水輪機調節系統的模糊神經網絡控制

摘要：將模糊神經網絡與自適應控制相結合，設計出一種能對水輪機調節系統進行有效控制的基于模糊神經網絡的自適應PID控制算法。對改進后的調節系統特性進行測試和仿真，并與常規的水輪機進行比較，驗證了模糊神經網絡控制方案的可行性。仿真結果表明，該算法實現了調節系統的在線自適應調整，更精確反映調節系統的動態變化過程。與其他方法相比，該算法具有更快的響應速度和更好的控制效果。

關鍵詞：水輪機； 調節系統； 模糊神經網絡； 自適應PID算法

中圖分類號：TP273.2文獻標志碼：A

文章編號：1001-3695(2007)11-0167-02

水輪機調節系統是一個典型的時變、非最小相位系統，也是一個參數隨工況點改變而變化的非線性系統。傳統的PID控制適用于可以建立精確模型的確定性控制系統，對于非線性系統往往不能取得令人滿意的控制效果。模糊控制的控制精度較低，而神經網絡控制存在學習速度慢、易收斂到局部最小點等不足。本文將模糊控制、神經網絡與自適應PID控制相結合，設計出一種模糊神經網絡的自適應PID控制算法。它既具有模糊控制簡單有效的非線性控制作用，又具有神經網絡的自學習能力，同時也具有PID控制的精確性，能夠直接用于水輪機調節系統的實時控制。該算法不需要控制對象精確數學模型和具有能迅速逼近非線性系統的能力，可以根據控制對象的運行狀態，不斷在線調節PID控制器的三個參數kp、ki、kd，使其最優化。通過模糊神經網絡的自學習、加權系數自適應調整使控制系統的收斂速度明顯加快。仿真結果表明這種算法優于常規PID控制，明顯改善了水輪機調節系統的控制性能。

1模糊神經網絡PID控制

水輪機調節系統的動態特性和靜態特性的優劣性主要取決于控制器性能的好壞。本文設計的FNN控制器的結構如圖1所示。它不僅實現了模糊控制和神經網絡之間的信息轉換，使神經網絡的內部權值和閾值記憶了模糊控制知識，而且還可以利用神經網絡自身的非線性擬合能力跟蹤神經網絡的內部推理過程，使所設計的FNN自適應PID控制器能夠體現出其控制的非線性特征，具有更佳的控制效果、更強的適應性。

1．1PID控制

PID控制由于算法簡單、魯棒性好及可靠性高，被廣泛應用于過程控制中，尤其用于可建立精確數學模型的確定性系統。整定PID參數的過程實際上就是對比例、積分、微分三部分控制作用的綜合。常規PID控制無法解決穩定性與減小偏差之間的矛盾，加大控制作用可使偏差減小，但是降低了穩定性；反之，為保證穩定性限制控制作用，又降低了控制精度。實際工業生產過程往往具有非線性和時變性，難以建立精確的數學模型，應用常規PID控制不能取得理想的控制效果。

1．2Takasi－Sugeno模糊系統模型

本文模糊控制規則采用Takasi－Sugeno規則。Takagi－Sugeno模糊推理具有計算簡單、利于數學分析的優點，將其與神經網絡結合，用于構造具有自適應學習能力的模糊神經網絡系統。

從仿真結果可以看出，不管是輸入信號單位階躍響應還是負載擾動單位階躍響應，常規的PID控制超調量大、響應速度慢。而本文設計的水輪機調節系統FNN自適應PID控制算法穩態精度高、響應速度快，并且幾乎沒有超調。特別是負載擾動單位階躍響應時，常規PID控制響應曲線的震蕩幅度加大，而本文設計的控制算法具有較快的動態響應速度，響應曲線很穩定，系統的魯棒性和適應性增強。由此可見，FNN自適應PID控制算法能夠使水輪機調節系統獲得良好的動靜態品質。

4結束語

本文所設計的基于模糊神經網絡的水輪機調節系統自適應PID算法結構簡單、易于實現。無論在抑制超調量、減少調節時間還是抑制震蕩等方面均優于常規PID控制。仿真結果表明，基于模糊神經網絡的水輪機調節系統自適應PID算法保持了模糊控制和神經網絡的優點，實現了水輪機調節系統的在線自適應調整，更精確地反映調節系統的動態變化過程，具有良好的自學習能力，是一種行之有效的控制方法。

參考文獻：

［1］李國勇.智能控制及其MATLAB實現[M].北京：電子工業出版社，2005:261-284.

［2］沈祖詒.水輪機調節[M].3版.北京：中國水利水電出版社，2001:200-232.

［3］WANG Yin－song， SHANG Guo－cai，HE Tong－xiang. The PID－type fuzzy neural network control and it’s application in the hydraulic turbine generators[C]//Proc of IEEE Power Engineer Society Winter Meeting.2000:338-343.

［4］邵棟，周志華，陳兆乾.模糊神經網絡研究[J].計算機應用研究，1999，16(7)：1-2.

［5］張建明，王樹青.水輪發電機組的直接自適應模糊控制 [J].動力工程，2001，21(2)：1180－1184.

［6］WANG Ning， ZHANG Li， WANG Shu－qing. Neuron model－free PID control[C]//Proc of International Conference on Sensor Technology. 2001:410-413.

［7］陸桂明，鄧磊，沈祖詒.水輪機調節系統計算機仿真研究[J].水利水電技術，2005，36（7）：110－113.

［8］桂小陽，胡偉，劉鋒，等.基于水輪發電機綜合非線性模型的調速器控制[J].電力系統自動化，2005，29（15）：18-22.

［9］景雷，葉魯卿，周泰經.一種新型水輪發電機組智能模糊控制系統[J].中國電機工程學報，1998，18（1）：42-47.

［10］姜惠蘭，魏強，唐曉駿.基于模糊神經網絡的發電機勵磁控制器的研究[J].電網技術，2005，29（1）：50-55.

“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”