邵珠楓 朱敬花

摘要：針對傳統(tǒng)瀝青灑布車灑布精度低的問題，利用多傳感器冗余檢測信號確保了采集信息的準(zhǔn)確性；提出利用非定常效率法來控制瀝青灑布精度，設(shè)計(jì)了基于BP神經(jīng)網(wǎng)絡(luò)PID控制法的瀝青灑布車控制器，通過建立泵效率數(shù)學(xué)模型，計(jì)算出泵出口壓力與噴灑壁壓力的關(guān)系。利用 MATLAB進(jìn)行仿真，結(jié)果表明：采用BP神經(jīng)網(wǎng)絡(luò)PID控制法實(shí)現(xiàn)了瀝青灑布車車速信號、泵速信號、壓力信號的快速響應(yīng)，可以有效地提高瀝青灑布精度。

關(guān)鍵詞：瀝青灑布；BP神經(jīng)網(wǎng)絡(luò)；PID控制；灑布精度

中圖分類號：U418.3文獻(xiàn)標(biāo)志碼：B 文章編號：1000033X（2016）06009704

0引言

傳統(tǒng)瀝青灑布車多采用常規(guī)PID控制法來控制瀝青灑布精度，存在瀝青泵響應(yīng)速度慢、車速變化不穩(wěn)、管路阻力大、瀝青泵容積效率變化等缺點(diǎn)[1]。本文將神經(jīng)網(wǎng)絡(luò)技術(shù)引入到常規(guī)PID控制技術(shù)中，設(shè)計(jì)出基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器，并提出利用非定常效率法來控制瀝青灑布精度。

1傳感器多重冗余檢測處理

采用多重冗余方法設(shè)計(jì)的瀝青灑布精度檢測裝置，充分利用了多個傳感器的特點(diǎn)和資源，通過對各種傳感器所測信息的合理支配與不同傳感器對同一對象的一致描述，提高了整個灑布裝置檢測信號的準(zhǔn)確度[2]。即通過壓力傳感器對泵出口壓力和噴嘴壓力進(jìn)行檢測、雷達(dá)檢測灑布車行駛速度、接近開關(guān)測量傳動軸轉(zhuǎn)速、流量傳感器檢測瀝青流量、溫度傳感器檢測瀝青和導(dǎo)熱油溫度、編碼器測量瀝青泵轉(zhuǎn)速等，按照它們提供信息的不同特征對同一現(xiàn)象進(jìn)行循環(huán)檢測確認(rèn)[34]。

2數(shù)學(xué)模型建立

2.1相關(guān)參數(shù)推算

3基于BP網(wǎng)絡(luò)的PID控制結(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)的PID控制系統(tǒng)原理結(jié)構(gòu)如圖1所示。控制器是整個控制系統(tǒng)的核心，主要由神經(jīng)網(wǎng)絡(luò)算法和常規(guī)PID控制器構(gòu)成。根據(jù)實(shí)際灑布運(yùn)行狀態(tài)，以及自學(xué)習(xí)能力、加權(quán)系數(shù)自調(diào)整能力修正PID控制器的3個參數(shù)Kp、Ki、Kd，最終達(dá)到一定的理想組合，使神經(jīng)網(wǎng)絡(luò)輸出層節(jié)點(diǎn)上的值分別對應(yīng)PID控制器的3個可調(diào)參數(shù)。

瀝青灑布系統(tǒng)的整個控制結(jié)構(gòu)如圖2所示。系統(tǒng)控制器控制多路傳感器采集周圍環(huán)境信息，并將這些信息數(shù)據(jù)經(jīng)特征提取之后送往信息融合中心進(jìn)行融合處理，最終轉(zhuǎn)化成對瀝青泵轉(zhuǎn)速的一致性描述[5]。根據(jù)設(shè)定的偏差量，系統(tǒng)給出瀝青泵需要增加或減少的轉(zhuǎn)速，以此作為瀝青灑布控制系統(tǒng)中BP神經(jīng)網(wǎng)絡(luò)PID控制器的輸入信號。PID控制器產(chǎn)生的控制量控制插頭放大器，通過插頭放大器實(shí)現(xiàn)對瀝青泵轉(zhuǎn)速的控制，進(jìn)而對瀝青灑布精度進(jìn)行控制。

4BP網(wǎng)絡(luò)的PID控制算法

4.1結(jié)構(gòu)算法

BP神經(jīng)網(wǎng)絡(luò)算法以有向圖為拓?fù)浣Y(jié)構(gòu)形式，對輸入的數(shù)據(jù)信息進(jìn)行實(shí)時處理。加權(quán)系數(shù)經(jīng)神經(jīng)網(wǎng)絡(luò)算法調(diào)整之后，使得網(wǎng)絡(luò)的輸出值對應(yīng)于最優(yōu)控制下的PID數(shù)據(jù)控制參數(shù)，通過前向傳播算法和反向傳播算法的往復(fù)循環(huán)計(jì)算出最優(yōu)參數(shù)值。

基于BP神經(jīng)網(wǎng)絡(luò)的瀝青灑布精度由正向和反向傳播階段組成。處在正向傳播階段的信息數(shù)據(jù)，由輸入層經(jīng)隱含層到達(dá)各神經(jīng)單元，由神經(jīng)單元處理之后得到每個神經(jīng)元節(jié)點(diǎn)的實(shí)際輸出值。當(dāng)實(shí)際輸出值與期望值之間存在誤差時，信息數(shù)據(jù)進(jìn)入反向傳播階段。誤差信號沿著誤差反向傳播路徑傳遞到輸入層，并將誤差信息分配給各層的神經(jīng)單元，根據(jù)各層的誤差信息來實(shí)時修正各神經(jīng)元的權(quán)值。2個階如此往復(fù)進(jìn)行，直至誤差信號落到系統(tǒng)允許的誤差范圍之內(nèi)為止。

4.2BP神經(jīng)網(wǎng)絡(luò)PID控制過程

（1）瀝青灑布精度控制采用BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)結(jié)構(gòu)形式，輸入層的節(jié)點(diǎn)數(shù)m、隱含層的節(jié)點(diǎn)數(shù)q，給加權(quán)系數(shù)w1ij（0）和w2li（0）賦初始數(shù)值，選取η（學(xué)習(xí)速率）和a （慣性系數(shù)），取k=1。

（2）對傳感器信息進(jìn)行采樣得數(shù)據(jù)A（k）、B（k），并計(jì)算此時的誤差，得到e（k）=A（k）-B（k）。

（3）計(jì)算各層神經(jīng)元的輸入值、輸出值。

（4）計(jì)算PID控制器的輸出值μ（k）。

（5）對系數(shù)w1ij（k）和w2li（k）進(jìn)行調(diào)整。

（6）置k=k+1，然后返回到過程（1）。

BP神經(jīng)網(wǎng)絡(luò)的PID控制算法流程，如圖3所示。

5瀝青灑布精度參數(shù)

噴灑壁的壓力和瀝青泵容積效率是反應(yīng)瀝青灑布精度的重要參數(shù)。在瀝青灑布車作業(yè)過程中，不斷測量瀝青泵轉(zhuǎn)速n1和瀝青泵容積效率ηv這2個參數(shù)

6仿真分析

瀝青灑布車灑布瀝青的過程是時變、非線性的，故利用ZN第二法則來調(diào)整PID控制器的控制參數(shù)。

當(dāng)系統(tǒng)首次出現(xiàn)等幅震蕩時，對應(yīng)的臨界增益Kc=8 000，振蕩周期Tc=18 s。根據(jù)ZN法則可知：Ti=0.5Tc=0.9 s，Td=0125Tc=0.225 s，則PID控制器參數(shù)為：Kp=06Kc=4 800，Ki=Kp/Ti=5 330，Kd=Kp·Td=1 080。經(jīng)過計(jì)算并適當(dāng)調(diào)整，通過仿真可以得到傳統(tǒng)PID控制系統(tǒng)的階躍響應(yīng)曲線，如圖4所示。

基于BP神經(jīng)網(wǎng)絡(luò)算法的PID控制器采用3層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，其慣性系數(shù)α=0.01，學(xué)習(xí)速率η=0.2，層與層間的初始值取[-0.5，0.5]的任意數(shù)，神經(jīng)網(wǎng)絡(luò)輸入層的輸入數(shù)據(jù)分別為輸入值r（k）、誤差值e（k）、輸出值y（k）和單位1。然后通過MATLAB軟件對瀝青灑布控制系統(tǒng)進(jìn)行數(shù)據(jù)仿真，可得到此時系統(tǒng)的階躍響應(yīng)曲線，如圖5所示。

根據(jù)經(jīng)驗(yàn)調(diào)整網(wǎng)絡(luò)的學(xué)習(xí)速率和初始權(quán)值，并降低學(xué)習(xí)速率，得到修正之后的階躍響應(yīng)曲線，如圖6所示。由圖6可知，基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器的控制效果非常好，基本無超調(diào)。

7結(jié)語

（1）采用基于BP神經(jīng)網(wǎng)絡(luò)的PID控制法控制瀝青泵的響應(yīng)，實(shí)現(xiàn)了瀝青灑布車車速信號、泵速信號、壓力信號等快速響應(yīng)，實(shí)現(xiàn)了灑布精度的動態(tài)控制。

（2）通過對瀝青灑布控制精度的影響因素進(jìn)行分析，提出利用非定常效率法來控制瀝青灑布精度，建立瀝青泵效率的數(shù)學(xué)模型，得到了瀝青灑布控制精度的計(jì)算方法。

（3）通過MATLAB對BP神經(jīng)網(wǎng)絡(luò)PID控制法和常規(guī)PID控制法的瀝青灑布精度進(jìn)行仿真對比，表明了本文所設(shè)計(jì)的系統(tǒng)控制器在對信號的跟蹤特性、抗干擾能力以及魯棒性方面比傳統(tǒng)的控制法有明顯的優(yōu)越性。

參考文獻(xiàn)：

[1]崔克寧，楊露，謝東亮.一種多傳感器冗余的神經(jīng)網(wǎng)絡(luò)算法研究[J].河南大學(xué)學(xué)報，2001，31（1）：1620.

[2]柏松山，韋東，花思洋.基于多重冗余技術(shù)的企業(yè)電力調(diào)度自動化系統(tǒng)[J].電力自動化設(shè)備，2004，24（12）：4648.

[3]王利明，張聰，郭小宏.基于模糊神經(jīng)網(wǎng)絡(luò)的筑路機(jī)械生產(chǎn)率預(yù)測方法[J].筑路機(jī)械與施工機(jī)械化，2001，18（3）：1013.

[4]涂川川.基于BP神經(jīng)網(wǎng)絡(luò)PID控制的溫室環(huán)境控制系統(tǒng)的仿真研究[D].長春：吉林農(nóng)業(yè)大學(xué)，2012.

[5]李強(qiáng)，楊曉京，魏嵐.基于神經(jīng)網(wǎng)絡(luò)信息融合的智能機(jī)器人[J].機(jī)電工程技術(shù)，2006，35（6）：7274，115.