专利名称：用神经元网络调节参数的pid控制温度仪表及其控制方法
技术领域：
本发明涉及一种温度控制仪表，特别是用神经元网络调节控制参数的温度仪 表及其控制方法。
技术背景温度控制仪表大量应用在生化箱、烤箱、培养箱的产品中。随着我国经济技 术发展，仪表将保持较为旺盛的市场需求，温度控制仪表市场逐渐由低端产品市 场向高端过渡，温度控制仪表设备正进一步向数字化、智能化方向发展。目前温度控制仪表算法多为PID算法、模糊控制算法等。PID算法在给定模 型下控制稳态性能好，能消除静差。但许多受控对象由于负荷变化、特征参数或 结构改变、环境温度变化等，在受控之前必需根据不同的受控体和环境，设置或 整定P、 I、 D参数，给使用者带来了极大的不便。模糊控制是利用人工智能的方 法将操作人员的调整经验作为知识存入计算机，建立模糊控制规则。利用系统输 出的误差及误差的变化趋势来消除系统误差。一般情况下，单一的模糊控制方法， 控制精度不会太高。神经元网络调节参数的PID方法在温度控制仪表中应用，神经元网络能解决 模型不确定性、非线性等，用传统方法难以解决的复杂系统的控制问题。PID算 法有比例控制环节、微分控制环节和积分控制环节，在确定模型下控制具有稳态 性能好，同时能消除静差。将神经元网络和PID控制两者结合起来，采用神经元 网络调节参数的PID方法，既具有神经元网络适应模型不确定性的优点，又有 PID控制的精度高和稳定性好特点。特别是应用于生化箱、烤箱'、培养箱等封闭 腔体的温度控制。 发明内容本发明要解决的技术问题是用神经元网络和PID方法相结合，形成神经元网 络调节参数的PID控制方法，应用于温度控制仪表中，使其达到适应性好、控制 精度高的目的。本发明采用以下技术方案实现上述目标用神经元网络调节参数的PID控制温度仪表，包括一个微处理器MCU，其一输入端接入模数转换、信号放大和传感器电路，微处理器MCU输出端接入显示电路、 驱动电路和执行机构，其特征在于在微处理器MCU内设有预测神经元网络、调 节PID参数的神经元网络、PID控制器、误差微分器及减法器；预测神经元网络的 输入端与受控对象的输出端和PID控制器的输出端相连接，预测神经元网络的输出端与调节PID参数的神经元网络的输入端相连接；调节PID参数的神经元网络的输入端与减法器的输出端相连接，误差微分器的输入端与减法器的输出端相连接，调节PID参数的神经元网络输出端与PID控制器的输入端相连接，PID控制器 的输入端与减法器和误差微分器的输出端相连接，PID控制器的输出端与预测神 经元网络和受控对象的输入端相连接。用神经元网络调节参数的PID温度控制方法，其特征包括以下步骤a、 在微处理器MCU内设定预测神经元网络、调节PID参数的神经元网络、 PID控制器、减法器和误差微分器；b、 向所述微处理器MCU输入设定温度r (k)和控制周期T;c、 所述的预测神经元网络根据测量温度y (k) 、 PID控制器输出的控制量 u (k)预测下一个控制周期的温度fy (k);d、 所述的调节PID参数的神经元网络依据由b步的设定温度r (k)，由c 步输出下一控制周期的预测温度fy (k)和前一控制周期的测量温度y (k)，进 行在线计算，输出比例系数Kp、积分系数Ki、微分系数Kd给所述的PID控制器；e、 所述的PID控制器通过计算并输出控制量u (k)去控制受控对象。所述的减法器为设在微处理器MCU内的设定温度与测量温度之差的计算模块。所述的误差微分器为设在微处理器MCU内的本次温度误差与前次温度误差 之差与控制周期的微分计算模块。温度控制仪表的神经元网络调节参数的PID温度控制方法是控制核心，它可 分为三部分1、 PID控制器。它根据设定r(k)与受控对象输出值y(k)构成控制误差e(k)= r(k)-y(k)和 前次误差e(k-l)作为输入，通过比例、积分和微分参数计算出控制输出量u(k)。 离散型PID控制过程表达式<formula>formula see original document page 6</formula>(1)其中Kp 比例系数Ki 积分系数 Kd 微分系数 e(k) 为第k次误差 e(k-l) 为前一次误差 u(k) 为第k次控制输出 T 控制周期 2、调节PID参数的神经元网络调节PID参数的神经元网络是一个3层BP网络，它能根据预测温度fy (k) 与设定温度r (k)的差e (k+l)、本次测量温度误差e (k)和前次测量温度误差e (k-1) 作为输入，输入为3个节点；输出为PID参数Kp、 Ki和Kd，输出为3个节点； 隐含层为3个节点。神经元网络的输入层的输入为0)"=力) y = 1，2，3神经元网络的隐含层的输入、输出为式中，《'为隐含层加权系数，上角标(1)、 (2)、 (3)分别代表输入层、隐 含层和输出层。隐含层神经元的活化函数取正负对称函数= ^-TTe + e网络输出层的输入输出为<formula>formula see original document page 6</formula>输出层节点分别对应三个可调参数、，0,。由于、，^,、不能为负，所以 输出层神经元的活化函数取非负的函数<formula>formula see original document page 7</formula>取性能目标函数为<formula>formula see original document page 7</formula>按梯度下降法修正网络的权系数，即按e(k)对加权系数的负梯度方向搜索 调整，并附加一个使搜索快速收敛全局极小的惯性项。 隐含层加权的学习算法-式中<formula>formula see original document page 7</formula>输出层加权系数的学习算法为<formula>formula see original document page 7</formula>) (it)<formula>formula see original document page 7</formula>式中H、 a分别为学习速率、惯性系数。 3、预测神经网络。预测神经网络是一个3层BP网络，和调节PID参数的神经元网络的计算过 程一样。以y(k)和u(k)为神经元网络输入，输出为预测温度值fy(k)。输出为 一个节点，隐含层为3个节点。取性能目标函数l会(洲-洲)2 (3)按梯度下降法修正网络的加权系数，即按入对加权系数的负梯度方向搜索调整。本发明是采用PID控制器、调节PID参数的神经元网络与预测神经网络相结合 的方法来控制受控对象。预测神经网络以其预测温度fy (k)和测量温度y a)的误差的平方作为性能目标函数厶来调节其网络连接的加权系数。调节PID参数的神经元网络则以设定温度r (k)与测量温度y (k)的误差的平方作为性能目标函数A算出调节PID参数的神经元网络的加权系数，自动调节PID控制器的3个参数Kp、 Ki和Kd，经PID控制器计算出控制量，作用于受控对象，从而使系统的输 出接近系统的给定值。实验表明，本控制系统能在线有效地计算出Kp、 Ki和Kd 参数，作用于PID控制器，使得的温度控制仪表的控制性能得到改善，控制精度 得到提高。本发明的有益效果是提高了温度控制仪表的控制性能。神经元网络调节参数 的PID控制方法具有预测下一时刻输出温度的功能，为调节PID参数的神经元网络 提供了温度变化趋势。利用目标函数作为评价指标，能在线优化Kp、 Ki和Kd参数， 提高了控制精度和智能化，为用户应用提供方便。上述技术方案设计的智能温度 控制仪，经国家权威部门的检测，检测结果达到了O. l级温度仪表的标准。
图l温度控制系统示意图；图2神经元网络调节参数的PID温度控制器结构示意图；图3温度控制仪表电路框图；图4调节PID参数的神经元网络结构示意图；图5预测神经网络结构示意图；图6调节PID参数的神经元网络程序流程框图；图7第k次PID运算程序框图；图8温度控制仪表电路原理图，其中8 — 1为电源部分电路图，8—2为控 制部分电路图，8—3为显示部分电路图。
具体实施方式
封闭腔体主要进行温度控制和时间调节以保持封闭腔体的恒温。图l.是封闭腔体的温度控制系统示意图。封闭腔体的热能由电热源产生， 热能在风机的作用下由风道送入腔体，在腔体的上端有温度测量洞，洞中有测量 传感器，测量腔体的温度。腔体的壳体有保温层，能防止热能的散失。传感器信 号经采样、放大、V/F转换、计算，接入温度控制仪表，温度控制仪表输出控制 量驱动加热源工作加热封闭腔体，使受控对象达到恒温的目的。图2是神经元网络调节参数的PID温度控制方法结构示意图，其包括减法 器l、微分器2、调节PID参数的神经元网络3、 PID控制器4、预测神经元网络 5和受控对象6。预测神经元网络5的输入端有PID控制器4输出的控制量u (k) 和测量温度y (k)，预测神经元网络5输出预测温度fy (k)和减法器1输出的 温度误差e (k)输给调节PID参数的神经元网络3，它的输出Kp、 Ki和Kd参数 和减法器1输出的温度误差e (k)及微分器2输出误差微分值，输入给PID控 制器4， PID控制器4输出控制量u(k)作用于受控对象6。图4和图5分别表示设在图2中的调节PID参数的神经元网络3和预测神经元网络5的结构示意图，分别由输入层j、隐含层i和输出层l组成。预测神经 元网络5输入层j输入u (k)和y (k)，输出层为fy (k)。调节PID参数的神 经元网络3，经辅助计算，分别输入e (k+l)和e (k)及e (k-l)，输出层输出 PID参数Kp、 Ki和Kd。图3.是温度控制仪表电路框图。它包括微处理器MCU8、传感器12、信 号放大电路IO、模数转换ll、显示电路14、键盘电路13、数据存储电路9、电 源7包括继电器或可控硅输出电路。通过对温度传感器输出检测信号，信号放大， 将这电压信号转换成频率信号(V/F)，经微处理器MCU采样。微处理器用软件对 采样的温度数值信号进行滤波和线性校准，可得到受控对象的检测温度，其中温 度传感器选用热电阻或热电偶。然后，将测得温度值作为输入，经预测神经元网 络和调节PID参数的神经元网络输出控制参数控制增量，送入执行机构驱动加热 源，对受控对象进行加热。这样构成一个闭环回路系统，控制受控对象的温度， 使受控对象的温度稳定在设定温度，达到控制目的。参看图8—2所示，微处理器8为图中的Ul:采用Microchip PIC16F76, 微处理器的主频为20MHz， Ul程序存储空间为服字节(14位)，192个字节的 RAM，采用3.6-6伏电压供电，Ul仅28各引脚，性价比高。传感器信号放大电 路，由运算放大器U3和U2A，外围电阻R33、 R24、 R28、 R29、 R34及电容C5组成，U3的正输入端连接传感器输出电阻R33， U3的输出端连接电阻R28后与U2A 的负输入端连接，U3的负输入端连接传感器的电阻R15和电阻R29与电容C5连 接，对传感器桥路的信号进行差动放大。模数转换电路包括V/F转换电路和多路 选择开关芯片U6。模拟量V转化为脉冲量F电路由运算放大器U2D、输入电阻 R30和电容C12相连组成信号反相跟踪。运算放大器U2C和连接其负端的电阻 R26、电容C10组成充放电电路，运算放大器U2B和三极管T5通过电阻R22连接 U3B的输出端和T5的基极及外围电阻R12、 R22、 R37、 R38、 R39、 R35和R25组 成比较电路，向U1申请中断。A/D转换有24位。U6是多路选择开关，用于选择 不同种类的传感器，如选用热电阻或热电偶。参看图8—3所示，仪表显示电路采用动态扫描方式工作，包括微处理器 Ul的引脚16、 17、 18作为数据输出与控制信号线2、 3、 4、 5和6作为位选择 线，移位寄存器U7的输出端分别与第一排共阳极显示模块LB1—LB4的输入端相 连，移位寄存器U8的输出端与第二排共阳极显示模块LB5—LB8的输入端相连， 三个信号指示灯LED1—LED3及5个段选择三极管T12—T16共同组成。微处理器 Ul的引脚16清零信号线、17数据线、18时钟线，显示数据在时钟线18的控制 下，Ul通过数据线17向U7、 U8移位寄存器发送数据，两个8位移位寄存器U7、 U8是串连，当移位寄存器接受16位数据后，向两排显示模块输出16位显示数 据。微处理器U1通过的引脚2、 3、 4、 5和6选择哪一组显示模块工作(共分5 组，LB1和LB5—组，LB2和LB6—组，LB3和LB7—组，LB5和LB8—组，LED1 一LED3 —组)，微处理器MCU引脚2与电阻R9相连，R9通过接插件Jl、 J2又与 段选择三极管T12相连，三极管T12与LB1和LB5的阳极相连，控制显示模块 LB1和LB5，其它组的工作过程类推。微处理器U1通过的引脚2、 3、 4、 5和6 选择哪一组显示模块工作，采用分时工作，使各组轮流显示。用4位的LED显示， 采用动态扫描循环技术，少占用U1弓I脚。键盘电路仪表有3个键，由MCU的 3个引脚检测，3个键通过复用能实现仪表的各种功能。数据存储电路9:由 24LC002EEPR0M，能存贮2k的数据，在仪表中，保存各种参数，如密码，校表 放大修正系数、温度校零参数等。输出驱动电路输出控制类型有继电器、可控 硅和固态继电器。图6.调节PID参数的神经元网络程序流程框图。 100更新误差101输入层赋值预测温度误差x(l)、本次温度误差x(2)和前次温度误差x(3)，作为输入 x(l)=e(k+l)， x(2)=e(k)， x(3)= e(k-l) 102计算神经元网络隐含层输出I (j) =x (1) *W" (j) +x (2) *Wi2 (j) +x (3) *Wi3 (j) j=l， 2, 3Oh (i) =aio+au*I (i) +ai2*I (i) *I (i) i=l, 2， 3其中Wu为加权系数 103计算神经元网络输出层输出K (m) =W。i (m) *0h (1) + W。2 (m) *0h (2) + W。3 (m) *0h (3) m=l， 2, 3Ko(n) =bi。+bii*K(n) +bi2*K(n) *K(n) n=l, 2， 3其中W。i为加权系数 104输出PID参数Kp、 Ki和KdKP=Ko(l)， Ki=K。(2)， Kd=K。(3) 105计算性能目标函数入=|(K""(")2 106修正隐含层网络系数Wu<formula>formula see original document page 11</formula>107修正输出层网络系数<formula>formula see original document page 11</formula>108更新隐含层和输出层网络加权系数通过神经元网络的自学习，不断地调整加权系数，使神经元网络输出最 优的PID控制参数。复杂函数运算处理。在所述温度传感器非线性校正和神经元网络中的复杂函数，如隐含层神经元 的活化函数6 +6微处理器计算函数/(;c)，无论从计算速度和内存容量都受到限制。在保证 误差精度的情况下，采用分段拟合成二次曲线来处理，将该曲线分段拟合成两段二次曲线。/2(x) = a20 + a21 x x + a22 x x2其中 为拟合系数 这样就降低了微处理器的计算量，提高了处理速度。微处理器MCU内PID控制实施方法将所述的PID控制器控制量u (k)计算式(1)式简化为适合微处理器运算递推的公式u(k)=aO*ENO+al*( ENO-EN1)+a2*SMPSMP=al* ( ENO-EN1)+a2*SMP其中。0,al,a2,系数，由PID参数、,Hr计算出ENO和EN1是本次输入误差e (k)和前次输入误差e (k-1) 图7.为第k次PID运算程序流程框图。 200 PID控制量计算程序 201判断PID参数、,nr是否新值 否202 调用原。(Ul,a2是 203由PID参数、,Hr计算a(Ul，a2新值 204更新温度误差EN2=EN1， EN1=EN0， ENO=e (k)205 u=aO*ENO206 pl=al*(ENO-EN1)207 P2=a2*SMP208 更新SMp SMP=pl+p2209 计算第k次u(k) u(k)=u+pl+p2210 判断u(k)是否大于O，小于l 当0<u(k)〈l时，例如u(k)=0. 7，此值表示控制量u(k)输出给受控对象使其在该控制周期70%的时间内处于加热状态，30%的时间内处于停止加热状态； 当u(k)〈0时，211 u(k)=0，此值表示控制量u(k)输出给受控对象使其在该控制周 期内一直处于停止加热状态；当u(k)〉1时，212 u(k)=l，此值表示控制量u(k)输出给受控对象使其在该控制周 期内一直处于加热状态；213 将210步计算出的控制量u(k)输出给受控对象。温度控制仪表软件还包括主程序，中断服务程序，显示程序，键盘控制程 序，传感器温度线性校正程序，采样数据滤波程序，超温度报警程序，EEPROM 数据写入程序，控制输出程序，控制量转化程序等。中断服务程序从程序地址04入口，进入中断后，判断是什么中断，中断 包括定时中断和V/F中断。定时中断，3ms中断一次，主要管理着时间子程序、 显示刷新子程序等。V/F中断，是通过MCU引脚P0RTB， 0申请完成的，MCU内部 进行计数，当PORTB,O产生中断，完成A/D—次，并读出计数器的数据，作为 AD转换值。显示程序包括正常显示、各参数输入显示，生产厂家校正显示，温度设定 显示等。键盘控制程序主要功能是扫描键盘，约20ms—次，检测到的按下不同键， 完成各种功能。KEY1键是功能键，该键能切换不同的功能；KEY2键是上升键， 调节数据的增加，KEY3是下降键，调节数据的减少。
权利要求
1、一种用神经元网络调节参数的PID控制温度仪表，包括一个微处理器MCU，其一输入端接入模数转换、信号放大和传感器电路，微处理器MCU输出端接入显示电路、驱动电路和执行机构，其特征在于在微处理器MCU内设有预测神经元网络、调节PID参数的神经元网络、PID控制器、误差微分器及减法器；预测神经元网络的输入端与受控对象的输出端和PID控制器的输出端相连接，预测神经元网络的输出端与调节PID参数的神经元网络的输入端相连接；调节PID参数的神经元网络的输入端与减法器的输出端相连接，误差微分器的输入端与减法器的输出端相连接，调节PID参数的神经元网络输出端与PID控制器的输入端相连接，PID控制器的输入端与减法器和误差微分器的输出端相连接，PID控制器的输出端与预测神经元网络和受控对象的输入端相连接。
2、 用神经元网络调节参数的PID温度控制方法，其特征包括以下步骤a、 在微处理器MCU内设定预测神经元网络、调节PID参数的神经元网络、 PID控制器、减法器和误差微分器；b、 向所述微处理器MCU输入设定温度r (k)和控制周期T;c、 所述的预领'J神经元网络根据测量温度y (k) 、 PID控制器输出的控制量 u (k)预测下一个控制周期的温度fy (k);d、 所述的调节PID参数的神经元网络依据由b步的设定温度r (k)，由c 步输出下一控制周期的预测温度fy (k)和前一控制周期的测量温度y (k)，进 行在线计算，输出比例系数Kp、积分系数Ki、微分系数Kd给所述的PID控制器；e、 所述的PID控制器通过计算并输出控制量u (k)去控制受控对象。
3、 根据权利要求2所述的用神经元网络调节参数的PID温度控制方法，其 特征是预测神经元网络(5)以其预测温度fy (k)和测量温度y (k)的误差的平方作为性能目标函数J2来调节网络连接的加权系数。
4、 根据权利要求2所述的用神经元网络调节参数的PID温度控制方法，其 特征是调节PID参数的神经元网络(3)以设定温度r (k)与测量温度y (k)的误差的平方作为性能目标函数Ji来调节网络连接的加权系数。
5、 根据权利要求2所述的用神经元网络调节参数的PID温度控制方法，其特征是将所述的PID控制器控制量表达式u (k)简化为微处理器MCU运行的递推公式u(k)=a0*EN0+al*( ENO-ENl)+a2*SMP SMP=al*( ENO-ENl)+a2*SMP其中"0，"l，a2系数，由PID参数/fcp,Hr计算出ENO和ENl是本次输入误差e (k)和前次输入误差e (k-1)。
全文摘要
一种用神经元网络调节参数的PID控制温度仪表及其控制方法，在该仪表的微处理器MCU内设有预测神经元网络、调节PID参数的神经元网络、PID控制器、误差微分器及减法器。向所述神经元网络输入设定温度和控制周期；所述的预测神经元网络根据测量温度、PID控制器输出的控制量预测下一控制周期的温度；所述的调节PID参数的神经元网络依据设定温度，预测温度和测量温度，进行在线计算，输出Kp、Ki、Kd给PID控制器；PID控制器通过计算并输出控制量去控制受控对象。本发明利用神经元网络的目标函数作为评价指标，在线学习、调节优化Kp、Ki和Kd控制参数，使控制温度不断趋近于设定温度，提高了智能化和控制精度。经国家权威部门的检测，检测结果达到了0.1级温度仪表的标准。
文档编号G05D23/19GK101216715SQ20081005925
公开日2008年7月9日 申请日期2008年1月11日 优先权日2008年1月11日
发明者石守东, 梅 郁, 马常旺 申请人:宁波大学