MATLAB环境下的单神经元自适应实时控制系统(精)

1、基金项目：国家自然科学基金（60274020,69974017 河北自然科学基金（602621;广西自然科学基金（0135065 收稿日期:2003-06-13收修改稿日期:2004-02-10MAT LAB 环境下的单神经元自适应实时控制系统王俊国，王永骥,万淑芸（华中科技大学控制科学与工程系自动化研究所，湖北武汉 430074摘要:利用神经元模型和自学习功能构成自适应PI D 控制器，在 Matlab 实时开发环境 xPC T arget 下建立液位实时控制系统。给出了单神经元自适应PI D 控制器的结构和控制算法，介绍了基于xPC T arget 的快速原型设计方法，即通过拖拉 S im

2、ulink 模块搭建被控对象的实时原 型,同时以神经元自适应 PI D 控制器完成系统的实时控制。为检验控制效果还采用 了 PI D 控制器进行液位实时控制。最终结果表明：单神经元自适应控制能克服传统 PI D 控制器不稳定的缺点，使系统具有较好的稳定性。关键词:神经元;S imulink ;xPC T arget ;自适应控制中图分类号:TP273 文献标识码:A文章编号:1002-1841（200404-0021-01R eal 2time Sin gle N euro n Adaptive Con trol System B ased on Matlab En vir onmentWAN

3、G Jun 2guo ,WANG Yo ng 2ji ,WAN Shu 2yu n（In stitute of Automati on ,Departme nt of C on trol Science and Engin eeri ng ,Huazh ong Uni versity of Science and T ech no logy ,Wuha n 430074,Chi naAbstract :Real 2time level process con trol system was devised on the basis of xPC Target s oftware en vir

4、onment of Matlab.Mea nwhile an adaptive PI D con troller weredesigned by means of neuron m odel and self 2learning alg orithm.The architecture andalg orithm of the single neuron adaptive PI D controller were discussed.The rapid prototyp ing processwhich created block diagrams in S imuli nk using sim

5、 2ple drag and drop operati ons was in troducedin detail.The real 2time con trol system adopted adaptive PI D controller was created through Simulink m odel with xPC T arget.In order to verify the performa nee of tw o approaches ,the PI D algorithm was als o used to control the lev 2el system.The re

6、sults in dicate that the proposed method canovercome the shortco ming of the traditional PI D controller and achieve satis 2factory stability.K ey Words :Neuron ;S imulink ;xPC T arget ;Adaptive C ontrol1 引言在工业控制中，传统的 PI D 控制至今仍处于主导地位，其缺点主要是 PI D 参数 一般由人工整定，且一次性整定得到的 PI D 参数很难保证其控制效果始终处于最佳 状态1。针对 PI

7、 D 调节器不能有效跟踪控制系统参数变化这一弱点，利用神经网络有自学习、自组织的功能和联想记忆、并行处理的优势，以具有自学习和自适应能力的单神经元来构成先进的自适应PI D 控制器，并将其应用于液位控制实验装置，组成基于 Matlab 实时开发环境下的单神经元液位实时控制系统。由于控制器结构简 单，能适应环境变化，有较强的鲁棒性，因而控制系统具有较强的自适应能力。2 液位控制实验装置整个液位实验控制系统结构如图 1 所示Iki Z图 1 液位过程控制系统硬件结构框图液体从水槽经离心泵、可视流量计、伺服阀流入双室水箱。液位信号经液位传感器、变送器采集的 420mA 电流信号，通过 I/V 转换器

8、转 换成电压信号，由 PCL812PG 卡经 A/D 转换后送计算机。计算机由软件分析计算后 给出控制信号，经 PC L812PG 卡 D/A 输出电压信号，通过 V/I 转换成 420mA 的电流信号驱动伺服阀来调节流量大小，最终使液位控制达到期望值。3 单神经元自适应控制算法单神经元自适应 PI D 控制的结构如图 2 所示2。其中神经元输入的 3状态变换2纟汁个状态量分别为图 2 单神经元自适应 PID 控制系统框图x 1(k = e =e-e (k -1x 2(k =e (kx 3(k =A2e =e (k -2e (k -1+e (k -2单神经元自适应控制器是通过对加权系数的调整来

9、实现自适应、自学习功能，权系数的调整是根据有监督的 Hebb 学习规则实现的。控 制器的输出为u (k =u (k -1+k 艺3i =1w i (k x i (k而加权值的学习则采用规范化的学习算法，公式为wi (k =w i (k / 艺3i =1|w i (k |w 1(k =w 1(k -1 +np z (k u (kx 1(k w 2(k =w 2(k - 1 +ni z (k u (k x 2(k w 3(k =w 3(k -1 +nd z (k u (kx 3(k式中:k 为神经元的比例系数；np ,ni 分别为(下转第 29 页2004 年仪表技术与传感器2004 第 4 期

10、Instrument T echnique and Sens or No 14时温度显示，平均的测温值以及设定值显示。5 实验结果分析由于温度场本身是一种滞后较大的控制场，而在设计温度控制的时候没有冷却设备，因此在温度调节的过程中采用了分段逼近式温度控 制方案，即当设定值与检测值温差较大时，采用大功率加热，随着温度的升高逐步减小 加热的功率，直至停止加热。实验结果表明：该算法的运用使整个系统的超调量大大 减小。实验的温升曲线如图 6 所示0图 6 温升曲线从图 6 中可以看出在 35s 温度达到 36C左右时曲线有一个明显凹凸性的变化，这是因为当温度达到 36C,由于温差的变小，软件关掉了 一

11、条加热丝，减小了加热功率的缘故。从室温加热到 40C 只需要 1min，而温度调节 的超调量小于015%采用这种控制方案后，控制的效果是比较理想的。6 结论该温度测控系统性能价格比很高，充分利用了一线数字温度传感器 DS18B20 单 总线功能，减小了系统布线的复杂程度，提高了系统的稳定性。系统软件模块化以后，可读性增强，便于修改和移植，其设计思路和方法可以很好 的应用在多种情况下的温度测控系统中，系统的扩展方便，具有一定的借鉴作用。系统已运用在所设计的化学荧光免疫定量检测系统中，运行稳定，应用前景广 阔。参考文献1余永权.AT ME L89 系列单片机应用技术.北京:北京航空航天大学出版社,

12、2002:25-40.2陈兴梧，刘鸣.数字式温度计 DS18B20 的特性及应用 屆 外电子元器件,2002(3:39-41.3马家辰，孙玉德.MCS -51 单片机原理及接口技术.哈尔滨:哈尔滨工业大学出版社，1998:72-123.4崔光照，唐耀华.化学荧光免疫定量检测仪 的系统设计.仪表技术与传感器,2002(11:10-12.5DS18B20 数据手册.DA LLAS 公司.(上接第 21 页比例、积分、微分的学习速率，取值在 01 之间。由于 w i (k 可以通过神经网络的自学习功能进行自适应调整，故可大大提高控制器的鲁棒性能，保证控制系统的稳定性。4 Simuli nk 实时开发

13、环境下的过程控制xPC T arget 是一个基于实时工作间的快速原型设计方法,用于控制器的实时测 试和开发，而且支持100 多种 I/O 设备板卡。使用 xPC T arget 只需安装相应的软 件、C 语言编译器和数据采集卡，就可将计算机用作实时系统，将传感器、执行部件 等真实的物理部件与 S imulink 的模型直接联系起来，搭建起被控对象的实时原型 3。xPC T arget 无需手工编写代码，只需在计算机上实时运行由 RT W 产生的代码,就能让 S imulink 模型根据实时的采集量进行动力学解算，并输出真实的控制信号，因 而是实时控制、实时信号处理的理想工具。整个实现过程为（

14、1 在 S imuli nk 模型库窗口下展开 xPC T arget 拖出 An alog In put、An alog Output 模块，双击两模块，找到所用板卡的型号（PC L 812PG 并确认板卡基地址（设定 为 220H，按照参数选项依次给定实际采样时间（0101s、 输入 （输出通道以及输入（输 出电压范围；同时，在 S imulink 专用模块中拖出 C onstant模块、G ain 模块和 Sum 模块。（2 简单的 PI D 算法可以直接用 S imulink 模块搭建,但复杂的控制算法用普通 的 S imulink 模块不容易搭建，因此可以使用 S imulink 支

15、持的 S 函数形式，用 C 语言 写出控制算法程序，并用 MEX 命令进行编译，生成所需的动态连接库（D LL 文件，供 封装的 S 函数模块调用。将上述模块按照过程控制的要求，构造出系统框图模型的图形交互界面，即得到 一个数据采集和控制的实时系统，如图 3 所示。其中 C onstant 模块是系统液位的给 定值,An alog In put 模块是实际的采样值，两个模块的量纲不同，经 G ain 模块缩小后整 定成相同量纲的模块，二者的差值送 Sum 模块;经过 S 函数模块后系统发出控制指令 并通过 Analog Output 模块输出控制量给过程控制实验装置，完成系统的实时控制。S i

16、muli nk 环境下的参数设定须注意的是：采样时间要与板卡采样时间一致；仿真步长和仿真模式要分别设为固定步长和外部模式图 3 用 S imulink 模块构成的液位实时控制系统图 4 即实时控制系统曲线，其中控制算法采用单神经元自适应 PID 控制，神经元的比例系数 k 为 018,np ,ni 依次为 0194,01024,012 图5 为采用增量式 PI D控制器得到的液位控制曲线图 4 实时开发环境下单神经元自适应PI D 控制算法得到的液位控制曲线比较图 4、图 5 发现，单神经元自适应 PI D 控制的调节时间略长,但控制的因而整个控制系统的实时性和稳定性较好。图 5 采用增量式 PID 控制算法得到的液位实时控制曲线5 结束语神经元自适应 PI D 控制器实质上为一变系数的比例