企业简介

贝加莱（B&R）是一家自动化技术领域的全球性领导厂商，总部位于奥地利Eggelsberg，于1979年由Erwin Bernecker先生和Josef Rainer先生共同创建。经过三十多年的发展，今天,B&R已经在全球68个国家拥有162个分支机构。

  • 公司类型：供应商

联系方式
案例详细
标题基于PCC的神经网络PID控制器设计
技术领域运动控制
行业航空航天
简介
内容【摘要】提出了一种基于可编程计算机控制器（PCC）的神经网络PID控制器，实现了以新一代PCC为硬件，利用神经网络逼近任意非线性函数的能力，对PID控制算法中的三个参数Kp,Ki,Kd进行在线调整，并利用神经网络模型对被控对象的输出值进行预测，根据预测值对神经网络各层中的加权系数进行在线修正，同时引入了带死区的控制算法。该控制方案具有调节速度快、适应能力强、可靠性高等优点。实验结果表明，该控制器具有强抗扰、响应快、鲁棒性好等特点。

【关键词】PCC、神经网络控制、非线性预测

Abstract：A neural network Controller based on the Programmable Computer Controller (PCC) is presented in this paper , It is using the neural network’s capability to approach any nonlinear function to adjust the three parameters of the PID control method on line, and using the neural network model to predicate the object’s outputs, then adjusting the weighting coefficient of the neural network based on the output, it also introduces the dead band control algorithm .It has the fast control speed、stronger adaptive ability and higher reliability. The result of the tests shows that this controller has the characteristics of a strong anti-interference、fast response and robustness in the actual application.

Key words：PCC、 Neural network control、Nonlinear predicate

1 引言

新一代的可编程计算机控制器（Programmable Computer Controller，简称PCC）以其高可靠性、编程方便、耐恶劣环境、功能强大等特性已成为工业控制领域中增长速度最迅猛的工业控制设备，它能很好地解决工业控制领域普遍关心的可靠、安全、灵活、方便、经济等问题[1]。神经网络控制算法能够方便地解决工业控制领域中常见的非线性、时变、大滞后、强耦合、变结构、结束条件苛刻等复杂问题。其魅力主要在于：（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。（2）能够学习和适应不确定性系统的动态特性。（3）所有定量或定性的信息都分布储存于网络中的各神经单元，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[2]。将PCC和神经网络、PID控制算法结合，可以解决很多复杂的实际问题，并产生巨大的经济效益。基于PCC的神经网络PID控制器是以纯软件实现的，对于PCC硬件模块除了最基本的硬件配置（CPU、应用程序内存地址区）以外不需要其它的额外配置，并且神经网络的输入节点个数可以根据实际控制问题在软件中很方便的实现，从而可以设计一定被控对象的控制器。

在复杂的控制系统中，神经网络具有任意非线性表示能力，可以通过对系统性能的学习，对PID控制算法中的Kp,Ki,Kd三个参数进行非线性组合，实现神经网络自适应控制器。为了使该控制器具有更强的自适应能力，采用神经网络预测模型对控制对象进行非线性预测，得到控制对象较为精确的预测输出值，根据预测值对神经网络的加权系数进行修正。

2 基于PCC的神经网络PID控制器硬件部分设计

目前大部分控制系统均采用基于单片机或工业控制计算机的控制器。基于单片机的控制器在运行中由于各种可能出现死机等现象，其可靠性大大降低，影响控制器的安全可靠运行。基于工控机的控制器，虽有实时操作系统支持，运行速度快，实时性强，图文显示方便，但体积大，且成本高，仅适合于大型的控制系统。因此研制高可靠性、通用性、系列化、标准化的通用控制器是当前的发展趋势。

新一代可编程计算器具有经济性和高效性等特点，它可直接应用于现场工业环境中，具有很强的抗干扰能力、广泛的适应能力和应用范围。并有各种标准的通讯接口，与控制系统信息交互非常灵活。可编程计算机控制器硬件组成如图1所示图。



图1 可编程计算机控制器硬件组成图

图中控制器的输入量为闭环控制的给定量和反馈量，输出量直接连接控制系统中的控制设备上。输入输出部件为模拟量、数字量I/O模块，执行输入输出控制。微机编程器通过多种通讯方式（如RS232、RS485和CAN等）与PCC进行通讯。

3 基于PCC的神经网络PID控制器软件部分设计

控制器的软件部分采用B&R公司独特的Automation Studio 高级语言编制，其编程方便，更有利于描述复杂的控制思想。

3.1神经网络PID算法

目前，国内外大多数的控制器采用的调节规律是PID型，其是基于近似线性化的模型，但当控制对象是非线性化的模型时，常规PID的控制效果将会受到影响。本文提出的利用神经网络规则的变参数PID能够随系统的运行模式和运行状态的变化而变化，以适应系统的控制要求。

3.2误差反向传播（BP）神经网络

本文所采用的神经网络模型为误差反向传播（Back Propagation—BP）神经网络，其是一种具有隐含层的多层前馈网络，其结构如图二所示。

BP 神经网络中的神经元采用Sigmoid活化函数，利用其连续可导性，引入最小二乘学习（Lease Mean Squares—LMS）算法。


图2 BP神经网络结构图

3.3控制器软件结构

控制算法包括三个模块：BP神经网络模块、BP神经网络模型模块和PID模块；利用BP神经网络模型计算预测输出，取代预测输出的实测值，来计算加权系数的修正值，以提高控制效果。系统结构如下图所示。


图3 采用非线性预测模型的神经网络 PID控制器系统结构图

3.4软件流程



图4算法流程图

控制算法可归纳如下：

(1) 选定BP神经网络（NN）的结构，并给出各层加权系数的初值 、、 ；确定学习速率和惯性系数 ；

(2)采样得到r(k)、y(k),计算e(k)=r(k)-y(k);

(3)对r(i)、y(i)、u(i-1)、e(i)(i=k，k-1，•••,k-p)进行归一化处理，作为NN的输入;

(4)根据式（1）、（2）计算NN隐含层和输出层的输入和输出，输出层的输出即为PID控制器的三个可调参数Kp(k)、Ki(k)、Kd(k);

（1）
式中，为隐含层加权系数，为阈值，= ；f[•]为激发函数，f [•]=tanh(x)；

上角标（1）、（2）、（3）分别对应输入层、隐含层、输出层。

（2）
式中， 为输出层加权系数； 为阈值
= ；激发函数

(5)计算PID控制器的控制输出u(k);

(6)计算NNM各层的输入和输出，输出为 。计算修正隐含层和输出层的加权系数。

(7)由式（3），计算 ；

（3）

(8)计算修正输出层、隐含层的加权系数;

(9)置k=k+1,返回到(2);

（五）带死区的神经网络控制算法

为了避免控制动作过于频繁，消除由于频繁动作引起的震荡，带死区的控制算法是一个好的解决办法。

(4)

上式中，死区e0是一个可调节的参数，其具体数值可根据实际控制对象由实验确定。若e0值太小，使控制动作过于频繁，达不到稳定被控对象的目的；若e0值太大，则系统将产生较大的滞后。



图5带死区的神经网络控制系统结构图

4 实验

本文利用奥地利B&R公司的PP220和X20作为硬件进行了温度控制实验，并用Autimation Studio软件中的Trace轨迹跟踪窗口抓屏记录了温度变化曲线，如图6所示。




图6温度变化曲线

当温度从60℃加热到120℃时系统调节时间小，且无超调和震荡。施加一个10%的扰动时，系统能很快恢复。实验结果表明该控制器响应速度快、可靠性高、稳定性好等特点。

5 小结

本文提出的基于可编程计算机控制器的神经网络PID控制器有如下特点：

（1）采用可编程计算机控制器PCC作为控制器的硬件，其平均无故障率达50万小时，大大提高了控制器的可靠性。

（2）采用可编程计算机控制器PCC与采用单片机的控制器相比有如下的特点：采用多CPU并行处理技术，从而使主CPU的资源得到充分的利用，同时有最大限度地提高了整个系统得速度;采用多任务分时操作系统，使整个系统得到优化且有较好的实时性；引进了高级语言编程技术，使编程方便，更有利于描述复杂的控制思想。

（3）基于神经网络规则的参数自适应式PID控制策略，实现了控制器随控制对象的运行状态的变化而改变控制参数，其动态特性得到明显的改善。

因此，该控制器的实验结果非常良好，其将在各控制领域有着广阔的应用前景。

该论文的研究得到了贝加莱学界联盟的支持和帮助。

参考文献：

[1] 齐蓉，肖维荣.可编程计算机控制器技术.
北京：电子工业出版社[M].2005
[2] 陶永华.新型PID控制及其应用.北京：
机械工业出版社（第二版）[M].2002
[3] 康健，左宪华，吴彩华，于晓伟.基于神经网络的柴油发动机故障预测研究[J].计算机测量与控制.2006.14（8）:987-989.
[4] 南海鹏等.基于PCC的高可靠性模糊PID励磁控制器[J].水利发电学报.2004.12:30～34.
[5] 舒迪前.预测控制系统及其应用[M ].北京:
机械工业出版社.1996.

作者简介：
郝连钢（1984—）男，陕西杨凌人，硕士研究生，主要从事电力系统计算机测控技术的研究。
齐 蓉（1962—）女，吉林长春人，博士，教授，博士生导师，主要从事电气技术及自动化的研究。
蔡立虹（1972—）女， 贝加莱工业自动化（上海）有限公司技术工程师，研究方向：工业自动化。