基于模糊神经网络和仿人智能控制的阀位控制方法技术

本发明专利技术涉及到一种基于模糊神经网络和仿人智能控制的阀位控制方法，该方法通过对阀门的实际位置与给定值进行比较计算得到阀位偏差和阀位偏差变化率，仿人智能控制器根据二者之间的关系进入不同的控制模态，向气动执行结构发送相应的控制信号，同时模糊神经网络对仿人智能控制器的控制参数进行实时在线整定，气动执行结构接收到控制信号后带动阀杆位移，进而调整阀门的位置。本发明专利技术实例解决了传统PID控制难以控制非线性、时滞性大的实际生产过程以及仿人智能控制器控制参数难以实时整定的难题，能够对阀位控制过程进行动态实时控制，大幅提升了控制过程的准确性和鲁棒性，利于阀门稳定连续地工作。

Valve position control method based on fuzzy neural network and humanoid intelligent control

【技术实现步骤摘要】
基于模糊神经网络和仿人智能控制的阀位控制方法
本专利技术涉及工业自动控制领域，具体为一种基于模糊神经网络和仿人智能控制的阀位控制方法。
技术介绍
在工业生产系统中与产品质量密切相关的诸如温度、压力、液位、浓度等环境因素的调整都需要通过调节阀的开度(阀位)控制进行调整，阀门位置是否满足生产要求直接关系到整个生产系统能否安全运行。阀门定位器作为调节阀的辅助配件，通过实时跟随阀门位置给定值控制调节阀。现如今，绝大多数阀门定位器仍采用常规PID控制算法作为主控算法，而由于阀门工作的环境不同，受流经阀门的介质流量的粘稠度以及阀门内部摩擦力、不平衡力等的影响，阀位控制过程具有很强的非线性、大惯性以及时变性，无法建立精确的数学模型，致使常规PID控制算法的控制参数设置极为困难，常常引起调整时间过长、超调量较大、抗干扰能力差、容易出现振荡等问题，给工业生产带来安全问题和巨大的经济损失。中国专利技术专利文献(CN106763980A)于2017年5月31日公开的《一种喷嘴挡板式智能阀门定位器的控制方法》中采用一种多模态仿人智能控制策略作为智能阀门定位器的控制算法，该方法虽然能够做到不依赖数学模型实现有效控制，且有一定的鲁棒性，但控制器的控制参数完全是由专家经验所得，且控制模态较少，难以适应阀位控制过程中的环境变化带来的影响。李焱琪在《基于模糊PID控制的智能电气阀门定位器的实现[J]》(电子技术与软件工程，2017(17)：94-94)中，提出一种基于模糊PID控制的阀位控制方法，该方法采用模糊算法对PID控制器控制参数进行整定，利用模糊规则使PID控制器对被控对象的时变性、非线性具有一定的适应能力，但模糊算法本身消除系统误差的性能较差，难以达到较高的控制精度，并且系统中的模糊规则通常由领域专家的意见归纳整理出来的，而许多领域的知识是难以描述的。综上所述，目前，阀位控制技术存在以下技术问题：1、由于阀位控制过程具有很强的非线性、大惯性以及时变性，无法建立精确的数学模型，常规PID控制算法的控制参数设置极为困难，难以实现有效控制；2、多模态仿人智能控制策略虽然能够实现对阀位的控制，但其控制参数完全依靠专家的经验，不具备对环境的适应能力，当阀位控制过程发生大幅变化时，难以做到实时有效的控制；3、采用模糊算法对控制器的参数进行整定，使控制器对被控对象的时变性、非线性具有一定的适应能力，但由于模糊规则通常由领域专家的意见归纳整理出来的，而许多领域的知识是难以描述的，使控制难以达到较高的精度。
技术实现思路
针对现有技术的不足，本专利技术提供了一种基于模糊神经网络和仿人智能控制的阀位控制方法，其目的在于解决阀位控制过程复杂多变，无法建立精确数学模型，导致常规PID控制控制精度不足而仿人智能控制控制参数难以实时整定的问题。本专利技术的目的是这样实现的。本专利技术提供了一种基于模糊神经网络和仿人智能控制的阀位控制方法，该阀位控制方法涉及的阀位控制系统包括智能阀门定位器、气动执行机构、阀门和位置传感器，其中智能阀门定位器包括比较器、模糊神经网络和仿人智能控制器；所述智能阀门定位器和气动执行结构单向气动连接，气动执行结构和阀门单向气动连接，阀门和位置传感器单向电连接，位置传感器和智能阀门定位器单向电连接；所述阀位控制方法的步骤如下：步骤1，设当前时刻为n，位置传感器在阀门处检测得到当前时刻阀门实际位置yn，并将当前时刻阀门实际位置yn传送到比较器中；步骤2，比较器将当前时刻阀门实际位置yn与当前时刻阀位给定值进行比较计算，得到当前时刻阀位偏差en和当前时刻阀位偏差变化率Δen，并将当前时刻阀位偏差en和当前时刻阀位偏差变化率Δen分别传送给模糊神经网络和仿人智能控制器；当前时刻阀位偏差en和当前时刻阀位偏差变化率Δen的计算式如下：Δen＝en-en-1其中，en-1表示前一时刻阀位偏差；步骤3，模糊神经网络接收到比较器发送的当前时刻阀位偏差en和当前时刻阀位偏差变化率Δen的信号后，将当前时刻阀位偏差en和当前时刻阀位偏差变化率Δen作为网络输入，通过训练好的模糊神经网络模型进行实时在线调整，得到以下网络输出信号：比例放大增益KP、增益放大系数K1、抑制系数K2，模糊神经网络将上述网络输出信号传送给仿人智能控制器；所述比例放大增益KP的范围为：KP＞0；所述增益放大系数K1的范围为：K1＞1；所述抑制系数K2的范围为：0＜K2＜1；步骤4，仿人智能控制器接收到当前时刻阀位偏差en、当前时刻阀位偏差变化率Δen、比例放大增益KP、增益放大系数K1和抑制系数K2的信号后，根据当前时刻阀位偏差en和当前时刻阀位偏差变化率Δen信号之间的关系进行判断，根据判断结果进入不同的控制模态，得到不同控制模态下的控制输出un，并将控制输出un发送到气动执行结构；步骤4.1，设给定的阀位偏差可控极值为M1，M1＞0，仿人智能控制器进行如下判断：若|en|＞M1，转到步骤4.2；若|en|≤M1，则转到步骤4.3；步骤4.2，当|en|＞M1时，仿人智能控制器工作于Bang-Bang控制模态，若en＞0，un＝umax；若en＜0，un＝-umax；其中，umax为仿人智能控制器允许的最大输出；转到步骤5；步骤4.3，当|en|≤M1时，仿人智能控制器进行第二次判断以确定工作模态，判断条件和结果如下：若en×Δen＞0或Δen＝0，en≠0，转到步骤4.4；若en×Δen＜0或en＝0，转到步骤4.5；步骤4.4，当|en|≤M1，且en×Δen＞0或Δen＝0，en≠0，仿人智能控制器工作于比例控制模态，此时仿人智能控制器从模糊神经网络提取增益放大系数K1和比例放大增益KP，代入控制输出un中，若|en|＞M2，un＝un-1+K1KPen；若|en|≤M2，un＝un-1+KPen；其中，M2为给定的稳定状态下阀位偏差允许的最大值，M2＞0，un-1为前一时刻仿人智能控制器控制输出；转到步骤5；步骤4.5，当|en|≤M1，且en×Δen＜0或en＝0，仿人智能控制器继续进行第三次判断，以确认工作模态，判断条件和结果如下：若en×Δen＜0，Δen×Δen-1＞0或en×Δen＜0，Δen-1＝0或en＝0，转到步骤4.6；若en×Δen＜0，Δen×Δen-1＜0，转到步骤4.7；其中，Δen-1为前一个时刻阀位偏差变化率，Δen-1＝en-1-en-2，en-1为前一时刻阀位偏差、en-2为前二时刻阀位偏差；步骤4.6，仿人智能控制器工作于保持控制模态1，仿人智能控制器的控制输出un为：un＝un-1，转到步骤5；步骤4.7，仿人智能控制器工作于保持控制模态2，此时仿人智能控制器提取增益放大系数K1、比例放大增益KP和抑制系数K2，代入控制输出un中，若|en|＞M2，un本文档来自技高网...

【技术保护点】
1.一种基于模糊神经网络和仿人智能控制的阀位控制方法，其特征在于，该阀位控制方法涉及的阀位控制系统包括智能阀门定位器、气动执行机构、阀门和位置传感器，其中智能阀门定位器包括比较器、模糊神经网络和仿人智能控制器；所述智能阀门定位器和气动执行结构单向气动连接，气动执行结构和阀门单向气动连接，阀门和位置传感器单向电连接，位置传感器和智能阀门定位器单向电连接；/n所述阀位控制方法的步骤如下：/n步骤1，设当前时刻为n，位置传感器在阀门处检测得到当前时刻阀门实际位置y

【技术特征摘要】
1.一种基于模糊神经网络和仿人智能控制的阀位控制方法，其特征在于，该阀位控制方法涉及的阀位控制系统包括智能阀门定位器、气动执行机构、阀门和位置传感器，其中智能阀门定位器包括比较器、模糊神经网络和仿人智能控制器；所述智能阀门定位器和气动执行结构单向气动连接，气动执行结构和阀门单向气动连接，阀门和位置传感器单向电连接，位置传感器和智能阀门定位器单向电连接；
所述阀位控制方法的步骤如下：
步骤1，设当前时刻为n，位置传感器在阀门处检测得到当前时刻阀门实际位置yn，并将当前时刻阀门实际位置yn传送到比较器中；
步骤2，比较器将当前时刻阀门实际位置yn与当前时刻阀位给定值进行比较计算，得到当前时刻阀位偏差en和当前时刻阀位偏差变化率Δen，并将当前时刻阀位偏差en和当前时刻阀位偏差变化率Δen分别传送给模糊神经网络和仿人智能控制器；
当前时刻阀位偏差en和当前时刻阀位偏差变化率Δen的计算式如下：



Δen＝en-en-1
其中，en-1表示前一时刻阀位偏差；
步骤3，模糊神经网络接收到比较器发送的当前时刻阀位偏差en和当前时刻阀位偏差变化率Δen的信号后，将当前时刻阀位偏差en和当前时刻阀位偏差变化率Δen作为网络输入，通过训练好的模糊神经网络模型进行实时在线调整，得到以下网络输出信号：比例放大增益KP、增益放大系数K1、抑制系数K2，模糊神经网络将上述网络输出信号传送给仿人智能控制器；
所述比例放大增益KP的范围为：KP＞0；所述增益放大系数K1的范围为：K1＞1；所述抑制系数K2的范围为：0＜K2＜1；
步骤4，仿人智能控制器接收到当前时刻阀位偏差en、当前时刻阀位偏差变化率Δen、比例放大增益KP、增益放大系数K1和抑制系数K2的信号后，根据当前时刻阀位偏差en和当前时刻阀位偏差变化率Δen信号之间的关系进行判断，根据判断结果进入不同的控制模态，得到不同控制模态下的控制输出un，并将控制输出un发送到气动执行结构；
步骤4.1，设给定的阀位偏差可控极值为M1，M1＞0，仿人智能控制器进行如下判断：
若|en|＞M1，转到步骤4.2；
若|en|≤M1，则转到步骤4.3；
步骤4.2，当|en|＞M1时，仿人智能控制器工作于Bang-Bang控制模态，
若en＞0，un＝umax；
若en＜0，un＝-umax；
其中，umax为仿人智能控制器允许的最大输出；
转到步骤5；
步骤4.3，当|en|≤M1时，仿人智能控制器进行第二次判断以确定工作模态，判断条件和结果如下：
若en×Δen＞0或Δen＝0，en≠0，转到步骤4.4；
若en×Δen＜0或en＝0，转到步骤4.5；
步骤4.4，当|en|≤M1，且en×Δen...

【专利技术属性】
技术研发人员：朱敏，赵聪聪，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽;34