[发明专利]一种基于人工神经网络的自整定PID发电机控制系统

摘要

本发明是一种基于人工神经网络的自整定PID发电机控制系统，该控制系统主要包括人工神经网络控制模块、PID控制模块、状态检测模块、执行模块和发电机输出模块，所述PID控制模块的控制参数K_p、K_i和K_d由人工神经网络控制模块自动整定。采用本发明技术方案，控制系统能够自动适应发电机状态或外部环境等系统参数的变化，大大提高了控制系统的鲁棒性和工作可靠性，并使控制精度大大提高，增加了发电机组的能源利用效率，减少了发动机尾气排放，降低了噪声和振动，此外，本发明控制系统采用了人工神经网络训练与识别控制分离的方式，大大降低了控制系统的成本，具有很高的性价比。

主权项

1.一种基于人工神经网络的自整定PID发电机控制系统，该控制系统主要包括人工神经网络控制模块、PID控制模块、状态检测模块、执行模块和发电机输出模块，其特征在于：所述发电机输出模块将发电机输出的三相中频交流电转换为单相工频交流电/直流电并形成包含发电机输出电压和/或电流信息的输出信号yout，所述输出信号yout作为反馈信号与该控制系统的输入端相连；所述输出信号yout与控制系统输入端的预设输入信号rin运算处理后得到偏差信号error，所述偏差信号error与PID控制模块的输入端相连；所述状态检测模块对发动机状态和/或外部工作环境进行检测，并将检测到的信号连接传递到人工神经网络控制模块的输入端；所述人工神经网络控制模块以该控制系统的内部信号和/或状态检测模块的输出信号作为输入向量，并在所述人工神经网络控制模块的输出端输出三个控制参数Kp、Ki和Kd，所述控制参数Kp、Ki和Kd作为PID控制模块中PID数学控制模型的控制参数；所述PID控制模块根据所述偏差信号error，并通过所述的三个控制参数Kp、Ki和Kd的设定，利用比例、积分和微分运算以获得PID控制模块的输出信号u，所述输出信号u与执行模块的输入端相连；所述执行模块至少包括一个步进电机，该步进电机对发动机的节气门进行控制；所述状态检测模块至少对发动机转速ω和/或环境温度T进行检测，并将检测到的转速ω信号和/或温度T信号连接传递到人工神经网络控制模块的输入端；所述人工神经网络控制模块由人工神经网络BP算法的前向算法和经过训练的人工神经元构成；所述人工神经网络控制模块由计算机中经过训练的人工神经网络移植获得，其过程主要包括：步骤1）在计算机中构建采用BP算法的人工神经网络和PID控制模块的数学控制模型，人工神经网络的输入向量包括：预设输入信号rin，输出信号yout、转速ω信号和温度T信号，输出向量包括：PID控制模块的三个控制参数Kp，Ki和Kd；步骤2）以所获得的人工神经网络输出向量Kp，Ki和Kd作为PID数学控制模型的控制参数，在计算机上利用比例、积分和微分运算以获得PID控制模块的输出信号u，将此输出信号u与实际系统执行模块的步进电机相连，步进电机用来控制发动机节气门开度，以计算机PID控制模块的输出信号u对发动机的输出功率进行实时控制；步骤3）以发电机组额定输出功率确定若干个检测和学习的稳态工况点，并在各工况点之间进行加载和卸载操作，当发电机运行在这些工况时，计算机上的控制系统程序将以控制周期相对应的时间间隔对输入信号rin，输出信号yout、发动机转速ω和环境温度T进行实时采样并存储，在各种环境温度下，通过对多台发电机组反复多次地改变运行工况，人工神经网络可以获得充分的训练样本；步骤4）把采样得到的样本输入至计算机中的人工神经网络，对人工神经网络进行训练，训练完成后，把经过训练的人工神经元的结果输出为矩阵保存；步骤5）把计算机中采用BP算法的人工神经网络前向算法和输出的人工神经元矩阵移植到实际控制系统的MCU芯片中。