神经网络在双容水箱液位控制系统中的应用.doc

该【神经网络在双容水箱液位控制系统中的应用 】是由【书犹药也】上传分享，文档一共【40】页，该文档可以免费在线阅读，需要了解更多关于【神经网络在双容水箱液位控制系统中的应用 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。神经网络在双容水箱液位控制系统中的应用
摘要本文重要简介了神经网络在双容水箱液位控制系统中的应用。将老式的控制措施、神经网络控制措施和神经网络控制措施进行对比,通过对动态性能指标的分析可以得出神经网络控制在双容水箱液位控制系统中可获得较好的控制效果这一结论。液位控制系统是典型的大滞后、非线性、强耦合的复杂控制系统。随着现代工业的发展,在某些化学工业以及能源产业越来越多的应用到液位控制系统。神经网络控制技术作为控制领域的一种分支学科为解决复杂的具有非线性特点或是不拟定、不确知的系统开辟了一条崭新的途径。本文一方面对双容水箱液位控制系统的应用及其常用控制方案进行了简介,根据其构造图建立数学模型,得到传递函数。根据它的传递函数,建立一般控制器、神经网络控制器和神经网络的控制器,对控制方案进行模拟及仿真获得数据比较分析后得出三种控制措施中神经网络控制在双容水箱液位控制系统中可获得较好控制效果的结论。
核心字双容水箱,控制器,神经网络,神经网络控制器
ABSTRACT
Theapplicationoftheneuralnetworkcontroltheorytothedual-,neuralnetworkcontrollerandneuralnetworkcontroller,cometosomeadvantagetheneuralnetworkcontrollerinthecontrol
thedual--delay,non-,,ithasopenedupanewwaytosolvetheproblemofcomplexnon-linear,uncertain,-tankwaterlevelcontrolsystemandthemethodofcontrolit,,theauthorestablishesordinarycontroller,,,thispaperwillreachtheconclusionthat,inthreecontrolmethods,neuralnetworkcontrolhasthesuperiorityinthedual-tankwaterlevelcontrolsystem.
KeyWords:Dual-tankwater,controller,neuralnetwork,Neuralnetworkcontroller
目录
1
1
2
3
3
4
5
5
6
7
11
13
19
19
22
28
30
31
参照文献 33
附录 34
致谢 35

双容水箱液位控制就是一种典型的大滞后、非线性、强耦合的复杂控制系统。而液位控制作为过程控制系统中的一类重要控制系统在现代工业中已经占有越来越重要的位置,采用老式控制的措施已经难以满足现代工业对控制措施迅速性、精确性的规定。本文一方面简介了双容水箱液位控制系统数学模型的建立、拟定其传递函数并采用三种措施对该系统进行控制,分别为老式控制器、神经网络控制器和神经网络控制器,并对其进行仿真获得成果曲线比较后从而得出神经网络控制理论在双容水箱液位控制系统中的具有优势的结论。本次毕业设计着重讨论了神经网络控制器中各个神经元权值及阈值的调节,根据神经网络具有自学****的能力为指引思想通过多次训练神经网络使其达到最优的控制效果。本文共分为五个章节,第一章重要简介了双容水箱的实际应用及其常用的控制措施;第二章着重简介双容水箱的特点及其数学模型的建立;第三章列举了神经网络有关的理论知识;第四章是总体设方案以及成果的仿真与比较;第五章为本论文的总结。

在工业生产实际中,液位控制系统是使用频率较高的控制系统之一。双容水箱液位控制系统是典型大滞后系统并且还具有非线性、强耦合等特点,控制理论研究人员觉得其特别地适合于对多种控制算法的研究以及理论实现。其中双容水箱在船舶工业过程控制系统中得到了越来越多的应用,实现对双容水箱的自动控制是想要真正实现无人机舱操作首要解决的问题,对工业的无人操作也具有重大的里程碑的意义
。同步,在某些化工产业和能源工业中,也在非常普遍的应用了可以提炼为双容水箱模型的液体反映罐。因此,许多智能控制理论研究人员始终将双容水箱液位控制系统视为典型的研究对象,不断尝试多种新的控制方案,不断摸索智能控制在多种不同类型的控制系统中的应用以获得更好的控制效果。

生产实践中对水箱液位控制的方式有诸多种,但随着水箱数目的增长,精确、迅速地控制水箱液位已经成为控制领域的一项挑战。因此人们更加热衷于对其稳定性和迅速性以及如何更好的克服由于其的容量滞后而引起的反映滞后时间的研究。在其控制措施中最普遍的有三种控制措施:
线性理论控制措施
一方面将非线性的双容水箱液位控制系统的模型进行近似线性化的解决,以获得近似的线性可控模型,然后在使用多种已有的线性的控制器对其进行控制,或者运用优化的控制算法进行控制。
(2)预测控制
预测控制是优化控制算法,它关怀的是模块的功能是一种非持续的控制方式。预测控制、变构造控制和自适应控制在理论研究时均能获得有较好的控制效果,但是在实际应用时,由于它们的控制措施比较复并且实现的成本也比较高昂,因此始终没有在迅速变化的控制系统上实现。
人工神经网络控制
由于人工神经网络控制方案具有高效的自学****的能力,因此具有特别好的耐故障能力并且其总体解决能力也比较快。这特别适于非线性、大迟滞、强耦合的控制系统的实时控制和动态控制。


如上图所示,为双容水箱系统的原理框图。其中设上水箱的流入量为;上水箱初始液位高度为;上水箱底面积为即上水箱的容量系数;上水箱的流阻为;上水箱流入下水箱的流量为;下水箱初始液位为;下水箱底面积为;下水箱的流阻为;下水箱的流出量为。

根据各已经量,可知两个水箱的物料平衡方程式为:
(2-1)
式中各变量前加Δ符号表达增量。消去上式中间变量后可得
(2-2)
上式中,为上水箱的时间常数,;为下水箱的时间常数,;为对象的放大系数,。
这是一种二阶微分方程式。传递函数为
(2-3)
经查阅有关的学术研究论文及资料可得双容水箱的具体传递函数为
(2-4)
从图一分析可以得出,当控制阀门忽然加大开度,即流量
加一阶跃变化时,流体先通过上水箱再进入下水箱。由于多了一种容积,水位不是立即就有了变化而是在在一段时间后发生变化也就是说该系统的响应过程在时间上落后一步,响应曲线呈现S形,如图所示。
双容对象的特性就是当有扰动加入后,被控量没有立即就产生变化,而是要通过一段延迟时间后来响应速度才干达到最大,这段时间重要是由于被控对象容器数量的增长和各个器件之间存在着阻力而导致的,这段时间称为容量滞后时间。由于双容水箱容量滞后的存在,对调节过程影响很大,它就反映出了控制过程的不及时,控制措施的不精确等问题,对多种控制方案都是一种大的挑战,亟需控制理论研究人员的解决。


神经网络控制是一种旨在模仿人类大脑的神经中枢系统智能活动的控制方式,通过多种神经元和各神经元互相间连接权值的控制,初步实现了生物神经系统的部分控制的功能。从20世纪80年代起,人工神经网络逐渐引起了控制理论研究人员的关注,已经逐渐在人工智能、自动控制、机器人、信息解决等多种不易控制的领域内得到广泛应用。神经网络根据它的构造不相似在控制系统当中起的作用大体的可以提成四大类别:第一类是充当对象的模型即基于模型中的多种控制构造对象模型;第二类是充当控制器;第三类是起优化计算的作用;第四类是跟其她智能控制相结合构成多种多功能控制器。
人工神经网络近年来得到迅速发展,具有广大的应用前景,重要依赖于神经网络控制系统的明显长处。
神经网络的本质就是一种非线性控制系统。它可以实现任何形式的非线性映射,应用范畴十分广泛。
神经网络具有很强的信息综合能力。
神经网络的硬件实现越来越以便。

所谓网络就是误差反向传播神经网络的简称。误差反向传播算法简称算法。算法的基本思想就是神经网络自学****的过程是由输入信号的正向传播和误差的反向传播这两个过程构成的。信号正向传播的时候,输入的数据从输入层传入,通过隐层的各神经元解决后再将信号传送给输出层。如果网络的输出值与盼望输出值之间相差较大,那么就进入到误差反传阶段。所谓误差反传就是将误差信号以某种形式通过隐层反向传播至向输入层,并将这个误差信号作为修正每个神经元权值系数的根据。权值不断调节的过程,就是神经网络不断自学****训练的过程。

三层网络构造如图所示,所谓三层即涉及了输入层、隐层、和输出层。三层网络中输入向量;图中是为隐层神经元引入的阈值而设立的;输出层输出向量为,图中是为输出层神经元引入的阈值而设立的;中间层输出向量为;盼望输出向量为。各神经元间的权值用权值矩阵表达。
图3-1三层神经网络构造