[发明专利]基于模糊神经网络PID控制器的阀位串级控制方法

权利要求书

1.一种基于模糊神经网络PID控制器的阀位串级控制方法，其特征在于，该阀位串级控制方法涉及的阀位控制系统包括依次设置的第一比较器、阀位控制器、第二比较器、压力控制器、力矩马达、比例阀、气动执行器和调节阀，其中，阀位控制器包括模糊神经网络和PID控制器，模糊神经网络和PID控制器单向电连接；所述第一比较器分别与模糊神经网络、PID控制器单向电连接，PID控制器与第二比较器单向电连接，第二比较器与压力控制器单向电连接，压力控制器与力矩马达单向电连接，力矩马达与比例阀单向气动连接，比例阀与气动执行器单向气动连接，气动执行器与调节阀单向气动连接，对调节阀的阀位进行调整；在调节阀上设置了一个位置变送器，该位置变送器实时检测调节阀的实际阀位，并通过电连接将数据传送给第一比较器；在比例阀和气动执行器之间设置了一个压力变送器，该压力变送器实时检测比例阀的阀后压力，并通过电连接将数据传送给第二比较器；

所述阀位串级控制方法的具体步骤如下：

步骤1，设当前时刻为n，给定当前时刻阀位设定值y_dn，位置变送器检测得到当前时刻调节阀实际阀位y_n并传送给第一比较器，压力变送器检测得到当前时刻比例阀阀后压力I_pn并传送给第二比较器；

步骤2，第一比较器将当前时刻调节阀实际阀位y_n与当前时刻阀位设定值y_dn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传送给模糊神经网络，将当前时刻阀位偏差e_n传送给PID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第一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学习，得到以下网络输出信号：比例系数K_P、积分系数K_I和微分系数K_D，模糊神经网络将上述网络输出信号传送给PID控制器；

步骤4，PID控制器接收到当前时刻阀位偏差e_n、比例系数K_P、积分系数K_I、微分系数K_D的信号后，通过计算得到当前时刻初始控制输出u_n，并传送给第二比较器；

当前时刻初始控制输出u_n的计算式如下：

u_n＝u_n-1+Δu_n

Δu_n＝K_P(e_n-e_n-1)+K_Ie_n+K_D(e_n-2e_n-1+e_n-2)

其中，Δu_n为当前时刻初始控制输出增量，u_n-1为前一时刻初始控制输出；e_n-2为前二时刻阀位偏差；

步骤5，第二比较器将当前时刻初始控制输出u_n与当前时刻比例阀阀后压力I_pn进行比较计算，得到当前时刻阀后压力偏差e_1n，并将其传送给压力控制器；

当前时刻阀后压力偏差e_1n的计算式如下：

e_1n＝u_n-I_pn

步骤6，压力控制器根据接收到的当前时刻阀后压力偏差e_1n信号，产生当前时刻控制输出u_1n，并传送到力矩马达中；

当前时刻控制输出u_1n的计算式如下：

其中，K_P1为比例增益；

步骤7，力矩马达根据接收到的当前时刻控制输出u_1n发生相应的动作，进而改变比例阀的阀后压力，比例阀的阀后压力发生变化后，改变气动执行器的输入气压，气动执行器发生上下位移，对调节阀的阀位进行调整；

步骤8，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。