朱海棠 管芳景

摘要：在工業(yè)生產(chǎn)中，人們常常需要對液位進(jìn)行檢測與調(diào)節(jié)。該文以雙容水箱為對象，通過研究液位自動控制系統(tǒng)的工作過程和動態(tài)特性，采用PID控制器。同時，由于神經(jīng)網(wǎng)絡(luò)具有決策、規(guī)劃和學(xué)習(xí)功能等特點(diǎn)，將BP神經(jīng)網(wǎng)絡(luò)和PID相結(jié)合，即BP神經(jīng)網(wǎng)絡(luò)的輸出層與PID控制器中比例、積分和微分系數(shù)相對應(yīng)，可以獲得更加良好的控制效果。

關(guān)鍵詞：雙容水箱;液位;PID控制器;BP神經(jīng)網(wǎng)絡(luò)

中圖分類號：TP393? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ? 文章編號：1009-3044（2018）35-0186-02

眾所周知，所謂過程控制即根據(jù)工業(yè)生產(chǎn)過程的特點(diǎn)，采用測量儀表、執(zhí)行機(jī)構(gòu)和計算機(jī)等自動化工具，應(yīng)用控制理論，設(shè)計工業(yè)生產(chǎn)過程控制系統(tǒng)，實(shí)現(xiàn)工業(yè)生產(chǎn)過程的自動化。在工業(yè)生產(chǎn)中，人們常常需要對液位進(jìn)行檢測與調(diào)節(jié)，因此，研究雙容水箱具有非常重要的意義。

1 雙容水箱的特性研究

圖1為雙容水箱結(jié)構(gòu)示意圖。如圖1所示，兩個水箱串聯(lián)，由于水箱1排出的液體傳遞給水箱2，所以水箱1將直接影響到水箱2的動態(tài)特性。同時，水箱2對水箱1沒有任何影響。因此，兩個水箱并不是相互影響的關(guān)系。

通過分析可知：整個系統(tǒng)的被控對象是水箱2，輸入量為水箱1的流量qi，輸出量為水箱2的液位高度h2，輸出流量qo2是擾動量。在研究過程中，雙容水箱可以看作由兩個單容水箱串聯(lián)而成，其系統(tǒng)信號框圖如圖2所示。根據(jù)系統(tǒng)信號框圖，可得傳遞函數(shù)為[H2（s）Qi（s）=KT1T2s2+（T1+T2）s+1]。式中，T1是水箱1的時間常數(shù)，T2是水箱2的時間常數(shù)，K為系統(tǒng)的放大倍數(shù)。因此，雙容水箱是典型二階系統(tǒng)，其工作過程比較復(fù)雜和多變。

2 PID控制器

在過程控制系統(tǒng)中，控制器是整個控制系統(tǒng)的核心，作用是將被控變量與給定值進(jìn)行比較，獲得偏差e（t），根據(jù)不同規(guī)律，產(chǎn)生一個控制信號u（t）可以使偏差減小，以符合系統(tǒng)的控制要求。在工業(yè)生產(chǎn)中，常常是各種基本控制規(guī)律的不同組合。為了控制水箱液位的高度，通常采用PID控制器。圖3為液位自動控制系統(tǒng)方框圖。如圖3所示，整個系統(tǒng)由自動化裝置和生產(chǎn)裝置兩部分組成，具體包括：PID控制器、變頻器、電機(jī)和水泵、檢測變送器和雙容水箱等，其中PID控制器是核心環(huán)節(jié)。

在液位自動控制系統(tǒng)中，當(dāng)水箱1的流量qi發(fā)生變化時，水箱2的液位高度發(fā)生變化，比例控制能迅速地克服干擾的影響，使整個系統(tǒng)較快地穩(wěn)定下來，但是系統(tǒng)存在著余差。因此，僅僅依靠比例控制，不能滿足工藝生產(chǎn)要求。為了保證控制效果，讓水箱2液位保持恒定不變，一般在比例控制的基礎(chǔ)上引入積分控制。當(dāng)輸入偏差e為零時，經(jīng)過比例控制，輸出變化量Δu為零，即系統(tǒng)仍然位于初始位置上，但是積分控制輸出可以處在任何數(shù)值的位置上。在整個系統(tǒng)中，積分控制可以消除余差的影響。圖4為比例積分控制作用曲線。

如圖4所示，當(dāng)雙容水箱受到外界干擾時，經(jīng)過一段時間調(diào)整，可以重新達(dá)到原來的平衡狀態(tài)。同時，由于積分控制的輸出變化總是滯后于偏差的變化，控制作用不可能像比例控制那樣及時，從而難以對擾動進(jìn)行及時且有效的抑制。

當(dāng)液位自動控制系統(tǒng)采用比例積分控制規(guī)律后，為了防止水箱2液位的超調(diào)量過大，需要減小比例放大倍數(shù)，這樣將導(dǎo)致系統(tǒng)的整體性能變差。為了避免產(chǎn)生較大的偏差，同時縮短系統(tǒng)控制時間，需要引入微分環(huán)節(jié)。將三種控制方式組合在一起，構(gòu)成比例積分微分（PID）控制。根據(jù)雙容水箱的特性，合理選擇3個參數(shù)，即比例度[δ]、積分時間TI和微分時間TD，才能獲得較好的控制效果。

3 神經(jīng)網(wǎng)絡(luò)與PID控制結(jié)合

隨著生產(chǎn)、生活中的控制系統(tǒng)越來越復(fù)雜，人們對控制的要求也越來越高，傳統(tǒng)的控制器已經(jīng)不能滿足實(shí)際需要，神經(jīng)網(wǎng)絡(luò)具有決策、規(guī)劃和學(xué)習(xí)功能，受到人們的重視。人工神經(jīng)網(wǎng)絡(luò)由大量的神經(jīng)元連接而成，結(jié)構(gòu)簡單，但功能強(qiáng)大，能不斷學(xué)習(xí)和做出決策。就結(jié)構(gòu)而言，人工神經(jīng)網(wǎng)絡(luò)是由輸入層、隱含層和輸出層組成，各神經(jīng)元之間進(jìn)行信號的傳輸。其中，輸入層主要用來接收外部的各種信號、數(shù)據(jù);隱含層可以有若干層，也可以沒有，但每一層的神經(jīng)元只能接收前一層的輸出;輸出層主要用來把最終結(jié)果傳遞出去。常見的神經(jīng)網(wǎng)絡(luò)種類很多，結(jié)合工程實(shí)際，本文主要采用誤差反向傳播神經(jīng)網(wǎng)絡(luò)，即BP神經(jīng)網(wǎng)絡(luò)。BP網(wǎng)絡(luò)是一種單向傳播的多層前向網(wǎng)絡(luò)，具有自主學(xué)習(xí)和記憶功能。圖5為BP網(wǎng)絡(luò)結(jié)構(gòu)示意圖。如圖5所示，BP網(wǎng)絡(luò)在學(xué)習(xí)時，分為兩部分：正向傳播和反向傳播。層與層之間的連接是單向的，但信息的傳播是雙向的。

由于BP神經(jīng)網(wǎng)絡(luò)具有自主學(xué)習(xí)和記憶功能，因此可以找到某一種最佳控制效果下的比例、積分和微分系數(shù)。圖6為BP神經(jīng)網(wǎng)絡(luò)和PID控制結(jié)合原理方框圖。如圖6所示，整個系統(tǒng)控制環(huán)節(jié)主要由兩部分組成。

1） PID控制器：根據(jù)液位自動控制系統(tǒng)結(jié)構(gòu)示意圖可知，采用PID對系統(tǒng)進(jìn)行閉環(huán)控制，需要調(diào)節(jié)的參數(shù)更加直接，包括比例系數(shù)Kp、積分系數(shù)Ki和微分系數(shù)Kd。

2） BP神經(jīng)網(wǎng)絡(luò)：根據(jù)系統(tǒng)當(dāng)前狀況，通過調(diào)節(jié)PID參數(shù)，使得系統(tǒng)控制達(dá)到最優(yōu)效果。由于BP神經(jīng)網(wǎng)絡(luò)包含輸入層、隱含層和輸出層，可采用輸出層的輸出對應(yīng)Kp、Ki和Kd三個參數(shù)，經(jīng)過自主學(xué)習(xí)、分析和記憶等，獲得最佳控制效果。

將BP神經(jīng)網(wǎng)絡(luò)和PID控制相結(jié)合，整個系統(tǒng)采用前饋計算和反向誤差計算，不斷修正算法中使用到的權(quán)值，找到合適的學(xué)習(xí)速率。當(dāng)權(quán)值學(xué)習(xí)完成后，整個學(xué)習(xí)過程基本完成。若權(quán)值學(xué)習(xí)未完成，則需要繼續(xù)進(jìn)行前饋計算，直至學(xué)習(xí)過程結(jié)束。

綜上所述，在液位自動控制系統(tǒng)中，如果僅采用PID控制，那么需要借助工程技術(shù)人員的豐富經(jīng)驗(yàn)，反復(fù)實(shí)驗(yàn)和論證，否則控制效果一般。同時，由于工業(yè)上使用的液位控制系統(tǒng)越來越復(fù)雜而又多變，常需要結(jié)合神經(jīng)網(wǎng)絡(luò)，借助BP神經(jīng)網(wǎng)絡(luò)可以解決非線性問題和一些不確定問題等特點(diǎn)，以便獲得更加良好的控制效果。

參考文獻(xiàn)：

[1] 金林駿，方建安，潘磊寧.單神經(jīng)元PID模糊控制在水位系統(tǒng)中的建模與仿真[J].電子設(shè)計工程，2015，23（13）.

[2] 吳恒運(yùn)，沈乾坤，張維賢.基于神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制算法的原水預(yù)處理系統(tǒng)[J].熱力發(fā)電，2018，47（4）.

[3] 王鵬，張偉，戴日輝，等.基于PID型神經(jīng)網(wǎng)絡(luò)的除氧器壓力和水位解耦控制研究[J].熱能動力工程，2015，30（6）.

[4] 陳小云.單神經(jīng)元PID控制在鍋爐水位控制中的應(yīng)用研究[J].科技信息，2014（12）.

[5] 于志民.基于模糊神經(jīng)網(wǎng)絡(luò)的船舶鍋爐水位控制優(yōu)化及仿真模擬[J].天津職業(yè)院校聯(lián)合學(xué)報，2017，19（4）.

[通聯(lián)編輯：光文玲]