（机械电子工程专业论文）液压伺服系统的神经网络pid控制.pdf

硕士论文 液压伺服系统的神经网络p i d 控制 摘要 随着工业的发展，对液压伺服系统的控制性能提出了更高的要求，同时要求 系统在较恶劣的环境下有较强的适应能力。针对本系统电液转换元件与控制元件 ( 伺服阀、比例阀或数字阀) 的节流特性等引起非线性因素，设计一种具有良好非 线性性能的新型控制器。 在液压伺服系统硬件设计和数学建模的基础上，设计了神经网络非线性p i d 控制器，这个控制器包括一非线性p i d 控制器和两个神经网络，非线性p i d 控制器 是由非线性函数与常规p i d 控制器级连而成；一个神经网络( n n i ) 用于非线性系 统的辨识，另一个神经网络( n n c ) 作为控制器，控制器采用一种新型的b p 算法改 进学习算法中收敛速度慢等不足之处，实现了控制算法的快速性。 实际系统的仿真结果表明，本论文所设计的智能控制器具有良好的稳定性和鲁 棒性，能够很好地满足工程中所要求的性能指标。 关键词：液压伺服系统p i d 控制非线性p i db p 神经网络 硕士论文液压伺服系统的神经网络p i d 控制 a b s t r a c t a l o n gw i t hi n d u s t r i a ld e v e l o p m e n t ，h i g h e rp e r f o r m a n c er e q u i r e m e n t h a v ep u tf o r w a r df o rt h ec o n t r o lo f h y d r a u l i cs e r v os y s t e m ，a tt h es a m e t i m et h es y s t e mm u s tb ea d a p t i v et ob a de n v i r o n m e n t a c c o r d i n gt ot h e c h a n g eo fe l e c t r o h y d r a u l i ce l e m e n ta n dc o n t r o le l e m e n t ( s e r v ov a l v e 、。 p r o p o r t i o n i n gv a l v eo rd i g i t a lv a l v e ) p r o d u c i n gs o m en o n l i n e a rf a c t o r s ， ak i n do fn e wc o n t r o l l e rp r o v i d e dw i t hg o o dn o n l i n e a rp e r f o r m a n c eh a s b e e nd e s i g n e d o nt h eb a s iso ft h eh a r d w a r ed e s i g no fh y d r a u l i cs e r v os y s t e ma n d s y s t e m sm o d e l ，an o n l i n e a rp i d c o n t r o l l e rb a s e do nn e u r a ln e t w o r kh a v e b e e nd e s i g n e d ，t h ec o n t r o l l e ri n c l u d e san o n l i n e a rp i dc o n t r o l l e ra n dt w o n e u r a ln e t w o r k s ，t h en o n l i n e a rp i dc o n t r o l l e ri sc o m p o s e do fn o n l i n e a r f u n c t i o na n dc o n v e n t i o n a lp i dc o n t r o l l e r ；o n en e u r a ln e t w o r k ( n n i ) i s u s e di nn o n l i n e a rs y s t e md i s c r i m i n a t et ok n o w ，a n o t h e rn e u r a ln e t w o r k ( n n c ) i sc o n t r o l l e r ，t h ec o n t r o l l e ra d o p tak i n do f n e wb pa l g o r i t h mt o i m p r o v et h es p e e do fl e a r n i n g ，h a v er e a l i z e dt h ef a s t e n e ro fc o n t r o l l i n g a l g o r i t h m t h er e s u l t so fs i m u l a t i o na n dt e s to fa c t u a ls y s t e ms h o w st h a tt h e i n t e l l i g e n tc o n t r o l l e rh a sg o o ds t a b i l i t ya n dr o b u s t ，i tc a ns a t i s f yw e l lt h e p e r f o r m a n c eg u i d e l i n eo ft h ep r o j e c t k e yw o r d ：h y d r a u l i cs e r v os y s t e m p i dc o n t r o l l e r t h en o n l i n e a rp i dc o n t r o l l e rn e u r a ln e t w o r k i i 声明 本学位论文是我在导师的指导下取得的研究成果，尽我所知，在 本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发 表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学 历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均 已在论文中作了明确的说明。 研究生签名：动! 薹垫p 弘年 月，日 学位论文使用授权声明 南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅 或上网公布本学位论文的全部或部分内容，可以向有关部门或机构送 交并授权其保存、借阅或上网公布本学位论文的全部或部分内容。对 于保密论文，按保密的有关规定和程序处理。 研究生签名：玉堡叁扣年7 月，日 硕士论文 液压伺服系统的神经网络p i d 控制 1 绪论 1 1 液压伺服系统概述n 蛆 伺服系统也叫随动系统，是控制系统的一种。在这种系统中，输出量( 机械位 移、速度或力) 能够自动地、快速而准确地复现输入量的变化规律。同时还起到 信号的功率放大作用，因此也是一个功率放大装置。由液压拖动装置作为动力所 构成的伺服系统叫液压伺服系统。它是一个控制能源输出的装置，在其中输入量 与输出量之间自动而连续地保持一定的符合一致的关系，并且用这两个之差来控 液压伺服系统由以下最基本的部分组成：即偏差检测器、转换放大装置( 包 括能源) 、执行机构和控制对象。在伺服系统中，输入元件、反馈测量元件和比较 元件组合在一起，称为误差( 偏差) 检测器。其组成如图1 1 所示。 比较元件 上 圈j r 睦卜匿竹悃 jf 1一 液压伺服系统与其它类型的系统相比，具有特有的优点： 夺液压元件的功率一重量比和力矩一惯量比大，传递的力( 力矩) 和功率很 大。因此可以组成体积小、重量轻、加速能力强和快速动作的伺服系统，来控制 大功率和大负载。 夺液压执行元件响应速度快，在伺服控制中采用校正装置可以使回路增益 夺液压执行机构传动平稳、抗干扰能力强，调速范围广，特别低速性能好。 由于液压系统上述的优点，因此在7 - 程上得到广泛的应用，第一次世界大战， 液压控制技术开始应用于海军船艇，n - - - 次大战后已广泛的应用到陆海空各个领 硕士论文 液压伺服系统的神经网络p i d 控制 域，并且随着航空航天技术的发展的要求，希望有高精度高响应的液压伺服系统。 伴随着工业技术发展，在军工产品上首先发展起来的液压控制技术逐渐推广到各 个工业生产部门。目前，大多数飞机的控制与操纵系统都采用液压系统，在导弹 方面、地面武器、民用工业也都大量应用了液压控制。随着自动控制理论的发展 和各行各业自动化程度越来越高，液压伺服系统也应用得越来越广泛。在各类液 压伺服系统中应用最广的是电液伺服系统。这是由于电液伺服系统综合了电气和 液压这两方面的特长，具有控制精度高、响应速度快、输出功率大、信号处理灵 活和易于实现各种参量的反馈等优点。电液伺服系统的核心是电液伺服阀，在电液 伺服系统中，电液伺服阀既起电气信号与液压信号之间的转换作用，又起信号放 大作用。它将输入的小功率电信号转变成为阀芯的运动，而阀芯的运动控制了液 压能源流向液压执行元件的流量和压力，从而实现了电、液信号的转换和放大， 以及对液压执行元件的控制。 1 2 控制理论的概述n 钉乜 随着生产的发展，控制技术也在不断的发展，尤其是计算机的更新换代，推动 了空间技术的发展，更加推动了控制理论不断地向前发展。 古典控制理论主要解决单输入单输出问题。主要采用传递函数、频率特 性、根轨迹为基础的频域分析方法。所研究的系统多半是线性的、定常的。随着 科学的发展、技术的进步。控制对象越来越复杂多样，控制系统也日益复杂，出 现了多输入多输出的多变量的控制系统、非线性的系统、系统参数随时间变 化的时变系统。它是以微分方程、线性代数及数值计算为主要数学工具，用时域 方法( 状态空间方法) 来描述系统内部状态变量关系的状态方程为基础，研究系 统状态运动的理论。进入7 0 年代，控制理论向着“大系统理论”和“智能控制” 方向发展，前者是控制理论在广度上的开拓，后者是控制理论在深度上的挖掘。“大 系统理论”是用控制和信息的观点，研究各种大系统的结构方案、总体设计中的 分解方法和协调等问题的技术基础理论。而“智能控制”是研究与模拟人类智能 获得及其控制与信息传递过程的规律，研制具有某些仿人智能的工程控制与信息 处理系统。 智能控制的产生来源于被控系统的高度复杂性、高度不确定性阻及人们要求 的越来越高的控制性能，它的创立和发展需要对当代多种前沿学科、多种先进技 术和多种科学方法，加以高度综合和利用。因此，智能控制无疑是控制理论发展 的高级阶段。它的基本出发点是仿人智能，实现对复杂不确定系统进行有效的控 制。智能控制的概念和原理主要是针对被控对象、环境、控制目标或任务的复杂 性而提出来的。它与传统控制的主要区别在于：传统的控制方法必须依赖于被控 2 硕士论文 液压伺服系统的神经列络p i d 控制 制对象的模型，而智能控制可以解决非模型化系统的控制问题。目前，根据智能 控制发展的不同历史阶段和不同的理论基础可以分为四大类： ( 1 ) 基于专家系统的智能控制； ( 2 ) 分层递阶智能控制； ( 3 ) 模糊逻辑控制： ( 4 ) 神经网络控制。 早期的智能控制( 如基于专家系统的智能控制) 是以傅京逊教授为代表提出的 二元论( 人工智能+ 控制论) 和以s a r i d i s 为代表提出的由执行级、协调级和组织级 构成的分层递阶智能控制。由于人工智能技术在实时性等方面没有取得突破性进 展，因此基于符号逻辑推理技术为主的智能控制技术难以得到广泛应用。8 0 年代 后，智能控制技术得到迅速发展，它主要得益于模糊逻辑控制和神经网络控制理 论的不断成熟。此外、9 0 年代以来，智能控制的集成技术研究取得了重大进展。 如模糊神经网络、模糊专家系统和仿人智能控制等等。近年来，智能控制与传统 p i d 控制器相结合，形成智能p i d 控制，这种新型控制器己引起入们的普遍关注和 极大兴趣，并已得到较为广泛的应用。智能控制器具有不依赖系统精确数学模型 的特点，对系统的参数变化具有较好的鲁棒性。这些都为智能控制技术的应用提 供广阔的前景。 1 3 伺服系统智能控制现状 液压伺服系统的经典控制理论采用基于工作点附近的增量线性化模型来对系 统进行分析与综合，设计过程主要在频域中进行，控制器的形式主要为迟后超前 网络和p i d 控制等。目前，液压伺服系统的经典控制理论已经成熟。对于一些频 宽不太高、参数变化和外干扰不太大的液压伺服系统采用经典方法进行设计已 经能够满足工程需要。近年来，随着机械工作精度、响应速度和自动化程度的提 高，对液压控制技术提出了越来越高的要求、液压控制技术也从传统的机械、操 纵应用场合开始向航空航天和车辆与工程机械等领域扩展。在这种情况下，仅采 用液压控制技术己难以满足上述应用场合提出的要求。机、电、液一体化技术正 是在这种背景下产生。针对越来越复杂的液压伺服系统，经典控制理论难以满足 控制要求，由此产生新的控制理论。近代伺服系统控制策略的应用现状及发展趋 势是： 1 、p i d 控制p i d 控制器具有结构简单易于实现等特点，至今在液压伺服 控制系统中仍有着广泛的应用。传统的p i d 采用线性定常组合方式，难于协调快 速性和稳态特性之间的矛盾，在具有参数变化和外干扰的情况下其鲁棒性也不够 好。随着对系统性能要求为不断提高，传统的p i d 控制往往不能满足要求，在这 硕士论文液压伺服系统的神经网络p i d 控制 种情况下吸取自适应控制和智能控制的基本思想并利用计算机技术的优势、对传 统的p i d 控制进行改造形成自适应p i d 、模糊p i d 、智能积分p i d 和非线性p i d 等， 使其适应新的要求。 2 、人工智能控制( a i c )6 0 年代中期，美国最早开展了对智能控制的研究、 付京孙首先提出了人工智能控制( a i c ) 的概念。按此观点，智能控制是自动控制、 运筹学和人工智能三个主要学科相互渗透、相互结合的产物，a i c 通过对系统特征 的描述和提取。符号和环境的识别，知识库和推理机的开发以及控制规律的在线 学习和修正，使系统对实际环境或过程有一定的组织、决策和规划的能力。 3 、自适应控制( a c )如果在设计控制系统时，不完全知道系统的参数或结 构，要求一边估计未知参数，一边修正控制作用，这就是自适应控制问题。a c 可 分为两大类：一类以自校正控制( s t c ) 为代表，另一类以模型参考自适应控制( m r a c ) 为代表。 4 、变结构控制( v s c )v s c 是一种根据系统状态偏离滑模的程度来变更控制器 的结构( 控制律或控制器参数) 。从而使系统按照滑模规定的规律进行运行的一种 控制方法。v s c 本质上也是一种自适应控制。 5 、鲁棒控制在实际问题中，系统的模型可能包含不确定因素，希望这时 控制系统仍有良好性能，这就是鲁棒控制问题。近年来出现了h 。设计方法，要求 频率响应函数的h 。的上确界极小。这种方法成功地应用了经典函数论。 6 、神经网络控制神经网络控制( n n c ) 是模仿人类的感觉器官和脑细胞的工 作原理丽工作的。它可以同时接受大量信息，并且对它们进行处理，结果也是平 行输出的一批信息。在系统中硬件是模仿神经细胞的网络，软件则是模仿神经细 胞的工作方式，即每个神经元接受信号按“乘权值后相加”，输出信号按“闽值” 大小确定。 尽管随着控制理论发展，涌现出许多新型、具有良好控制性能的控制理论， 但是液压伺服系统普通存在非线性，且至今没有能够很好地解决这一难题。液压 伺服系统的非线性主要由电液转换与控制元件( 伺服阀、比例阀或数字阀) 的节流 特性和液压动力机构的滞环、死区及限幅等因素引起，对于由后者引起的非线性 ( 通常称为本质非线性) ，采用描述函数法已能获得较好的结果；而对前者日前还没 有比较满意的统一处理方法。现有的处理方法是将描述系统特性的动态方程中的 非线性项在工作点附近增量线性化( 即取台劳级数展开式的次项) 。从而把非线 性系统近似转化为工作点附近的增量线性系统这样当然就可采用线性理论对系 统进行分析与综合了。众所周知的液压伺服阀的三个系数( 流量增益、压力增益 和流量压力系数) 就来源于此。这种处理方法对于系统给定量较小，且外负载不 大的经常工作在额定工作点附近的电液伺服系统是可行的。然而近代液压伺服系 4 硕士论文 液压伺服系统的神经网络p i d 控制 统往往要求系统具有点点跟踪任意非线性函数的能力并且能够承受较强的外负载 干扰，因此工作过程中系统的工作点在较大范围内变化，从而增量线性化理论难 于奏效。解决这个问题的途径有两个：一种方法是基于对象线性模型采用具有较 好自适应性和智能性的鲁棒控制策略( 例如v s c 、n n c 、a c 和a i c 等) 来处理工作点 变化和系统非线性引起的不定性；另种方法是对非线性对象在大范围内精确线 性化，采用非线性系统的几何控制理论来设计非线性状态反馈。 1 4 本文要完成的工作 针对本论文涉及到是大功率液压伺服系统，由于电液转换元件中伺服阀的流 量方程是非线性的，在分析系统的大扰动稳定性与大给定下的动态品质时，或 者在控制精度和动态性能要求较高的场合时，就不宜把它近似地作为线性系统 处理，而常规的p i d 控制器是一种线性控制器，难以满足实际系统的要求，本 课题在此背景下，设计一种神经网络非线性p i d 控制器，由神经网络控制优化 非线性p i d 控制器的参数，处理液压系统中的不确定性、不精确性，以满足液 压伺服系统的动态性能和静态性能要求，提高系统的鲁棒性。 研究工作主要从以下方面展开： l 、液压伺服系统硬件组成设计及数学模型的确定。针对该系统实验室已有 的设备，分析组成系统元件的功能及特性，分析影响系统工作的干扰因素。从 理论上确定系统大致的传递函数，然后通过在实际系统上进行调试推导传递函 数中的参数，最终得出系统的传递函数。 2 、智能控制器神经网络非线性p i d 控制器的设计。考虑系统的非线性 特点，并且确保系统在参数变化、外负载干扰和交叉干扰等复杂情况下仍具有 较好的稳定性和鲁棒性，设计了神经网络非线性p i d 控制器，利用人工神经网 络的任意非线性表示能力和自学习的特点，对非线性p i d 的参数进行优化。 3 、系统仿真。控制器确定之后，实际系统调试之前，为了检验算法的可行性， 运用m a t l a b 软件进行系统的仿真，在s i m u l i n k 下建立仿真模型，不断修正控制 器的参数直至达到伺服系统所要求控制的动静态性能指标。 4 、实际系统调试。将仿真程序改写为c 语言控制程序，输入p c 工控机，进 行实际系统的调试，逐步修正控制器的参数，直至系统稳定达到良好的控制效果。 硕士论文液压伺服系统的神经网络p i d 控制 2 液压伺服系统硬件组成 本论文所研究的液压伺服系统硬件核心是p x 一8 电液调速系统，因此通常我们 也称该系统为p x 一8 电液伺服系统。图2 一l 是系统的整体结构框图，它主要由主控 计算机、电液调速系统、模拟负载、校正网络、测角装置五大部分组成。主控计 算机是整个控制系统的大脑，负责采集控制目标信号；计算机的输出信号通过电 液调速系统的伺服放大器进行调整放大，用于控制电液伺服阀。电液伺服阀、液 压缸和位置传感器构成一惯性环节，是节流调速。其输出用于控制变量泵的排量， 因此，计算机的输出信号，最终控制的是变量泵的流量。泵控马达是通过改变变 量泵的排量实现对液压马达转速的控制，属于窖积调速，是系统的执行机构，其 效率高，应用于大功率液压控制系统中，节能效果是很明显的：通过增速箱连接 的制动器和惯量盘是模拟负载，为了模拟出实际火炮系统上的阻力矩和转动惯量。 为了提高系统的性能，采用测速电机为速度采集装置，在系统中引入了速度和加 速度反馈进行较正。减速箱和测角装置是外环位置反馈，是伺服系统控制算法所 在。 图2 1p x 8 电液伺服系统结构框图 2 1 电液调速系统n n 圈 圈 在2 。1 图中，由伺服放大器、电液伺服阀、液压缸、变量泵、液压马达和 位置传感器构成电液调速系统，即虚线框围起的部分，它是p x 一8 电液伺服系统 的硬件核心。它是一个兼有节流调速和容积调速的系统，系统的前一级执行元 件采用节流控制，作为容积调速的前置级，容积调速是系统的执行机构，用于 硕士论文 液压伺服系统的神经嘲络p i d 控制 推动负载运行，因此系统综合了节流控制和容积控制的优点，具有动态特性好、 效率高。其结构如图2 1 1 所示。 图2 1 1电液调速系统的结构框图 电液调速系统前一级节流控制元件包括伺服放大器、电液伺服阀、双作用 液压缸和位置传感器，构成摆架角度位置控制系统，即所谓的小闭环。其工作 原理：计算机输出信号经过伺服放大器调整后，控制电液伺服阀的开口大小和 方向，由此再控制双作用液压缸运动速度和运动方向。如果不引入液压缸的位 置反馈，此系统为一积分环节；现加入位置传感器反馈信号，小闭环就构成了 一个惯性环节。液压缸的输出用于控制变量泵斜盘的倾角，即控制变量泵的排 量，也就是液压马达的转速。 为了进一步了解p x 一8 电液调速系统的工作原理，以下分析该液压系统的工 作流程，如图2 1 2 所示： 马达 图2 1 2电液调速系统的工作原理图 当伺服放大器( 1 ) 输入信号为零时，电液伺服阀( 2 ) 无流量输出，活塞( 3 ) 7 硕士论文液压伺服系统的神经网络p i d 控制 处于中位，变量泵( 4 ) 摆架处于零位，变量泵无流量输出，液压马达( 5 ) 不转：当 伺服放大器输入信号非零时，电液伺服阀( 2 ) 有流量输出，驱动活塞( 3 ) 以致 带动变量泵摆架偏转一定的角度，使变量泵( 4 ) 有相应的流量输出，驱动液压马 达通过齿轮箱带动负载克服静力矩转动。同样，如果输入的电信号反方向，液压 马达驱动负载以反方向转动。 电液调速系统的主要部件及参数为： 夺电液伺服阀：为双喷嘴挡板力反馈二级电液伺服阀，额定工作压力为2 1 0 1 0 。p a ，在本系统中实际工作压力为2 8 1 0 。p a ，我们选用该产品，是因为它具有 功率重量比大。 夺液压缸：为双作用缸，活塞有效面积为2 7 i 0 。m 2 ，行程为o 0 1 5 m 。 夺变量泵：为斜轴式轴向柱塞泵，摆架转角3 0 度，由油缸的活塞控制。 泵的最大排量为i 5 6 i 0 一m 3 r ，最高工作压力为2 1 0 1 0 5 p a 。 夺液压马达：为y m 3 0 型斜轴式定量马达，排量为2 8 1 i 0 - s m 3 r ，额定转 速为2 2 8 0 r m 。 夺拖动电机：所有液压泵由同一个三相异步电机拖动，功率为5 。5 k w ，额定 转速是2 9 0 0 r m 。 夺辅助供油泵：包括两个齿轮泵，其一为主油路补油，压力为8 1 0 5 p a ， 另一个为电液伺服阀供油，供油压力为2 7 1 0 5 p a ，压力均由溢流阀调整。 夺位置反馈传感器：采用旋转变压器，额定激磁电压为3 6 v ( 4 0 0 h z ) ，输出梯 度为0 3 v d e g ，零位剩余电压不大于4 5 毫伏。 伺服放大器：接受工控机的输出信号，功率放大后输出，控制执行电动机 带动负载运动。伺服放大电路的输入是：主控机的d a 输出、速度和加速度反馈 校正信号和负载角度反馈信号。该放大电路由组成：校正电路( 速度和加速度反 馈信号) 、位置传感器采集电路和信号放大电路。校正电路和位置传感器采集电路 的工作原理在后文将作详细介绍。信号放大电路前置级由4 级运算放大器进行电 压放大，运算放大器输入端接入并联的二级管，作用是将电压限制在二极管的正 向电压以下，保护输入端，输出级采用由运算放大器和o c l 互补对称功率放大电 路组合，进行功率放大。其原理图见附录。 2 2 工控机 采用台湾研华a d l i n k 型号的工控机，n u p r o - 7 6 0 主板机，c p u 选用i n t e l p e n t i u mi i 4 5 0 m h z ，外加i n t e l 8 0 3 8 7 协处理器，c a c h em e m o r y 大小为2 5 6 k b ， ! 塑：堡兰 壅垦! ! 竖墨笙竺塑丝翌垒型! 笙型 具有7 路d m a 通道a 另外，p c a 一6 1 4 7 还具有p c 1 0 4 扩展接口、p o s t 诊断灯 1 2 级w a t c h d o g 、t i m e r 等。 2 3 校正装置 为了提高系统的性能，通常引入校正装置。本系统采用并联校正中的速度 和加速度反馈校正，速度反馈提高系统的固有频率，加速度反馈提高系统的阻 尼。方法是：在系统输出轴上安装测速发电机，采集输出轴转速信号，同时通 过电路转换出加速度信号，两路信号都反馈给伺服放大器。 夺测速发电机 此液压伺服系统中，测速发电机采用的装置是博山电机厂生产的t g p l 型 永磁直流发电机。标准大气压下，环境温度范围为- - 6 0 。+ 7 0 。，当振动频率 为4 0 4 5 h z 时，抗震强度过载可达4 9 ，最大转速为7 0 0 0 r m ，线性误差 e 为b a n g b a n g 控制 岛 p 8 ，为神经网络非线性p i d 控制( n l p i d 控制) 实验结果表明，这种设计方案在保证系统快速响应的同时，能够减少系统的静 态误差。 硕士论文 液压伺服系统的神经网络p i d 控制 4 2 神经网络和p i d 控制综述 4 2 1 p i d 控制 4 2 1 i 标准p i d 控制1 0 1 常规p i d 控制器是一种线性控制器，它根据给定值r ( f ) 与实际输出值c ( ) 构 成偏差： g ( f ) = r ( f ) 一c ( f ) 将偏差的比例( p ) 、积分( i ) 和微分( d ) 通过线性组合构成控制量，对被 控对象进行控制。其控制规律是： u ( t ) = k p 郇，+ 毒斟 - ， 式中k 。比例系数 z 积分时间常数 n 微分时间常数 u 。偏差e = 0 时的输出，常称为稳态工作点 简单来说，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映控制系统地偏差信号p ( f ) ，偏差一旦产生， 控制器立即产生控制作用，以减少偏差。 2 、积分环节主要用于消除静差，提高系统地无差度。积分作用的强弱取 决于积分时间常数z ，z 越大，积分作用越弱，反之则越强。 3 、微分环节能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，在系统中引入一个有效的早期修正信号，从而加快系统的动作 速度，减少调节时间。 众所周知，我们的计算机系统是时间离散系统，要实现( 4 1 ) 所示的p i d 控 制规律，就要将其离散化。设控制器每隔一个采样周期r 进行一次控制量的计算 并输出给执行机构，则采样时刻t = 足r 时，通过差分方程式( 4 一1 ) 的表达式 可变为： r “( ) = k p e ( k ) + k ，e ( j ) + k 。【七) 一e ( k 一1 ) 】+ “o ( 4 2 ) u ( k ) 是采样时刻t = j 订：时的计算机输出。式( 4 2 ) 给出的是执行机构在 1 7 硕士论文 液压伺服系统的神经网络p i d 控制 采样时刻f = k t 的位置或控制阀门的开度，所以被称为位置型p i d 算法。 工业工程控制中，常采用另一种被称为增量式p i d 控制算法，采用这种控制 算法得到的输出值是执行机构的增量值，其表达式为 a u ( k ) = k ， 口( 七) 一e ( k 一1 ) 】+ e p ( 尼) + k 。 p ( 七) 一2 e ( k 一1 ) + e ( k 一2 ) ( 4 3 ) 4 2 1 2 p i d 控制器参数整定1 8 1 p i d 控制器参数整定的含义实质上是通过调整”足，、k 。三个参数，使控 制器特性与被控对象的特性匹配，满足控制系统所要达到的控制效果。 对于纯滞后的工业过程中，常用的一种p i d 参数的工业整定方法是：稳定边 界( 又称临界比例度法) 。它的实现是在系统闭环情况下，去除积分和微分作用， 让系统在纯比例器的作用下产生等幅振荡，利用此时的临界增益定。和临界振荡周 期t ，根据z i e g l e r 和n i c h o l s 提出的如表4 1 所示的经验公式和校正类型，查表 得到p i d 的三个参数。 表4 1 稳定边界法参数整定计算公 南玲掣 k pk ik d p 0 5 k ， p 1 0 4 5 5 k po 5 3 5 k p t p i d0 6 k 。 1 2 k ，to 0 7 5 k 。t 4 2 2 非线性p i d 控制2 3 1 至今，工业工程控制中所有的8 0 以上仍是纯p i d 调节器，若包括各种改进 型，则超过9 0 。尽管如此，对于p i d 控制器而言，静态与动态性能之间的矛盾， 跟踪设定值与抑制扰动之间的矛盾，鲁棒性与控制性能之间的矛盾等，仍没能很 好地解决。传统p i d 控制存在的问题，并不是p i d 本身引起的，而是线性p i d 控 制中，p 、i 、d 的线性组合，系统特性变化与控制量之间的线性映射关系所造成的。 为了突破传统p i d 控制器的线性特性对控制性能的制约，近年来人们提出各种非 线性p i d 控制器，以提高系统的控制性能。 采用非线性函数与传统p i d 控制器起来构成非线性p i d 控制器。该非线性p i d 控制器设计简单，利用原有的p i d 控制器参数，只需设计非线性函数中的一个参 数便可实现。本论文设计利用误差e 构成非线性函数，与简单的p i d 控制器级联 起来，是实现非线性p i d 控制最简单的一种方式。采用上述方法实现非线性p i d 1 r 硕士论文 液压伺服系统的神经网络p i d 控制 控制的系统框图如图4 2 2 1 所示 ：廿厂( j ) = 七p + 七j s + 后d s 卜钮 图4 2 2 i 非线性p i d 控制系统框图 选用有误差e 构成的最简单的非线性函数，形式如下 g ( p ) = c h ( k o e ) = e x p ( k o e ) + 三e x p ( - 一k o e ) ( 4 4 ) p = l l 艇 ( 4 - 5 ) 上述双曲余弦函数式( 4 - 4 ) 的值域为l o ，+ 。0 ) 。如果不对非线性函数施加任 何限制，在误差变化较大时，则可能出现非线性补偿引起系统的增益过大而使系 统震荡的现象，为此，采用式( 4 - 5 ) 函数来限制的七( e ) 大小。 对一典型二阶系统进行传统p i d 和非线性p i d 的控制性能仿真比较，发现非 线性p i d 的阶跃响应速度明显优于传统固定增益p i d 的响应速度，具有更好的动 静态特性。 4 2 3 神经网络综述1 0 1 1 2 “1 3 3 3 5 1 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k a n n ) 的研究从4 0 年代初开 始了，心理学家m c c u l l o c h 和数学家p i t t s 首先提出了形式神经元模型( 简称m p 模型) ，把神经元作为双态开关，并应用布尔逻辑的数学工具研究客观事件的形式 神经网络的模拟。心理学家h e b b 提出了神经元的学习规则，使神经网络具有可塑 性，他们的研究结果至今仍是许多神经网络模型研究的基础。5 0 年代、6 0 年代代 表性的工作是r o s e n b l a t t 的感知器和w i d r o w 的自适应线性元件a d a l i n e 。1 9 6 9 年， m i n s k y 和p a p e r t 合作发表了颇有影响的p e r c e p t r o n 一书，得出了消极悲观的论点， 加上数字计算机正处于全盛时期，并在人工智能领域取得显著成就，7 0 年代人工 神经网络的研究处于低潮。进入8 0 年代，美国加州工学院物理学家h o p f i e l d 对 神经网络的动态特性进行了研究，引入了能量函数的概念，提出了用于联想记忆 和优化计算的新途径。r u m e l h a r t 等人提出可误差反向传播神经网络，简称b p 网 生竖笙鉴一 壁垦塑竖墨堑塑塑丝堕堡! ! ! 竺型 络，它是一种能朝着满足给定的输入输出关系方向进行自组织的神经网络。b p 网 络目前已经成为广泛使用的网络，并以此为基础做了许多改进，发展了某些快速 收敛学习算法。尤其进入9 0 年代以来，掀起了研究神经网络的热潮。目前在研究 方法上，己经形成多个流派，最富有成果的研究工作包括：多层网络b p 算法， h o p f i e i d 网络模型，自适应共振理论，自组织特征映射理论等。 神经网络系统是指利用工程技术手段模拟人脑神经网络的结构和功能的一种 技术系统，它是一种大规模并行的非线性动力学系统。在不同程度和层次上模仿 人脑神经系统的信息记忆、储存和检索的功能。不同领域的科学家，对a n n 有着 不同的理解、不同的研究内容，并且采用不同的研究方法。对于控制领域的研究 工作者来说，a n n 的魅力在于： 1 ) 能够充分逼近任意复杂的非线性关系，从而形成非线性动力学系统，以表 示某些被控对象的模型或控制器模型； 2 ) 能够学习和适应不确定系统的动态特性； 3 ) 所有定量或定性的信息都分布于网络内的各神经单元，从而具有很强的容 错性和鲁棒性； 4 ) 采用信息的分布式并行处理，可以进行快速大量运算。 l 、单神经元模型n “ 人脑神经元是组成人脑神经系统的最基本单元，人的大脑皮层神经元数目在 1 0 ”1 0 “量级，神经元由细胞体、树突和轴突组成。树突是由细胞体向外伸出的 许多树枝状较短的突起，它用来接受周围其他神经细胞传入的神经活动，相反地， 轴突通过轴突末梢向其它的神经元传出神经冲动。树突和轴突一一对接，从而把 众多的神经元联接成一个神经元网络。 对人脑神经元进行抽象简化后得到一种称为m c c u l l o c h p i t t s 模型的人工神 经元，如图4 2 3 1 所示： x n 图4 2 3 1 人工神经元模型 对于第i 各神经元，一、x ：、x 是神经元接收到的信息，q 。、。：、。 2 0 硕士论文 液压伺服系统的神经网络p i d 控制 为连接强度，称之为权。利用某种运算把输入信号的作用结合起来，给出它们的 总效果，称之为“净输入”，用n e t , 来表示。净输入的采用简单的线性加权求和， 即 n e t , = 国f ( 4 6 ) 而神经元i 的输出y i 是其当前状态的函数g ( ) ，称之为活化函数。则人工 神经元的数学表达式为： n n e t , = c o f z 厂只 j = l y 。= g ( n e t ，) ( 4 7 ) 式中伊神经元f 的阈值 对于不同的应用，所采用的活化函数也不同，应用于控制中的神经元所采用 的活化函数有以下三种： 1 、简单线性函数 神经元的活化函数g ( ) 连续取值( 如图4 2 3 2a ) ，各 神经元的构成的输出矢量y 由输入矢量j r 与连续矩阵加权产生，输出为： y ( k + 1 1 = w x ( t ) ( 4 - 8 ) 2 、线性值函数( 硬限幅函数)这是一种非线性函数( 见图4 2 3 2b ) ，输 出只取两值，入+ 1 与一l ( 或1 与o ) ，当净输入大于某一0 值时，输出取+ 1 ， 反之取一1 ，这一特性可用符号函数表示： y ( k + 1 ) = s g n y x ( k ) 一0 j ( 4 9 ) i 一 ji 万 ；乡 ( a ) 线性函数( b ) 线性值函数( c ) s i g m o i d 函数 图4 2 3 2 人工神经元活化函数特性 硕士论文 液压伺服系统的神经网络p i d 控制 3 、s i g m o i d 函数( s 型函数) 神经元的输出是限制在两个有限值之问的连 续非减函数( 见图4 2 3 2 c ) ，其表达式为 r 1 y ( 七+ 1 ) = t a n h t w x ( k ) 一口】 ( 4 1 0 ) l u oj 在s 型函数中，可以通过改变u 。值的大小来调整曲线的曲率，函数的最大值 和最小值分别取为+ 1 和一1 。若欲使函数的值最大值和最小值分别取+ 1 和0 ，可 作简单的坐标变换，用以下函数表示： * 蛐剖2 去 2 、神经膀络的结构 神经网络结构主要指它的联接方式。神经网络是由若干个的神经元以一定联 接方式联接而成的复杂系统，神经元的模型确定之后，一个神经网络的特性及能 力主要取决于网络拓扑结构及学习方法。下面介绍人工神经网络连接的几种基本 形式： 1 ) 前向网络( 前馈网络) 网络结构如图4 2 3 3 ( a ) 所示，网络可以分为若干“层”，前后相邻两层之 间神经元相互联接，只接受相邻层输入的信号，各神经元之间没有反馈。最上层 1 池 池 箍三 图4 2 3 3 神经网络的典型结构 硕士论文 液压伺服系统的神经网络p i i ) 控制 是输入层，表示输入矢量各元素值，没有计算功能；最外层是输出层；中间是隐 含层，隐含层的层数可以是层或多层。前向网络在神经网络中应用很广泛。例 如，感知器就属于这种类型。 2 ) 反馈网络 网络的结构如图4 2 3 3 ( b ) 所示。网络的本身是前向型的，在反馈型神经 网络中，每个节点都是一个计算单元，同时接受外来输入和其他节点的反馈，甚 至包括神经元输出信号g 回的自环反馈。例如：f u k u s h i m a 网络就属于这种类型。 3 ) 混合型网络 网络的结构如图4 2 3 3 ( c ) 所示。通过层内神经元之间的相互连接，可以 实现同一层神经元之间横向抑制或兴奋的机制，从而限制层内能同时动作的神经 数，或者把层内神经元分为若干组，让每组作为一个整体来动作。一些自组织竞 争型神经网络就属于这种类型。些自组织竞争型神经网络就属于这种类型。 4 ) 相互结合型网络 网络的结构如图4 2 3 3 ( d ) 所示。它属于网络结构，构成网络中各个神经 元都相互双向联接，所有神经元既作输入，同时也用于输出。这种网络对信息的 处理过程是：当某一时刻从神经网络外部施加一个输入时，各个神经元一边相互作 用，一边进行信息处理，直到使神经网络所有的神经元的活性度或输出值，收敛 于某个平均值为止。h o p f i e l d 网络和b o l t z m a n n 机属于相互结合类型。 3 、人工神经网络的学习 人类高度发展的智能，主要通过学习获得的，学习是我们获得新知识的过程， 而记忆是在一段时间内保持所获得知识的过程。人的大脑神经系统是从事学习和 记忆的最重要的智能器官。要模拟人脑神经系统的学习功能，必须使得仍神经网 络具有学习功能。当一神经系统的拓扑结构确定后，为了使它具有某种智能特性， 还必须有相应的学习方法与之配合。神经网络的在线学习，实质上是不断修正神 经元之间连接强度或加权系数。神经网络的学习方法多种多样，常用的有： 1 ) h e b b 学习规则 心理学家h e b b 于1 9 4 9 提出学习行为的突触联系和神经群理论，后来的研究 者加以引用，用数学表达，称为h e b b 规则，此规则是一类相关学习，它的基本思 想是：如果有两个神经元同时兴奋，则它们之间的联接强度的增强与它们输出的 乘积成正比，用y 。、y ，表示单元f 、，的输出值，甜“表示两个神经元之间的连 接权，则h e b b 学习规则可以表示为： 国口( 七) = r y ；( 七) j ，( 七) ( 4 1 2 ) 式中刀学习速率 硕士论文液压伺服系统的神经网络p i d 控制 2 ) 有监督6 学习 在h e b b 学习规则中引入教师信号，将式中( 4 1 2 ) 中的，( 尼) 换成网络期望 目标输出z 与实际输出y ，之差： a c o ，( 尼) = 7 7 【z ( 后) 一y ，( 尼) 】乃( 尼) ( 4 1 3 ) 其中万= d ，一y ，上式为6 规则，又称误差修正规则，根据上述规则的学习 算法，通过反复迭代运算，直至求出最佳的国。值，使万达到最小。 上述的j 规则只适用于线性可分函数，不适用于多层网络非线性可分函数， 1 9 8 6 年，r u m e l h a r t 和h i n t o n 等人系统地总结了误差传播式学习的研究成果，总 结出广义的万规则，则学习算法为： 万，= 乃 缈面) 瓯 ( 4 _ 1 4 ) 其中l ( n e y 西) 为输入向量激励函数的导数， 瓯k 为全体与隐含节点，连接的各项联接权重函数变化的总和 根据广义艿规则，误差由输出层逐层反向传至输入层，而输出则是正向传播， 直至给出网络的最终响应。 3 ) 概率式学习 概率式学习的典型代表是b o l t z m a n n 机学习规则，该模型包括输入、输出和 隐含的多层网络，但隐含层存在互联结构且网络层次不明显，根据下述规则对神 经元的联接权重进行调整 口= 7 7 ( 露一p i ) ( 4 1 5 ) 式中 叩学习速率，砖、巧分别是两个神经元在系统中处于口状态和自由 状态时实现联接的概率。调整权重的原则是：当p p i 时，则增加权重，否则减 少权重。 4 ) 竞争式学习 竞争式学习是无教师学习方式。这种学习是利用不同层间的神经元发生兴奋 性联接，以及同一层内距离很近的神经元间发生同样的兴奋联接，而距离较远的 2 4 硕士论文 液压伺服系统的神经网络p i d 控制 神经元则产生抑制联接。这种在神经网络中的兴奋性或抑制性联接机制中引入了 竞争机制的学习方式，称为竞争式学习。它的本质特征在于神经网络中高层次的 神经元对低层次的神经元进行竞争式识别 竞争机制的思想来源于人脑的自组织能力。大脑能够及时调整自身结构，自 动地向环境学习，完成所需执行的功能。竞争式神经