一种抑制轧机扭振的智能控制方法技术

一种抑制轧机扭振的智能控制方法，它包括以下步骤：(1)设计模糊PID控制器，并从中得到训练神经网络所需的数据样本集；(2)对神经网络进行训练，训练的过程就是调整模糊隶属度函数的过程，不断学习，直到得到PID的最佳参数；(3)对训练好的模糊-神经网络PID控制器进行仿真验证该方法的有效性。本发明专利技术结合了模糊控制和神经网络的各自优点，利用神经网络的自学习和自适应性，更新模糊控制的隶属度函数，实现PID三个参数根据实时的工作需求自我调整变化，最终达到最佳的控制效果。

【技术实现步骤摘要】

本专利技术属于冶金乳制领域，特别是提出了一种乳机的智能控制方法。
技术介绍
在研究乳机控制时，通常情况下把乳机按照一定的规则等效为一个质量弹簧系 统。当这个乳机系统电气部分的频率与机械部分的固有频率相同或接近时，就会形成机电 共振。这种共振对乳机是有危害的，是形成扭振的一个重要因素，为了避免这种现象的出 现，以前的研究人员会在原有的控制系统中加装一个滤波装置。这个滤波装置的作用就是 滤除掉电气系统中接近机械系统固有频率的那个频率，从而消除共振。但是，这种方法有个 问题，就是滤波环节是个滞后环节，这样就会影响系统的动态响应品质。 基于陷波滤波装置的乳机扭振抑制方法，虽然可以滤去乳机机械系统固有频率和 电气响应频率中引起共振频率，同时对乳机系统的动态品质不造成不良影响，但是这个陷 波滤波器只对一个频率起作用，对多个频率尤其是乳机中的变化频率无能为力。 基于扰动不变原理设计出的乳机状态观测器来实现扭振抑制的方法虽然可以解 决多变量控制问题。但是这种基于模型的观测器，对系统模型的依赖性太强。通常双闭环 控制环节都采用PI控制器，因此该控制器具有动作速度快，调整范围广等优点。但是它也 存在参数调整繁琐等缺点。
技术实现思路
本专利技术的目的是提供一种抑制乳机扭振的智能控制方法。本专利技术主要通过将神经 网络引入模糊PID控制器中得到模糊-神经网络PID控制系统，该系统是将偏差与偏差的 变化率输入到模糊神经网络中，根据预设的模糊规则控制器，输出对应于PID控制器的三 个可调参数K P、Kn KD，然后控制系统对控制结果进行评价并反馈到神经网络中，经网络通过 自学习与加权系数的调整，更新模糊控制的隶属度函数，直到输出最佳的PID控制参数，直 到最终达到最佳的控制状态，从而实现对乳机扭振最佳的实时的控制。 本专利技术的控制方法包括以下步骤： (1)设计模糊PID控制器，并从中得到训练神经网络所需的数据样本集。 a、确定模糊论域，本方法的模糊语言变量为：误差e和误差导数I，其论域值为 ，变量为，即负大、负中、负小、零、正小、正中、正大。隶属 度函数采用高斯型。？1〇三个参数心、1( 1、1(：)论域取，变量为邮，？5，？1，？8，？1^，即 零、正小、正中、正大、正最大； b、确定隶属度函数，本方法采用的隶属度函数是高斯型， C、确定模糊推理规则表； 表1模糊推理规则表 d、模糊推理，求解模糊关系方程产生相应的模糊矢量。本方法采用的是 Takagi-Sugeno 型推理； e、模糊结果精确化，本方法采用的是中位数法（bisector)，当z。= cf (z) μ Jz)满 足： 则取μ Jz)的中位数作为ζ的清晰量。 (2)对神经网络进行训练，不断学习，直到得到PID的最佳参数；神经网络的训练 是在matlab/anfisedit中进行的，网络类型选用的是BP网络，分为五层。 (3)对训练好的模糊-神经网络PID控制器进行仿真验证该方法的有效性。 在matlab/simulink中搭建的仿真系统，其中，模糊神经网络部分采用训练完成 的网络，通过编写S函数实现；乳机部分用乳机二质量系统。设在Os处加单位阶跃模拟乳 机的起振，在3s处突加单位阶跃模拟乳机扭振。 本专利技术与现有技术相比具有如下优点： 1、结合了模糊控制和神经网络的各自优点，利用神经网络的自学习和自适应性， 更新模糊控制的隶属度函数，实现PID三个参数根据实时的工作需求自我调整变化，并最 终达到最佳的控制效果。 2、调整时间短、收敛速度快，控制适用范围宽，参数调整简单、调整范围广、动态性 能良好。【附图说明】 图1是本专利技术模糊PID控制原理图。 图2是本专利技术模糊-神经网络PID控制器结构图。 图3是本专利技术神经网络学习过程中的数据加载界面图。 图4是本专利技术神经网络多次训练后误差曲线图。 图5是本专利技术神经网络检测和训练数据对比图。 图6是本专利技术训练前隶属度函数曲线图。 图7是本专利技术训练后隶属度函数曲线图。 图8是本专利技术经过学习后PID输出曲面图。 图9是基于模糊-神经网络PID的乳机扭振控制系统结构图。 图10是本专利技术连接轴扭矩在训练中均方根误差曲线图。 图11是本专利技术连接轴扭矩对比图。 图12是本专利技术乳辊转速在训练中均方根误差曲线图。 图13是本专利技术乳辊转速对比图。 具体施方式 下面结合附图对本专利技术做进一步说明： 一种抑制乳机扭振的智能控制方法包括以下步骤： (1)根据图1所示的模糊PID控制原理图设计模糊PID控制器，并从中得到训练神 经网络所需的数据样本集； (2)如图2所示，选用的神经网络是一个两入三出的五层BP网络。神经网络的训 练是在matlab/anfisedit中进行的，其中，图3为数据加载界面、图4为多次训练后的误差 曲线、图5为检测和训练数据对比图、图6和图7为训练前、后隶属度函数曲线图、图8为经 过学习后PID的输出曲面。经过不断的学习直到找到PID的最佳参数； (3)如图9所示，在Os处加单位阶跃模拟乳机的起振，在3s处突加单位阶跃模拟 乳机扭振，为了更清晰的显示模糊-神经网络PID的控制效果，本专利技术和传统的双闭环控制 系统进行对比，分别取连接轴扭矩和乳辊转速两个量进行比较。如图10所示，通过仿真得 到连接轴扭矩在训练中均方根误差曲线，从图中可以看出训练的过程不够平稳，出现波动， 收敛时间较慢；如图11所示，其上半部分是在双闭环控制系统中连接轴扭矩仿真曲线，下 半部分是在本专利技术神经网络-模糊PID控制系统中连接轴扭矩仿真曲线。对比上下两线 可以明显的看出，不论是在起振阶段还是在3s处突加单位阶跃负载的扭振阶段，下线振荡 的频率和幅度都比上线要小的多，并且下线更为平缓；乳辊转速在训练中均方根误差曲线， 如图12所示，可以看出采用本专利技术的控制方法，训练过程较平稳，并且收敛很快；如图13 所示，其上半部分是在双闭环控制系统中乳辊转速仿真曲线，下半部分是在本专利技术神经网 络-模糊PID控制系统中乳辊转速仿真曲线。可见，从起振的超调量到3s处突加单位阶跃 时的动态速降，下图都比较小，并且恢复时间也短。 综上所述，运用模糊-神经网络PID的方法对乳机扭振进行控制是有效的，并且比 双闭环控制的方法更为优秀。【主权项】1. 一种抑制乳机扭振的智能控制方法，其特征在于，它包括以下步骤： (1) 设计模糊PID控制器，并从中得到训练神经网络所需的数据样本集； (2) 对神经网络进行训练，不断学习，直到得到PID的最佳参数； (3) 对训练好的模糊-神经网络PID控制器进行仿真验证该方法的有效性。2. 根据权利要求1所述的抑制乳机扭振的智能控制方法，其特征在于：所述步骤（1) 中，设计模糊PID控制器，并从中得到训练神经网络所需的数据样本集；包括以下步骤， a、 确定模糊论域，本文的模糊语言变量为：误差e和误差导数e&，其论域值为， 变量为，即负大、负中、负小、零、正小、正中、正大。隶属度函数 采用高斯型。PID三个参数心、1(1、1(：)论域取，变量为邮，？3，？1，？8，？1^，即零、正小、 正中、正大、正最大； b、 确定隶属度函数，本文采用的隶属度函数是高斯型，c、 确定模糊推理规则表； 表1模糊推理规则表d、 模糊推理，求解本文档来自技高网...

【技术保护点】
一种抑制轧机扭振的智能控制方法，其特征在于，它包括以下步骤：(1)设计模糊PID控制器，并从中得到训练神经网络所需的数据样本集；(2)对神经网络进行训练，不断学习，直到得到PID的最佳参数；(3)对训练好的模糊‑神经网络PID控制器进行仿真验证该方法的有效性。

【技术特征摘要】

【专利技术属性】
技术研发人员：时培明，李冰洋，刘彬，刘浩然，韩东颖，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北;13