基于BP 神經網絡的Smith-Fuzzy-PID 算法在閥門定位中的應用研究

摘要：為解決氣動調節閥控制過程中出現的超調大、精度低等問題，本文采用BP 神經網絡整定出較優的PID（Proportional Integral Derivative）控制參數，對Smith 預估控制器以及模糊控制器進行設計，實現了基于BP 神經網絡的Smith-Fuzzy-PID 控制方法。搭建了實驗平臺，通過階躍響應實驗來對控制方法進行驗證，驗證結果表明，提出的方法調節過程無超調，調節時間僅為1.9 s，定位精度在±0.5% 以內，有效提高了系統的穩定性，實現了氣動調節閥的快速精準定位。

關鍵詞：氣動調節閥；Smith 預估；模糊控制；BP 神經網絡；PID 控制

中圖分類號：TH861 文獻標志碼：A

氣動調節閥是過程工業中最常用的終端控制元件[1]，在其實際控制過程中，由于氣動調節閥本身具有非線性、滯后等特性，會導致調節過程會出現超調大、精度低等問題[2]，圍繞非線性滯后系統開展控制策略的研究一直是國內外學者的研究熱點，也是氣動調節閥定位系統研發過程中的難點。Garcia 等[3]采用ZiegXADz4cIugzjPq0eWaaCb3w==ler-Nichols（Z-N） 法與Haalmana 法對PID（ Proportional Integral Derivative）控制器的參數進行整定，結果表明Z-N 法整定的參數控制效果更好，但還存在超調并且穩態誤差較大。Baskar 等[4] 提出了一種基于進化算法的多變量PID 控制器，實驗結果表明，該方法可以實現控制功能，但存在超調和振蕩現象。武自才等[5] 采用積分分離的PID 控制算法來對氣動調節閥進行控制，提高了系統的響應速度。金獻軍[6] 提出一種分段式的PID 控制算法，將整個控制過程分成兩個部分，在不同階段使用不同的PID參數進行控制，改善了系統的控制性能。付健等[7] 對五步開關法進行了優化，提出了低速區理想速度-位移曲線，優化后的算法減小了最大超調量以及穩定時間。李飛[8] 將模糊控制與PID 控制相結合，采用模糊PID 算法對氣動調節閥進行控制，并與常規PID控制進行對比，結果表明模糊PID 算法將最大超調量降低到10% 左右。

綜上，目前對非線性滯后系統的控制算法研究主要集中在改進的五步開關法以及PID 控制方法等方面。改進的五步開關法需要做大量的實驗數據才能獲得最好的控制參數，參數整定過程比較復雜。在對PID 控制參數的獲取上，目前還有采用試湊法、經驗法來整定PID 參數，但整定出的參數控制精度不高、控制性能需進一步提高。積分分離PID 與分段式PID 控制還是基于PID 控制的定參數控制方案， 自適應性較差。模糊PID 控制算法可以實現PID 參數的自整定，減小最大超調量，但無法完全消除超調現象。因此，本文提出一種基于BP 神經網絡的Smith-Fuzzy-PID 算法作為氣動調節閥定位系統的核心控制方法，并搭建實驗平臺，驗證該方法在氣動調節閥定位系統中的有效性，從而實現氣動調節閥的快速、穩定和精確控制。