一种智能控制方法及其在温度控制系统中的应用

1、龙永红等一种智能控制方法及其在温度控制系统中的应用包装自动化技术一种智能控制方法及其在温度控制系统中的应用龙永红,何静(株洲工学院电气工程系,湖南株洲412008)摘要分析了一种基于神经网络的滑模系统,文中首先介绍了滑模控制理论,然后采用小波函数对神经网络参数进行训练,使之能对大滞后被控对象以及复杂工业过程也能进行有效控制。关键词滑模;小波;神经网络中图分类号:TB486+.3文献标识码:B文章编号:1001-3563(2001)01-0039-03AKindofIntelligentcontrolandItsApplicationinTemperatureLONGYong-,HE(Depar

2、tmentofElectrical,logyZhuzhou412008,China)Abstract:Anetworkispresentedinthepaper.Thepapercontroltheory,thenneuralnetworkparametersarefunction,Theresultofsimulationshowsthatthelongtimedelayobjectcomplexindustrialprocesswillbecontrolledmoreefficiently.Keywords:Slidingmode;Wavelet;Neuralnetwork在实际工程中,对

3、于设计一个控制系统,解决其非线性和不确定性一直是设计中的难点。神经网络由于具有非线性映射能力以及学习和适应不确定性系统动态特性的能力,而受到人们的高度重视,但它存在着响应相对较慢和稳定性分析困难的缺点。滑模变结构可以控制为解决非线性系统的控制提供其新的思路,尤其对于模型不确定的复杂系统,它采用系统的分析方法来解决问题,使其具有快速性和较好的稳定性。然而,滑模控制在切换面上存在抖动,虽然许多文献对消除抖动提出了各种方案13,但对于大滞后对象效果不太理想。为此,本文在滑模变结构控制基础上结合神经网络控制。即用滑模变结构将系统引导到切换面的边界层,然后用神经网络补偿边界层内的不确定性。理论分析和仿真

4、结果均说明了该算法的优越性。1问题的描述考虑下列不确定性非线性系统(t)=f(X,t)+u(t)+d(t)(1)其中X=x,x,x(n-1)T为系统状态变量。u(t)X(n)为系统的输入,d(t)是系统外部扰动函数,其上限值为D,假设非线性函数f(X,t)不知其确切值,但f(X,t)=f(X)+f(x)。其中f(X)是f(X,t)的估计值,f(x)是模型的不确定性,且f(x)F。控制目标是要求系统状态变量X能跟踪Xr,其中(n-1)TXr=xr,x。r,xr系统结构如图1所示图中,e=Xr-X为跟踪误差SMC为滑模变结构控制器,ANN为神经网络控制收稿日期:2000209215作者简介:龙永红

5、(1968-),男(汉族),湖南攸县人,株洲工学院电气工程系讲师,从事电子技术应用及自动化研究。在“电话安全报警系统”和“内燃机车电脑加油机”项目中分别获得2000年湖南省科技进步四等奖。39 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. 包装工程PACKAGI.22No1.2001NGENGINEERINGVol器,S(t)为平滑函数,用于保证SMC与ANN平滑切换。此时u(t)输出为u(t)=(1-)u1(t)+u2(t)其中=为边界层厚度。0当1当(3)(2)波神经网络

6、控制。3ANN设计46小波分析的基本思想是用一族函数去表示或逼近某一信号或函数,这一族函数称为小波函数值。在选择适当的基本小波后,通过伸缩和平移来产生其小波。因此,小波分析相当于一个数学显微镜,具有放大、缩小和平移功能。若记基本子波函数为h(x),伸缩和平移因子分别为a和b,则小波变换基底定义为2SMC设计选取开关线为=e(n-1)+c1en-(2)+c(n-1)e=0(4)ha,b(x)=a2hb(12)函数f(x)L2(R)的小波变换定义为W图1系统结构a,b(f)=h-+a,b()f(x)dx(13)f()L(ha,b(x)上满足可,有助于收敛到最优值,这种小波2所示。其中ci0,按系统

7、要求的性能指标且满足Hurw择ci值。选取(tueg()(5)均为0情况下的控制量,而其中ueg为当f(x),d(t)、系统的不确定由sgn()来抑制,根据(6)式所示滑模成立条件选择参数0dt(6)图2小波神经网络结构在此情况下,系统沿着=0趋向原点,因ci满足Hurwite稳定多项式,故滑模运动是渐近稳定的。不失一般性,以二阶系统为例说明上述设计过程,+设开关线为=ee=0=xr-x+e=-f(x)-Ueg+xr+小波神经网络输入输出关系为:u2(t)=f(wj=1rjj)u(14)式中(7)(8)(9)e+-f(x)-sgn()-d(t)j=umUeq=-f(x)+xr+exk=1k(t

8、)haj(15)(16)F+D+抖动,可采用饱和函数取代开关函数。U1=Ueq(1+e-Z)f(Z)=1xk(k=1,2,m)表示输入层第k个分量。在本设计中由于在=0进行开关切换,故带来抖动,为消除)+sat(10)(11)x1=,x2=。m,r分别表示输入层和隐层单元数。wj(j=1,2,r)为隐层第j个单元到输出层的连接权值。设期望输出信号为ud,定义系统目标函数J=sat(x)=x当x1sgn(x)当x1但在此情况下,系统存在稳态误差e(t)c(n-1)。为克服上述缺点,当时,控制器转入小40L(uP=1pd-up2)(17) 1994-2010 China Academic Jour

9、nal Electronic Publishing House. All rights reserved. 龙永红等一种智能控制方法及其在温度控制系统中的应用采用小波函数为h(t)=exp(-ajt22),并令t=体测量方法可参见文献7,图3是在阶跃给定下,温度按J最小由梯度法求wjajbj值=-wjxpk(t)hLmrm=1k=1Lm(upupd-2)fwj(j11ajpdxpk(t)hrajmj(18)=-ajxpk(t)haj(uP=1k=1-u2)fpw(j=1k=1图3阶跃输入下温度响应曲线2wjxpk(t)haja3j(19)rm的响应曲线。以上实验结果表明,虽然对象参数发生一定幅

10、度变化,但系统仍具有良好的动、静态性能,无抖动现象。=bjx(t)hpk(u1k=1Lmpd-up2)fpkw(jj=1k=1ajwjx(t)h2aja2j(20)5结论,质。参考文献()=f()(1-f(),L为输入样本总数式中f小波神经网络的参数迭代算式为wj(t+1)=wt)-)=taj(22)(23)bj(t+1)=bj(t)-bj1姚琼荟,黄继起,吴汉松.变结构控制系统M.重庆:重4在热处理电炉中的应用在包装工业生产中,温度控制往往是一个重要的环节。在热处理工艺中,对热处理温度实时控制的要求是所设计控制器具有良好的恒温特性和平稳的动态过程,但由于其建模困难及电阻炉系统的慢时变特性,使

11、得设计要求难以达到。为获得较好控制效果,本文将基于小波神经网络的变结构滑模控制应用于热处理电炉温度控制。由于热处理电炉的温度是一个典型的过阻尼过程,故可近似用下面一阶模型来近似-sG(s)=TS+1庆大学出版社,1997.2WaiRJ,LinFJ.Fuzzyneuralnetworksliding2modepositioncontrollerforinductionservomotordriveJ.IEEproc2electr.Power,1999,146(3).3ChanCY.Discreteadaptivequasi2slidingmodecontrolJ.Int.J.Control,1999,72.4王耀南.智能控制系统M.长沙:湖南大学出版社,1996.5焦李成.神经网络的应用与实现M.西安:西安电子科技大学出版社,1996.6王耀南等.复杂工业过程的综合集成智能控制J.信息与控制.1999,(28)4.(24)7张昌凡.热处理电炉微机自适应控制.第二届全国工业炉1000T1200、180K290、120150,其具窑自动控制学术会议论文集C.1990.(上接第24页)纵观我国商品包装现状,一则整体水平低,二则良莠不齐。虽然现在有许多企业能认识到包装的作用,但对包装的促销作用不以为然,可以说包装上的文章千变万化,包装与产品的命运一脉相连。只有