基于RBF-PID的小型貨車空調(diào)控制系統(tǒng)仿真研究

劉姝廷 沈陽工學院 潘宇 沈陽正大自控工程有限公司

基于RBF-PID的小型貨車空調(diào)控制系統(tǒng)仿真研究

劉姝廷 沈陽工學院 潘宇 沈陽正大自控工程有限公司

隨著近年來快遞產(chǎn)業(yè)的快速發(fā)展，小型貨車常被快遞員選為主要的交通工具。為了給快遞員提供一個舒適的工作環(huán)境，為小型貨車加入適合的空調(diào)控制系統(tǒng)變得尤為重要。本文將徑向基RBF神經(jīng)網(wǎng)絡與PID算法相結(jié)合對小型貨車空調(diào)控制系統(tǒng)進行仿真研究，仿真結(jié)果表明該方法具有準確度高、穩(wěn)定性好的優(yōu)點。

貨車空調(diào)控制系統(tǒng) RBF神經(jīng)網(wǎng)絡 PID

隨著全球汽車原料價格上漲給汽車產(chǎn)業(yè)帶來巨大成本壓力，在產(chǎn)品方面，貨車和一些特用車的空調(diào)生產(chǎn)較少，市場需求不能完全滿足。在生產(chǎn)技術(shù)方面，節(jié)能環(huán)保的發(fā)展趨勢也給汽車產(chǎn)業(yè)提出新的挑戰(zhàn)。隨著中國貨車工業(yè)的蓬勃發(fā)展，越來越多的購買者將更關(guān)注的舒適、安全、娛樂、節(jié)能等性能。所以一些具有節(jié)能、環(huán)保性能的新型貨車空調(diào)產(chǎn)品將越來越受到廣大消費者的青睞。未來貨車空調(diào)將會向自動化空調(diào)、小型節(jié)能化、舒適方向發(fā)展。現(xiàn)代空調(diào)系統(tǒng)由制冷系統(tǒng)、供暖系統(tǒng)、通風和空氣凈化裝置及控制系統(tǒng)組成。貨車空調(diào)一般主要由壓縮機、電控離合器、冷凝器、蒸發(fā)器、膨脹閥、貯液干燥器、管道、冷凝風扇、真空電磁閥和控制系統(tǒng)等組成。本文將徑向基RBF神經(jīng)網(wǎng)絡與PID算法相結(jié)合對小型貨車空調(diào)控制系統(tǒng)進行仿真研究，仿真結(jié)果證明了該方法的有效性，能夠為小型貨車空調(diào)系統(tǒng)的控制提供一定的借鑒作用。

1 RBF神經(jīng)網(wǎng)絡結(jié)構(gòu)模型

徑向基函數(shù)（Radical Basis Function,RBF）是多維空間插值的傳統(tǒng)技術(shù)，由Powell在1985年提出，1988年，Broomhead和Lowe根據(jù)生物神經(jīng)元具有局部響應這一特點，將RBF引入神經(jīng)網(wǎng)絡設計中去，從而產(chǎn)生了RBF神經(jīng)網(wǎng)絡。RBF神經(jīng)網(wǎng)絡結(jié)構(gòu)簡單，訓練簡潔、學習收斂速度快，能夠逼近任意非線性函數(shù)，因此被廣泛的應用在時間序列分析、模式識別等領(lǐng)域。徑向基神經(jīng)網(wǎng)絡結(jié)構(gòu)如圖1所示。

圖1 徑向基神經(jīng)網(wǎng)絡結(jié)構(gòu)圖

在神經(jīng)網(wǎng)絡結(jié)構(gòu)圖中，輸入層僅僅起到傳輸信號的作用，隱含層是對激活函數(shù)的參數(shù)進行調(diào)整，輸出層是對線性權(quán)值進行調(diào)整，采用的是線性優(yōu)化策略，因而學習速度較快。

2 RBF-PID控制器結(jié)構(gòu)

RBF-PID控制器主要由常規(guī)的PID控制器和RBF神經(jīng)網(wǎng)絡構(gòu)成。RBF神經(jīng)網(wǎng)絡具有很好的自學習能力。PID控制器具有精調(diào)節(jié)、應用廣泛的特點。使用RBF對PID的三個參數(shù)進行自適應的整定，得到最優(yōu)的控制輸出。RBF-PID控制器結(jié)構(gòu)如圖2所示。

圖2 基于RBF-PID控制器結(jié)構(gòu)圖

3 RBF-PID算法

RBF網(wǎng)絡是一種前饋傳播的三層神經(jīng)網(wǎng)絡，需要求解的參數(shù)有3個，分別是基函數(shù)中心、方差以及隱含層到輸出層的權(quán)值。根據(jù)徑向基函數(shù)中心選取方法的主要有隨機選取中心法、自組織選取法和正交最小二乘法。本文主要采取的是自組織選取中心法。改方法主要由兩個階段組成：自組織學習階段和有導師學習階段。

徑向基神經(jīng)網(wǎng)絡常用的徑向基函數(shù)是高斯高數(shù)，因此徑向基神經(jīng)網(wǎng)絡的激活函數(shù)可以表示為：

由圖1所示的徑向基神經(jīng)網(wǎng)絡的結(jié)構(gòu)可得到的網(wǎng)絡輸出為：

RBF神經(jīng)網(wǎng)絡的具體算法如下所示。

式中cmax是選取中心之間的最大距離。

Step5 計算隱含層和輸出層之間的權(quán)值。隱含層和輸入層之間的權(quán)值可以用最小二乘法直接計算得出，計算公式如下：

將RBF神經(jīng)網(wǎng)絡與PIC算法相結(jié)合，RBF-PID算法如下所示。

Step1 初始化，設確定輸入層、隱含層和輸出層節(jié)點數(shù)，將節(jié)點中心、寬度及權(quán)值分別賦值，設定學習速率和動量系數(shù)。

Step5 在線更新各參數(shù)，返回Step2。

4 仿真研究

汽車空調(diào)系統(tǒng)中的車內(nèi)溫度對象大多是慣性環(huán)節(jié)，該數(shù)學模型為：

采用BP-PID算法對小型貨車內(nèi)溫度進行控制，選擇4-6-1的RBF網(wǎng)絡。學習速率=0．11，慣性系數(shù)給定車內(nèi)溫度為25℃。仿真過程中加入隨機干擾0．25*rand(0,1)，輸出結(jié)果和誤差曲線如圖2和圖3所示。

圖2 RBF-PID輸出曲線

圖3 RBF-PID誤差曲線

從圖2和圖3可以看出，RBF-PID，響應曲線無超調(diào)，響應速度快，穩(wěn)定性好，在整個過程加入隨機干擾后，誤差曲線近似為0，控制精度較高。

5 結(jié)束語

本文對小型貨車的空調(diào)系統(tǒng)的車內(nèi)溫度進行仿真，將徑向基RBF神經(jīng)網(wǎng)絡與PID結(jié)合，仿真效果顯著，響應速度快，控制精度高，穩(wěn)定性強，誤差較小，對小型貨車空調(diào)系統(tǒng)的控制具有很好的效果。

[1]劉金琨．先進PID控制及其MATLAB仿真[M]．北京：電子工業(yè)出版社，2003：80-90

[2]王武，孫文濤．重型卡車空調(diào)系統(tǒng)設計[J]．汽車實用技術(shù)．2012，8：25-31

[3]黃宴委，李竣，吳登國．基于PID轎車空調(diào)系統(tǒng)設計[J]．控制工程，2012，19（1）：9-11

[4]衛(wèi)國愛，全書海，李發(fā)均等．基于RBF-PID的燃料電池空氣壓力控制 [J]．武漢理工大學學報，2014，36（5）：618~620

[5]鐘建坤．基于RBF-PID的水輪發(fā)電機組控制系統(tǒng)[J]．計算機仿真，2012，29（7）：347-349

[6]王麟珠，蘇慶列．基于單神經(jīng)元PID的電動汽車空調(diào)控制系統(tǒng)[J]．閩江學院學報，2013，34（5）：53~55

[7]蘇慶列，王麟珠．模糊免疫PID在電動汽車空調(diào)控制系統(tǒng)中的應用[J]．湖北理工學院學報，2014，30（5）：15~18

[8]劉建飛．汽車電動空調(diào)系統(tǒng)的研究與仿真[D]．內(nèi)蒙古工業(yè)大學，2014：32-35

[9]劉洪輝．汽車空調(diào)系統(tǒng)的溫度控制[J]．科技專論，2011，12：292

[10]呼云龍．基于RBF-PID算法的變量施肥控制系統(tǒng)研究D]．黑龍江八一農(nóng)業(yè)大學，2016，29~35

[11]徐進，李金壽，唐煒銘．汽車空調(diào)控制系統(tǒng)的現(xiàn)狀和發(fā)展趨勢[J]．裝備制造技術(shù)．2014，11：242-249

劉姝廷，1983.8，遼寧沈陽人，講師，研究方向：工業(yè)智能控制與軟件開發(fā)。