基于MATLAB的雙容水箱液位ppt課件

自動化專業(yè)綜合實踐報告,1,基于MATLAB的雙容水箱液位的模糊神經(jīng)控制,2,摘要,傳統(tǒng)的控制理論如PID及其改進的控制方法可以實現(xiàn)對一些簡單系統(tǒng)的控制。然而在控制復雜或難以精確描述的控制系統(tǒng)時,它們往往不能表現(xiàn)出良好的控制效果。智能控制理論的提出有效解決了這一問題。目前,智能控制己經(jīng)作為一門獨立的學科,iH式在國際上建立起來,并被控制領域里的學者們廣泛研究。本文以雙容水箱液位控制系統(tǒng)(存在大慣性滯后環(huán)節(jié)復雜控制系統(tǒng)的典型代表)作為研究對象。首先,通過機理法分析并建立了系統(tǒng)的數(shù)學模型,得出控制系統(tǒng)的傳遞函數(shù);其次,詳細論述了PID控制思想、模糊控制思想及神經(jīng)網(wǎng)絡控制思想的相關理論及應用現(xiàn)狀。并通過MATLAB中的SIMULINK模型,采用PID控制、模糊控制及神經(jīng)網(wǎng)絡預測控制的方法對系統(tǒng)進行仿真。最后,通過對比三種控制方法的控制仿真曲線,直觀地得出結論。從而驗證智能控制思想在復雜控制系統(tǒng)中的應用價值。智能控制系統(tǒng)具有更加優(yōu)秀的性能,具體表現(xiàn)為:系統(tǒng)超調量小、調節(jié)時間短、容錯能力及抗干擾能力強,表現(xiàn)出良好的魯棒性。隨著人工智能技術、計算機技術的迅速發(fā)展,智能控制及其算法的研究與應用越來越成為學術界所關注的熱點問題,智能控制也必將迎來它的發(fā)展新時期。,3,1引言1.1研究背景,傳統(tǒng)控制領域中的系統(tǒng)動態(tài)模式是否精確直接關系到控制效果的優(yōu)劣,即系統(tǒng)的動態(tài)信息越詳細便越能達到精確控制的目的。傳統(tǒng)的控制算法應用于明確系統(tǒng)有著強而有力的控制能力:如,采用PID及其相應改進算法可以實現(xiàn)對一些簡車系統(tǒng)的控制。其特點在于方便實現(xiàn)對被控對象的控制,并不要求很高的控制精度。而復雜或者難以精確描述的控制系統(tǒng)的變量較多,難以準確描述系統(tǒng)的動態(tài)。因此我們利用各種方法簡化系統(tǒng)動態(tài)實現(xiàn)控制,但效果往往不盡人意。模糊控制在模糊邏輯中應用最為廣泛。模糊控制器是一種引入隸屬度的概念,用條件語句表述控制規(guī)則從而實現(xiàn)控制的非線性控制器。,4,因此,它帶有明顯人類智能思維的特征。然而,模糊控制也存在一個缺陷,即是沒有一種良好的學習架構和方法。神經(jīng)網(wǎng)絡是基于人類神經(jīng)網(wǎng)絡解剖的基礎上的,它描述的是人類神經(jīng)剛絡傳遞、處理信息的微觀過程。神經(jīng)網(wǎng)絡控制主要特點如下:可以充分逼近任意復雜的非線性關系;所有定量或定性的信息都等勢分布C:存于網(wǎng)絡內的各神經(jīng)元,故有很強的魯棒性和容錯性;采用并行分布處理方法,使得快速進行大量運算成為可能;可學習和自適應不知道或不確定的系統(tǒng);能夠同時處理定量、定性知識。便于給出工程上易于實現(xiàn)的學習算法。因此,引入神經(jīng)網(wǎng)絡的概念,基于神經(jīng)網(wǎng)絡研究各種先進控制算法,越來越成為解決控制復雜控制系統(tǒng)的必要途徑。,5,1.2智能控制1.2.1智能控制的產(chǎn)生及研究現(xiàn)狀,從20世紀60年代起,計算機技術和人工智能技術迅速發(fā)展,為了提高控制系統(tǒng)的自主學習能力,人工智能技術被學者們提出并廣泛應用于控制系統(tǒng)。1965年,美籍華裔科學家傅京孫教授首先把人工智能的啟發(fā)式推理規(guī)則用于學習控制系統(tǒng);1966年,Mendel進一步在空間飛行器的學習控制系統(tǒng)中應用了人工智能技術,并提出了“人工智能控制”的概念,6,1.2.2智能控制的類型研究對象特點,當前智能控制的類型主要有以下幾種:集成或者(復合)混合控制、分級遞階控制系統(tǒng)、專家控制系統(tǒng)(ExpertSystem)、人工神經(jīng)網(wǎng)絡控制系統(tǒng)、模糊控制系統(tǒng)、學習控制系統(tǒng)等等。智能控制的研究對象具備以下的一些特點:(1)不確定性的模型智能控制的研究對象通常存在嚴重的不確定性。這里所說的模型不確定性包含兩層意思:一是模型未知或知之甚少;二是模型的結構和參數(shù)可能在很大范圍內變化。(2)高度的非線性對于具有高度非線性的控制對象,采用智能控制的方法往往可以較好地解決非線性系統(tǒng)的控制問題。(3)復雜的任務要求對于智能控制系統(tǒng),任務的要求往往比較復雜。,7,1.2.3智能控制的未來發(fā)展趨勢,控制理論從形成發(fā)展至今,己經(jīng)經(jīng)歷多年的歷程,大致可分為三個階段:第一階段以上世紀40年代時興起的調節(jié)原理作為標志,稱為經(jīng)典控制理論階段;第二階段以60年代時興起的狀態(tài)空間法作為標志,稱為現(xiàn)代控制理論階段;第三階段則是80年代時興起的智能控制理論階段。傅京孫在1971年指出,為了解決智能控制的問題,將人工智能技術中較少依賴模型的問題的求解方法與常規(guī)的控制方法相結合;Saridis在學習控制系統(tǒng)研究的基礎上,將傅京孫關于智能控制是人工智能與自動控制相結合的提法發(fā)展為:智能控制是人工智能、運籌學與控制系統(tǒng)理論三者的結合。,8,1.3研究內容及章節(jié)介紹,本課題以雙容水箱實驗裝置作為液位控制系統(tǒng)的一個典型研究對象,采用串級控制方式,在MATLAB環(huán)境中實現(xiàn)了對雙容水箱液位控制系統(tǒng)的智能控制算法仿真及研究實驗。第一章為本論文的引言部分,詳細講述智能控制的研究現(xiàn)狀與發(fā)展,以及研究對象的特點;第二章介紹了數(shù)學建模的兩種方法、MATLAB環(huán)境以及SIMULINK模型,并詳細推導了雙容水箱液位控制系統(tǒng)的建模過程;第三章介紹了PID控制及參數(shù)整定方法,并對雙容水箱PID控制系統(tǒng)做仿真實驗;第四、五章分別介紹了模糊控制與神經(jīng)網(wǎng)絡的控制思想、控制方法及算法設計,并分別對雙容水箱模糊控制系統(tǒng)、基于Levenberg-Marquardt訓練算法的雙容水箱神經(jīng)網(wǎng)絡預測控制系統(tǒng)做仿真實驗;第六章為本論文的總結,通過觀察三種控制方法的控制仿真曲線,對比它們的控制效果,從而得出結論。,9,2系統(tǒng)建模與MATLAB環(huán)境2.1過程控制系統(tǒng)的建模方法,從控制的角度來看,過程的靜態(tài)數(shù)學模型是系統(tǒng)方案和控制算法設計的重要基礎之一。建立被控對象的數(shù)學模型,可分為機理法及測試法兩類,下面分別闡述這兩類建模方法。,10,2.1.1機理法,機理法建模也稱為過程動態(tài)學方法,它的特點是把研究的過程視為一個透明的同子,因此建立的模型也稱為“白箱模型”。機理法建模的主要步驟如下:(1)根據(jù)過程的內在機理,寫出各種有關的平衡方程;(2)消去中間變量,建立狀態(tài)變量、控制變量和輸出變量之間的關系;(3)在工作點附近對方程進行增量化,建立增量化方程;(4)在共作點處進行線性化處理,簡化過程特征;(5)列出狀態(tài)方程和輸出方程。機理建模法的首要條件是需要過程的先驗知識,并且可以比較確切地對過程加以數(shù)學描述。用機理法建模時,有時也會出現(xiàn)模型中有些參數(shù)難以確定的情況,這時可用實驗數(shù)據(jù)來確定這些參數(shù),即可以用測試法來建模。,11,2.1.2.測試法,測試法是通過工業(yè)過程的輸入和輸出的實測數(shù)據(jù)進行數(shù)學處理后得到的模型。其特點是把被研究的工業(yè)過程視為一個“黑聞子”,完全從外特性上測試和描述它的動態(tài)性質,不需要深入掌握其內部機理。因此,建立的模型也稱為“黑箱模型”。復雜過程控制系統(tǒng)一般都采用測試法建模。,12,2.2雙容水箱液位控制系統(tǒng)的建模,雙容水箱實際被控對象如圖2.1所示,為單入單出二階最小相位過程控制系統(tǒng),具有非線性特性。其過程示意圖如圖2.2所示。,13,圖2.2雙容水箱模型圖,14,在雙容水箱液位控制系統(tǒng)中,輸入量為容器1的入水流量,正比于水菜的輸入電壓,連續(xù)可調且有界;輸出量(即被控量)為容器2中的液位高度?，F(xiàn)在,采用機理法對雙容水箱液位控制系統(tǒng)進行數(shù)學建模。設：輸入電壓為U,單位為伏特(V)；輸入流量為q1，單位為立方米每秒；容器1與容器2的輸出流量分別為q2、q3；兩容器中液位的高度分別為h1、h2，單位為米(m)；出水管的橫截面積分別為a1、a2，單位為平方米；容器1與容器2的底面面積分別為C1、C2，單位為平方米；重力加速度為g，單位為米每二次方秒；比例系數(shù)為K，單位為立方米每伏特秒。,15,16,17,18,19,2.3MATLAB環(huán)境及SIMULINK模型2.3.1MATLAB軟件簡介,MATLAB軟件及其產(chǎn)品家族是由美國的MathWorks公司開發(fā)的，是一個用于概念設計、算法開發(fā)、建模仿真的理想集成環(huán)境。其完善的專業(yè)體系與先進的設計開發(fā)思路使得MATLAB在很多領域中都有廣闊的應用空間。特別是在科學計算、建模仿真的設計開發(fā)方面（MATLAB的主用應用方向）已成為行業(yè)界的首選工具，被廣泛應用在航空航天、機械化工、金融財務、電信及教育等行業(yè)。,20,3PID控制及參數(shù)整定3.1PID控制簡介,21,22,23,4神經(jīng)網(wǎng)絡及控制方法4.1神經(jīng)網(wǎng)絡簡介4.1.1神經(jīng)網(wǎng)絡概述,人工神經(jīng)網(wǎng)絡(ArtificialNeuralNetworks)簡稱為神經(jīng)網(wǎng)絡(NNs),它模仿動物的神經(jīng)網(wǎng)絡,是一種分布式并行信息處理的算法數(shù)學模型。神經(jīng)網(wǎng)絡是根據(jù)系統(tǒng)的復雜程度,通過調整模型內部大量節(jié)點之間的相互連接關系來處理信息的。神經(jīng)網(wǎng)絡是利用大量的神經(jīng)元按一定的拓撲結構和學習調整方法。它能表示出豐富的特性:并行計算、分布存儲、可變結構、高度容錯、非線性運算、自我組織、學習或自學習等。這些特性是人們長期追求和期望的系統(tǒng)特性。它在智能控制的參數(shù)、結構或環(huán)境的自適應、自組織、自學習等控制方面具有獨特的能力。神經(jīng)網(wǎng)絡可以和模糊邏輯一樣適用于任意復雜對象的控制,但它與模糊邏輯不同的是擅長單輸入多輸出系統(tǒng)和多輸入多輸出系統(tǒng)的多變量控制。在模糊邏輯表示的SIMO系統(tǒng)和MIMO系統(tǒng)中,其模糊推理、解模糊過程以及學習控制等功能常用神經(jīng)網(wǎng)絡來實現(xiàn)。,24,單神經(jīng)元模型如圖5.1所示。其中,為神經(jīng)元的內部狀態(tài),為閾值,為輸入信號,j=l,n,表示從單元到單元的連接權系數(shù),為外部輸入信號。,25,采用BP(BackPropagation)網(wǎng)絡設置神經(jīng)PID控制,建立參數(shù)kp,ki,kd自學習的PID控制器,采用三層網(wǎng)絡結構,其網(wǎng)絡結構和控制系統(tǒng)結構如圖所示.,26,神經(jīng)網(wǎng)絡的學習過程是修改加權系數(shù)的過程,最終使其輸出達到期望值,學習結束。常用的學習算法有:Hebb學習算法、widrowHoff學習算法、BP學習算法及Hopfield反饋神經(jīng)網(wǎng)絡學習算法等。,4.2.2BP網(wǎng)絡學習過程及其算法,27,神經(jīng)網(wǎng)絡的控制方法有很多,如:神經(jīng)網(wǎng)絡直接反饋控制(如圖4.4所示)、神經(jīng)網(wǎng)絡逆控制、神經(jīng)網(wǎng)絡內?？刂啤⑸窠?jīng)網(wǎng)絡自適應控制、神經(jīng)網(wǎng)絡學習控制、神經(jīng)網(wǎng)絡PID控制(如圖4.5所示),圖4.4神經(jīng)網(wǎng)絡直接反饋控制系統(tǒng),圖4.5神經(jīng)網(wǎng)絡PID控制系統(tǒng),28,29,30,31,根據(jù)被控對象的特點和學習算法分析,取系統(tǒng)的學習率=0.20;慣性系數(shù)=0.05;加權系數(shù)初始值取-0.50.5上的隨機數(shù),在MATLAB下編寫其控制程序,并將程序應用于實驗系統(tǒng),其運行