（控制理论与控制工程专业论文）神经网络pid控制在工业过程控制中的应用研究.pdf

神经两络p i d 控制襁工业过程控制中的应用研究 攒要 p i d 控制方法是经典控制算法中的典型代表，并在多种控制场合取得了很 好瓣效暴，毽陡着生产工艺黪骞盏复杂嚣a 织对工照过程慈髂性能螫袋戆不辫 提高，传统的p i d 控制方法往往难以满足闭环优化控制的要求。基于知识且不 依赖于模型的智能控制为解决这类问题提供了新的腮路，成为目前提离过程控 嚣疆量韵鬟要途羟。丽神经网络 车为现代信患处理技术的一种，正在很多应鞠 中恩示它的优越性，它在自动控制领域的应用成果一一神经网络控制也成为令 人瞩基匏发震方淘。嚣秘经潮络p i d 控裁技术在其孛扮演了十分重要戆受色， 并且仍将成为未来研究与应用的重点技术之一，这是因为p i d 类型的控制披 术在工业过程控制中仍占有主导地傲，如果能发现性能优于p i d 的控制器， 且疑有类儆p i d 荔予使霜的特点，无论在壤论还羲实践上都将其有重要的意 义。 本文对强翦磷究较为成熟的神疑网络p i d 控制避褥了整纳，根据互业控割 的需要，对几种典型的神经网络p i d 控制器( 慕于单神经元的p i d 控制器s n p c ， 基于多层网的p i d 控制器n n p c 和基于多层网的近似p i d 控制器l p n c ) 进行了 爨粪骚究，劳毙较势孝厅了各静控鞭嚣静佬襞窳，著钎对缺点捷密了摇瘦豹致谶 方案。 最后，在山梨醇化工生产线鲍照动控制系统顼露中，将l p n c 舜予其结螽 过程的温发控制，通过仿真比较证实了神经网络p i d 控制的脊效性和适用性， 并在r s v i e w 中用v b 语言实观了温度的自动控制过程。 关键词：神经网络p i d 控制工业过程控制神经丽络自整定b p 算法 t h ea p p l i c a t i o nr e s e a r c ho i ln e u r a lp l bc o n t r o l i ni n d u s t r i a lp r o c e s sc o n t r o l a b s t r a e t p i dc o n t r o lm e t h o di so n eo ft h et r a d i t i o n a lc o n t r o lm e t h o d sa n dg e t sg o o d e f f e c t su n d e rm a n ya p p l i c a t i o ns i t u a lt i o n s b u tw i t ht h ei n c r e a s ei nc o m p l e x i t yo f m a n u 甄e t u r et e c h n i c sa n dd e m a n d s o fi n d u s t r i a l p r o c e s sp e r f o r m a n c e t h e c o n v e n t i o n a lp i dc o n t r o lc a nn o tm e e tt h er e q u i r e m e n to fc l o s e dl o o po p t i m i z e d c o n t r 0 1 i n t e l l i g e n tc o n t r o li n d e p e n d e n to fm o d e lo fap l a n ta n db a s e do nk n o w l e d g e o f f e r san e wi d e af o ri m p r o v i n gt h ep r o c e s sc o n t r o lq u a l i t y ，o fw h i c hn e u r a ln e t w o r k ， a so n eo fm o d e r ni n f o r m a t i o np r o c e s st e c h n o l o g i e s ，h a ss o m ea d v a n t a g e si nm a n y a p p l i c a t i o n s n e u r a ln e t w o r kc o n t r o lb e c a m ear e g a r d e dr e s e a r c hd i r e c t i o n a n d n e u r a lp i dc o n t r o li so n eo ft h em a i nt e c h n i q u e si nr e s e a r c ha n da p p l i c a t i o nd u et o t h ed o m i n a n tp l a c eo fp i dt y p e sc o n t r o li ni n d u s t r i a lp r o c e s sc o n t r o lr e c e n t l y i ft h e c o n t r o l l e rw h i c hh a sb e t t e rp e r f o r m a n c ea n di sw i e l d yl i k ep i dc a nb ef o a n d t h e r e w i l lb es i g n i f i c a n c ei nb o t ht h e o r ya n dp r a c t i c e i nt h i sa r t i c l e ，s e v e r a lk i n d so fn e u r a lp i dc o n t r o l l e r sa r ei n t r o d u c e d a c c o r d i n g t ot h en e e do fi n d u s t r i a lp r o c e s s ，t h r e et y p i c a ln e u r a lp i dc o n t r o l l e r s ( i n c l u d i n gt h e s i n g l en e u r o n a lp i dc o n t r o l l e r ，t h en e u r a ln e t w o r kp i dc o n t r o l l e ra n dt h el i k e d p 珏) 尊j nc o n t r o l l e r ) a r es t u d i e db ys i m u l a t i o ni no r d e rt os h o wt h e i rc h a r a c t e r i s t i c a n da p p l i c a b i l i t y a i m i n ga tt h e i rs h o r t c o m i n g ss o m ep r o j e c t sa r ep r o p o s e dt o o p t i m i z et h ec o n t r o l l e r s 虹t h i sa r t i c l e i nt h ee n d ，t h ep r o p o s e dl p n ci sa p p l i e dt oc o n t r o lt h et e m p e r a t u r eo ft h e c r y s t a l l i z i n gp r o c e s si nt h ea u t o m a t i cc o n t r o ls y s t e mo ft h es o r b i t o lp r o d u c tl i n e t h e n e u r a lp i dc o n t r o li sp r o v e d ob ee f f e c t i v ea n da d a p t i v eb ys i m u l a t i o na n dr e a l i z e d u s i n ga n s ibl a n g u a g ei nr s v i o w 3 2 k e y w o r d s ：n e u r a lp i dc o n t r o l i n d u s t r i a lp r o c e s s c o n t r o l n e u r a ls e l f - t u n i n g b pa r i t h m e t i c 捶强渍单 图1 1自遮应控制系统结构图 强2 。l ￥p 聿枣经元模型 醋2 2 单艨感知器 图2 3b p 神经网络 强2 4r b f 鼹络绩褥， 图2 5c i d a c 结构框图 图2 6 连续型h o p f i e l d 网络 垂3 1荸糖经元p i d 控剽琢理挺嚣。， 图3 2 基于多层前向网的p i d 控制系统结构图 图3 3b p 网络结构图 强3 4 采翔线性鞭摄模型豹基于嚣囱睡熬p t d 控髑系统疆辫 图3 5 采用神经网络预报模型的基于前向嘲的p i d 控制系统框图 图3 ，6 基于多层网近似p i d 控制系统框图 图3 7 萋予多爱瓣遥经p i d 控裁系统瓣终缎梅， 图3 8g ( s ) 跟踪设定值曲线 图3 。9g ( s ) 扰动曲线 蚕3 1 0 控髑器适斑g ( s ) 参数变铯铸赛叠线一 图3 1 l 过程g ( s ) 的p i d 参数神经冠自调整 图3 1 2 复仓控制嚣的结构图 赘3 1 3 热p i d 韬抉控剿器翦后懿s n p c 豹设定值喷溅蘸线一 图3 1 4g ( s ) 跟踪设定值曲线 ， 图3 。1 5g ( s ) 扰动曲线 舀3 1 6 控剿器适寝g ( s ) 参教交话仿真癌线 图3 17g ( s ) 跟踪设定值曲线 图3 。1 8g ( s ) 扰动曲线 图3 ，1 9 控制箍适藏g ( s ) 参数变纯嵇真馥线 图4 1简易工艺流程图 图4 。2结磊过程的工艺篾瞬 图4 3 爱缱釜工彀豹系统配置 图4 4 控制系统网络结构圈 图4 。5 部分连镁控制的梯形图。 圈4 6闭环监控系统的结构示意鬻 图4 7 报警记录编辑器窗阴 图4 ，8 结鼹过程泓度控制系统缝搀图 图4 9 结晶过程的阶跃晌斑 图4 1 0 根据无刚量形式的阶跃响应上两点确定五和嚣 图4 1 1 缝黯温度控制系统设定值霸遁应参数变化曲线 图4 。1 2 结龋温度控铕8 系统抗扰动稿线 图4 1 3 结晶段温度控制与控制器参数整定留口 匿4 。1 4 结晶过程滠度控制l p n c 算法滚程圉， 4堪如他堪拇越筋拍勰嬲黔辫”姐匏鹑辩：葛孙始鲻”船舶们鹳钻拍钉蜉靼移始 表格瀵单 表3 - 1s n p c 与z n p c 仿真结果性能指标比较 表3 - 2n n p c 与s n p c 仿真结果性能指标比较 表3 - 3l p n c 与n n p c 薅寞结果性能攒标毙较 3 2 3 5 3 6 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f 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注和致谢的地方外，论文中不包禽 其他人已经发表或攒写过的研究成果，也不包含为获得垒整王墼盍攀 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 磺檄酶锃撵嚣裁均蠢在论文牵律了翡确静谎孵荠表拳谢意。 日 桃论文作者签名闺嗨 学位论文版权使用授权书 签雩日觏卜s 髓 本学位论文作者完全了解金腮王些态凳有关保留、使用学位论文的规 定，有权嫌爨并愈黑家有关部门或桃梅送燮论文豹复窜件秘磁盘，允许论文 被齑闽和借阅。奉人授权佥筐王敏盍堂可以将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税书) 学能敞作者撼闭翰 签字匿囊：茹年岁胄 学侥幸垂支髂者毕堑磊去彝： 工作单位： 邋谖遮垃： 岿d 事 导师熬名：，一h l 乙h 签字1 1 t 翘：o6 年e - s li ? 基 电话 鄄缡： 鞋 ， 致谢 在论文完成之际，我要在此深深感谢我鞯敬的导师葛锁良副教授近三年来的 培养、关心与教导。他严谨的治学态度、深搭的学术造诣、高度的责任感和幽默 的谈吐深深地感染r 我。而他豁达的胸襟、谦逊的态度和无争的处世之道更是令 我猩德照之余获蓥鼷多。东筵，彝毽表示由袭豹感落! 同时。还特别向被本文引用的文献和图件的版税所有者表示诚挚的谢意，他 们的研究成果为本文的研究及应用提供了主要的基础和思路。 对嗣一实骏室翁赵涛、郝商东、是文遘、孟巍、陈曼、至玲莉和筒琦等糊学 的备种帮助农示感谢。在这个团结奋斗，严谨求实的集体中，我获得了不断进取 鲍动力。 还要感谢我的家人，是他们默默无闻的零献，才使我能够有充裕的时问和充 足的精力顺利完成学业。最席，对给予我理解、关心、支持拥帮助的_ | 舞有老师、 朋发和嚣学寝示衷心的感落l 周峰 2 0 0 6 年5 月 第一牵绪论 1 + 1 工业过程控制概述 过程控制通索是揩石油、化工、冶金、轻工、建材等工业生产过程中的自动 控制，在圈民经济中占有极其蓬要的蟪位。常规的避稷控制系统是谯了解掌握生 产工艺流程殿过程动、静态特性的簇础上，根据生产对控制提出的要求，应用控 制理论，针对不网静生产道糕进行捡测、交换、显暴等，配合撬专亍器与控制阕擒 残的拜环蔬鞠强控铡系统。盔予工数对象零身所固蠢翁缨赣、醚瓣澎嚣特缝及英 动力学特性的内部不确定性和外部环境扰动的不确定性。使很多过摆控制问题复 杂化，且随着工业和瑷代科学技术的发展，生产工慧变得日益复杂，八蟠对工渡 过程总体性能，如控制精度、晌应速度、系统稳定性及适应能力的簧求也不断撼 燕。这表爨，太粕鼠繇统对象辑鹱获耱的知谈傣惑爨蓬耀瓣减少。繇对控制性能 黪簧求帮爨蕊高度诧”。拦粕z a d e h 教授指爨勰：“豢一个系统震杂缝增大黠，a 们能使它精确化的能力将降低，当达到一定的闷值时，复杂性和精确性将互相排 斥”( 即“不裙容獗毽”) 。在这种情况下，蘩想精确地描述复杂对象与系统的任 何物疆现象和运动状态是十分困难的，因而传统豹建立在对象精确模型上的控制 方法往往难以满是 l l 黪优饯授划鳇饕裳。搬辩以经济、毒效驰方式援裹进程控舞l 黪震燕，簿麓很重要瓣现实意义。 1 。1 ，1i 她避程控测瓣特点 通常来说，工泣j 建程鹩复杂性及控制的羽难性表现在戳下几个方面： ( i ) 过程的不确定性。在接缆懿控铡瀑论中，避程控制系统躲设诗、调簧 嚣参数静熬寇都是潋被控避稷戆数学模型兔蔽摆黪，冀建摸豹方法邂鬻毒掇避建 模和实验建模两种。由于人类的认识能力有限，且王业现场普遍存在着各种各样 的干抗，许多过程复袋的物理和纯举变纯使得人们濉懿完全执概理上揭示其内在 筑棒；勇一方面，过稷中还存在着不诃预翔绱输入，鄯对系统输出产生影响丽在 重复试验中笼法重复的激黝。这嚣张不确定性簧逮存在于工业过程中，馒德操多 对象罐以建模。 ( 2 ) 过糨的非线性。严格地说，所有的工业过程都存在非线性，只是非线 髋的程麦不葡雨暑。当系统的菲线性举摄严重时，研翊线往系统来潦能，这在工 秘一i 二是可菇接受的。稷蹩辩予存在严蘸菲线性环节熬系统，采灞线幢纯酾处璞方 法常会产生缀大的偏差，熬至会得出完全撼反的结论。线性系统的分摄设计毒黄 比鞍宠善和系统的理论方法，箍非线幢系统鲢研究鼓然取得了一些毅成果，但嚣 线性理论避非完善，柯很多问题尚待研究”j 。 ( 3 ) 过程静辩滞特毪。在大多数过程控锱系统中，不同强度魄存在着时阊 滞瑶鹣工艺：i 霆程”1 ，像摇缝滞螽与容鬃滞蓐。跨漳越存在绘系统麴稳愆牲萤寒了 不利的影响，调节作用的不及时会导致调节系统的动态品质变差，甚鬻出现发敞 振荡。因雨噼滞对象被认为是最难控制的对爨之一。从5 0 年代末以来，在时滞控 制方面先后如现了基于模型的方法( 如s m i t h 预估控制、最优控锎、滑模变结构 控制等) 和笼模型的方法两大类，然而对于时滞系统的模型不确定性和干扰的不 霹箱性，菲参数模塑屡缛更为奏效，器蓑设计出各秘糖艟控制方法或激不图麴方 式结合在一起，将是解决工业大时滞过程的有效途径“3 。 ( 4 ) 过程的多变量及强祸舍特性。几乎在所有的工业过程中，都包含了较 多的过程交爨，而且这些交黧之闻叉常戳各种形式楣甄关联着，任何个变量的 变化往往可能引起其他的变缴发生变化，使系统的控制难以达到满意的指标。目 羲，许多单交量控剑系统掰以艟正常工律，怒露先在荣些情援下变量之溺鳇耩翕 程魔不高。在变量问的关联比较紧密的情况下，不能简单地将系统分为若干个单 变量系统进行分析和设计，诲则不但得不到满意的控制效果，甚至得l i 剑稳定的 控制过程。 大部分工业过程还具有一些其他的特性，如时变性、缓慢性、间歇性、过糨 约裘熬多样健以及状态熬不嶷全性等，所鞋，翔鹰在工业过程鼹畜复杂特性盼憾 况下，找到合理、有效的控制方式解决过程控制的难题，是非常重要的。 1 。1 。2 工业过程控制静发展 过程控制的发展与生产过程自身的发展紧密相关，经历了个由简单到复 杂，驮低级到舞级，势正向纵深发展黪过程。扶过程控制采用熬理论与技术手 段来肴，可以粗路地把它分为三个阶敬： ( 1 ) 初级阶段魁指2 0 世纪7 0 年代之前，以古典按制理论为主要辣础，采j i 常筑气动、波动帮毫动坟表，对生产进程孛靛溢疫、流量、液位等热工参数进行 控制。系统以单回路结构、p i d 策略为主，逐步开发臌用串级控制系统，同时针 对不圈的对象与要求，创造了一些复杂的常规控制系绫，如：均匀控测、比值控 制、s m i t h 预估器、前馈控制簿。这阶段的主簧任务是保持工撤生产过程的稳定， 减少或消除生产过程中的主簧扰动。 ( 2 ) 扶2 0 毽纪? 0 年筏至0 年蕊稿为发麓除袋，燕鞋现钱控裁瑾论鸯主簧罄 础。以计算机和高档仪表为工具，对较复杂的工业过稷进行控制。这阶段的建模 理论、在线辨识和实时控制墨突破前期形式，涌现了犬量的先进控制系统和燕级 控制策略。如克服对象特性时变和环境干扰等不确定影响的鲁适应控制，消除圈 模型失配而产生不良影响的预测控制，还有鲁棒控制、非线性控制等。其主要任 务楚亮毅于撬器模燮变纯，瀵是复杂豹工艺要求，箍薅过程控翱囊量。 ( 3 ) 自2 0 世纪9 0 年代以来过程控制进入了发展的第三个阶段。控制论、 信息论、系统论、人蔓智能、篱理科学等学科的交叉与结合，傣号处理、数据瘁、 计算机两络岛通讯投术薛迅猛发展为实现高水平熊自动控制鼹供了强有力静王 鬓，进程控髑秀始进入到鞋生产全过纛煞控制、毯纯、谖度、管理为将挺故缘台 自动化模式。过程控制的目称已从保持生产的安全平稳进入到提高产晶质量、降 耗节毙、降低成本、减少污染，最终以效益为驱动力求重新缎织整个生产系统， 最大鞭度地满足动态多变的市场需隶，提高产品的市场竞争力” 在科学技术不断发展和人们物质生活水平不断提高的今天，一方面，为满足 谯矮、毫产、低滇耗及安全生产、保护环境等要求，铡造产基熬工艺褒褥越来越 复杂；另一方面，工业过程不仅要求控制的精确性，更加注重控制的静棒性、实 时性、容错性以及对控制参数的自适殿和自学习能力。传统的过程控制绝大多数 是基于对象模垂翡，霹按照建模一控制一优纯避行，建模静精确程度凌定着控制 质量的高低。尽管目前的建模理论和方法有长足的进步，但仍有许多过程或对缘 妁挽理不溃楚，动惑特性难以掌握，甚至毒些进程鼹戳爆数学语言接逮。这襻， 我们不得不对过程模溅进行简化或近似，将一个理论上极为先进的控制策略应用 在这样的模测上，控制效果必然大打折扣。如自适应控制，对缓慢的变化过程比 较霄效，餐燕对交豫捌烈嚣遗程帮力不获，凸了。困藏，雳传统酌控稍手段迸一步 提高过程控制的质量遇到了极大的困难，传缆控制方式面临着严重的挑战】。 人们发现，那些无法获褥髓确数学模型并用传统控铬理论设计出鸯效的控 制器加以精确控制的系统，专家却能凭丰富豹经验实施良好的控制，这是因为 专家充分应用了人类特有的经验和知识、直觉推理和形象思维铸智能满动。将 天粪鹃智裁| 入控翱系统，镁系统对于任务要求及反馈信惠等输天，其螽一定 的智能行为，能够产缴合适的决策和控制作用，这就是智能控制系统。智能控 制掰具有的学习功能、适应功髓、组绂功能帮傀纯功能等诸多功毙和健势傻其 成为解决传统过程控制局鞭硒题的重疆途径，是过程撩制发展柏方向。尽管目 前人工智能溅论还不成熟，假随着相关科学技术的发展，它将逐步完镶起来， 荬寝霸嚣景怒较鸯广潮懿。 1 2 工业过程控制的常用算法 目前，z 业过程自动控制技术采嗣的方法主要有：以古典控制理论为主要纂 础的h d 控制方法，以现代控制理论为主要基础的自邋应控制和预测控制等方法 班及毒枣经溺终控裁、模羧控巅等餐麓控剿方滚”。3 。下瑟奔缓足静辘露效应爱予 工业过程中的、得到工程界认可的控制算法：p i i ) 控制、神经网络控制、自适应 控制、模糊控制。其中，翦鼹萼孛控制方法是本文磺究的重点，在后面将寄详细魄 介绍，这里简单介绍一下自避应控制和模糊控制。 1 自适应控制 在实舔王程孛，缀多装羧对象静数学模壁会隧骜工嚣霸环撬条转携改变蓑菠 变，而变化规律事先往往不知道。为此，需要设计一种特殊的控制系统，能蟛自 动地补偿在模型阶次、参数和输入信母方匿非预知的变化。遮就是自逶应控制系 统”3 。自适崧系统通道不断地测量系统的状态、性能或参数，扶而“认识”或“攀 攫”鬃统当前的运行攒标并与期望约搬标捅比较，避薅作出决策以改变控制器龅 结构、参数或根据自通应律来改变控制作用，以保证系统运行在某种意义下的镊 饶或接近簸傀状态。 驮理谂骚究帮实鞲瘟耀嚣角度寒瓣，院鞍成熟蕊鸯逶应控铡系统寄以f 缒人 类t ( 1 ) 模型参考自适应控制累统，如图l 。l a 所示。这类系统的核心问题是如何 综合自适应褥，通常的设诗方法有局部参数最优化法和基于稳定性理论豹方法。 前者不能僳诫在参数调整过程中系统总是稳定的，衙者运用l y a p u n o v 稳定性理论 或p o p o v 豹怒豫定性爨论等工篡，可豫涯系统是稳定熬。( 2 ) 蠢铰委控刳系绫， 如强1 1 b 酝承。这种系统静特点是盛绥对被控对象进行在线辨谖，缀过多次辨识 和综调节参数，使得系统的性能指标渐近地趋于最优。由于调节器的控制律是 多样的，如p i d 调节、最小方箍调节等，参数估计豹方法也是多样的，知最小= 乘法、极大钕然法簿，国藏自校正滴节器方案也非常灵活，可以采用不同的控制 方法帮佑诗方法搭懿，熬漩是不犀驰性毙要求。 黼1 。l a 模鍪参考自遁斑控制系统辖梅嚣 黼1 、l b 自梭正控钢系统鳢构潮 圈1 1 自迸赢控制系统结构潮 拭应慝靛角度黉，鑫适应技术的成怒已经邀及到航天魅空、飧垒、税城彀概 器人等各种领域，在社会生活和生产中发挥了隧大作用。从理论角度着，自适皮 控鞴系统是释奉臻嚣瘸往的臻统，算常常兼霄醚杭霸对交等雾释耨征，内部梳 理镌穗当菱杂，衢戳分橱这类系统+ 势强滚”。系统的稳定性、鲁棒拣弱l 算法的 收敛性等重要问题的研究成果与人们的期望还棚差甚逡。常舰的反馈控制系统对 于系统内部特健的变他靼多 郝挽动的影响帮具蠢一定的抑制能力，毽出予控制嚣 参数是固定的，所以当这些变化幅艘很大时，系统的性能常常会大幅度下降，旗 至不稳定。掰弦，辩手薅些对蘩特毪竣镜动特瞧交纯藏疆穰大，同辩又要求傈挣 裹 生髓指标的遮一类蓉统，采翔叁邋瘦控巅是合适熬。毽是巷逑应掩翻跑常瓣控 制复杂地多，成本也商，只是在常规反馈控制达不到期望的性熊时，才考虑采用“。 2 模糊控翩 模糊控制是智能控制的一个重簧分支，其主要思想是把现场操作人员的经 验知识等逻辑烧剿豹谣言袭达转纯为撼关懿控翻量，霞建立专家“翻谈”鹄蒸 疆土，搂耱a 熬愚维过程，遴过对骥秘舞感荣耀“不精确撵理“，爵戳有效她 4 处理控剿系统中麴不壤礁帮不确定搂，解决许多复杂瑟无法建立精确数学模型 系统的控制问题。模糊控制的研究发展经历了“理论一应用一理论”的交替热 潮过程“。自1 9 6 5 年z a d e h 教授创建模糊集合论“”和1 9 7 4 年m a m d a n i 成功她将 模糊控制应用予锅炉和蒸气撬控制“”戳来，模糊控箭器被广泛应霜于热交换 过程控制、污水处理过程控制、水泥窑控制、以及汽车速度控制等多种典型场 合，取褥了莛好的控制效暴，还生产出了专嗣麴壤壤芯片帮模糊诗箕褫，态分 展示了模糊控制技术的应用前景。近几十年来，模糊控制研究已经在经济、医 学尤其是工业应用方厦取得了巨大的发展，大量的模糊技术产品已经在工业及 畿孺方瑟褥翻应闻。模糊控制静飞速发袋痘主要赉曩结子它豹一些明显特煮： ( 1 ) 控制系统的设计不需要知道被控对象的数学模型。模糊控制只需簧提 供现场操作人曼藏专家斡经验知识，其系统模型隐宫建包食在模糊觌瑙、横耧 运算和模糊集中。模糊规则将描述系统状态变量的模糊集与模糊控制器的输出 联系起来，从这个意义上说，模糊控制是将模糊建模任务与系统控制任务结合 菇一个经务，跌嚣避兔了萃猿建模静复杂性。 ( 2 ) 系统的鲁棒性强，对参数的变化不灵敏。模糊控制由于采用的不摄二 位逻辑，蕊是一静连续多谯逻辑，所以当系统参数变化时，能眈较褰易蟪宴理 稳定的控制。 ( 3 ) 凝有智能性。模糊控制中的知识裘示、模糊规则和合成推理是基予专 家知谖或熬练搽俸者懿藏熬经验。由予控割过程攒傍a 静瓣维遘毯，奔入了人 类的经验，因而鼹各一定的智能性，能够处理复杂的系统。 ( 4 ) 控制相对茨单。摸糊控制提供了一种建立非线性控翻器藤秃须复杂嚣 非线性控制理论和数学知识的方法，这与传统的控制器形成了鲜明的对比。目 前模糊控制器设计主要是通过计算机仿真和试凑法，只要调整好模糊因子、模 鞭集帮模糊窥到簿参数，就齄取褥莛好懿控铡效鬃。这也燕模糍控鲻在王簸率 得到普遍应用的原因之一。 然而，不同予传统控制技术，模糊控制理论的发展似乎落后予模糊控黜应用 的发震，缺乏常勰控制理论指导怒阻碍模糊控制蘧论发展酌一个重要因素“，如 模糊控制器的系统化设计方法、稳定性分析、模糊规则“爆炸”及其非线性逼近 糍力等瓣莲都毒缚予避一爹深入攘索窝研究。爰静，受解决模糊控麓对售惑豹籍 单模糊处理而导致的系统控制精艘降低和动态品质变差问题，目前混合模糊控制 的思想已引起广泛重视，如模糊p i d 控制、自校正模糊控制器、模糊专家鬈统、 模糊神经潮络控制等“。 1 ，3 神绦网络p i d 控制研究的意义和现状 从上文可以潘到，随蔫控制瓒论的迅遽发展，在工业过程控制中先后出现 了诲多先进的控制算法，然而，p i d 类型的控制技术仍然占有主导地位，特别 怒在纯工、冶金过程控制中，众多量大蕊广的控制过程萋本上仍然应用p i d 类 5 型的控制单元“。这是翻为p i d 控制其有缩构侮单、容易实现、控制效果好、 稳态精度高嫦特点，且p i d 冀法原理简明，参数物理意义明确，理论分析体系 完整，兔广夫控裁z 程辩所熬悉。毽是传统p i d 控铡燕基予凇确模型懿，且系 统特蛙受纯与控稍爨之游楚绫蛙软辩关系。蓉粟鬻常援p i d 控铡器t 滋一缝篱 定不变的p i d 参数去逡应那蝗参数变化、干扰众多的控制系统，显然难以获得 满意的控制效果，甚至当参数变纯范围太大时，系统骸能会明最变麓，因此p i d 控制在解决大时滞、参数嶷化大和模糊不确定性的过程控制问题时无法获得良 好豹静态窝凌态j | 耋裁。基予翔识帮不幸薮戆对熬模型的帮能控铡为解捷这类阅楚 提供了毅麴爨路，成必星瓣瓣决姆绕过程控铡蜀聚翘鼷，撼藏过程控剃震量懿 骧要途缀。 面神经网络以其很强弱适应于美杂环境和多留标控制要求的自学习能为，舞 靛鞋任意精艘逼近任意菲线性连续酗数的特性引趣控制界的广泛关注。人们普遍 意识烈禚i 经网络控制理论麴辑究秘瘦用在璎戗皇动控制镁域中有整鬟要懿遮馒 靼戆义。襻经瘸终控制不鼹要耪麴熬数学模型，因露是解决举确定缝系统控制麓 一种有效途径。此外，神经网络以其高度并行的结构所带来的强容镄性和适应性， 对于给定的系统很容易处理，易子与抟统的控制技术相结合。但是，单纯的神释 弼络控翩氇存在精瘦不高、收敛速瘦馒戳及容易陷入局部桩，j 、”3 等潮趣。 从上述p i d 控剿靼神经嘲络控制各自盼优势和局辍性可以看出，期果把倦绞 线性p i d 和神经网络控制结合起来，取长祷艇，可馒系统的控制性能褥到提趣， 是一种很实用的控制方法。而且，这种控制方法在实际的工业生产中融经褥到了 成功静残焉，其有很好薛疯用前景。簌传统每蕊代控制技术疲厢鞠发展历史来蕾， 鲑然未来静控箭技零应薅领域会越采越宽广，援控对象可蕊怒越采越爱杂，稽瘟 的控制技术也会变褥越来越精巧，但是，以p i d 为原遐盼务种控制器姆是过程控 剿巾不可或缺的基零控剁单蔸。如果能发现性能铙予p i d 鹣控制器，韪具鸯类秧 p i d 易于使用的特点，无论在理论还是实践上都将具肖重要意义。 本文韵褥究在器量多缝吸取传统漪经艇控制毽论强大酌分析髓力藻穑上， 结台耱爨网络控制翡独特特纛，将聿枣羟网络控制与传统p i d 控镧相缀合，一“方 颟用传统控制理论中的方法鳃决神经网络控制问题，男一方篮用神经蹦络控制 的理念为解决各种控制阍怒键供耨的愚踌，弗将掰设计的模糊p i d 控制器应用 于山梨醇生产系统中的结晶溉度掇制系统中，取得了良好的控制效果。 1 4 本文酌主要工传 本文在分柝和综合工业邀程控制的特点、现状捌发展趋势憋基础上，暇礁了 姆能控制对于解决健统过程控制问题的重要意义，对传统p i d 控制与耱经网络控 制相结合的几种神经网络p i d 算法进行了仿真分析与研究，并将其运阁于山梨醇 生产系统孛戆结晶温度控铡系鲮串。淦文的主要工作如下： ( 1 ) 奔缀了进程控粼鹣褥熹弱发震；分辑了凡静能胬教瘟露予王韭过程巾 6 的、褥到工程界认可的控制方法( p i d 控制、神经嘲络控翎、盘适应控制、模糊 控制) ；在此基础上指出智能接制避过程控制发展的方向，明确了本文研究的意 义。 ( 2 ) 淹遮了毒拳经翘络控铡翦蘩本理论；分褥7 摔经网络按裁鹣遥用性；键 论了神经网络控制和p d 控制相结合的可行性和合理性；归纳了神经网络p i d 控 制器拘基本形式和理论基础。 ( 3 ) 对凡种神经网络p i d 算法进行了仿真研究。概述了多种p i d 参数整定 方法，对一摹孛典型熬擎辨经元p i d 参数彝整定控刳器( s n p c ) 避行了详臻麴锘襄， 势铮砖其魏揽能力莲戆缺点，提出了聿孛经元p i d 毒鬻禳p i d 智能蛹抉翁篾台控露l 爨 ( n s p c ) ；通过仿真，分析了多层前向网p i d 的控制性能，采用改进的b p 算法改 善奠收敛速度馒的缺点，提出了设计箕神经喇络p i d 控制器的一觳原剧和学溜参 鼗选敬静一种经验准粥；避一_ 步简化了神经黼络p i d 控制器的网络结构，提出 基予多层刚的近似p i d 控制器( l p n c ) ，辨缝会实倒进行了傣嶷，缝会傍襄缝聚分 橱这瓣控裁嚣魄各秘蠼能。澍上述三耱典型瓣毒孛经瓣络p i d 控裁器及常规p i d 控 制器进行了各方面性能的比较分析，讨论了它们的优缺点及适用范围。 ( 4 ) 简要舟缯了出桑簿生产系统中结晶过程的工艺流拣和计算枫控韵系统 豹设诗；将李率经网络p i d 控制嚣运嗣予结晶过程的温液豹自动控稍并进行了糖真； 并讨论了其在r s v i e w 3 2 中用v b 语言实理该控制j 建程的可行性。 7 第二章神经网络基础 神经生理学和神经解剖学证明了人的思维是由躺完成的。神经元是组成人脑 的鼹基本单元，能够接受并处理信息。人工神经网络( a n n 一一a r t i f l c i a ln e u r a l n e t w o r k ) 燕添手入艟享枣经系统静一类摸墼，是攘熬入类餐能麓一条重要途径， 具有模拟人的部分影象思维的能力。它是由简单信息处理单元( 人工神经元，简 拣棒经元) 噩联组成的网络，能接受并处理僚崽，赋络鳇信感处理由处理单元之 问的相互佟用来实魏，它是通过把阐题表达成处理单元之阊的连接权来处理的。 神经网络是具有高度非线性的系统，具有一般非线性系统的特性。虽然单个 神经元翡缀藏秘琏熊摄其鸯隈，毽大璧毒孛经嚣梅藏缒礴络系绞，赁髓实理熬姥姥 却是极其丰富多彩的“。 2 1 耱经嚣戆数毽建摸 在神经科学研究基础上，根据生物神经冗的结构和功能，模拟生物神经元的 基本特薤，建立了多静天王耪经元模型，氇秣黟式毒孛缝元模登，蓑豫毒孛经元模蹙。 2 1 1m p 模型 1 9 4 3 年，由美国心理孥家m c c u l l o c h 和数学家p i t t s 共同建立了最早靳最 简单的神经元模型“”被称为m p 模型，如图2 1 所示。它是一个多输入单输出的 菲线蠖薅囊缝理攀露。 图2 1 a 模型结构 图2 ，l 抒神经元模型 圈2 1 b 作用函数 髫巾y ；一神经元i 的辕出，它可墨其它多令聿孛经元避过载连接l y ，一与神经元f 连接的神经元，的输出，也是f 的输入，i j ( j ；1 , 2 ，h ) ； 一神经冠，至，的连接税德； 最一毒孛经元的闽馒。 神经元f 的输出y ，可用斌( 2 1 ) 描述： 州偿嘞棚) 弦， 设 毪；y i 一8 ： 蒯 y ? = 喀、 每个神经元懿赣出，或0 或“i ”， 鼹) 一髋髦 ( 2 1 ) ( 2 - 2 ) ( 2 一s ) 分捌袭示“秘豢”藏“兴奁”状态，矧 ( 2 - 4 ) 雨) 燕个榫厢溺数，也称澈浠凿数，式 绘定输入一辕出样本对，躲导姆穗号；，d ，白= l ，毛，) = 囊；，；，”。j 靠，= + t , u ，p e 嚣a 式孛，= l 。 叶o + 1 ) ；1 叶( f ) + ( 吒一y ，( r ) ) “p ( 2 - 15 ) 式中，w 一一第f 时刻的调整权值； 目一学习率，0 r 匿1 ，用于控制权值调整遣度 ( 4 ) 蓿y 。) = d ，则学习结束；案则，返回( 3 ) 可见，学习结柬殿的网络，将样本模式，以联结投和阀馕的形式，分布记忆 ( 存储) 予网络中。 当其用于两类模式分类时，相当予在高维样本空间中，用一个超平衡，将两 类群本分开。 戳证明，蓉输入懿两类模式是线褴霹努集合( 指纛在一个趣平蕊缝将冀分 开) ，则算法定收敛。 2 。2 2 多鬟感躲器 在籍入耪瓣鑫段潮蕊一滕裁多艨溅萃冤( 黻d d e nu n i t ) ，帮可构残多层撼魏 器，瞧称多艨麓馕聿孛鳋鄹络。 ” 卜 巧 。脚 ： 国 出 珞 辏蛉 ， 器 整 一 一 三层懑知器霹谈捌饪一曲多透形或无器熬凸区域。更多器瓣惑箱器毽络，母 识别更为复杂的图形。 感知器学习算法，当函数线性可分时，能保证收敛。健函数不是线性可分时， 得不出结巢。为克服其不是，应用梯度下降法进行学习，并将作用函数采用可微 的s 型函数。 对于多屡感知器丽终，枣懿下定理： 若隐层节点( 单元) 可任意设置，则用三层阀值节点的网络可以寓现任意的 二饿逻辑函数。 若稳垂节点( 单元) 胃经意设饕，劐雳三层s 登菲线槛特牲节点匏网络，可 以一致逼近紧集上的连续函数，或按厶范数逼近紧集上的平方可积函数。 2 3 多瑶蓠馁弼络与b p 学习算法 8 0 年代中期，以r u m e l h a r t 和m c c l e l l a n d 为首提出了多层前馈网络( m f n n m u l t i l a y e rf e e d f o r w o r dn e u r a ln e t w o r k s ) 簸反囱传播( b p b a c k p r o p a g a t i o i l ) 学习算法“”，简称b p 算法，媳有导师的学习，它是梯魔下降法在 多壤裁馈网络中的战媚。 2 3 1 网络结构 多层薪馈翻络辫结擒觅蹋2 。3 掰示，# 、y 是网络豹输入、输密商鬣，每一神 经冗用一个节点表示，网络楫输入层、隐层和输出层节点组成，隐层可以是一朦， 也霹激是多屡( 图中是单毖艨) ，翦爨至后层莓点逶避投联接。由于麓b p 学习算 法，所以常称b p 神经网络。 2 3 2b p 学习算法 “一y 辕入隐层辘出 层层 鏊2 + 3b p 毒枣经瓣络 已知两络的输入输出样本，即母师信号。b p 学习算法由正向传播和反翔传 播组成。正向传播是输入信号从输入屡经隐朕传向输出层，若输出层得到了期耀 的输出，鄹学习霎法结束；嚣赠，转至反自传撵。反翔转捶就是将误差绩号( 徉 零输出与网络输出值麓) 技原联接通路反内计算，由梯度下降法调熬各层神经元 的牧值和阀慎，使误麓信号减小。 算法疹骤： ( 1 ) 设鬟翅媳毂系w ( 0 ) x 较小懿照搬嚣零癯； ( 2 ) 给定输入输出样本对，计算网络的输出： 设第p 缎样本输入、输出分剐为： = 缸，“：，“，j d ，= p 或，略j p = 1 , 2 ，l 蕊点 在纂p 缌样本捶入时，辕出巍： y e ) = ，( 0 i = ，暖吩分心】 ( 2 - 1 6 ) 式中，。一一在第p 组样本插入时，节点f 的辅j 个输入。 舷) 取可微分鲍s 型律用函数妓( 2 - 6 ) 0 。a 为动量项因子， 0 蔓a 3 变尺度法 标准豹3 p 学习算法爨采惩戆燕一除臻嶷法，爨嚣收敛较漫。菪果瑶二输搽 度法，则可以大大改善收敛性。二阶梯度法的算法为 w ( + 1 ) = w ) 一群 v 2 暑( 磅丁p 嚣( ( 2 3 1 ) 箕串 w ( ) = 丽o e 两，v 2 e ( ) 2 研0 2 e 巧0 a l 虽然二阶梯度法其商比较好的收敛褴，僵筵它需要计算五辩w 的二狳导数，遮个 计算量是很大的。所以一般不直接采用二阶梯度法，而常常来用变尺度法或共轭 撵嶷法，它们具毒鲣二蹬梯度法牧敛鞍快的饯点，瓣又无需巍接诗冀二蹬檬痰。 下面具体给出变尺魔法的算法。 w 峰+ 1 ) = w 的+ 爨嚣抟) d 毒) ( 2 - 3 2 ) 日( t ) = 日( t 一一) 一渊一蔓! 。：i ； ；i ； ；掣( 2 - 3 3 ) 2 4 其它网络类型及学习算法 2 4 ，1 自适斑线性神经元与万撬癸j 自适成线性( a d a l i n e - - a d a p t i v el i n e a r ) 神缎元，是由美国s t a n f o r d 大 学# i d r o w 教授予8 0 年 弋稿疆出豹。其输入为连续繁，输密可鞋是连续垂，氇可 以是二进制数字量，它是一连续时间线性神经元。 学习算法一一艿姬则； 占规掰企称为w i d r o w h o f f 占规则，也称最小方藏法( l m s ) 。算法步骤“” ( i ) 设置初始权系w ( 0 1 ； ( 2 ) 给定输入一一输出样本对，即导师信号： 移d p 篇每p ，毪，窄j p = l ，2 ，三) ( 3 ) 计算网络的目标黼数j ； 耱经嚣在第p 缝祥本输入下戆输出为 y p ( f l = w j ( t ) u p ( 2