基于CMAC的PID控制在液位控制中的研究与仿真

第３０卷第４期　２００７年８月　鞍山科技大学学报　Ｊｏｕｒｎａｌ　ｏｆ　Ａｎｓｈａｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ　Ｖｌ０１．３０　Ｎｏ．４　Ａｕｇ．，２００７　基于ＣＭＡＣ的ＰＩＤ控制在液位控制中　的研究与仿真　刘学才，宋俊杰，宋　涛　（燕山大学电气工程学院，河北秦皇岛０６６００４）　摘　要：随着工业的发展，对液位控制系统的性能提出了更高的要求，同时要求系统在较恶劣的环境下有较　强的适应能力。针对工业过程的非线性、不确定性等特点，介绍了小脑模型神经网络（ＣＭＡＣ）的原理及基于　与ＰＩＤ的并行控制设计，以及该设计在液位控制中的应用，并对该设计在ＭＡＴＬＡＢ下进行了仿真，得到了较　好的控制效果。　关键词：小脑模型神经网￣（ＣＭＡＣ）；并行控制；ＭＡＴＬＡＢ仿真　中图分类号：ＴＰＩＩ．１５文献标识码：Ａ文章编号：１６７２—４４１０（２００７）０４．０４０３—４０　自动化控制理论经历了经典控制理论、现代控制理论、大系统理论等几个阶段，进入了智能控制理　论的新阶段。目前，工业自动化系统中绝大部分都还采用经典控制理论中的ＰＩＤ控制，但是常规ＰＩＤ　控制器参数往往整定不良、性能欠佳，对运行工况的适应性很差。随着现代控制理论研究和应用的发展　与深入，出现了许多新型的ＰＩＤ控制器，ＣＭＡＣ－ＰＩＤ控制器就是其中的一种。　１　ＣＭＡＣ概述　ＣＭＡＣ［￣］是在１９７５年由Ａｌｂｕｓ根据神经生理学小脑皮层机构特点，提出的一种小脑模型关联控制　器（Ｃｅｒｅｂｅｌｌｕｍ　ｍｏｄｅｌ　ａｒｔｉｃｕｌａｔｉｏｎ　ｃｏｎｔｒｏｌｌｅｒ），是一种　杂项编　表达复杂非线性函数的表格查询型自适应神经网　络。该网络可通过学习算法改变表格的内容，具有信　输入向最／／　ｌ　息分类存储的能力。ＣＭＡＣ把系统的输入状态作为　一个指针，把相关信息分布式地存入一组存储单元，　＼　其本质上是一种映射复杂非线性函数的查表技术。　－　一　ＣＭＡＣ的具体做法是将输入空间分成许多分块，每　个分块指定一个实际存储器位置，每个分块学习到　／　的信息分布式地存储到相邻分块的位置上，存储单　元数通常比所考虑问题的最大可能输入空间的分块　＼　｜　数少得多，故实现的是多对一的映射，即多个分块映　图１　ＣＭＡＣ结构　射到同样一个存储器地址上。　Ｆｉｇ．１　ＣＭＡＣＣｈａｒｔ　ＣＭＡＣ的基本思想在于：在输入空间中给出一个状态，从存储单元中找到对应于该状态的地址，将　这些存储单元中的内容求和得到的输出；将此响应值与希望输出值进行比较，并根据学习算法修改这些　已激活的存储单元的内容。　收稿日期：２００６一ｌ１－０６。　作者简介：刘学才（１９８１一），男，河北沧州人。　维普资讯 http://www.cqvip.com ・４０４・　鞍山科技大学学报　第３０卷　ＣＭＡＣ网络在学习时采用的是查表技术，具体做法是：将输入空间分成许多分块，每个分块指定一　个实际存储器位置：每个分块学习到的信息分布式地存储到相邻分块的位置上；存储单元数通常比所考　虑问题的最大可能输入空间的分块数少得多，故实现的是多对一的映射，即多个分块映射到同样一个存　储器地址上。　ＣＭＡＣ设计方法　分为：（１）量化（概念映射）。在输入层中对维输入空间进行划分，每一个输入都　降落到维网格基的一个超立方体单元内。中间层由若干个判断区间构成，对任意一个输入只有少数几　个区间的输出为非零值，非零值区间的个数为泛化参数ｃ，它规定了网络内部影响网络输出的区域大　小。（２）地址映射（实际映射）。采用除余数法，将输入样本映射至概念存储器的地址，除以一个数得到　的余数作为实际存储器的地址值，即将概念存储器中的Ｃ个单元映射至实际存储器的ｃ个地址。（３）　ＣＭＡＣ的函数计算（输出）。将输入映射至实际存储器的Ｃ个单元，每个单元中存放着相应权值的输出　为Ｃ个实际存储器单元加权之和。　ＣＭＡＣ有三个特点：（１）作为一种具联想功能的神经网络，它的联想具有局部推广能力，即泛化能　力，因此相似的输入将产生相似的输出，远离的输入将产生独立的输出；（２）对于网络的每一输出，只有　很少的神经元所对应的权值对其有影响，哪些神经元对输出有影响则由输入决定；（３）ＣＭＡＣ的每个神　经元的输入输出是一种线性关系，但其总体上可看作一种表达非线性映射的表格系统。　２　Ｃ网络与ＰＩＤ复合控制　复合控制　是指在反馈控制的基础上，引入控制信号的微分（一般为１阶、２阶微分）作为系统的附　加输入而实现的。这种包括反馈和前馈的复合控　制可以使系统的跟踪精度和动态特性大为提高。　复合控制算法步骤　ｊ：（１）参数初始化。泛化　参数硼　，ｋ　，ｋｌ，ｋ。，Ｃ。ＰＩＤ控制器的三个参数　ｋ　，ｋ　，ｋ。针对具体的控制对象，凭借经验与常规　ＰＩＤ参数整定的原理和方法相结合得出。（２）ＰＩＤ　控制器根据控制系统的偏差值进行控制，直到控制　指标．，达到最小。在此期间，ＣＭＡＣ神经网络进行　逐渐成为主控制器。否则，返回（２）。　上述复合控制系统的算法［５　描述为　图２　ＣＡＭＣ与ＰＩＤ并行控制结构　Ｆｉｇ．２　ＣＡＭＣ　ａｎｄ　ＰＩＤ　ｐａｒａｌｌｅｌ　ｃｏｎｔｒｏｌ　ｓｔｒｕｃｔｕｒｅ　学习，训练权值。（３）当　逐渐减小，直到近似为０时，控制器进行切换，ＣＭＡＣ控制器开始参与控制，　“　（是）＝∑　’　ＰＤ控制器产生的输出。　（ｋ）＝“　（ｋ）＋“　（ｋ）　（１）　（２）　式中：ｎ　为二进制选择向量，Ｃ为ＣＭＡＣ网络的泛化参数，“　（ｋ）为ＣＭＡＣ产生相应的输出，　（志）为　每一控制周期结束时，ＣＭＡＣ输出与总控制输出相比较，修正权值，进入学习过程。学习的目的是　使总控制输入与ＣＭＡＣ的输出之差最小，即使系统的总控制输出主要由ＣＭＡＣ控制器产生。　ＣＭＡＣ的调整指标ｌＬ６　Ｅ（ｋ）＝告（　（ｋ）一“　（ｋ））。　Ａｗ（是）：　：　（３）　（４）　维普资讯 http://www.cqvip.com

第４期　刘学才，等：基于ＣＭＡＣ的ＰＩＥ）控制在液位控制中的研究与仿真　硼（ｋ）＝硼（ｋ一１）＋△硼（ｋ）＋口（硼（ｋ）一硼（ｋ一１））　・４０５・　（５）　式中：７／为网络学习速率，７／∈（０，１）；口为惯性量，口∈（０，１）。　当系统开始运行时，置硼＝０，此时　＝０，系统由常规控制器进行控制。通过ＣＡＭＣ的学习，使　ＰＤ控制器产生的输出控制量逐渐为零，ＣＭＡＣ产生的输出控制量逐渐逼近控制器总输出。　３　液位控制系统仿真及分析　被控对象选择的是一般双容过程的数学模型，设其传递函数为　Ｇ（ｓ）＝　（６）　其中，常规ＰＩＤ控制器的参数取：ｋ　＝３０，ｋ。＝０，ｋＤ＝０．２８，采样时间取１　ｉｎｓ，输入信号为阶跃信号。　首先对常规ＰＩＤ控制进行仿真，其仿真跟踪结果如图３ａ所示。再对ＣＭＡＣ—ＰＩＤ控制进行仿真，　其仿真跟踪结果如图３ｂ所示。　●　　＿　＿＿　　＿＿　’　１．６　－　１．４　１．２　１．４　●　１．０　１．２　’　。　０　８　＼　１．Ｏ　、　Ｉ　●　一、　０．６　０．８　０　４　０　６　０．２　●　●　●　＿　●　－　－　＿　●　●　●　－　０．４　０　０．２　０　４　０．６　＊Ｉｓ　０．８　１．０　１．２　０　０　０．１　０．２　０．３　０．４　０．５　０．６　０　７　０．８　０．９　１．０　ｄｓ　ａ．常　ＰＩＤ控制　ｂ．ＣＭＡＣ－Ｐ　ＩＤ挖制　图３常规ＰＩＤ控制和ＣＭＡＣ－ＰＩＤ控制的阶跃信号跟踪曲线　Ｆｉｇ．３　Ｔｒａｃｋｉｎｇ　ｃｕｒｖｅ　ｏｆ　ｃｏｎｖｅｎｔｉｏｎａｌ　ＰＩＤ　ａｎｄ　ＣＭＡＣ－ＰＩＤ　ｃｏｎｔｒｏｌ　ｓｔｅｐ　ｓｉｇｎａｌ　比较图３ａ与图３ｂ，可以看出，　ＣＭＡＣ－ＰＩＤ控制在跟踪效果上要明显　，　　－●　●　●　●　●　　●●　＿　地比常规ＰＩＤ控制精确许多，可见传统　控制在控制精度上要比智能控制逊色　很多ｏ　１　－．　’　　Ｉ●　●　Ｉ　Ｉ　－　●　‘　ｌ　●　●　●　－　●　ｌ　　●＿　●　－　．　ｇ，－　４００　通过图４可以看出，开始时主要是　２００　●　－　常规ＰＤ控制器起作用，经过对常规ＰＤ　经网络控制器ＣＡＭＣ占主要的控制作　０　●　●　●　　●●　　－●　－　＿　控制器输出的学习，逐渐由小脑模型神　．２００　用，常规ＰＤ控制器几乎不起作用。小　脑模型神经网络控制器ＣＭＡＣ的加入，　Ｉ　●　Ｉ　●　ｉ　　＿●　Ｉ　１　Ｊ．　０　１Ｖ　Ｊ　．　Ｙ　—　使整个控制效果比单独的ＰＩＤ控制效　果好得多，加快了控制响应速度，充分　体现了小脑模型神经网络控制器　ＣＭＡＣ的特点。　０　０．１　０．２　０．３　０．４　０．５　＊Ｉｓ　０．６　０．７　０　８　０．９　１．０　图４基于ＣＭＡＣ的ＰＩＤ控制的各控制器的输出　Ｆｉｇ．４　Ｏｕｔｐｕｔ　ｏｆ　ＰＩＤ　ｃｏｎｔｒｏｌ　ｃｏｎｔｒｏｌｌｅｒ　ｂａｓｅｄ　ＯＩ１　ＣＭＡＣ　维普资讯 http://www.cqvip.com ・４０６・　鞍山科技大学学报　第３ｏ卷　ＣＭＡＣ控制算法虽然是由ＰＤ控制器的输出训练出来的，但并不是ＰＤ控制器的简单复制。加入　ＰＤ控制器是为了评判ＣＭＡＣ控制器的性能，增强系统的稳定性，更有效地抑制干扰。　４　结　语　从仿真图来看，将ＣＭＡＧ－ＰＩＤ　这种前馈并行控制系统应用于液位控制中，控制效果较常规ＰＩＤ　控制有显著的提高。因此，特别是对一些干扰幅度大、干扰频率高并且不可控、常规ＰＩＤ难以达到较好　控制效果的这类系统，利用小脑模型神经网络的并行控制器（Ｃ　＋ＰＤ）的控制方法有一定的应用价　值和前景。　参考文献：　［Ｉ］ＡＬＢＵ８　Ｊ　ｓ．Ａ　ｔｈｅｏｒｙ　ｏｆ　ｉｎｔｅｌｌｉｇｅｎｔ　ｍａｃｈｉｎｅ　ｓｙｓｔｅｒｎ［Ｊ］．１ＥＥＥ　ｏｎ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｒｏｂｏｔｓ　ａｎｄ　Ｓｙｓｔｅｍｓ’９１，１９９１，（１）：３—９．　［２］ＧＵＯ　Ｊｉａｎｇ－ｈｕａ，ＬＩＡＮＧＳｈｕ—ｈａｌ，ＣＨＥＮＧｕｏ－ｊｕｎ．ＡｐｐｌｉｃａｔｉｏｎｏｆＣＭＡＣｎｅｕｒａｌ　ｎｅｔｗｏｒｋ＆ＰＩＤ　ｃｏｎｔｏｒｌ［Ｊ］．ＩｎｔｅｌｌｉｇｅｎｔＣｏｎ—　ｔｏｒｌ　ａｎｄ　Ａｕｔｏｍａｔｉｏｎ，２００６，（１）：２８４０—２８４４．　［３］朱家群，邹凌，孙玉强．ＣＭＡＣ神经网络与ＰＤ复合控制的应用研究［Ｊ］．控制系统，２００６，２２（５）：５９—６１．　［４］张伟，朱大奇．基于改进的ＣＭＡＣ神经网络与ＰＩＤ并行控制的研究［Ｊ］．计算机测量与控制，２００５，１３（１２）：１３５９—　１３７５．　［５］李辉．一种自适应ＣＭＡＣ神经网络控制器的设计与仿真［Ｊ］．系统仿真学报，２００５，１７（９）：２２３３—２２３５．　［６］ＧＵＯ　Ｊｉｎａｇ－ｈｕａ，ＬＩＡＮＧ　Ｓｈｕ—ｈａｉ．Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ＣＭＡＣ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ＆ＰＩＤ　ｃｏｎｔｒｏｌ　ｏｎ　ｔｈｅ　ｓｐｅｅｄ　ｃｏｎｔｒｏｌ　ｓｙｓｔｅｍ　ｏｆ　ｄｉｅｓｅｌ　ｅｎｇｉｎｅ［Ｊ］．Ｉｎｔｅｌｌｉｇｅｎｔ　ｏＣｎｔｒｏｌ　ａｎｄ　Ａｕｔｏｍａｔｉｏｎ，２００６，（１）：２８４０—２８４４．　［７］ＢＯＲＤＯＮ　Ｍ　Ｅ，ＤＡ　ＳＩＬＶＡ　Ｉ　Ｎ．Ｄｅｓｉｇｎ　ｏｆ　ｄｉｇｉｔａｌ　ＰＩＤ　ｏｃｎｔｏｒｌｌｅｒ　ｗｉｔｈ　ｇａｉｎ　ｐｌａｎｎｉｎｇ　ｂａｓｅｄ　ｏｎ　ＣＭＡＣ［Ｊ］．ＮｅｕｒＭ　Ｎｅｔｗｏｒｋｓ，　１９９９，（４）：２４５６—２４６０．　Ａｐｐｌｉｃａｔｉｏｎ　ｓｔｕｄｙ　ｏｆ　ＰＩＤ　ｃｏｎｔｒｏｌ　ａｎｄ　ｉｔｓ　ＭＡＴＬＡＢ　ｓｉｍｕｌａｔｉｏｎ　ｉｎ　ｌｉｑｕｉｄ　ｌｅｖｅｌ　ｂａｓｅｄ　ｏｎ　ＣＭＡＣ　ＬＩＵ　Ｘｕｅ－ｃａｉ，ＳＯＮＧ　Ｊｕｎ－ｉｆｅ，ＳＯＮＧ　Ｔａｏ　（Ｉｍ￣ｉｔｉｔｕｔｅ　ｏｆ　Ｅｌｅｃｔｒｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｙａｎｓｈａｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｑｉｎｈｕａｎｇｄａｏ　０６６００４，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｗｉｔｈ　ｉｎｄｕｓｔｒｉａｌ　ｄｅｖｅｌｏｐｍｅｎｔ，ｈｉｇｈｅｒ　ｐｅｒｆｏｒｍａｎｃｅ　ｒｅｑｕｉｒｅｍｅｎｔ　ｈａｓ　ｐｕｔ　ｆｏｒｗａｒｄ　ｆｏｒ　ｔｈｅ　ｃｏｎｔｒｏｌ　ｏｆ　ｌｉｑｕｉｄ　ｌｅｖｅｌ　ｓｙｓｔｅｍ．Ａｔ　ｔｈｅ　ｓａｍｅ　ｔｉｍｅ．ｔｈｅ　ｓｙｓｔｅｍ　ｍｕｓｔ　ｂｅ　ａｄａｐｔｉｖｅ　ｔｏ　ｂａｄ　ｅｎｖｉｒｏｎｍｅｎｔ．Ａｉｍｅｄ　ａｔ　ｔｈｅ　ｃｈａｒａｃ—　ｔｅｒｉｓｔｉｃｓ　ｏｆ　ｎｏｎｌｉｎｅａｒ　ｎａｄ　ｕｎｃｅｒｔａｉｎｔｙ　ｉｎ　ｔｈｅ　ｐｒｏｃｅｓｓ　ｏｆ　ｉｎｄｕｓｔｒｙ，ｔｈｅ　ｐｒｉｎｃｉｐｌｅ　ｏｆ　ＣＭＡＣ，ｔｈｅ　ＰＩＤ　ｃｏｎｔｒｏｌ　ｄｅ—　ｓｉｇｎ　ｏｆ　ｐａｒＮｌｅｌ　ｂａｓｅｄ　ｏｎ　ＣＭＡＣ，ａｎｄ　ｔｈｅ　ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ｔｈｅ　ｄｅｓｉｇｎ　ｉｎ　ｔｈｅ　ｌｉｑｕｉｄ　ｌｅｖｅｌ　ａｒｅ　ｉｎｔｒｏｄｕｃｅｄ．Ａｎｄ　ｔｈｅ　ｓｉｍｕｌａｔｅｓ　ｕｎｄｅｒ　ＭＡＴＬＡＢ　ｉｓ　ｐｒｃｏｅｅｄｅｄ　ａｎｄ　ｂｅｔｔｅｒ　ｃｏｎｔｒｏｌ　ｅｆｆｅｃｔｓ　ｒａｅ　ｏｂｔａｉｎｅｄ．　Ｋｅｙ　ｗｏｒｄｓ：ｃｅｒｅｂｅｌｌａｒ　ｍｏｄｅｌ　ａｒｔｉｃｕｌａｔｉｏｎ　ｃｏｎｔｒｏｌｌｅｒ；ｐａｒａｌｌｅｌ　ｃｏｎｔｒｏｌ；ＭＡＴＬＡＢ　ｓｉｍｕｌａｔｉｏｎ　（Ｒｅｃｅｉｖｅｄ　Ｎｏｖｅｍｂｅｒ　６，２００６）