 确定与应用有关的数据； 2 1 除去那些在技术上不符合实际的数据源： 3 1 除去那些不可靠的数据源： 4 ) 开发一个能组合或预处理数据的方法，使这些数据更具有实际意义； 值得注意的是，神经网络只能处理表示成数值的输入数据，所以经常需 要将外部信息变换或编码一般将输入数据标度到限定范围 o ，l 】。例如，输 入的外部信息是“男”和。女”，可用。l ”和。0 ”表示 在确定了数据源之后，输入层所需的节点数自然也就决定了 3 2 2 输出层节点数的确定 输出层节点数的确定，有以下两种方法： 1 ) 当模式类别较少时。输出层节点数等于模式类别数，m 类的输出用m 个输出单元。每个输出节点对应一个模式类别，即当某输出节点值为l ，其 余输出节点值均为0 时，对应输入为某一特定模式类的样本 2 ) 模式类别较多时，用输出节点的编码表示各模式类别，即m 类的输 出只要用l o g ，肼个输出单元 3 3 隐含层数和层内节点数的确定 在实际应用中，如何确定隐舍层数和层内节点数，一直是确定前馈网络 2 0 山东大学硕士学位论文 结构的难点和重点，这也是一个十分复杂的问题，也是b p 神经网络在结构 上主要缺点因为到目前为止，还没有严格的理论依据，没有很好的解析式 来表示，可以说隐单元数与问题的要求、输入输出单元的多少都有直接的关 系，随着不同的条件会有不同的结论【”1 3 3 1 隐含层数的确定 对于多数神经网络来说，首先要确定选用几层隐含层h e c h t n i e l s e n 曾 证明了当各节点具有不同的门限时，对于在任何闭区域内的一个连续函数都 可以用一个隐含层的网络来逼近，因而一个三层的基于b p 算法的神经网络 可以完成任意的n 维到m 维的映射1 9 8 8 年c y b c l 3 k o 指出，当各节点均采 用s 型函数时，一个隐舍层就足以实现任意的判决分类问题，两个隐层则足 以表示输入图形的任意输出函数这个结论是比较有用的1 3 j 隐含层起抽象的作用，即它能从输入提取特征增加隐含层可以增强神 经网络的处理能力，但势必使网络训练复杂化、训练样本数目增加和训练时 间增长作者的实验结果( 见表3 1 ) 表明：在相同条件下，具有两个隐含层的 网络的训练次数和训练时间比只有一个隐含层的网络的训练次数和训练时间 都要多实验对象为x o r 问题，用m a t l a b 仿真，学习结束条件为m s e o 为学 - j 率 ( 3 1 6 ) 其中d ，( 忉= - a e 7 ( ) = e a i 为的n 时刻的负梯度 ( 9 ) 随机选取下一个学习模式对提供给网络，返回到步骤( 3 ) ，直到全部 m 个模式对训练完毕 0 0 ) 重新从m 个学习模式中随机选取一个学习模式对，返回到步骤 ( 3 ) ，直到网络全局误差函数e d , 于预先设定的极小值或学习回数大于预先设 定的值 ( 1 1 ) 结束学习 3 5b p 网络学习算法的缺陷及其原因分析 3 5 1b p 算法的存在缺点 b p 网络由于有很好的非线性逼近能力，它并不依赖于模型其输入与输 出之间的关联信息分布地存储于连接权中，由于连接权很多，个别神经元的 山东大学硕士学位论文 损坏只对输入输出关系有较小的影响由于这些优点，它至今仍然是多层前 向神经网络的最主要的学习算法1 2 总的来说，b p 网络学习算法的主要优点； 1 ) 要有足够的隐层和隐节点，b p 网络可以逼近任意的非线性映射关系； 2 ) 网络的学习算法属于全局逼近的方法，因而有较好的泛化能力； b p 网络学习算法的主要缺点： 1 ) 容易陷入局部最小值； 2 ) 学习过程收敛速度慢： 3 ) 隐含层和隐含层节点数难以确定； 对于3 ) 已在3 5 3 节中作了讨论，这里只讨论1 ) 、2 ) 两方面 3 5 2b p 网络学习算法存在缺点的原因分析 前面提到。b p 网络的一个严重的缺点是收敛太慢，它影响该网络在许多 方面的实际研究应用为此，许多人对b p 网络的学习算法进行了广泛的研 究 1 易陷于局部极小值的原因 b p 算法采用的是梯度下降法。硼练是从某一起始点沿误差函数的斜面逐 渐达到误差的最小值对于复杂的网络，其误差函数为多维空间的曲面，就 像一个碗，其碗底是最小值点但是这个碗的表面是凹凸不平的，因而在对 其训练过程中，可能陷入某一小谷区，而这- d , 谷区产生的是一个局部极小 值，由此点向各方向变化均使误差增加，以至于使训练无法跳出这一局部极 小值 2 学习过程收敛速度慢的原因 导致b p 算法学习过程收敛速度馒的原因主要有以下两个方面【2 2 】： 一、固定的学习率a 和惯性因子口 b p 算法本质上是优化计算中的梯度下降法，利用误差对权值、阈值的一 阶导数信息来指导下一步的权值调节方向。以求达到最终误差最小。为保证 算法的收敛性，学习率口必须小于某一上限这就决定了b p 算法的收敛速 度不可能很快 山东大学硕士学位论文 b p 算法中的学习率口和惯性因子口是由经验确定的，在训练过程中保持 不变在接近极小点时，目标函数一般可以用二次函数近似，其等势面接近 椭球面，长轴和短轴分别位于对应最小特征值b 和最大特征值b 的特征向量 的方向( 如图3 2 ( a ) 所示) ，其大小与特征值的平方根成反比当h e s s i a n 阵 v 2 以栅的条件数( b ，b ) 比较大时，椭球面很扁，使得一维搜索沿着狭长谷进 行( 如图3 2 ( b ) 所示) 由于梯度法相邻两次迭代的搜索方向是正交的，对于 很扁的同心椭球族，如果初始点) ( ( o ) 是h e s s i a n 阵的特征向量。迭代过程呈现 锯齿现象如果求不出正确的学习率，则由于最速下降方向的升降方向指向 谷侧而使收敛非常缓慢。 锄勿、 b p 算法执行过程中。权值和阈值每次调整的幅度，均以一个与网络误差 函数或其对权值或阈值的导数大小成正比的项乘以固定的因子a 进行这样 在误差曲面较平坦处，由于这一偏导数值较小，权值和阈值的调整幅度比较 小，以至于需要经过多次调整才能将误差函数曲面降低：而在误差曲面曲率 较高处，偏导数值较大，权值和阈值的调整幅度也比较大。以致于在误差函 数最小点附近发生过冲现象，难以收敛到最小点。 二、学习过程中的“假饱和”现象 所谓“假饱和”现象，是指在学习过程中误差在一定的时间范围内，并 不随学习次数的增加而减小。而过了这段时间以后，误差才明显下降的现象 在b p 算法中，初始权值、阈值一般是在一个范围内随机产生的输入 样本与连接到第一隐含层的初始权值进行内积运算得到第一隐含层神经元的 总输入，再经非线性函数作用给出其输出，该输出又作为下一层的输入，照 此直到输出层输出层的实际输出与目标输出之差作为误差度量的基本项。 如果神经元的总输入与阈值相距甚远，由于神经元具有饱和非线性特征，使 神经元的实际输出要么为最大值，要么为最小值当神经元的总输入偏离阈 2 8 山东大学硕士学位论文 值太远时，就称它进入饱和区当输出层神经元的总输入落入饱和区且实际 输出与目标输出相矛盾时，为非正确的饱和，即。假饱和”这时需要对权 值有大的修改量，而实际上，由于此时导数值趋近于零，导致权值修改量很 小，因而学习缓慢对隐含层神经元也是如此，只不过其误差用误差反向传 播计算学习一旦进入“假饱和”状态，需要较长的时间才能摆脱这种状态 3 6 改进b p 算法的措施和方法 3 6 1 避免网络陷于局部极小值的方法 避免局部极小值的方法主要有以下几种： 1 模拟退火算法【1 9 】删【2 4 】 模拟退火算法是模拟金属退火过程的一种全局寻优算法网络的可调节 权值等效于金属中的粒子，面网络的输出误差( 代价函数) 则等效于金属的能 量状态随机地取权值增量w 。按如下原则判断是否接受新的权值调整： 若w 使网络的代价函数e c w ) 减小，则接受这个增量w ；若w 使网络 的代价函数e ( w ) 增加，则按一定概率分布接受这个增量w 这实际上等效