[发明专利]基于模糊神经网络和仿人智能控制的阀位控制方法

权利要求书

1.一种基于模糊神经网络和仿人智能控制的阀位控制方法，其特征在于，该阀位控制方法涉及的阀位控制系统包括智能阀门定位器、气动执行机构、阀门和位置传感器，其中智能阀门定位器包括比较器、模糊神经网络和仿人智能控制器；所述智能阀门定位器和气动执行结构单向气动连接，气动执行结构和阀门单向气动连接，阀门和位置传感器单向电连接，位置传感器和智能阀门定位器单向电连接；

所述阀位控制方法的步骤如下：

步骤1，设当前时刻为n，位置传感器在阀门处检测得到当前时刻阀门实际位置y_n，并将当前时刻阀门实际位置y_n传送到比较器中；

步骤2，比较器将当前时刻阀门实际位置y_n与当前时刻阀位给定值进行比较计算，得到当前时刻阀位偏差e_n和当前时刻阀位偏差变化率Δe_n，并将当前时刻阀位偏差e_n和当前时刻阀位偏差变化率Δe_n分别传送给模糊神经网络和仿人智能控制器；

当前时刻阀位偏差e_n和当前时刻阀位偏差变化率Δe_n的计算式如下：

Δe_n＝e_n-e_n-1

其中，e_n-1表示前一时刻阀位偏差；

步骤3，模糊神经网络接收到比较器发送的当前时刻阀位偏差e_n和当前时刻阀位偏差变化率Δe_n的信号后，将当前时刻阀位偏差e_n和当前时刻阀位偏差变化率Δe_n作为网络输入，通过训练好的模糊神经网络模型进行实时在线调整，得到以下网络输出信号：比例放大增益K_P、增益放大系数K₁、抑制系数K₂，模糊神经网络将上述网络输出信号传送给仿人智能控制器；

所述比例放大增益K_P的范围为：K_P＞0；所述增益放大系数K₁的范围为：K₁＞1；所述抑制系数K₂的范围为：0＜K₂＜1；

步骤4，仿人智能控制器接收到当前时刻阀位偏差e_n、当前时刻阀位偏差变化率Δe_n、比例放大增益K_P、增益放大系数K₁和抑制系数K₂的信号后，根据当前时刻阀位偏差e_n和当前时刻阀位偏差变化率Δe_n信号之间的关系进行判断，根据判断结果进入不同的控制模态，得到不同控制模态下的控制输出u_n，并将控制输出u_n发送到气动执行结构；

步骤4.1，设给定的阀位偏差可控极值为M₁，M₁＞0，仿人智能控制器进行如下判断：

若|e_n|＞M₁，转到步骤4.2；

若|e_n|≤M₁，则转到步骤4.3；

步骤4.2，当|e_n|＞M₁时，仿人智能控制器工作于Bang-Bang控制模态，

若e_n＞0，u_n＝u_max；

若e_n＜0，u_n＝-u_max；

其中，u_max为仿人智能控制器允许的最大输出；

转到步骤5；

步骤4.3，当|e_n|≤M₁时，仿人智能控制器进行第二次判断以确定工作模态，判断条件和结果如下：

若e_n×Δe_n＞0或Δe_n＝0，e_n≠0，转到步骤4.4；

若e_n×Δe_n＜0或e_n＝0，转到步骤4.5；

步骤4.4，当|e_n|≤M₁，且e_n×Δe_n＞0或Δe_n＝0，e_n≠0，仿人智能控制器工作于比例控制模态，此时仿人智能控制器从模糊神经网络提取增益放大系数K₁和比例放大增益K_P，代入控制输出u_n中，

若|e_n|＞M₂，u_n＝u_n-1+K₁K_Pe_n；

若|e_n|≤M₂，u_n＝u_n-1+K_Pe_n；

其中，M₂为给定的稳定状态下阀位偏差允许的最大值，M₂＞0，u_n-1为前一时刻仿人智能控制器控制输出；

转到步骤5；

步骤4.5，当|e_n|≤M₁，且e_n×Δe_n＜0或e_n＝0，仿人智能控制器继续进行第三次判断，以确认工作模态，判断条件和结果如下：

若e_n×Δe_n＜0，Δe_n×Δe_n-1＞0或e_n×Δe_n＜0，Δe_n-1＝0或e_n＝0，转到步骤4.6；

若e_n×Δe_n＜0，Δe_n×Δe_n-1＜0，转到步骤4.7；

其中，Δe_n-1为前一个时刻阀位偏差变化率，Δe_n-1＝e_n-1-e_n-2，e_n-1为前一时刻阀位偏差、e_n-2为前二时刻阀位偏差；

步骤4.6，仿人智能控制器工作于保持控制模态1，仿人智能控制器的控制输出u_n为：u_n＝u_n-1，转到步骤5；

步骤4.7，仿人智能控制器工作于保持控制模态2，此时仿人智能控制器提取增益放大系数K₁、比例放大增益K_P和抑制系数K₂，代入控制输出u_n中，

若|e_n|＞M₂，u_n＝u_n-1+K₁K₂K_Pe_n；

若|e_n|≤M₂，u_n＝u_n-1+K₂K_Pe_n；

步骤5，气动执行结构根据接收到的控制信号u_n控制阀杆的位移，调节阀门的位置；

步骤6，在n+1时刻，将n+1赋值给n，返回步骤1进行下一时刻的阀位控制。