【導(dǎo)讀】摘要本文主要介紹了神經(jīng)網(wǎng)絡(luò)在雙容水箱液位控制系統(tǒng)中的應(yīng)用。位控制系統(tǒng)中可取得較好的控制效果這一結(jié)論。液位控制系統(tǒng)是典型的大滯。后、非線性、強(qiáng)耦合的復(fù)雜控制系統(tǒng)。隨著現(xiàn)代工業(yè)的發(fā)展，在某些化學(xué)工。業(yè)以及能源產(chǎn)業(yè)越來越多的應(yīng)用到液位控制系統(tǒng)。系統(tǒng)開辟了一條嶄新的途徑。常用控制方案進(jìn)行了介紹，根據(jù)其結(jié)構(gòu)圖建立數(shù)學(xué)模型，得到傳遞函數(shù)。

　　

【正文】 時(shí)間（秒）液位輸出值（米） 圖 49 4 神經(jīng)元 BP神經(jīng)網(wǎng)絡(luò)仿真結(jié)果 由仿真結(jié)果可以看出采用 BP 神經(jīng)網(wǎng)絡(luò)可以有效的控制雙溶水箱。雙容水箱中下水箱的液位會(huì)在波動(dòng)后快速穩(wěn)定于設(shè)定量，達(dá)到了良好的控制效果。其中當(dāng)采用 3 個(gè)神經(jīng)元控制時(shí)系統(tǒng)的超調(diào)量大約為 30%，系統(tǒng)在 秒后穩(wěn)定；當(dāng)將該神經(jīng)網(wǎng)絡(luò)沒層的神經(jīng)元個(gè)數(shù)由 3 個(gè)改為 4 個(gè)時(shí)，此控制系統(tǒng)的超調(diào)量下降為 25%，系統(tǒng)在大約在 3 秒后穩(wěn)定。 神經(jīng)網(wǎng)絡(luò) PID 控制器 由 PID 控制器仿真得到的數(shù)據(jù)可知當(dāng) 10。40 ??? dip kkk 時(shí)， PID控制器可以取得較好的控制效果。神經(jīng)網(wǎng)絡(luò) PID 控制器的 PID 參數(shù)是通過 28 其不斷 的自學(xué)習(xí)確定的，查閱資料采用一組神經(jīng)網(wǎng)絡(luò) PID 的數(shù)據(jù)對(duì)建立的網(wǎng)絡(luò)進(jìn)行訓(xùn)練，達(dá)到理想的效果 ]24[ 。 已經(jīng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò) PID 來搭建仿真模型，采用三層 BP網(wǎng)絡(luò)，輸入層為 3 個(gè)神經(jīng)元接收系統(tǒng)的偏差，隱含層為三個(gè)神經(jīng)元采用 sigtan 激活函數(shù)，輸出層為三個(gè)神經(jīng)元，分別輸出 PID 控制器所需的 DIP KKK 、 三個(gè)參數(shù)。 t a n s i g 3t a n s i g 1t a n s i gp u r e l i n 2n e t s u m 4n e t s u m 3n e t s u m 2n e t s u m 1wpzd o t p r o d 6wpzd o t p r o d 5wpzd o t p r o d 4wpzd o t p r o d 3wpzd o t p r o d 2wpzd o t p r o d51 8 s + 8 . 5 s + 12T r a n s f e r F yT o W o r k s p a ce 1tT o W o r k s p a ceS t e pS co p e1sI n t e g r a t o rd u / d tD e r i va t i ve9 9 9 . 9 0 9 8C o n s t a n t 90 . 5 0 2 9C o n s t a n t 60 . 2 5 2 6C o n s t a n t 50 . 1 8 1 2C o n s t a n t 41 6 9 . 8 8 4 5C o n s t a n t 32 . 9 8 5 3C o n s t a n t 28 0 . 2 6 3 6C o n s t a n t 1 17 0 . 0 5 2 5C o n s t a n t 1 08 . 2 6 5 4C o n s t a n t 11 0 . 0 0 5 3C o n s t a n tC l o ckA d d 圖 410 神經(jīng)網(wǎng)絡(luò) PID 仿真模型 仿真結(jié)果為： 29 0 0 . 1 0 . 2 0 . 3 0 . 4 0 . 5 0 . 6 0 . 7 0 . 8 0 . 9 100 . 20 . 40 . 60 . 811 . 21 . 4液位輸出曲線時(shí)間（秒）液位輸出值（米） 圖 411 神經(jīng)網(wǎng)絡(luò) PID 仿真結(jié)果 由以上數(shù)據(jù)曲線可以發(fā)現(xiàn)利用神經(jīng)網(wǎng)絡(luò) PID 控制器 對(duì)雙容水箱液位系統(tǒng)進(jìn)行控制時(shí)，此系統(tǒng)的超調(diào)量為 15%，下水箱液位大約在 秒左右就會(huì)穩(wěn)定在設(shè)定值。相比于前兩種控制方法均有改善。 小結(jié) 由上面對(duì)不同控制方案在雙容水箱液位控制仿真得到的數(shù)據(jù)中可以看出，采用傳統(tǒng) PID 控制器對(duì) 雙容水箱液位控制系統(tǒng)進(jìn)行控制時(shí)，下水箱液位在上水箱有水即擾動(dòng)進(jìn)入后大約 秒后穩(wěn)定在設(shè)定值附近，其超調(diào)量為36%左右；采用 BP神經(jīng)網(wǎng)絡(luò)對(duì)雙容水箱液位進(jìn)行控制時(shí)，系統(tǒng)大約在階躍輸入 3 秒后穩(wěn)定，且系統(tǒng)的超調(diào)量為 25%左右。當(dāng)采用神經(jīng)網(wǎng)絡(luò) PID 控制器對(duì)雙容水箱液位進(jìn)行控制時(shí)，系統(tǒng)在響應(yīng)開始后 秒左右就穩(wěn)定運(yùn)行，且超 30 調(diào)量為 15%左右。可以證明神經(jīng)網(wǎng)絡(luò) PID 控制器 大大提高了該系統(tǒng)的反應(yīng)速度并減小了其超調(diào)量，很好的減小容量滯后對(duì)控制系統(tǒng)的影響。 通過本次論文的理論研究及仿真，使我了解并掌握了雙容水箱液位控制系統(tǒng)是一個(gè)典型的非線性、大滯后、強(qiáng)耦合的不易控制系統(tǒng)。同時(shí)也知道了對(duì)于雙容水箱液位控制系統(tǒng)的研究也是對(duì)多容控制系統(tǒng)研究的基礎(chǔ)，越來越多的學(xué)者以此為研究對(duì)象進(jìn)行研究，以尋求出更好的控制方案。通過實(shí)驗(yàn)研究及仿真，對(duì)比發(fā)現(xiàn)本文用到的三種控制方案， PID 控制器、 BP神經(jīng)網(wǎng)絡(luò)控制器、神經(jīng)網(wǎng)絡(luò) PID 控制器都可以達(dá)到控制雙容水箱液位穩(wěn)定于設(shè)定值的要求。但比較來看，可以發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò) PID 無論在控制快速性還是穩(wěn)定性都具有優(yōu)勢(shì)。 論文中對(duì)雙容水箱模型進(jìn)行提煉時(shí)簡(jiǎn)化了許多次要的影響因素， 如閥門開關(guān)的時(shí)間、上下水箱液位檢測(cè)的誤差值及信號(hào)的傳輸時(shí)間等。在實(shí)際控制系統(tǒng)中此控制方案還需細(xì)化和處理才能達(dá)到理想的控制效果。而且對(duì)于傳統(tǒng)的 BP神經(jīng)網(wǎng)絡(luò)在應(yīng)用中還具有一些缺點(diǎn)如容易形成局部最小而得不到全局最、訓(xùn)練次數(shù)多、學(xué)習(xí)效率低，收斂速度慢、隱層節(jié)點(diǎn)數(shù)目的選取缺乏理論指導(dǎo)等。針對(duì) BP神經(jīng)網(wǎng)絡(luò)的這些缺點(diǎn)，目前控制理論研究界的專家及學(xué)者已經(jīng)研究出來了許 多切實(shí)有效的改進(jìn)辦法，其中最常用的有增加動(dòng)量項(xiàng)、自適應(yīng)調(diào)節(jié)學(xué)習(xí)率、引入陡度因子三種 ]4[ 。這些辦法的引入與提出會(huì)使 BP神經(jīng)網(wǎng)絡(luò)得到有效的改善與提高。 本文在對(duì)于類似于雙容水箱這種大滯后、非線性、不確知、不確定的控 31 制系統(tǒng)采用了神經(jīng)網(wǎng)絡(luò)控制器的控制方法來進(jìn)行控制。從仿真研究可知神經(jīng)網(wǎng)絡(luò)控制可以取得較傳統(tǒng)控制方法而言更好的控制效果，因此神經(jīng)網(wǎng)絡(luò) PID控制方法會(huì)在以后各種高階不易控制的系統(tǒng)中具有越來越多的應(yīng)用。 32 參考文獻(xiàn) [1]易繼鍇，候媛彬 .《智能控制技術(shù)》 .北京工業(yè)大學(xué)出版社 . [2]李國(guó)勇 .《智能控制及其 MATLAB 實(shí)現(xiàn)》 .電子工業(yè)出版社 . [3]韋魏，何衍 .《智能控制基礎(chǔ)》 .清華大學(xué)出版社 . [4]韓力群 .《智能控制理論及應(yīng)用》 .機(jī)械工業(yè)出版社 . [5]韋魏 .《智能控制技術(shù)》 .機(jī)械工業(yè)出版 社 . [6]瞿亮 .《基于 MATLAB 的控制系統(tǒng)計(jì)算機(jī)仿真》 .清華大學(xué)出版社；北京交通大學(xué)出版社 . [7]居滋培 .《過程控制系統(tǒng)及其應(yīng)用》 .機(jī)械工業(yè)出版社 . [8]任彥碩，趙一丁 .《自動(dòng)控制系統(tǒng)》 .北京郵電大學(xué) . [9]Eighth Control Systems.. [10]候濤 .《神經(jīng) PID 控制在雙容水箱液位控制的實(shí)驗(yàn)研究》，載《蘭州交通大學(xué)學(xué)報(bào)》，第 28 卷，第 3期 .第 41頁 ～ 第 43頁 . [11]余曉紅 .《 BP 神經(jīng)網(wǎng)絡(luò)的 MATLAB 實(shí)現(xiàn)及討論》，載《浙江交通職業(yè)技術(shù)學(xué)院學(xué)報(bào)》，第 8 卷，第 4期 .第 44頁 ～ 第 48頁 . [12]張秀艷，陶國(guó)彬，劉慶強(qiáng) .《基于 Simuliik 的 BP 神經(jīng)網(wǎng)絡(luò)實(shí)驗(yàn)研究》，載《佳木斯大學(xué)學(xué)報(bào)（自然科學(xué)版）》，第 25 卷，第 5期 .第 586 頁 ～ 第 589頁 . [13]李欣 .《神經(jīng)網(wǎng)絡(luò)控制在液位控制系統(tǒng)中的仿真研究》，載《太原理工大學(xué)學(xué)報(bào)》 , 第 587 頁 ～ 第 589 頁 . [14]張圣楠，郭文義，肖力墉 .《基于 MATLAB 的 BP 神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)與訓(xùn)練》，載《內(nèi)蒙古科學(xué)與經(jīng)濟(jì)》 .第 95頁 ～ 第 98 頁 . [15]陶 長(zhǎng)遠(yuǎn)《基于虛擬樣機(jī)倒立擺的控制系統(tǒng)研究 》 [學(xué)位論文 ]， 2020 年 西安電子科技大學(xué) [16]. Ha gan, H. B. D e mut h. Neura l Net work D esi g n . P WS publ i shi ng co mp a ny[ J] . Bo st o n , 1996 : 67. [17]桂現(xiàn)才 .《 BP 神經(jīng)網(wǎng)絡(luò)在 MATLAB 上的實(shí)現(xiàn)與應(yīng)用》，載《湛江師范學(xué)院學(xué)報(bào)》，第 25卷第 3 期 .第 79 頁 ～第 83 頁 . [18]劉金琨 . 《先進(jìn) P ID 控制及其 M A T L A B 仿真》 .電子工業(yè)出版社 , 2020 . [19] Yoshihiro Ohnishi,Talik K Gravel． A new type neural work PID control for nonlinear plants control． IEEE Trans on Neural Networks,2020。11(4):495－506 [20] CHO G B KIM P H. A precise control of AC servo motor using neural work PID controller J． Current Science,2020,89（ 1）： 23－ 29． [21] MARABA V A KUZUCUOGLU A E． Speed control of an asynchronous motor using PID neural work J ． Studies in Informatics and Control ， 2020 ， 20 （ 3 ）： 199－ 208． [22]勞深 ,付凱波 ,高國(guó)章 .《雙容水 箱液位控制系統(tǒng)的設(shè)計(jì)》載《交通科技》第 246期 .第 160 頁 ～第 162 頁 . [23]任安坤 .《基于 BP 神經(jīng)網(wǎng)絡(luò)的 PID 控制在反應(yīng)釜溫度控制中的應(yīng)用》載《中國(guó)科技信息》 .2020 年第 6 期 . [24]張彬《小車倒立擺系統(tǒng)擺起與穩(wěn)定控制研究 》 [學(xué)位論文 ]，青島 2020 年。 33 附 錄 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練程序： p=[0::1]。 t=(5*(18*p.*p+*p+1).^1)。 n=5。 =newff(minmax(p),[n 1],{39。tansig39。,39。purelin39。},39。trainlm39。)。 y1=sim(,p)。 =9000。 =。 =train(,p,t)。 y2=sim(,p)。 figure。 plot(p,y2,39。)。 title(39。誤差跟蹤曲線 39。)。 xlabel(39。訓(xùn)練誤差（萬次） 39。)。 ylabel(39。誤差 39。)。 grid on 神經(jīng)網(wǎng)絡(luò) PID 訓(xùn)練程序： P= 1::1。 T=[ ]。 plot(P,T,’ k’ )。 = newcf(minma x( P) , [1, 2, 1] , {‘ logsig’ ,’ tansig’ ,‘ purelin’ } ,‘ traingdx’ ) 。 = 10000。 = [, tr]= train( , P, T) 。 Y= sim( , P) 。 34