基于神经网络模糊PID控制算法的粮食储存控制系统

 郑伟丽，李  博，孙文斐

 （郑州城市职业学院，河南  郑州  452370）

摘要：将传统的PID控制、模糊控制和神经网络控制有机结合起来，设计了一种基于神经网络模糊PID控制算法的粮食储存控制系统，有效提高了粮食储存系统中温湿度自动控制系统的精度、响应速度、稳定性和自适应能力。

 关键词：粮食储存控制系统；温湿度；神经网络模糊PID控制算法

 中图分类号：TP273+.4 

0  引言

 我国现有的粮食储存控制系统主要有线性方式和人工方式，系统复杂、精度差、投资大、工作量大，无法实时获得粮食储存系统的温湿度等主要信息。因此，设计一种能满足国家粮食储备要求的粮食储存温湿度监控系统，对改进我国粮食储备技术的落后面貌，加快农业经济的发展具有非常重要的现实意义。为此，业界提出了多种方法解决温湿度控制问题。虽然传统的PID控制和改进的PID控制方法结构简单、容易实现，但是由于系统具有时变性、强耦合、非线性和参数变化大等特点，因此PID控制的效果并不理想。模糊控制方法动态响应好、上升时间快、超调小、鲁棒性强，但是稳态精度低、稳态点容易振荡。人工神经网络控制虽然大规模并行处理能力强、自适应能力强，但是，在处理生产过程中存在大量的不确定性信息，网络难以表达，中间推理过程不透明导致用户对它进行推理时只能看到输入和输出。因此本文将传统的PID控制、模糊控制和神经网络控制有机地结合起来，设计了一种基于神经网络模糊PID控制算法的粮食储存控制系统，以期提高粮食储存系统的温湿度控制系统各项性能。

1  神经网络模糊PID控制原理

 神经网络模糊PID控制系统结构如图1所示。系统主要由神经网络NN、模糊化控制器、PID控制器和被控对象组成。其中，r（k）为系统参考输入量；u（k）为PID控制器的输出，其作用是控制被控对象；y（k）为系统输出量；e(k)为控制系统偏差变量，e（k）=r（k）-

y（k）；KP、KI、KD分别为PID控制器的比例系数、积分系数、微分系数，是神经网络NN的3个输出。

1.1PID控制器

 本系统采用增量式数字PID控制器，它对被控对象进行闭环控制，其控制算式为：

1.2  模糊化控制器

 图2为模糊控制原理，其核心部分为模糊化控制器，对神经网络模糊PID控制系统的状态偏差变量e（k）进行模糊量化和归一化处理。模糊化控制器由计算控制变量、模糊量化处理、模糊规则控制、模糊决策和非模糊化处理等单元组成。计算控制变量单元由计算机经过中断采样获得被控制量的精确值，将此量与给定值比较得到误差信号E，把误差信号E的精确量进行模糊化后得到模糊量。E的模糊量可以用响应的模糊语言集合β表示，由β和模糊控制规则R根据推理的合成规则进行模糊决策就得到了模糊控制量M，即：

 M经非模糊化处理后得到模糊化控制器的结果输出。模糊化控制器可以对作为实现模糊规则的神经网络NN的输入进行预处理，解决了NN的活化函数采用Sigmoid函数时对输入不敏感、直接输入量过大导致输出饱和等缺点。

1.3NN

 神经网络NN以加权系数的形式表示模糊规则，通过神经网络的学习算法计算，模糊规则的生成就转化为加权系数初值的确定和修改。因为输出层神经元的输出状态对应于PID控制器的K p、KI和KD，所以需要调整PID控制器的参数KP、KI和KD，根据整个系统的运行状态使其达到最优化性能指标；然后，神经网络NN进行自身学习和调整加权系数，使得整个粮食储存温湿度监控系统的稳定状态处于某种PID控制器最优化性能参数控制；最后通过PID控制器的输出对被控对象的开关时间进行调整。

2神经网络模糊PID控制算法数学模型

 神经网络采用一种有隐含层的三层前馈BP神经网络，具有1个输入层、1个隐含层和1个输出层。输入层包括3个输入信号和1个在线调整系数+1。输出层3个输出节点分别对应PID控制器的比例系数KP、积分系数KI、微分系数KD。学习速率η>0，0<惯性系数a<1。

用最小二乘法在线估计出系统的一步预报模型：

其中：T为时间常数；t为纯滞后时间；K为静态增益。

 为了对离散系统进行数字仿真和控制，方便进行计算机控制，必须将连续系统离散化得到离散信号，这就需要在控制系统中加入零阶采样保持器，通过Z变换法得到系统的脉冲传递函数，从而通过脉冲传递函数求出离散系统的动态差分方程。

零阶保持器的传递函数为：

3  系统仿真

 为了使神经网络模糊PID控制算法更好地应用到粮食储存温湿度控制系统中，利用MATLAB中Simulink仿真平台构建了粮食储存温湿度控制系统并进行仿真。仿真系统被控对象采用式(4)所示的一阶惯性模型，取K=1、T=600 s、t=3 000 s，并加入随机二元序列干扰信号进行仿真，经过多次调节实验，获得了很好的效果。仿真控制系统温度响应曲线和湿度

响应曲线如图3和图4所示。

 从图3和图4可以看出，在t= 30 s的时刻点，温度和湿度均已达到稳定，然后，将温度设定值由30℃调整到40℃，可以看到湿度值有微小减少，不过很快就稳定在设定值；在t=70 s时，温度已经重新稳定，这时将湿度设定值由40%调整为60%，湿度很快达到了新的设定值，而温度在湿度上升过程中经过轻微下降也稳定在设定值。在动态性能方面，超调量基本是小超调和无超调、精度高；在抗干扰方面，响应速度快、系统波动小、调节时间短，自适应性强。

4结语

 粮食储存温湿度控制系统是目前的热点研究问题，如何提高系统的调节性能对于增大企业经济效益的作用不言而喻。此控制系统随后被应用在多个粮食储存控制系统中，经过现场使用，同样具有良好的稳定性和自适应性，有效提高了粮食储存系统的温湿度自动控制系统精度、响应速度、稳定性和自适应能力。