论文部分内容阅读
PID控制系统,是工业过程控制中最常用的一种控制系统。实践中存在的一个重要问题是模型的参数整定问题。在比较复杂的情况下,被控对象具有模型不确定、时变、滞后等特征,过程参数、甚至模型结构,会在噪声、负载扰动等因素的影响下发生变化。由此在PID控制模型中,不仅要求参数的整定不依赖于对象的数学模型,而且还要求能够对参数进行在线调整以满足实时控制的要求。自适应PID控制技术是解决此类问题的一种有效途径。其基本思想是使控制系统具有一定的适应能力,可以认识被控对象和环境条件的变化、自动辨识被控过程参数、自动整定控制参数,从而使系统达到最优或次优控制效果。构造一个具有自适应能力的PID控制系统,需要解决两个基本问题：(1)系统辨识,即被控对象的在线建模；(2)PID控制器控制参数的在线整定。本工作,即为以雷克汽车供暖系统有限公司LLYCO-30KW型燃油加热器电控单元控制算法设计问题为工程背景,针对上述两个问题而开展的研究工作。首先,本工作设计了一种基于三层神经网络模型的系统辨识器。该辨识器的特点是,采用了先验知识引导下的权值系数初始化策略,从而加快了搜索过程收敛于满意解的速度,更有利于实现对控制对象的快速在线辨识和建模。在系统辨识器网络拓扑结构设计过程中,由于隐含层神经元结构与问题域紧密相关的原因,本工作以实际研究对象为目标对象进行了系列仿真试验,从而优化了隐含层神经元结构,有效地避免了实践中存在的欠拟合或过拟合问题。其次,本工作还设计了一种基于神经网络模型的PID控制器。该控制器包括学习、控制两个基本模块,以被控制对象作为网络的输出函数。其特点是可以对控制参数进行在线整定,从而满足对时变系统实时控制的要求。在上述工作基础上,本工作构建了一个自适应PID控制器模型。该模型由系统辨识、PID控制两大模块构成。工作过程中,辨识模块负责对被控对象进行在线建模,其输出的被控对象当前时刻的数学模型被作为一个参数输入给PID控制器的学习器,学习器据此调整控制器的控制参数,最后实现控制参数的在线整定和对整个系统进行闭环控制的目标。一组以LLYCO-30KW燃油加热器为控制对象的Simulink仿真实验结果显示,该自适应控制器可以很好地实现对模型不确定、慢时变、滞后系统的准确辨识和有效的闭环控制。