基于模糊神经网络控制的智能阀门定位器的研制
|
摘要
气动调节阀是工业过程控制中一种重要的执行器，阀门定位器是调节阀的主要附件，它能够显著改善阀门的动态特性，提高控制的精度、速度和灵活性。由于阀门定位器是一个系统，本文的工作重点在于阀门定位器的控制部分。
为了开发高性能的智能阀门定位器，本文主要做了以下几个方面的工作。
第一，阐述了阀门定位器的工作过程。由阀门定位器控制部分的输出的控制量作用于压电陶瓷阀，用压电陶瓷阀的开和闭来控制阀门气室的进气和排气，从而造成阀门气室内的压力发生变化，压力的变化导致刚性膜片的两侧受力不再相等，因而其位置要产生变动，进而带动阀门阀杆上下移动。
第二，在充分考虑各构件弹性的基础上，建立了气动调节阀的动力学模型，即被控对象的数学模型，推导出了开环传递函数，并找出了造成参数变化的因素。
第三，归纳与总结模糊控制和神经网络控制的优缺点，由于模糊控制和神经网络控制具有一定的互补性，因此，模糊控制和神经网络控制的结合变成了控制技术发展的一个新方向。模糊神经网络控制具有两者之长，既有模糊控制的鲁棒性强、结构清晰等特点，又有具有神经网络控制的学习、记忆等功能。
第四，对于模糊神经网络控制器来说，一组优化的推理规则对其性能有着至关重要的影响。如何获得优化的规则成为最重要的工作之一。对于输入输出样本知识较多的系统，可以有多种方法获得。例如用DCL(difierential competitive learning，微分竞争学习)算法就可以从输入输出数据中提取模糊控制规则。但对于输入输出样本知识缺少或不完善的系统，DCL算法就无能为力了。为了解决这个问题，下面提出了增强型学习算法，它仅仅依赖于系统的状态，不断的评价系统的模糊误差和增强型因子，通过删选和优化获得一组有效的控制规则。
Pneumatic control valve is a kind of important implements in industrial process control, valve locator is the major attachment of control valve, it can improve the development property of valve apparently, raises flexibility, speed and the precision of control. Since valve locator is a system, the key work of this paper lies in the control part of valve locator.
To develop the intelligent valve locator of high performance, this paper makes the work of some following aspects mainly.
Firstly, the article expounds the working course of valve locator.
Secondly, on the foundation of each component elasticity of ample consideration, it establish the dynamics model of pneumatic control valve, the mathematics model of controlled object and deduce the Transfer function of open loop, and find out the factor which causes parameters' change.
Thirdly, it sums up and summarizes the virtue and shortcoming of fuzzy control and nerve network control, since fuzzy control has certain complementary with nerve network control, therefore, the combination of fuzzy control and nerve network control are necessary to development. Fuzzy nerve network control hasn 't only fuzzy control's robustness, structural distinct but also the nerve network control's study and memory.
Fourthly, for fuzzy nerve network controller, the inference rule of a group
of optimization has the most important influence for its performance. How to get the rule of optimization becomes one of most important works. For the system that has adequate inputs and outputs sample knowledge, have various methods to getting. For instance, DCL ( differential competitive learning) algorithm can draw fuzzy control rule from input and output data. But to the system that inputs and outputs sample knowledge lack or do not perfect, DCL algorithm be unable to help. Reinforce based fuzzy nerve network controller of learning algorithm (RBFNNC), rely on the fuzzy sum of errors of systematic state and appraisement system only to strengthen type factor, delete and optimize to get a group of effective control rule.
Fifthly, According to the condition of parameter change, it uses RBFNNC controller and PID controller to carry out emulation experiment respectively. By contrast, can discover that the performance index of the systematic output curve of application RBFNNC controller is better than the output curve of the system of application PID controller obviously.
为了开发高性能的智能阀门定位器，本文主要做了以下几个方面的工作。
第一，阐述了阀门定位器的工作过程。由阀门定位器控制部分的输出的控制量作用于压电陶瓷阀，用压电陶瓷阀的开和闭来控制阀门气室的进气和排气，从而造成阀门气室内的压力发生变化，压力的变化导致刚性膜片的两侧受力不再相等，因而其位置要产生变动，进而带动阀门阀杆上下移动。
第二，在充分考虑各构件弹性的基础上，建立了气动调节阀的动力学模型，即被控对象的数学模型，推导出了开环传递函数，并找出了造成参数变化的因素。
第三，归纳与总结模糊控制和神经网络控制的优缺点，由于模糊控制和神经网络控制具有一定的互补性，因此，模糊控制和神经网络控制的结合变成了控制技术发展的一个新方向。模糊神经网络控制具有两者之长，既有模糊控制的鲁棒性强、结构清晰等特点，又有具有神经网络控制的学习、记忆等功能。
第四，对于模糊神经网络控制器来说，一组优化的推理规则对其性能有着至关重要的影响。如何获得优化的规则成为最重要的工作之一。对于输入输出样本知识较多的系统，可以有多种方法获得。例如用DCL(difierential competitive learning，微分竞争学习)算法就可以从输入输出数据中提取模糊控制规则。但对于输入输出样本知识缺少或不完善的系统，DCL算法就无能为力了。为了解决这个问题，下面提出了增强型学习算法，它仅仅依赖于系统的状态，不断的评价系统的模糊误差和增强型因子，通过删选和优化获得一组有效的控制规则。
Pneumatic control valve is a kind of important implements in industrial process control, valve locator is the major attachment of control valve, it can improve the development property of valve apparently, raises flexibility, speed and the precision of control. Since valve locator is a system, the key work of this paper lies in the control part of valve locator.
To develop the intelligent valve locator of high performance, this paper makes the work of some following aspects mainly.
Firstly, the article expounds the working course of valve locator.
Secondly, on the foundation of each component elasticity of ample consideration, it establish the dynamics model of pneumatic control valve, the mathematics model of controlled object and deduce the Transfer function of open loop, and find out the factor which causes parameters' change.
Thirdly, it sums up and summarizes the virtue and shortcoming of fuzzy control and nerve network control, since fuzzy control has certain complementary with nerve network control, therefore, the combination of fuzzy control and nerve network control are necessary to development. Fuzzy nerve network control hasn 't only fuzzy control's robustness, structural distinct but also the nerve network control's study and memory.
Fourthly, for fuzzy nerve network controller, the inference rule of a group
of optimization has the most important influence for its performance. How to get the rule of optimization becomes one of most important works. For the system that has adequate inputs and outputs sample knowledge, have various methods to getting. For instance, DCL ( differential competitive learning) algorithm can draw fuzzy control rule from input and output data. But to the system that inputs and outputs sample knowledge lack or do not perfect, DCL algorithm be unable to help. Reinforce based fuzzy nerve network controller of learning algorithm (RBFNNC), rely on the fuzzy sum of errors of systematic state and appraisement system only to strengthen type factor, delete and optimize to get a group of effective control rule.
Fifthly, According to the condition of parameter change, it uses RBFNNC controller and PID controller to carry out emulation experiment respectively. By contrast, can discover that the performance index of the systematic output curve of application RBFNNC controller is better than the output curve of the system of application PID controller obviously.
引文
1 袁曾仁．人工神经元网络及其应用．北京．清华大学出版社．1999
2 谢剑英，贾青．微型计算机控制技术．北京．国防工业出版社．2001
3 何玉彬，李新忠．神经网络控制技术及其应用．北京．科学出版社．2000
4 张乃尧，阎平凡．神经网络与模糊控制．北京．清华大学出版社．2000
5 周建华，黄燕．MATLAB学习教程．北京．北京大学出版社．2000
6 单冬．模糊控制原理与应用．北京．中国铁道出版社．1995
7 诸静．模糊控制原理与应用．北京．机械工业出版社．1995
8 梅晓榕．自动控制原理．北京．科学出版社．2002
9 胡寿松．自动控制原理(第三版)北京．国防工业出版社．1999
10 李友善．自动控制原理．北京．国防工业出版社．1989
11 阳宪惠，徐用新．现场总线技术及其应用．清华大学出版社．1998
12 阳宪惠．基金会现场总线技术简介．化工自动化及仪表，1998，25
13 攀明伟，彭炳忠．微型机网络技术及应用．四川大学出版社．1991
14 杨延善，周莉．计算机和测控系统总线手册．北京．人民邮电出版社．1993
15 金家峰．一种崭新的现场测控网络．微计算机信息，1995(5)
16 高莉．HART现场通讯协议．国外自动化仪表信息，1997，增刊1号
17 顾伟俊，金建祥，储健．基于HART协议的1151支能变送器的开发．自动化仪表，1998，19，(3)：6-7
18 洪润．实用自动控制．成都．成都科技大学．1990年7月
19 何立民．单片机应用系统设计．北京航空航天大学出版社．1990
20 康华光．电子技术基础．高等教育出版社．1983
21 孙岩方等．单片机原理及应用．北京航空航天大学出版社．1990
22 张友德，等．单片机原理、应用于试验．复旦大学出版社．1992
23 赵依军等．单片微机接口技术．人民邮电出版社．1989
24 史道兴．国产高压调节阀的设计计算探讨．www.hualin.cn
25 钟盛辉，刘渝新．阀门定位器中的I／P转换单元．www.lodestar.com
26 张军．一种新型智能阀门定位器．www.gongkong.com
27 周尚明，刘定生．模糊控制和神经网络在现场总线中的应用．国科学院研究生院学报．Vol．17 No．2 2002
28 周红燕，薛心喜．关于阀门定位器的研制．实用测试技术．No．2 2001
29 徐蔚鸿，黄元元等．一种基于模糊神经网络的推理方法．微电子学与计算机．No．10 2002
30 陈坚，曾得芬．智能电——气阀门定位器．华东地质学院学报．Vol．25．NO．1 200
31 刘曙光，王志宏等．模糊控制的发展与展望．机电工程．Vol．17 No．1 2000
32 李洪亮．喷浆机器人神经网络控制器的研究与设计：[硕士学位论文]．山东矿业学院，1995
33 Fieldbus Foundation. 31.25kbit/s Intrinsically Safe System Application Guide. 1996
34 Data-Acquisition DatabookAnalog Devices Crop. 1991
35 Marcelo Luis Dultra. Fieldbus Control System. Advance in Instrumentation and Control,Vol.51,1996
2 谢剑英，贾青．微型计算机控制技术．北京．国防工业出版社．2001
3 何玉彬，李新忠．神经网络控制技术及其应用．北京．科学出版社．2000
4 张乃尧，阎平凡．神经网络与模糊控制．北京．清华大学出版社．2000
5 周建华，黄燕．MATLAB学习教程．北京．北京大学出版社．2000
6 单冬．模糊控制原理与应用．北京．中国铁道出版社．1995
7 诸静．模糊控制原理与应用．北京．机械工业出版社．1995
8 梅晓榕．自动控制原理．北京．科学出版社．2002
9 胡寿松．自动控制原理(第三版)北京．国防工业出版社．1999
10 李友善．自动控制原理．北京．国防工业出版社．1989
11 阳宪惠，徐用新．现场总线技术及其应用．清华大学出版社．1998
12 阳宪惠．基金会现场总线技术简介．化工自动化及仪表，1998，25
13 攀明伟，彭炳忠．微型机网络技术及应用．四川大学出版社．1991
14 杨延善，周莉．计算机和测控系统总线手册．北京．人民邮电出版社．1993
15 金家峰．一种崭新的现场测控网络．微计算机信息，1995(5)
16 高莉．HART现场通讯协议．国外自动化仪表信息，1997，增刊1号
17 顾伟俊，金建祥，储健．基于HART协议的1151支能变送器的开发．自动化仪表，1998，19，(3)：6-7
18 洪润．实用自动控制．成都．成都科技大学．1990年7月
19 何立民．单片机应用系统设计．北京航空航天大学出版社．1990
20 康华光．电子技术基础．高等教育出版社．1983
21 孙岩方等．单片机原理及应用．北京航空航天大学出版社．1990
22 张友德，等．单片机原理、应用于试验．复旦大学出版社．1992
23 赵依军等．单片微机接口技术．人民邮电出版社．1989
24 史道兴．国产高压调节阀的设计计算探讨．www.hualin.cn
25 钟盛辉，刘渝新．阀门定位器中的I／P转换单元．www.lodestar.com
26 张军．一种新型智能阀门定位器．www.gongkong.com
27 周尚明，刘定生．模糊控制和神经网络在现场总线中的应用．国科学院研究生院学报．Vol．17 No．2 2002
28 周红燕，薛心喜．关于阀门定位器的研制．实用测试技术．No．2 2001
29 徐蔚鸿，黄元元等．一种基于模糊神经网络的推理方法．微电子学与计算机．No．10 2002
30 陈坚，曾得芬．智能电——气阀门定位器．华东地质学院学报．Vol．25．NO．1 200
31 刘曙光，王志宏等．模糊控制的发展与展望．机电工程．Vol．17 No．1 2000
32 李洪亮．喷浆机器人神经网络控制器的研究与设计：[硕士学位论文]．山东矿业学院，1995
33 Fieldbus Foundation. 31.25kbit/s Intrinsically Safe System Application Guide. 1996
34 Data-Acquisition DatabookAnalog Devices Crop. 1991
35 Marcelo Luis Dultra. Fieldbus Control System. Advance in Instrumentation and Control,Vol.51,1996
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |