基于BP神經(jīng)網(wǎng)絡(luò)的PID參數(shù)智能整定

李博

（西安工程大學(xué) 陜西省西安市 710048）

PID控制是工業(yè)生產(chǎn)過程中應(yīng)用最早、最普遍和最受歡迎的一種經(jīng)典控制策略。因?yàn)槠渚哂薪Y(jié)構(gòu)簡(jiǎn)單、控制性能良好和抗干擾性較強(qiáng)等優(yōu)點(diǎn)，一直倍受工程技術(shù)人員所青睞，同時(shí)在工業(yè)控制應(yīng)用領(lǐng)域也占據(jù)至關(guān)重要的地位。許多新式的控制算法都是將PID控制器作為設(shè)計(jì)基礎(chǔ)，將其他改進(jìn)后的算法應(yīng)用到PID控制器中，使其既具有創(chuàng)新點(diǎn)，又有經(jīng)典控制方式的諸多優(yōu)點(diǎn)[1]。PID控制的穩(wěn)定性很大程度上取決于PID參數(shù)與被控對(duì)象的模型是否匹配。整定參數(shù)的過程中觀察被控對(duì)象的運(yùn)行狀態(tài)，由人工根據(jù)運(yùn)行的性能指標(biāo)對(duì)參數(shù)進(jìn)行整定，經(jīng)過多次整定，尋找最佳的參數(shù)組合。

在實(shí)際工程應(yīng)用中，被控對(duì)象會(huì)因?yàn)槎喾N外界因素的長(zhǎng)時(shí)間的積累，導(dǎo)致使用工況發(fā)生變化，造成原有的PID參數(shù)與當(dāng)下的系統(tǒng)不匹配，最終影響系統(tǒng)運(yùn)行的穩(wěn)定性。此時(shí)，就需要工程技術(shù)人員介入對(duì)PID參數(shù)重新整定，以滿足系統(tǒng)的穩(wěn)定性要求。本文以改進(jìn)金屬擠壓機(jī)中擠壓速度的PID控制為目標(biāo)，展開了研究。

1 性能指標(biāo)與PID參數(shù)

人工調(diào)試PID參數(shù)的過程中，最主要的問題在于系統(tǒng)性能不滿足要求時(shí)，明白應(yīng)該調(diào)整哪個(gè)參數(shù)，應(yīng)該增大或是減小。有經(jīng)驗(yàn)的工程技術(shù)人員可以較快地獲得讓人滿意的調(diào)試結(jié)果。

控制系統(tǒng)的PID參數(shù)和性能指標(biāo)之間的詳細(xì)關(guān)系如表1所示。PID參數(shù)與性能指標(biāo)之間的關(guān)系也并非完全固定的，只是一定范圍內(nèi)的相對(duì)關(guān)系。因?yàn)镻ID各參數(shù)之間的作用相互影響，所以任意一個(gè)參數(shù)的改變都會(huì)影響其他兩個(gè)參數(shù)的作用效果。而PID參數(shù)的調(diào)試過程，也就是根據(jù)觀察系統(tǒng)的性能指標(biāo)不斷修正各個(gè)參數(shù)，尋找最佳的參數(shù)組合，使得系統(tǒng)此時(shí)的性能指標(biāo)處于一個(gè)合理的區(qū)間。

總之，PID參數(shù)的整定過程是一個(gè)統(tǒng)一的、各個(gè)參數(shù)之間相互影響的過程，實(shí)際調(diào)試過程中的多次嘗試是至關(guān)重要的，也是必不可少的。在人工參數(shù)的調(diào)試過程中必須遵循PID調(diào)試的策略。利用人工神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的自我學(xué)習(xí)功能和強(qiáng)大的信息處理能力，學(xué)習(xí)PID調(diào)試的“規(guī)則”，研究PID參數(shù)的智能整定是本文的主要內(nèi)容。

2 改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)

從上文分析得出，系統(tǒng)的性能指標(biāo)與PID參數(shù)之間存在特定關(guān)系，即PID參數(shù)調(diào)試的規(guī)則。人工在整定參數(shù)的過程中，觀察被控對(duì)象的實(shí)際運(yùn)行值，與目標(biāo)值相比較后，從感官上判斷性能指標(biāo)的狀態(tài)，然后判斷該對(duì)哪個(gè)參數(shù)做出怎樣的調(diào)整。調(diào)整完成后，再次觀察實(shí)際運(yùn)行值，進(jìn)行下一輪的參數(shù)調(diào)整。直到性能指標(biāo)滿足穩(wěn)定性要求，此時(shí)參數(shù)整定結(jié)束。如果整個(gè)整定過程由神經(jīng)網(wǎng)絡(luò)來完成，就實(shí)現(xiàn)了PID參數(shù)的智能整定。如圖1所示，根據(jù)設(shè)定的目標(biāo)速度和實(shí)際的擠壓速度對(duì)比后，分析后得到系統(tǒng)的性能指標(biāo)，然后將性能指標(biāo)送給神經(jīng)網(wǎng)絡(luò)，讓神經(jīng)網(wǎng)絡(luò)判斷需要對(duì)參數(shù)如何調(diào)整。經(jīng)過多次調(diào)整，穩(wěn)定性滿足要求后，參數(shù)整定結(jié)束。整個(gè)調(diào)試過程是模擬人腦的決策方式，讓控制系統(tǒng)實(shí)現(xiàn)智能化。

BP神經(jīng)網(wǎng)絡(luò)傳遞函數(shù)采用tansig函數(shù)，結(jié)構(gòu)如圖2所示，采用了4-5-3的網(wǎng)絡(luò)結(jié)構(gòu)，其中輸入層為設(shè)定速度、上升時(shí)間、超調(diào)量和調(diào)節(jié)時(shí)間，輸出層為ΔKp、ΔTi、ΔTd，分別為比例分量、積分時(shí)間、微分時(shí)間的單次調(diào)整增量。這種網(wǎng)絡(luò)結(jié)構(gòu)依據(jù)的是上文討論的參數(shù)整定方式給出的結(jié)構(gòu)，即觀察性能指標(biāo)對(duì)參數(shù)做出調(diào)整，依據(jù)PID參數(shù)調(diào)試的規(guī)則，模擬人腦在調(diào)試PID控制器時(shí)的行為方式。神經(jīng)網(wǎng)絡(luò)經(jīng)過多次運(yùn)行進(jìn)行參數(shù)調(diào)整，直到性能指標(biāo)達(dá)到要求，參數(shù)無需進(jìn)行調(diào)整為止[2]。

本文提出的方案，是讓BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)PID參數(shù)調(diào)試的規(guī)則，模仿人腦的工作方式進(jìn)行參數(shù)的整定。這種方案訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)，在參數(shù)整定過程中，根據(jù)性能指標(biāo)進(jìn)行參數(shù)調(diào)整，不會(huì)受到被控對(duì)象模型的約束，理論上能夠應(yīng)用于各種模型的PID控制器的參數(shù)整定，使用范圍極大地增加[3][4]。

3 數(shù)據(jù)收集與網(wǎng)絡(luò)訓(xùn)練

為了能夠讓神經(jīng)網(wǎng)絡(luò)能夠?qū)W習(xí)PID參數(shù)調(diào)試的策略，就需要用能夠表現(xiàn)出性能指標(biāo)與參數(shù)之間動(dòng)態(tài)關(guān)系的數(shù)據(jù)來訓(xùn)練網(wǎng)絡(luò)。這就需要在PID控制器從初始參數(shù)調(diào)試到最佳參數(shù)組合的過程中，收集訓(xùn)練數(shù)據(jù)。表2為收集到的部分?jǐn)?shù)據(jù)。

圖1：神經(jīng)網(wǎng)絡(luò)PID控制流程圖

表1：性能指標(biāo)與參數(shù)之間的關(guān)系

表2：性能指標(biāo)與參數(shù)之間的關(guān)系

表3：參數(shù)修正時(shí)網(wǎng)絡(luò)輸入層和輸出層的變化情況

圖2：BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

隨機(jī)選取數(shù)據(jù)的70%作為訓(xùn)練集，剩余30%作為測(cè)試集。訓(xùn)練數(shù)據(jù)處理的代碼在Matlab中編寫。創(chuàng)建BP神經(jīng)網(wǎng)絡(luò)后，設(shè)置隱含層的層數(shù)為5，設(shè)置學(xué)習(xí)率為0.01后，開始進(jìn)行訓(xùn)練，在Matlab中創(chuàng)建神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)結(jié)構(gòu)為4-5-3。經(jīng)過52次迭代之后，網(wǎng)絡(luò)訓(xùn)練完成。之后進(jìn)行仿真驗(yàn)證，對(duì)結(jié)果進(jìn)行統(tǒng)計(jì)后ΔKp、ΔTi、ΔTd的平均誤差為1.73%、4.12%、9.83%。

4 運(yùn)行測(cè)試

金屬擠壓機(jī)作為重型機(jī)械，設(shè)備模型復(fù)雜，經(jīng)歷了長(zhǎng)期的運(yùn)行后，器件磨損和工況改變，造成了設(shè)備的模型發(fā)生了的變化。設(shè)備調(diào)試初期整定的PID參數(shù)不再適用于當(dāng)下的狀態(tài)，造成被控對(duì)象穩(wěn)定性下降。此時(shí)就需要對(duì)參數(shù)進(jìn)行調(diào)整，以此來提高控制的穩(wěn)定。

本文選擇了一臺(tái)運(yùn)行穩(wěn)定性較差的25MN鋁擠壓機(jī)進(jìn)行測(cè)試。此時(shí)設(shè)備的性能指標(biāo)分別為上升時(shí)間2.5s、超調(diào)量47.11%、調(diào)節(jié)時(shí)間9.4s，已經(jīng)超過了上升時(shí)間小于2s、超調(diào)量小于20%、調(diào)節(jié)時(shí)間小于7s的要求。當(dāng)前PID控制器的參數(shù)為Kp=2.0、Ti=25.0、Td=1.2。在啟動(dòng)設(shè)備后，開始了對(duì)PID參數(shù)的調(diào)整。表3記錄了BP神經(jīng)網(wǎng)絡(luò)對(duì)PID參數(shù)的整定過程中，各個(gè)數(shù)據(jù)的變化。在經(jīng)歷了6次的調(diào)整之后，性能指標(biāo)已經(jīng)變成上升時(shí)間為1.9s、超調(diào)量為18.22%、調(diào)節(jié)時(shí)間為6.6s，符合了穩(wěn)定性要求。第6次參數(shù)調(diào)整量趨近于0，表示當(dāng)下性能指標(biāo)下PID參數(shù)已經(jīng)無需調(diào)整。調(diào)整后的參數(shù)Kp=3.5383、Ti=19.9501、Td=2.0205。調(diào)整后的參數(shù)使得系統(tǒng)的穩(wěn)定性得以提高，PID參數(shù)整定的應(yīng)用結(jié)果，達(dá)到了設(shè)計(jì)要求。

5 結(jié)語

本文的方案主要?jiǎng)?chuàng)新點(diǎn)在于，將性能指標(biāo)和參數(shù)的單次調(diào)整量作為神經(jīng)網(wǎng)絡(luò)的輸入層和輸出層，訓(xùn)練數(shù)據(jù)是人工整定PID參數(shù)的過程中收集的，等同于讓神經(jīng)網(wǎng)絡(luò)跟隨工程人員學(xué)習(xí)PID調(diào)試的規(guī)則以及人工調(diào)試的經(jīng)驗(yàn)。這樣訓(xùn)練完成的網(wǎng)絡(luò)，不再受到控制模型的約束，適用的范圍大幅增加，當(dāng)穩(wěn)定性不達(dá)標(biāo)時(shí)，投入到整定PID參數(shù)的過程中，實(shí)現(xiàn)控制系統(tǒng)的智能化。