基于神经网络PID控制的变频恒压供水系统设计
摘要:本文就变频技术在伶俐糖厂供水系统中的应用,结合系统可靠性、实用性理论,基于当前神经网络控制技术,提出神经网络PID控制系统设计方案,实现了控制的需要。
关键词:变频技术;神经网络;PID;PLC
1引言
由于糖厂该供水网较大,系统需要供水量每小时开2台泵机向管网充压,供水量大时,开3台泵机同时向管网充压。要想维持供水网的压力不变,在管网系统的管道上安装了压力变送器作为反馈元件,为控制系统提供反馈信号,由于供水系统管道长、管径大,管网的充压比较慢,故系统是一个大滞后系统,不宜直接采用PID调节器进行控制。
2恒压供水系统组成
考虑到该供水是大滞后系统,供水系统由主供水回路、备用回路、储水池及泵房组成,其中泵房装有3台150kW泵机。另外,还有多个电动闸阀或电动蝶阀控制各供水回路和水流量。因而采用PLC参与的变频控制方式来实现对控制系统调节作用。
3变频恒压供水系统软硬件设计
3.1 硬件构成
控制系统主要由PLC、变频器、切换继电器、压力传感器等部分组成,如图1所示。控制核心单元PLC根据手动设定压力信号与现场压力传感器的反馈信号经PLC的分析和计算,得到压力偏差和压力偏差的变化率,经过PID运算后,PLC将0～5V的模拟信号输出到变频器,用以调节电机的转速以及进行电机的软起动;PLC通过比较模拟量输出与压力偏差的值,通过I/O端口开关量的输出驱动切换继电器组,以此来协调投入工作的电机台数,并完成电机的起停、变频与工频的切换。通过调整电机组中投入工作的电机台数和控制电机组中一台电机的变频转速,使动力系统的'工作压力稳定,进而达到恒压供水的目的。
图1 变频恒压供水控制装置原理框图
3.2神经网络PID控制器结构
神经网络PID控制器的结构如图2所示。控制器由两部分组成:1、神经网络(NN):用于表示模糊规则,经过神经网络的学习,以加权系数的形式表现出来,规则的生成就转化为加权系数初值的生成和修改。根据系统的运行状态,自行整定PID参数,以期达到最优的控制效果。也就是将神经网络的输出层输出对应于PID控制期的三个可调参数Kp、Ki、Kd,通过神经网络的自学习,加权系数的调整,从而使稳定状态对应于某种最优控制下的PID参数。2、普通PID控制器:直接对控制对象进行闭环控制,并且Kp、Ki、Kd三个参数为在线整定式。
图2 神经网络PID控制器的结构
3.3神经网络PID输入/输出关系式
在传统的PID控制中,经典增量式PID的控制形式:
u(k)=u(k-1) Kp[e(k)-e(k-1)] Kie(k) Kd[e(k)-2e(k-1) e(k-2)](1)
其中:e(k)为当前时刻的控制系统实际输出和希望值间的偏差;u(k)为当前时刻的控制器输出值,即控制率。
Kp:比例系数
= :积分系数
:微分系数
因为本文用的仍然是普通PID控制器,只是PID控制器的三个可调参数Kp、Ki、Kd,通过神经网络的自学习,加权系数的调整的。所以神经网络PID输入/输出关系式依然是
u(k)=u(k-1) Kp[e(k)-e(k-1)] Kie(k) Kd [e(k)-2e(k-1) e(k-2)] (2)
本文使用的是BP神经网络,它有一个三层神经网络,其结构如图3所示。该网络有三个输入层节点,六个隐含层节点和三个输出层节点,输入层节点对应模糊化后的系统状态变量,输出节点对应PID控制器的三个可调参数Kp、Ki和Kd。由于Kp、Ki、Kd三个参数不能为负值,所以本文采用非负Sigmoid函数作为输出层的活化函数,而隐含层的活化函数则采用正负对称的Sigmoid函数。