CN103163906A - 一种水箱水位的神经模糊控制方法 - Google Patents
一种水箱水位的神经模糊控制方法 Download PDFInfo
- Publication number
- CN103163906A CN103163906A CN2013101058005A CN201310105800A CN103163906A CN 103163906 A CN103163906 A CN 103163906A CN 2013101058005 A CN2013101058005 A CN 2013101058005A CN 201310105800 A CN201310105800 A CN 201310105800A CN 103163906 A CN103163906 A CN 103163906A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- water level
- control
- controlled
- control method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明提供了一种水箱水位的神经模糊控制方法,该方法首先针对水位控制对象及其环境、目标和任务的不确定性和复杂性而提出一种神经网络模糊控制器,该控制器采用一种智能控制方式,无需建立系统的数学模型,并具有很强的自学习能力,很好的实现了水位的自动化控制。
Description
技术领域
本发明涉及一种水箱水位的神经模糊控制方法。
背景技术
在现代工业生产及日常生活中,有很多方面都会涉及到水位控制这个问题。而在绝大多数情况下,很难或是不可能得到被控对象的精确数学模型的,因此采用数学工具或计算机仿真技术的传统控制理论已经无法解决此类系统的控制问题。智能控制的概念主要是针对控制对象及其环境、目标和任务的不确定性和复杂性而提出来的,而神经网络模糊逻辑控制则作为一种新颖的智能控制方式越来越受到人们的重视。神经网络模糊逻辑控制是智能控制领域的重要发展方向,模糊神经控制技术被称为“21世纪的核心技术”。
本发明针对水位控制对象及其环境、目标和任务的不确定性和复杂性而提出一种神经网络模糊控制器,该控制器采用一种智能控制方式,无需建立系统的数学模型,并具有很强的自学习能力,很好的实现了水位的自动化控制。
发明内容
本发明提供了一种水箱水位的神经模糊控制方法,该方法首先针对水位控制对象及其环境、目标和任务的不确定性和复杂性而提出一种神经网络模糊控制器,该控制器采用一种智能控制方式,无需建立系统的数学模型,并具有很强的自学习能力,很好的实现了水位的自动化控制。
本发明提出的技术方案具体步骤包括:神经网络的结构如图1所示,它是一个三层FNN网络,它的输入层、中间层及输出层分别具有模糊化,规则推理和去模糊的功能,模糊控制器采用常规的二维模糊控制器,把水流理偏差 和作为模糊控制器的两个输入变量,利用模糊机理进行模糊推理得到控制量的模糊表达式,再经过PID调整因子,得到控制量的精确值,水位的主要动态特性包括:非线性、非最小相位特性、不稳定性、时滞和负荷干扰等。
采用了模糊神经控制方法依据操作人员的现场经验制成模糊控制表,通过判断水位的偏差及偏差变化率来控制输出,在大范围内利用模糊推理的方法调整系统的控制量U,而在小偏差范围内转换成PID控制,两者的转换根据事先给定的偏差范围自动实现,既保证动态响应效果,又能改善稳态控制精度。
模糊PID控制器的系统方框图如图2所示。
选取水位误差e的基本论域为[-1cm,1cm],选取误差变化率ec的基本论域为[-1,1],选取控制量u的基本论域为[0,1]。e、ec、u的语言变量值分别为:e={NB,NM,NS,ZE,PS,PM,PB},ec={NB,NM,NS,ZE,PS,PM,PB},u={NB,NM,NS,ZE,PS,PM,PB}。
建立单容水箱水位模糊控制系统的模糊控制规则如图3所示。
本发明的技术效果:本发明提出的上述水箱水位的神经模糊控制技术方案,采用一种智能控制方式,无需建立系统的数学模型,并具有很强的自学习能力,很好的实现了水位的自动化控制。
附图说明
图1为神经网络模型。
图2为模糊PID控制器的系统方框图。
图3为水箱水位模糊控制系统的模糊控制规则。
图4为采用模糊神经-PID控制的水位趋势曲线图。
图5为组态监控界面中观察水箱水位的实时趋势曲线系统;(a) 控制信号; (b) 误差信号; (c) ds规则;(d) du规则。
具体实施方式
实施例:
利用上述算法,经过不断的观察、调试后,模糊-PID复合控制器获得了满意的控制效果。组态监控界面中观察水箱水位的实时趋势曲线图分别如图4、图5所示。
从如图4、图5可以看出,系统的最大动态误差较小;水位能够稳定在给定值附近,即此系统的稳态误差较小。
综上所述,从以上控制算法和实际的水位曲线来看,该控制器采用一种智能控制方式,无需建立系统的数学模型,并具有很强的自学习能力,很好的实现了水位的自动化控制。
Claims (3)
1.一种水箱水位的神经模糊控制方法,其特征在于:针对水位控制对象及其环境、目标和任务的不确定性和复杂性而提出一种神经网络模糊控制器,该控制器采用一种智能控制方式,无需建立系统的数学模型,并具有很强的自学习能力,很好的实现了水位的自动化控制。
3.根据权利要求1所述的方法,其特征在于,水位的主要动态特性包括:非线性、非最小相位特性、不稳定性、时滞和负荷干扰等;采用了模糊神经控制方法依据操作人员的现场经验制成模糊控制表,通过判断水位的偏差及偏差变化率来控制输出,在大范围内利用模糊推理的方法调整系统的控制量U,而在小偏差范围内转换成PID控制,两者的转换根据事先给定的偏差范围自动实现,既保证动态响应效果,又能改善稳态控制精度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101058005A CN103163906A (zh) | 2013-03-29 | 2013-03-29 | 一种水箱水位的神经模糊控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101058005A CN103163906A (zh) | 2013-03-29 | 2013-03-29 | 一种水箱水位的神经模糊控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103163906A true CN103163906A (zh) | 2013-06-19 |
Family
ID=48587077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013101058005A Pending CN103163906A (zh) | 2013-03-29 | 2013-03-29 | 一种水箱水位的神经模糊控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103163906A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103853046A (zh) * | 2014-02-14 | 2014-06-11 | 广东工业大学 | 一种压电陶瓷驱动器的自适应学习控制方法 |
CN108241392A (zh) * | 2016-12-26 | 2018-07-03 | 航天信息股份有限公司 | 温度控制方法及系统 |
CN108303896A (zh) * | 2018-02-28 | 2018-07-20 | 武汉理工大学 | 渠系闸门智能控制方法及装置 |
CN111474965A (zh) * | 2020-04-02 | 2020-07-31 | 中国水利水电科学研究院 | 基于模糊神经网络的串联输水渠道水位预测与控制方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080084783A1 (en) * | 2006-10-10 | 2008-04-10 | Mehdi Mazrooee | Process control architecture with hydrodynamic correction |
-
2013
- 2013-03-29 CN CN2013101058005A patent/CN103163906A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080084783A1 (en) * | 2006-10-10 | 2008-04-10 | Mehdi Mazrooee | Process control architecture with hydrodynamic correction |
Non-Patent Citations (3)
Title |
---|
刘新,唐雪梅: "基于 MATLAB 的水箱水位模糊控制系统的设计", 《微计算机信息》, vol. 26, no. 111, 30 November 2010 (2010-11-30), pages 43 * |
刘春艳,刘文军: "基于模糊神经网络PID的锅炉汽包水位控制", 《热能基础研究》, vol. 40, no. 8, 31 August 2011 (2011-08-31), pages 36 * |
宁静,张延: "基于锅炉汽包水位系统的模糊神经控制研究", 《微计算机信息》, vol. 25, no. 41, 30 April 2009 (2009-04-30), pages 70 - 71 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103853046A (zh) * | 2014-02-14 | 2014-06-11 | 广东工业大学 | 一种压电陶瓷驱动器的自适应学习控制方法 |
CN103853046B (zh) * | 2014-02-14 | 2017-10-10 | 广东工业大学 | 一种压电陶瓷驱动器的自适应学习控制方法 |
CN108241392A (zh) * | 2016-12-26 | 2018-07-03 | 航天信息股份有限公司 | 温度控制方法及系统 |
CN108303896A (zh) * | 2018-02-28 | 2018-07-20 | 武汉理工大学 | 渠系闸门智能控制方法及装置 |
CN111474965A (zh) * | 2020-04-02 | 2020-07-31 | 中国水利水电科学研究院 | 基于模糊神经网络的串联输水渠道水位预测与控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Distributed model predictive control for load frequency control with dynamic fuzzy valve position modelling for hydro–thermal power system | |
CN102193532B (zh) | 火电厂单元机组自启停优化控制系统 | |
CN104181895A (zh) | 适应新能源接入的短期与超短期协调滚动调度优化策略 | |
CN103163906A (zh) | 一种水箱水位的神经模糊控制方法 | |
Liu et al. | Power system model predictive load frequency control | |
CN105807615A (zh) | 模糊前馈反馈控制器 | |
Zheng et al. | Deep reinforcement learning based active disturbance rejection load frequency control of multi-area interconnected power systems with renewable energy | |
Almasoudi et al. | Nonlinear coordination strategy between renewable energy sources and fuel cells for frequency regulation of hybrid power systems | |
Wang et al. | Intelligent load frequency control for improving wind power penetration in power systems | |
Zhao et al. | The design and simulation of fuzzy PID controller | |
CN103558756B (zh) | 基于组态元件的单神经元pid控制器的实现方法 | |
Yang et al. | Load frequency control of interconnected power system via multi-agent system method | |
Hua et al. | A robust H∞ control approach for a class of networked control systems with sampling jitter and packet-dropout | |
CN104460317A (zh) | 单输入单输出化工生产过程的自适应预测函数的控制方法 | |
Iranmanesh et al. | MPC-based control of a large-scale power system subject to consecutive pulse load variations | |
CN206563911U (zh) | 一种基于pid神经网络的双容液位控制系统 | |
CN108281969A (zh) | 多风柴系统的statcom自适应模糊滑模控制方法 | |
Ren et al. | A new Smith predictor for control of process with long time delays | |
Xie et al. | The design and simulation of fuzzy PID parameter self-tuning controller | |
Zhang et al. | Distributed control strategy of microgrid based on the concept of cyber physical system | |
Nong et al. | Nonlinear distributed MPC strategy with application to AGC of interconnected power system | |
Sheng et al. | The research and optimization of hybrid system MLD model parameters based on HYSDEL | |
CN114326616B (zh) | 基于多元负荷改进动态矩阵预测算法的工业过程控制方法 | |
CN102736514B (zh) | 一种具有可选控制模板的pidt控制技术及其方法 | |
Jia et al. | Study on PIDNN-based flow control in layered water injection technology in oilfield |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130619 |