神經(jīng)網(wǎng)絡(luò)優(yōu)化PID控制器的暖通控制系統(tǒng)

王敏

摘 要： PID控制器對(duì)暖通控制系統(tǒng)的性能起著十分關(guān)鍵的作用，暖通控制系統(tǒng)具有非平穩(wěn)性、時(shí)變性，導(dǎo)致傳統(tǒng)PID控制器無(wú)法獲得高精度的暖通控制效果。為了解決傳統(tǒng)控制方法存在的缺陷，以提高暖通控制精度為目標(biāo)，提出基于神經(jīng)網(wǎng)絡(luò)優(yōu)化PID控制器的暖通控制系統(tǒng)。分析暖通控制系統(tǒng)的工作原理，建立PID控制器的數(shù)學(xué)模型，通過(guò)神經(jīng)網(wǎng)絡(luò)對(duì)暖通控制系統(tǒng)的PID控制參數(shù)進(jìn)行優(yōu)化，不斷調(diào)整控制誤差，保證暖通控制效果，在Matlab平臺(tái)下進(jìn)行暖通控制系統(tǒng)的測(cè)試。結(jié)果表明，該系統(tǒng)獲得比其他暖通控制系統(tǒng)更高的控制精度，而且在最短時(shí)間使系統(tǒng)達(dá)到平穩(wěn)狀態(tài)，減少了系統(tǒng)的調(diào)整時(shí)間，改善了暖通控制系統(tǒng)的工作效率，具有較高的實(shí)際應(yīng)用價(jià)值。

關(guān)鍵詞： 暖通控制系統(tǒng)； PID控制器； 神經(jīng)網(wǎng)絡(luò)； 仿真平臺(tái)； 控制精度

中圖分類號(hào)： TN876?34； TP273 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）23?0137?03

Abstract： The PID controller plays a key role in the performance of HVAC control system. The HVAC control system has non?stationary and time?varying performance， which causes that the traditional PID controller can′t obtain the high?precision HVAC control effect. In order to eliminate the shortcomings of the traditional control methods and improve the control accuracy of HVAC， a HVAC control system based on neural network optimizing PID controller is proposed. The working principle of HVAC control system is analyzed to establish the mathematical model of PID controller. The PID control parameters of HVAC control system are optimized with neural network. The control error is continually adjusted to ensure the control effect of HVAC. The HVAC control system was tested on Matlab platform. The test results show that the system has higher control precision in comparison with other HVAC control system， can achieve the steady state in the shortest time， reduce the adjustment time of the system and improve the working efficiency of the HVAC control system， which has high practical application value.

Keywords： HVAC control system； PID controller； neural network； simulation platform； control accuracy

0 引 言

隨著我國(guó)經(jīng)濟(jì)的不斷發(fā)展，暖通控制系統(tǒng)在各領(lǐng)域得到廣泛的應(yīng)用[1]。在實(shí)際應(yīng)用中，暖通控制系統(tǒng)受到外界環(huán)境的影響，具有超調(diào)量大，非平穩(wěn)性等變化特點(diǎn)，為此采用PID控制器對(duì)其進(jìn)行調(diào)節(jié)[2?3]。雖然PID控制器的結(jié)構(gòu)十分簡(jiǎn)單、易操作、可靠性高，但控制效果與其參數(shù)合理選擇密切相關(guān)，如果參數(shù)選擇不合理，將無(wú)法保證暖通控制系統(tǒng)的控制效果[4?6]。

為了得到合理的PID控制參數(shù)，許多學(xué)者投入了大量的時(shí)間對(duì)其進(jìn)行分析，提出了許多PID控制參數(shù)優(yōu)化方法，從而改善了暖通控制系統(tǒng)的工作性能[7]。最原始的暖通控制系統(tǒng)的PID控制器參數(shù)優(yōu)化通過(guò)一些專家來(lái)實(shí)現(xiàn)，專家們根據(jù)自己對(duì)暖通控制系統(tǒng)的工作原理和調(diào)度經(jīng)驗(yàn)設(shè)置PID控制器參數(shù)，其工作過(guò)程十分簡(jiǎn)單，但是由于暖通控制系統(tǒng)的種類很多，而專家的相關(guān)知識(shí)有限，使得設(shè)置的PID控制器參數(shù)具有一定的主觀性，優(yōu)化結(jié)果具有盲目性，有時(shí)理論控制效果與實(shí)際相差很遠(yuǎn)[8]。然后有學(xué)者提出基于Z?N法和單純形法的暖通控制系統(tǒng)PID參數(shù)優(yōu)化方法，相對(duì)于經(jīng)驗(yàn)法，參數(shù)設(shè)置結(jié)果更加合理，然而它們也存在各自的不足，如通用性差、無(wú)法適應(yīng)暖通控制系統(tǒng)的非平穩(wěn)性，調(diào)整時(shí)間比較長(zhǎng)。再加上暖通控制系統(tǒng)的時(shí)變性，不能夠設(shè)計(jì)最優(yōu)的數(shù)學(xué)模型，給暖通控制系統(tǒng)的PID控制器參數(shù)優(yōu)化帶來(lái)困難[9?10]。近些年，神經(jīng)網(wǎng)絡(luò)得到了不斷發(fā)展，由于它們具有比較好的學(xué)習(xí)能力，為PID控制器參數(shù)在線優(yōu)化提供了一種新的研究工具[10?11]。

為了解決傳統(tǒng)控制方法存在的缺陷，以提高暖通控制精度為目標(biāo)，提出基于神經(jīng)網(wǎng)絡(luò)優(yōu)化PID控制器的暖通控制系統(tǒng)。首先建立PID控制器的數(shù)學(xué)模型，然后通過(guò)神經(jīng)網(wǎng)絡(luò)對(duì)暖通控制系統(tǒng)的PID控制參數(shù)進(jìn)行優(yōu)化，不斷調(diào)整控制誤差，保證暖通控制效果，最后在Matlab平臺(tái)下進(jìn)行暖通控制系統(tǒng)的測(cè)試。結(jié)果表明，該系統(tǒng)獲得比其他暖通控制系統(tǒng)更高的控制精度，而且在最短時(shí)間內(nèi)使系統(tǒng)達(dá)到平穩(wěn)狀態(tài)，減少了系統(tǒng)的調(diào)整時(shí)間，改善了暖通控制系統(tǒng)的工作效率，具有較高的實(shí)際應(yīng)用價(jià)值。endprint

1 暖通控制系統(tǒng)的數(shù)學(xué)模型

3 神經(jīng)網(wǎng)絡(luò)優(yōu)化PID控制器

3.1 BP神經(jīng)網(wǎng)絡(luò)

采用BP神經(jīng)網(wǎng)絡(luò)對(duì)PID控制器的參數(shù)進(jìn)行估計(jì)和調(diào)整優(yōu)化，那么BP神經(jīng)網(wǎng)絡(luò)的輸出為暖通控制系統(tǒng)PID控制器的3個(gè)參數(shù)，其結(jié)構(gòu)如圖1所示。

3.2 神經(jīng)網(wǎng)絡(luò)的PID控制器

基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器結(jié)構(gòu)見(jiàn)圖2，控制系統(tǒng)包括：

（1） PID控制器，其對(duì)暖通系統(tǒng)進(jìn)行直接控制。

（2） BP神經(jīng)網(wǎng)絡(luò)對(duì)PID控制器的參數(shù)[Kp，Ki，Kd]進(jìn)行在線整定，以保證暖通控制系統(tǒng)的最優(yōu)工作性能。

基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器優(yōu)化步驟為：

Step1：根據(jù)暖通控制系統(tǒng)的PID控制器優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

Step2：對(duì)暖通控制系統(tǒng)的[r（k）]和[q（k）]進(jìn)行采樣，并且得到[e（k）=r（k）-q（k）]。

Step3：將[e（i），][r（i），][q（i）]和[u（i-1），][i=k，k-1，…，k-p]作為神經(jīng)網(wǎng)絡(luò)的輸入。

Step4：神經(jīng)網(wǎng)絡(luò)的輸出為參數(shù)[Kp，Ki，Kd。]

Step5：計(jì)算PID控制器的控制輸出[u（k），]并計(jì)算誤差。

Step6：如果暖通控制系統(tǒng)的控制誤差滿足實(shí)際應(yīng)用要求，就終止優(yōu)化，否則繼續(xù)進(jìn)行優(yōu)化操作。

Step7：對(duì)各層的權(quán)系數(shù)[vlj（k），][wji（k）]進(jìn)行調(diào)整。

Step8：迭代次數(shù)增加，返回Step3。

4 實(shí)驗(yàn)結(jié)果與分析

為了分析本文暖通控制系統(tǒng)的性能，在Matlab 2014平臺(tái)下進(jìn)行仿真實(shí)驗(yàn)，并選擇經(jīng)典的PID控制器優(yōu)化方法、Z?N法、單純法進(jìn)行對(duì)比實(shí)驗(yàn)，采用控制精度、超調(diào)量、調(diào)整時(shí)間進(jìn)行性能評(píng)價(jià)，結(jié)果如表1所示。

從表1的暖通控制系統(tǒng)的綜合性能測(cè)試結(jié)果可以看出：

（1） Z?N法的暖通控制系統(tǒng)的控制精度最低，暖通控制系統(tǒng)的超調(diào)量最大，調(diào)整時(shí)間最長(zhǎng)，無(wú)法滿足暖通控制系統(tǒng)的應(yīng)用要求。

（2） 單純法的暖通控制系統(tǒng)的控制精度得到一定的提高，但是控制誤差要大于10%，超過(guò)實(shí)際應(yīng)用的范圍，這是因?yàn)閱渭兎ㄊ艿絽?shù)的初始值影響很大，當(dāng)參數(shù)設(shè)置不合理時(shí)，控制效果急劇變差，而且調(diào)整時(shí)間變長(zhǎng)，抗干擾能力較差。

（3） 在所有控制方法中，神經(jīng)網(wǎng)絡(luò)優(yōu)化PID控制器的暖通控制效果最佳，控制精度達(dá)到95%，控制誤差小于10%，而且系統(tǒng)的調(diào)整時(shí)間短，超調(diào)量比較小，表示本文方法可以保證暖通控制系統(tǒng)的工作狀態(tài)達(dá)到穩(wěn)定，抗干擾能力強(qiáng)，魯棒性好。

5 結(jié) 語(yǔ)

為了提高暖通控制的工作性能，針對(duì)當(dāng)前控制方法存在的局限性，提出神經(jīng)網(wǎng)絡(luò)優(yōu)化PID控制器的暖通控制系統(tǒng)，利用神經(jīng)網(wǎng)絡(luò)的非線性學(xué)習(xí)能力對(duì)暖通控制系統(tǒng)的PID控制器進(jìn)行優(yōu)化，根據(jù)誤差不斷調(diào)整PID參數(shù)的值，以保證暖通控制系統(tǒng)的工作性能達(dá)到最佳，最后與其他方法進(jìn)行對(duì)比仿真實(shí)驗(yàn)，結(jié)果表明，本文控制系統(tǒng)的暖通控制效果佳，大幅度減少了暖通控制系統(tǒng)的誤差，而且暖通控制系統(tǒng)在較短時(shí)間內(nèi)達(dá)到穩(wěn)定工作狀態(tài)，對(duì)外界干擾具有較強(qiáng)的魯棒性，是一種精度、效率高的暖通控制系統(tǒng)。

參考文獻(xiàn)

[1] 曲宴良，阮紅坤，芶大斌.大空間暖通控制系統(tǒng)簡(jiǎn)述[J].數(shù)字技術(shù)與應(yīng)用，2004，45（3）：2405?2415.

[2] 王偉，張晶濤，柴天佑.PID參數(shù)先進(jìn)整定方法綜述[J].自動(dòng)化學(xué)報(bào)，2000，26（3）：347?355.

[3] ZAHEER M， TUDOROIU N. Neuro?PID tracking control of a discharge air temperature system [J]. Energy conversion and management， 2004， 45（3）： 2405?2415.

[4] YI J Q， WANG Q， ZHAO D B. BP neural network prediction?based variable?period sampling approach for networked control systems [J]. Applied mathematics and computation， 2007， 185（2）： 976?988.

[5] 吳宏鑫，沈少萍.PID控制的應(yīng)用與理論依據(jù)[J].控制工程，2003，10（1）：37?42.

[6] 何福忠，孫優(yōu)賢.基于穩(wěn)定參數(shù)空間的PID調(diào)節(jié)器遺傳優(yōu)化設(shè)計(jì)[J].控制與決策，2000，15（4）：507?509.

[7] 郭慶鼎，李蒙，郭威.PID 控制器參數(shù)的遺傳算法優(yōu)化設(shè)計(jì)[J].沈陽(yáng)工業(yè)大學(xué)學(xué)報(bào)，2000，22（1）：31?33.

[8] 楊世勇，徐國(guó)林.模糊控制與PID控制的對(duì)比及其復(fù)合控制[J].自動(dòng)化技術(shù)與應(yīng)用，2011，30（11）：21?25.

[9] 龍曉林，蘇義鑫.基于PID神經(jīng)網(wǎng)絡(luò)的控制器研究[J].武漢理工大學(xué)學(xué)報(bào)（信息與管理工程版），2002，24（5）：32?35.

[10] 王旭光，孫衙.基于RBF辨識(shí)的單神經(jīng)元PID調(diào)速器設(shè)計(jì)[J].自動(dòng)化技術(shù)與應(yīng)用，2008，27（6）：57?60.

[11] 王彥，劉宏立，楊珂.LMBP神經(jīng)網(wǎng)絡(luò)PID控制器在暖通空調(diào)系統(tǒng)中的應(yīng)用研究[J].湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，37（3）：49?52.endprint