模糊神经网络PID在恒气体流量控制中的应用.pdf

模糊神经网络PID在恒气体流量控制中的应用.pdf

ID:52488990

大小:221.41 KB

页数:3页

时间:2020-03-28

模糊神经网络PID在恒气体流量控制中的应用.pdf_第1页
模糊神经网络PID在恒气体流量控制中的应用.pdf_第2页
模糊神经网络PID在恒气体流量控制中的应用.pdf_第3页
资源描述:

《模糊神经网络PID在恒气体流量控制中的应用.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、技术与应用模糊神经网络PID在恒气体流量控制中的应用杜鲁滨张存2(1.新能凤凰(滕州)能源有限公司,山东滕州277527;2.太原理工大学,太原030024)摘要气体恒流量控制系统中被控对象具有非线性、时变及不确定性等因素,传统的PID调节已无法满足控制要求,因此本文采用模糊神经网络在线实时整定PID控制器的、Ki、Ka三个参数,实现气体恒流量控制。通过仿真与其他几种算法控制性能相比较,表明该控制器具有响应快、超调量小、稳定精度高、抗干扰性强、适应性广等优点。关键词:模糊神经网络;PID;气体恒流量控制FuzzyN

2、euralNetworkPIDApplicationintheConstantGasFlowControlDuLubinJZhangCun2(1.XinNengFengHuangEnergyCo.,Ltd,Tengzhou,Shandong2775272.TaiyuanUniversityofTechnology,Taiyuan030024)AbstractControlledobiecthasthefactorsofnonlinear,time.varying,uncertaintyandSOoninthecon

3、stantgasflowcontro1system.ThetraditionalPIDcontrolalgorithmiSunabletomeetcontro1requires,SOthreeparametersKn,K1,KdotthePIDcontrollerwasalsobeonlineinstalledthroughusingfuzzyneuralnetworkPIDalgorithmtorealizetheconstantgasflowcontrolinthisarticle.Itcomparedwith

4、controlperformancesevera1otheralgorithmsbysimulation.andshowedthatthiscontrollerhasthefollowingadvantages:fastresponse,slightovershoot,highaccuracyinstability,highanti—interferenceandgreaterversatilityetc..Keywords:fuzzyneuralnetwork:PID:constantgasflowcontrol

5、气流量控制在工业领域是个常见系统,但是该系络三种控制作用的优缺点如表1所示。统较复杂,它与流量变送器信号、流体密度、相对湿从表1可知,常规PID、模糊控制(Fuzzy)及神度、压力和温度等因素有关。气体恒流最采用典型的经网络(NeuralNetwork)三种控制算法都有各自的闭环控制系统来实现的,控制方案通常采用传统的比优缺点,鉴于此本文将PID、模糊和神经网络三种例积分微分调节器,但其三个控制参数、、控制技术的优点相结合,用神经网络来构造模糊系一般是人工整定,有一定的局限性,不能在线实时调统,即利用神经网络的学习

6、方法来调整模糊系统的整【】J,己无法满足控制的要求,此时在近几年迅速发参数,扬长避短使控制效果大幅提高。本文采用模展的模糊控制(Fuzzy)和神经网络(NeuralNetwork)糊RBF~*经网络在线实时整定PID控制器的三个参无疑映入我们的脑海。常规PID、模糊控制及神经网数、、,从而实现对气体流量的实时监控。表1三种PID控制算法的优缺点算法优点缺点常规PID结构简单、鲁棒性好、通应性弛PID二三个参数难以取到最佳值值控制机理和策略易于接受与理解,设计简对于时变参数非线性系统,缺乏在线自学习或白Fuzzy—P

7、ID单,便于应用调整的能力并行计算、容错能力强、分布式信息储输入、输出关系无法用容易被人接受的方式表示NN—PID以及白适应学习出来2011年第7期电气技术I43技术与应用运算,根据Fuzzy系统的推理方式(ifAAndBthen1模糊神经网络控制器的结构和原理C),确定FuzzyRBFNN的模糊推理层的个数为RBF模糊神经网络(FuzzyRBFNN)的结构如5x5=25个,也就是系统中49条Fuzzy规则前件。本层图1所示。该网络由输入层、模糊化层、模糊推理层每个节点的输出(每条规则的适用度)是该i了点所及输出层

8、构成。第一层为输入层,第二、第三层为有输入信号的乘积【41,即隐含层,第四层为输出层口1。禽jf3(j)=Hf2(i,J)(3)第四层:输出层。本层采用加权平均的方法来反模糊化,可清晰准确的计算出输出参数,从模糊化层(第三层)到输出层(第四层)的初始权值是影响控制器输出的关键因素。、、是模糊RBF,f~经网络PID控制器的输出层的三个节点输出。图1Fuzzy

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。