专利名称：Rbf神经网络整定pid与模糊免疫控制方法
技术领域：
本发明涉及一种智能控制技术，特别涉及一种用于串级控制系统的RBF神经网络整定PID与模糊免疫控制方法。
背景技术：
PID(Proportion Integration Differentiation，比例-积分-微分)控制器作为最早实用化的控制器已有50多年历史，现在仍然是应用最广泛的工业控制器。PID控制器简单易懂，使用中不需精确的系统模型等先决条件，因而成为应用最为广泛的控制器。但是，PID在控制非线性、时变、耦合及参数和结构不确定的复杂过程时，工作效果不理想。最重要的是，如果PID控制器不能控制复杂过程，无论怎么调参数都没用。
串级控制系统是由主、副两个控制器串接工作，如图1串级控制结构框图所示。其中，W1(s)为惰性区传递函数；W2(s)为导前区传递函数；PI为内回路比例-积分控制器；PID为外回路比例-积分-微分控制器；d1为输出测量干扰；d2为控制量干扰；rin为给定值；yout为输出测量值。主控制器的输出作为副控制器的给定值，副控制器的输出去操纵控制实际对象，以实现对变量的定值控制。串级控制系统的目的是为了更好地稳定主变量，使之等于给定值，而主变量就是主回路的输出，所以说主回路是定值控制系统。副回路的输出是副变量，副回路的给定值是主控制器的输出，所以在串级控制系统中，副变量不是要求不变的，而是要求随主控制器的输出变化而变化，因此是一个随动控制系统。串级控制系统的目的是为了高精度地稳定主变量，对主变量要求较高，一般不允许有余差，所以主控制器一般选择PI控制规律，当对象滞后较大时，也可引入适当的微分作用。串级控制系统中对副变量的要求不严。在控制过程中，副变量是不断跟随主控制器的输出变化而变化的，所以副控制器一般采用P比例控制规律就行了，必要时引入适当的积分作用，而微分作用一般是不需要的。当负荷在整定值附近时，结果较好。但当在其他负荷情况下，控制性能就较差了，甚至要从自动控制切换到手动调节。
发明内容
本发明是针对串级控制系统PID在控制非线性、时变、耦合及参数和结构不确定的复杂过程时，工作效果不理想的问题，提出了一种RBF神经网络整定PID与模糊免疫控制方法，将RBF神经网络、免疫调节机理和常规PID控制系统有机的结合，具有良好的控制效果和较高的鲁棒性。
本发明的技术方案为一种RBF神经网络整定PID与模糊免疫控制方法，其特征在于，包括如下具体步骤 1)RBF神经网络整定PID控制 A)RBF神经网络整定的PID输入/输出RBF神经网络的输入为误差e和系统输出测量值yout，RBF神经网络计算输出kp，ki，kd，kp，ki，kd值输入PID控制器进行计算后，输出变量u1； B)设定RBF神经网络参数输入向量X；径向基向量为H；网络的中心矢量C；网络的基宽向量为B；权向量为W；网络的学习速率为η；动量因子为α；Δkp，Δki，Δkd的学习速率ηp，ηi，ηd； C)设定神经网络整定指标error(k)表示第k时刻的输出测量值与输入值之间的偏差； D)确定PID三项输入 xc(1)＝error(k)-error(k-1) xc(2)＝error(k) xc(3)＝error(k)-2error(k-1)+error(k-2)； kp，ki，kd的调整采用梯度下降法 其中ηp，ηi，ηd分别为Δkp，Δki，Δkd的学习速率， kp＝kp-1+Δkp ki＝ki-1+Δki kd＝kd-1+Δkd E)计算控制器输出变量u1，u(k)＝u(k-1)+kpxc(1)+kixc(2)+kdxc(3)； 2)模糊免疫控制 1)模糊免疫控制的输入/输出模糊免疫控制的输入变量为内回路RBF神经网络整定PID控制输出的误差e2及其变化率de2/dt；模糊免疫控制输出变量为f(x)；控制系统总输出为u2； 2)设计模糊免疫控制输入输出的隶属度函数； 3)总结模糊免疫控制规则根据T细胞反馈调节原理，总结出模糊免疫控制规则； 4)根据细胞受到的刺激来类比其中的控制规律，求得ku＝K(1-τ·f(x))，其中K为控制反应速度，τ为控制稳定效果，f(x)为一个选定的非线性函数； 5)根据ku，得到控制系统总输出u2，u2＝ku·e2。
本发明的有益效果在于本发明RBF神经网络整定PID与模糊免疫控制方法，运用到串级控制系统中，使得系统在过渡过程中几乎没有超调量，系统更稳定。
图1为串级控制结构框图； 图2为RBF神经网络结构图； 图3为本发明RBF神经网络整定PID与模糊免疫控制框图； 图4为本发明偏差与偏差变化率的隶属度函数图； 图5为本发明输出f(x)的隶属度函数图； 图6为本发明单位阶跃响应曲线图； 图7为本发明系统干扰响应曲线图。
具体实施例方式 随着专家系统、模糊控制、神经网络等智能控制理论的发展，形成了多种智能控制与PID控制相结合的智能PID控制策略。由于神经网络具有自组织、自学习、自适应的能力，基于神经网络的控制已成为智能控制中最重要的一种方式。RBF(Radial Basis Function，径向基函数，以下简称RBF)神经网络具有可以逼近任意非线性映射的能力，而且网络结构简单，其输出的连接权值与输出呈线性关系，可采用保证全局最优的线性优化算法，因而成为研究的热点。
RBF神经网络是具有单隐层的三层前馈网络。由于其模拟了人脑中局部调整、相互覆盖接收域的神经网络结构。因此，RBF网络是一种局部逼近网络，其能以任意精度逼近任意连续函数。
RBF网络是一种三层前向网络，由输入到输出的映射是非线性的，而隐含层空间到输出空间的映射是线性的，从而大大加快了学习速度并避免局部极小问题。RBF网络结构如图2所示。
在RBF网络结构中，X＝[x1，x2，Λ xn]T，为网络的输入向量。设RBF网络的径向基向量H＝[h1，h2，Λ hj Λ hm]T，其中hj为高斯基函数 网络的第j个结点的中心矢量为Cj＝[cj1，cj2 Λ cji Λ cjn]T，其中，i＝1，2，Λn 设网络的基宽向量为B＝[b1，b2ΛΛbm]T，bj为节点j的基宽度参数，且为大于零的数。网络的权向量为W＝[w1，w2ΛwjΛwm]T (2) 辨识网络的输出为ym(k)＝w1h1+w2h2+Λwmhm (3) 辨识器的性能指标函数为 根据梯度下降法，输出权、节点中心及节点基宽参数的迭代算法如下 wj(k)＝wj(k-1)+η(yout(k)-ym(k))hj+α(wj(k-1)-wj(k-2))(5) bj(k)＝bj(k-1)+ηΔbj+α(bj(k-1)-bj(k-2)) (7) cji(k)＝cji(k-1)+ηΔcji+α(cji(k-1)-cji(k-2))(9) 式中，η为学习速率，α为动量因子。
Jacobian阵(即为对象的输出对控制输入的灵敏度信息)算法为 式中，x1＝u(k) RBF网络PID整定PID三项输入为 xc(1)＝error(k)-error(k-1)(11) xc(2)＝error(k) (12) xc(3)＝error(k)-2error(k-1)+error(k-2)(13) 式中，error(k)表示第k时刻的输出测量值与输入值之间的偏差。
控制算法为 u(k)＝u(k-1)+kpxc(1)+kixc(2)+kdxc(3) (14) 神经网络整定指标为 kp，ki，kd的调整采用梯度下降法 式中，
为被控对象的Jacobian信息，可通过神经网络的辨识而得；ηp，ηi，ηd分别为Δkp，Δki，Δkd的学习速率。
因此， kp＝kp-1+Δkp(19) ki＝ki-1+Δki(20) kd＝kd-1+Δkd(21) 人工免疫系统是模仿自然免疫功能的一种智能方法，通过生物体对外界物质的自然防御的机理和噪声忍耐、无教师学习、自组织等进化学习技术，为解决各种工程问题提供了新的方法。模糊免疫控制器是借鉴生物系统的免疫机理而设计出的一种非线性控制器，其具有良好的控制效果和较高的鲁棒性。
免疫系统是生物体的一种特性生理反应。生物的免疫系统对于外来侵犯的抗原，可产生相应的抗体来抵御，抗原和抗体结合后，会产生一系列的反应，通过吞噬作用或产生特殊酶的作用来毁坏抗原。生物的免疫系统由淋巴细胞和抗体分子组成，淋巴细胞又由胸腺产生的T细胞(分别为辅助细胞TH和抑制细胞TS)和骨髓产生的B细胞组成。当抗原侵入机体并经周围细胞消化后，将信息传递给T细胞，即传递给TH细胞和TS细胞，然后刺激B细胞。B细胞产生抗体以消除抗原。当抗原较多时，机体内的TH细胞也较多，而TS细胞却较少，从而会产生较多的B细胞。随着抗原的减少，体内的TS细胞增多，其抑制了TH细胞的产生，则B细胞也随着减少。经过一段时间间隔后，免疫反馈系统便趋于平衡。抑制机理和主反馈机理之间的相互协作，是通过免疫反馈机理对抗原的快速反应和稳定免疫系统完成的。
免疫系统虽然十分复杂，但其抗原的自适应能力却是十分明显的。生物信息系统的这些智能行为，为科学和工程领域提供了各种理论参考和技术方法。基于上述T细胞反馈调节原理，提出模糊免疫控制器定义第k代的抗原数量为ε(k)，由抗原刺激的TH细胞的输出为TH(k)，TS细胞对B细胞的影响为TS(k)，则B细胞接受的总刺激为S(k)＝TH(k)-TS(k)(22) 式中，TH(k)＝k1ε(k)，TS(k)＝k2f(ΔS(k))ε(k)，k1，k2为系数。
假设杀伤T细胞的量由B细胞活动微分给出，则杀伤T细胞的ukill(k)量为ukill(k)＝k1ε(k)-k2f(Δukill(k))ε(k)＝K(1-τ·f(Δukill(k)))ε(k)＝kuε(k) (23)式(23)即免疫反馈规则。
设f(Δukill(k))为f(x)，为一选定的非线性函数。若定义为 f(x)＝1-exp(-x/a) (24) 其中a＞0，为可以改变函数形式的参数。当a越大f(x)的曲线越平缓，对所有的x，均有f(x)∈
。
根据细胞受到的刺激来类比其中的控制规律，得到 ku＝K(1-τ·f(x)) (25) 其中K为控制反应速度，τ为控制稳定效果，f(·)为一个选定的非线性函数，用来表示细胞抑制能力的大小。
模糊免疫控制器的输入为内回路的偏差e2和偏差变化率de2/dt(记为ec2)，输出为非线性函数f(x)的值。
模糊免疫控制的参数调整规则按照“细胞接受刺激越大，则抑制能力越小”及“细胞接受刺激越小，则抑制能力越大”的原则确定调整规则。
控制系统总输出为u2＝ku·e2 (26) 针对串级控制系统主、副回路的设计要求，将RBF神经网络、免疫调节机理和常规PID控制系统有机的结合，设计了一种RBF整定PID与模糊免疫控制系统。RBF神经网络整定PID与模糊免疫控制结构如图3所示，主回路采用RBF神经网络整定的PID控制，RBF神经网络的输入为误差e和输出测量值yout，通过计算得出kp，ki，kd，输入至PID控制器进行计算；副回路采用模糊免疫控制器，模糊免疫控制器以误差e2及其变化率作为输入，输出为一非线性函数f(x)，然后经过免疫计算用于控制副回路。
控制器设计包括两部分主回路控制设计以及副回路控制设计。
主回路RBF神经网络整定PID控制器设计步骤如下 1)RBF整定的PID控制器输入/输出RBF神经网络的输入为误差e和输出测量值yout，通过计算得出kp，ki，kd，输入至PID控制器进行计算后，输出变量是u1； 2)设定RBF神经网络参数输入向量X；径向基向量为H；网络的中心矢量C；网络的基宽向量为B；权向量为W；网络的学习速率为η；动量因子为α；Δkp，Δki，Δkd的学习速率ηp，ηi，ηd； 3)设定神经网络整定指标E； 4)确定PID三项输入xc(1)，xc(2)，xc(3)；kp，ki，kd的调整采用梯度下降法； 5)计算控制器输出变量u1。
副回路模糊免疫控制器设计步骤如下 1)模糊免疫控制器的输入/输出模糊免疫控制器的输入变量为内回路的误差e2及其变化率；模糊免疫控制器输出变量为f(x)；控制系统总输出为u2； 2)设计模糊免疫控制器输入输出的隶属度函数； 3)总结模糊免疫控制规则根据T细胞反馈调节原理，总结出模糊免疫控制规则； 4)根据细胞受到的刺激来类比其中的控制规律，求得ku； 5)根据ki，得到控制系统总输出u2，u2＝ku·e2。
在锅炉蒸汽温度自动控制系统中，过热蒸汽温度是锅炉运行质量的重要指标之一，过热蒸汽温度过高或过低都会显著的影响电厂的安全性和经济性。过热蒸汽温度过高，可能造成过热器、蒸汽管道和汽轮机的高压部分金属损坏，因而过热汽温的上限一般不应超过额定值5℃。过热蒸汽温度过低，又会降低全厂的热效率并影响汽轮机的安全经济运行，因而过热汽温的下限一般不低于额定值10℃。过热汽温的额定值通常在500℃以上，例如高压锅炉一般为540℃，就是说要使过热汽温保持在540℃的范围内。在电厂中主要采用串级控制系统和导前微分控制系统来实现。采用常规PID串级控制方法难以获得满意的控制效果。对于锅炉过热汽温这类具有大惯性的对象，采用常规的PID调节器，在工作点附近的小范围内，由于其动态特性近似于线性，有可能控制得较好；但当大范围改变给定值或受外界环境(包括工况)太大扰动时，就需要即时修正PID参数，否则将达不到控制要求。
目前，绝大多数火电厂过热汽温采用图1所示的串级控制方案。以某电厂过热汽温为例，其导前区传递函数为其惰性区传递函数为 主回路RBF整定PID控制器设计步骤如下 1)RBF整定的PID控制器输入/输出RBF整定PID的输入变量是误差e和输出测量值yout；控制器输出变量是u1； 2)设定RBF神经网络参数输入向量X＝
T；径向基向量为H＝
T；网络的中心矢量网络的基宽向量为B＝40*[1，1，1，1，1，1]T；权向量为W＝10*[1，1，1，1，1，1]T；网络的学习速率为η＝0.25；动量因子为α＝0.05；学习速率ηp＝0.2；ηi＝0.2；ηd＝0.2； 3)设定神经网络整定指标E， 4)确定PID三项输入xc＝
T；kp，ki，kd的调整采用梯度下降法； 5)计算控制器输出变量u1，u1(k)＝u(k-1)+kpxc(1)+kixc(2)+kdxc(3)。
副回路模糊免疫控制器设计步骤如下 1)模糊免疫控制器的输入/输出模糊免疫控制器的输入变量为内回路的误差e2及其变化率；模糊免疫控制器输出变量为f(x)；控制系统总输出为u2； 2)设计模糊免疫控制器输入输出的隶属度函数。偏差e2与偏差的变化率ec2的论域均为[-1，1]，输出的论域为[-1，1]。每个输入变量的模糊集均为{N，P}，输出变量的模糊集为{N，Z，P}。偏差，偏差变化率的隶属度函数如图4所示；输出f(x)的隶属度函数如图5所示。
3)总结模糊免疫控制规则根据T细胞反馈调节原理，总结出模糊免疫控制规则， If e2 and ec2 are big，then f(·)is small； If e2 is big and ec2 is small，then f(·)is zero； If e2 is small and ec2 is big，then f(·)is zero； If e2 and ec2 are small，then f(·)is big. 4)根据细胞受到的刺激来类比其中的控制规律，求得ku＝K(1-τ·f(x))，其中，控制反应速度K＝7.55；控制稳定效果τ＝0.1。； 5)根据ku，得到控制系统总输出u2＝ku·e2。
通过对传统PID控制器、RBF整定PID与模糊免疫控制器的仿真，得到如下控制曲线如图6所示。
由图6可知，当输入为单位阶跃时，传统PID的过渡过程时间为300s，且有8％的超调量；而RBF整定PID模糊免疫控制方法过渡过程时间仅为200s，几乎没有超调量，系统更稳定。
图7为传统PID控制器、RBF整定PID与模糊免疫控制器在系统加入单位阶跃扰动后的特性曲线。由图7可知，传统的PID控制的超调量为13％，且过渡过程时间为320s；而新算法的超调量为8％，过渡过程时间为250s。
权利要求
1.一种RBF神经网络整定PID与模糊免疫控制方法，其特征在于，包括如下具体步骤
1)RBF神经网络整定PID控制
A)RBF神经网络整定的PID输入/输出RBF神经网络的输入为误差e和系统输出测量值yout，RBF神经网络计算输出kp，ki，kd，kp，ki，kd值输入PID控制器进行计算后，输出变量u1；
B)设定RBF神经网络参数输入向量X；径向基向量为H；网络的中心矢量C；网络的基宽向量为B；权向量为W；网络的学习速率为η；动量因子为α；Δkp，Δki，Δkd的学习速率ηp，ηi，ηd；
C)设定神经网络整定指标error(k)表示第k时刻的输出测量值与输入值之间的偏差；
D)确定PID三项输入
xc(1)＝error(k)-error(k-1)
xc(2)＝error(k)
xc(3)＝error(k)-2error(k-1)+error(k-2)；
kp，ki，kd的调整采用梯度下降法
其中ηp，ηi，ηd分别为Δkp，Δki，Δkd的学习速率，
kp＝kp-1+Δkp
ki＝ki-1+Δki
kd＝kd-1+Δkd
E)计算控制器输出变量u1，u(k)＝u(k-1)+kpxc(1)+kixc(2)+kdxc(3)；
2)模糊免疫控制
1)模糊免疫控制的输入/输出模糊免疫控制的输入变量为内回路RBF神经网络整定PID控制输出的误差e2及其变化率de2/dt；模糊免疫控制输出变量为f(x)；控制系统总输出为u2；
2)设计模糊免疫控制输入输出的隶属度函数；
3)总结模糊免疫控制规则根据T细胞反馈调节原理，总结出模糊免疫控制规则；
4)根据细胞受到的刺激来类比其中的控制规律，求得ku＝K(1-τ·f(x))，其中K为控制反应速度，τ为控制稳定效果，f(x)为一个选定的非线性函数；
5)根据ku，得到控制系统总输出u2，u2＝ku·e2。
全文摘要
本发明涉及一种RBF神经网络整定PID与模糊免疫控制方法，主回路采用RBF神经网络整定的PID控制，RBF神经网络的输入为误差e和输出测量值yout，通过计算得出kp，ki，kd，输入至PID控制进行计算后输出变量u1；副回路采用模糊免疫控制，模糊免疫控制以PID控制输出的误差e2及其变化率作为输入，输出为一非线性函数f(x)，然后经过免疫计算用于控制副回路，此控制运用到串级控制系统中，使得系统在过渡过程中几乎没有超调量，系统更稳定。
文档编号G05B13/02GK101763035SQ20091019871
公开日2010年6月30日 申请日期2009年11月13日 优先权日2009年11月13日
发明者薛阳, 严振杰, 叶建华, 钱虹, 杨旭红 申请人:上海电力学院