CN113513001A - 一种测控一体化闸门的水量控制方法、装置和电子设备 - Google Patents
一种测控一体化闸门的水量控制方法、装置和电子设备 Download PDFInfo
- Publication number
- CN113513001A CN113513001A CN202110929190.5A CN202110929190A CN113513001A CN 113513001 A CN113513001 A CN 113513001A CN 202110929190 A CN202110929190 A CN 202110929190A CN 113513001 A CN113513001 A CN 113513001A
- Authority
- CN
- China
- Prior art keywords
- flow
- control
- gate
- measurement
- water
- 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
Classifications
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02B—HYDRAULIC ENGINEERING
- E02B13/00—Irrigation ditches, i.e. gravity flow, open channel water distribution systems
- E02B13/02—Closures for irrigation conduits
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Flow Control (AREA)
Abstract
本申请公开了一种测控一体化闸门的水量控制方法、装置和电子设备,该方法和装置具体为获取测控一体化闸门的多个水流参数和目标流量;根据多个水流参计算流量偏差;当流量偏差较小时采用模糊逻辑计算测控一体化闸门的电机的控制系数;根据控制系数对电机进行控制;当流量偏差较大时采用RBF神经网络计算目标开度;控制测控一体化闸门按最快速度逼近目标开度。这样一来,在目标流量与实际流量差异较大时可以快速执行长距离的闸门启闭操作,从而解决了现有控制方法无法精确控制水量的问题。并且,当实际流量在目标流量附近波动时,采用模糊逻辑计算电机的控制系数,实现对电机高效率、低功耗的自适应控制。
Description
技术领域
本申请涉及水利设备技术领域,更具体地说,涉及一种测控一体化闸门的水量控制方法、装置和电子设备。
背景技术
我国灌区水利工程的信息化起步较晚,量测水监测设施设备和技术较为陈旧和落后,输水渠道水调节多采用传统的铸铁闸门,配套螺杆启闭机或手动操作闸门实现闸门的起闭。灌溉方式和水量计量较为粗放,灌溉水利用系数不高,同时消耗较多人力物力。通过采用具有计量功能的测控一体化闸门,可以远程控制闸门开度并能实时获得水位、流量信息,从而能够为渠系的水量优化调配提供手段,使节水灌溉成为可能。
在渠系水量调配过程中,通常针对灌溉所需流量依照经验设置闸门的固定开度值,实际运行中由于上下游水位和渠道截面变化渠道流量存在较大波动,从而导致灌溉效率和水利用率较低。因此,需要按照每一轮灌溉所需流量对测控一体化闸门进行指令下发,要求在相应时间段保持恒定流量,从而提高灌溉效率和水利用率。
在此工作模式下,渠道上的测控一体化闸门在灌期会收到一系列恒定流量控制的指令。在上下游水位和渠道截面动态变化的条件下,闸门开度与实际流量之间存在较强的非线性关系,而且闸门开度变化对流量的影响存在滞后性。同时,测控一体化闸门在灌期不同时刻会收到不同的目标流量要求。针对这一类渠系水量调配过程中的闸门流量自动化控制,传统控制方法难以应对这种非线性、时变和耦合过程,即便进行参数优化,仍存在超调、系统振荡、控制精度差等问题,导致无法精确控制水量。
发明内容
有鉴于此,本申请提供一种测控一体化闸门的水量控制方法、装置和电子设备,用于对水渠的流量进行精确控制,以解决现有控制方法无法精确控制水量的问题。
为了实现上述目的,现提出的方案如下:
一种测控一体化闸门的水量控制方法,所述水量控制方法包括步骤:
获取所述测控一体化闸门的多个水流参数和目标流量;
根据所述多个水流参计算瞬时流量,并计算所述瞬时流量与所述目标流量之间的差值,得到流量偏差;
当所述流量偏差小于或等于预设流量偏差阈值时,采用模糊逻辑计算所述测控一体化闸门的电机的控制系数;
根据所述控制系数对所述电机进行控制;
当所述流量偏差大于所述与预设流量偏差阈值时,采用RBF神经网络对所述多个水流参数、所述瞬时流量进行计算和所述目标流量,得到目标开度;
控制所述测控一体化闸门按最快速度逼近所述目标开度。
可选的,所述多个水流参数包括闸前水位数据、闸后水位数据、闸后流速数据和所述测控一体化闸门的当前开度。
可选的,所述采用模糊逻辑计算所述测控一体化闸门的电机的控制系数,包括步骤:
采用流量偏差隶属函数将所述流量偏差进行模糊化处理,得到所述流量偏差的隶属度,并采用流量偏差变化率隶属函数对所述流量偏差的变化率进行模糊化处理,得到所述变化率的隶属度;
根据模糊逻辑规则表格对所述流量偏差的隶属度和所述变化率的隶属度进行模糊推理,得到所述控制系数的隶属度函数;
对所述隶属度函数进行反模糊化,得到所述控制系数。
可选的,所述RBF神经网络包括一个输入层、一个非线性处理神经元层和一个输出层,且嵌入有多个径向基函数。
一种测控一体化闸门的水量控制装置,所述水量控制装置包括:
参数获取模块,用于获取所述测控一体化闸门的多个水流参数和目标流量;
第一计算模块,用于根据所述多个水流参计算瞬时流量,并计算所述瞬时流量与所述目标流量之间的差值,得到流量偏差;
第二计算模块,用于当所述流量偏差小于或等于预设流量偏差阈值时,采用模糊逻辑计算所述测控一体化闸门的电机的控制系数;
控制执行模块,用于根据所述控制系数对所述电机进行控制;
第三计算模块,用于当所述流量偏差大于所述与预设流量偏差阈值时,采用RBF神经网络对所述多个水流参数、所述瞬时流量进行计算和所述目标流量,得到目标开度;
所述控制执行模块还用于当所述流量偏差大于所述与预设流量偏差阈值时,控制所述测控一体化闸门按最快速度逼近所述目标开度。
可选的,所述多个水流参数包括闸前水位数据、闸后水位数据、闸后流速数据和所述测控一体化闸门的当前开度。
可选的,所述第二计算模块包括:
第一计算单元,用于采用流量偏差隶属函数将所述流量偏差进行模糊化处理,得到所述流量偏差的隶属度,并采用流量偏差变化率隶属函数对所述流量偏差的变化率进行模糊化处理,得到所述变化率的隶属度;
第二计算单元,用于根据模糊逻辑规则表格对所述流量偏差的隶属度和所述变化率的隶属度进行模糊推理,得到所述控制系数的隶属度函数;
第三计算单元,用于对所述隶属度函数进行反模糊化,得到所述控制系数。
可选的,所述RBF神经网络包括一个输入层、一个非线性处理神经元层和一个输出层,且嵌入有多个径向基函数。
一种电子设备,应用于测控一体化闸门,其特征在于,设置有如上所述的水量控制装置。
一种电子设备,应用于测控一体化闸门,包括至少一个处理器和与所述处理器信号连接的存储器,其中:
所述存储器存储有计算机程序或指令;
所述处理器用于执行所述计算机程序或指令,以使所述电子设备实现如上所述的水量控制方法。
从上述的技术方案可以看出,本申请公开了一种测控一体化闸门的水量控制方法、装置和电子设备,该方法和装置具体为获取测控一体化闸门的多个水流参数和目标流量;根据多个水流参计算流量偏差;当流量偏差较小时采用模糊逻辑计算测控一体化闸门的电机的控制系数;根据控制系数对电机进行控制;当流量偏差较大时采用RBF神经网络计算目标开度;控制测控一体化闸门按最快速度逼近目标开度。这样一来,在目标流量与实际流量差异较大时可以快速执行长距离的闸门启闭操作,从而解决了现有控制方法无法精确控制水量的问题。并且,当实际流量在目标流量附近波动时,采用模糊逻辑计算电机的控制系数,实现对电机高效率、低功耗的自适应控制。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为测控一体化闸门的示意图;
图2为本申请实施例的一种测控一体化闸门的水量控制方法的流程图;
图3为本申请实施例的模糊逻辑计算过程的流程图;
图4为本申请实施例的一种测控一体化闸门的水量控制装置的框图;
图5为本申请实施例的一种电子设备的框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的技术方案应用于测控一体化闸门,测控一体化闸门主要由闸门、测水箱和主控模块三部分组成,如图1所示。其中,闸门主要包含了闸板、传动机构、减速机、电机、驱动模块和闸前超声波水位计,其中闸前超声波水位计用于检测闸前水位数据;测水箱主要包含了测水箱箱体、超声波时差法流速计和闸后超声波水位计,其中超声波时差法流量计用于检测闸后流速数据,闸后超声波水位计则用于检测渣后水位数据。主控模块采集闸前水位数据、闸后流速数据和闸后水位数据,并通过有线/无线网络与渠系水量调配管理平台通讯,获取最新的目标流量。
实施例一
图2为本申请实施例的一种测控一体化闸门的水量控制方法的流程图。
如图2所示,本实施例提供的水量控制方法应用于测控一体化闸门,具体来说应用于该测控一体化闸门的主控模块,该主控模块可以看做是一种基于计算机技术的电子设备。该水量控制方法包括如下步骤:
S1、获取测控一体化闸门的多个水流参数和目标流量。
这里的多个水流参数是指测控一体化闸门上的检测元件所获得的参数,具体包括闸前水位数据、闸后水位数据、闸后流速数据和所述测控一体化闸门的当前开度。目标流量则从渠系水量调配管理平台获得。
S2、计算瞬时流量,并根据瞬时流量计算流量偏差。
即根据上述得到的多个水流参数进行计算,从而得到通过该测控一体化闸门的瞬时流量。并根据该瞬时流量和目标流量得到流量偏差,这里的流量偏差是指瞬时流量和目标流量的差值的绝对值。
瞬时流量的计算方法可以根据流速与水位之间的乘积运算得到,具体到本申请的实施例,该流速包括闸后流速数据,水位则包括闸前水位数据和闸后水位数据,具体的计算过程为本领域常用技术手段,这里不再赘述。
S3、当流量偏差较小时采用模糊逻辑计算控制系数。
即该流量偏差小于或等于预设流量偏差阈值时,或者说处于该预设流量偏差阈值的范围之内时采用模糊逻辑计算电机的控制系数,该控制系数包括电机的转向,还包括用于控制该电机的脉宽调制信号的占空比。
具体来说,通过如下步骤计算该控制系统,如图3所示。
S301、对流量偏差以及流量偏差的变化率进行模糊化处理。
采用流量偏差隶属函数对流量偏差进行模糊化处理,并采用流量偏差的变化率隶属函数对流量偏差的变化率进行模糊化处理。
流量偏差隶属函数包含A-3、A-2、A-1、A0、A1、A2、A3七个模糊集,分别代表了负向较大、负向居中、负向较小、零位附近、正向较小、正向居中、正向较大的控制程度集合,可以获得流量偏差对各个模糊集的隶属度;
流量偏差变化率隶属函数包含B-3、B-2、B-1、B0、B1、B2、B3七个模糊集,分别代表了负向较大、负向居中、负向较小、零位附近、正向较小、正向居中、正向较大的控制程度集合,可以获得流量偏差的变化率对各个模糊集的隶属度。
S302、根据模糊逻辑规则表格对上述隶属度进行模糊推力。
根据模糊逻辑规则表格,对上述流量偏差的隶属度和流量偏差的变化率的隶属度进行模糊推理。例如,如果流量偏差为A-2且流量偏差的变化率为B-1,则电机的控制系数为F-2。依据流量偏差、流量偏差的变化率对各个模糊集的隶属度,进行模糊推理后,获得电机的控制系数对F-3、F-2、F-1、F0、F1、F2、F3七个模糊集的隶属度函数。
S303、对隶属度函数进行反模糊化,得到控制系数。
对上述隶属度函数进行反模糊化。F-3、F-2、F-1、F0、F1、F2、F3七个模糊集分别代表了占空比较大且电机反转、占空比居中且电机反转、占空比较小且电机反转、电机停转、占空比较小且电机正转、占空比居中且电机正转、占空比较大且电机正转的控制程度集合,采用重心法获得该电极的具体控制系数。
S4、根据控制系数驱动测控一体化闸门的电机。
即根据控制系数中控制该电极的转向和转速,这里的转速具体来说是控制与电机相连接的驱动模块所输出的脉宽调制信号的占空比,该驱动模块可以选用变频控制器、PLC或者处理器实现。
S5、当流量偏差较大时采用RBF神经网络计算目标开度。
即当该流量偏差大于该预设流量偏差阈值时,基于RBF神经网络对多个水流参数、瞬时流量和目标流量进行处理,从而得到闸门的目标开度。该RBF神经网络在运行前采用历史数据或试验数据进行训练得到,并且还可以在后续运行时利用运行中的实际参数对该神经网络进行进一步优化处理。从而实现进一步提高流量控制的精度和响应速度。
RBF神经网络由一个输入层、一个非线性处理神经元层和一个输出层组成,且其中嵌入了多个径向基函数。RBF神经网络具有优秀的函数逼近特性,能以任意精度逼近任一连续函数。具体执行过程中,本实施例以目标流量Qs、闸前水位数据H1、闸后水位数据H2、闸门开度D、瞬时流量Q为输入,以目标开度Dp为输出。输入向量定义为:
X=[Qs,H1,H2,D,Q]
输出函数可表示为:
其中为径向基函数,c1,c2,…,c5为径向基函数的中心,‖·‖为欧几里得范数,w1,w2,…,w5为输出层权重。RBF神经网络基础训练采用流量智能控制正式运行前的输入向量、输出值样本,RBF神经网络持续训练采用流量智能控制正式运行后新生成的输入向量、输出值样本。
S6、控制测控一体化闸门以最快速度逼近目标开度。
即控制该测控一体化闸门中用于驱动闸板的电机以其最快设计速度运转,以使该测控一体化闸门的实际开度以最快的速度逼近并实现该目标开度。
从上述技术方案可以看出,本实施例提供了一种测控一体化闸门的水量控制方法,具体为获取测控一体化闸门的多个水流参数和目标流量;根据多个水流参计算流量偏差;当流量偏差较小时采用模糊逻辑计算测控一体化闸门的电机的控制系数;根据控制系数对电机进行控制;当流量偏差较大时采用RBF神经网络计算目标开度;控制测控一体化闸门按最快速度逼近目标开度。这样一来,在目标流量与实际流量差异较大时可以快速执行长距离的闸门启闭操作,从而解决了现有控制方法无法精确控制水量的问题。并且,当实际流量在目标流量附近波动时,采用模糊逻辑计算电机的控制系数,实现对电机高效率、低功耗的自适应控制。
实施例二
图4为本申请实施例的一种测控一体化闸门的水量控制装置的框图。
如图4所示,本实施例提供的水量控制装置应用于测控一体化闸门,具体来说应用于该测控一体化闸门的主控模块,可以看做该主控模块的电子设备或者功能模块,该主控模块可以看做是一种基于计算机技术的电子设备。该水量控制装置具体包括参数获取模块10、第一计算模块20、第二计算模块30、控制执行模块40和第三计算模块50.。
参数获取模块用于获取测控一体化闸门的多个水流参数和目标流量。
这里的多个水流参数是指测控一体化闸门上的检测元件所获得的参数,具体包括闸前水位数据、闸后水位数据、闸后流速数据和所述测控一体化闸门的当前开度。目标流量则从渠系水量调配管理平台获得。
第一计算模块用于计算瞬时流量,并根据瞬时流量计算流量偏差。
即根据上述得到的多个水流参数进行计算,从而得到通过该测控一体化闸门的瞬时流量。并根据该瞬时流量和目标流量得到流量偏差,这里的流量偏差是指瞬时流量和目标流量的差值的绝对值。
瞬时流量的计算方法可以根据流速与水位之间的乘积运算得到,具体到本申请的实施例,该流速包括闸后流速数据,水位则包括闸前水位数据和闸后水位数据,具体的计算过程为本领域常用技术手段,这里不再赘述。
第二计算模块用于当流量偏差较小时采用模糊逻辑计算控制系数。
即该流量偏差小于或等于预设流量偏差阈值时,或者说处于该预设流量偏差阈值的范围之内时采用模糊逻辑计算电机的控制系数,该控制系数包括电机的转向,还包括用于控制该电机的脉宽调制信号的占空比。
具体来说,该第二计算模块包括第一计算单元、第二计算单元和第三计算单元。
第一计算单元用于对流量偏差以及流量偏差的变化率进行模糊化处理。
采用流量偏差隶属函数对流量偏差进行模糊化处理,并采用流量偏差的变化率隶属函数对流量偏差的变化率进行模糊化处理。
流量偏差隶属函数包含A-3、A-2、A-1、A0、A1、A2、A3七个模糊集,分别代表了负向较大、负向居中、负向较小、零位附近、正向较小、正向居中、正向较大的控制程度集合,可以获得流量偏差对各个模糊集的隶属度;
流量偏差变化率隶属函数包含B-3、B-2、B-1、B0、B1、B2、B3七个模糊集,分别代表了负向较大、负向居中、负向较小、零位附近、正向较小、正向居中、正向较大的控制程度集合,可以获得流量偏差的变化率对各个模糊集的隶属度。
第二计算单元用于根据模糊逻辑规则表格对上述隶属度进行模糊推力。
根据模糊逻辑规则表格,对上述流量偏差的隶属度和流量偏差的变化率的隶属度进行模糊推理。例如,如果流量偏差为A-2且流量偏差的变化率为B-1,则电机的控制系数为F-2。依据流量偏差、流量偏差的变化率对各个模糊集的隶属度,进行模糊推理后,获得电机的控制系数对F-3、F-2、F-1、F0、F1、F2、F3七个模糊集的隶属度函数。
第三计算单元用于对隶属度函数进行反模糊化,得到控制系数。
对上述隶属度函数进行反模糊化。F-3、F-2、F-1、F0、F1、F2、F3七个模糊集分别代表了占空比较大且电机反转、占空比居中且电机反转、占空比较小且电机反转、电机停转、占空比较小且电机正转、占空比居中且电机正转、占空比较大且电机正转的控制程度集合,采用重心法获得该电极的具体控制系数。
控制执行模块用于当流量偏差小于或等于预设流量偏差阈值时根据控制系数驱动测控一体化闸门的电机。
即根据控制系数中控制该电极的转向和转速,这里的转速具体来说是控制与电机相连接的驱动模块所输出的脉宽调制信号的占空比,该驱动模块可以选用变频控制器、PLC或者处理器实现。
第三计算模块用于当流量偏差较大时采用RBF神经网络计算目标开度。
即当该流量偏差大于该预设流量偏差阈值时,基于RBF神经网络对多个水流参数、瞬时流量和目标流量进行处理,从而得到闸门的目标开度。该RBF神经网络在运行前采用历史数据或试验数据进行训练得到,并且还可以在后续运行时利用运行中的实际参数对该神经网络进行进一步优化处理。从而实现进一步提高流量控制的精度和响应速度。
RBF神经网络由一个输入层、一个非线性处理神经元层和一个输出层组成,且其中嵌入了多个径向基函数。RBF神经网络具有优秀的函数逼近特性,能以任意精度逼近任一连续函数。具体执行过程中,本实施例以目标流量Qs、闸前水位数据H1、闸后水位数据H2、闸门开度D、瞬时流量Q为输入,以目标开度Dp为输出。输入向量定义为:
X=[Qs,H1,H2,D,Q]
输出函数可表示为:
其中为径向基函数,c1,c2,…,c5为径向基函数的中心,‖·‖为欧几里得范数,w1,w2,…,w5为输出层权重。RBF神经网络基础训练采用流量智能控制正式运行前的输入向量、输出值样本,RBF神经网络持续训练采用流量智能控制正式运行后新生成的输入向量、输出值样本。
控制执行模块还用于在流量偏差大于该预设流量偏差阈值时控制测控一体化闸门以最快速度逼近目标开度。
即控制该测控一体化闸门中用于驱动闸板的电机以其最快设计速度运转,以使该测控一体化闸门的实际开度以最快的速度逼近并实现该目标开度。
从上述技术方案可以看出,本实施例提供了一种测控一体化闸门的水量控制装置,该装置具体用于获取测控一体化闸门的多个水流参数和目标流量;根据多个水流参计算流量偏差;当流量偏差较小时采用模糊逻辑计算测控一体化闸门的电机的控制系数;根据控制系数对电机进行控制;当流量偏差较大时采用RBF神经网络计算目标开度;控制测控一体化闸门按最快速度逼近目标开度。这样一来,在目标流量与实际流量差异较大时可以快速执行长距离的闸门启闭操作,从而解决了现有控制方法无法精确控制水量的问题。并且,当实际流量在目标流量附近波动时,采用模糊逻辑计算电机的控制系数,实现对电机高效率、低功耗的自适应控制。
实施例三
本实施例提供了一种电子设备,该电子设备应用于测控一体化闸门,其设置有上一实施例所提供的水量控制装置。该水量控制装置具体用于获取测控一体化闸门的多个水流参数和目标流量;根据多个水流参计算流量偏差;当流量偏差较小时采用模糊逻辑计算测控一体化闸门的电机的控制系数;根据控制系数对电机进行控制;当流量偏差较大时采用RBF神经网络计算目标开度;控制测控一体化闸门按最快速度逼近目标开度。这样一来,在目标流量与实际流量差异较大时可以快速执行长距离的闸门启闭操作,从而解决了现有控制方法无法精确控制水量的问题。并且,当实际流量在目标流量附近波动时,采用模糊逻辑计算电机的控制系数,实现对电机高效率、低功耗的自适应控制。
实施例四
图5为本申请实施例的一种电子设备的框图。
如图5所示,本实施例提供的电子设备应用于测控一体化闸门,具体来说应用于该测控一通话闸门的控制模块,具体包括至少一个处理器101和相应的存储器102,两者通过数据总线103连接。
该存储器用于存储计算机程序或指令,该处理器用于获取并执行该计算机程序或指令,以使该电子设备实现实施例一种所记载的水量控制方法。
该水量控制方法具体为获取测控一体化闸门的多个水流参数和目标流量;根据多个水流参计算流量偏差;当流量偏差较小时采用模糊逻辑计算测控一体化闸门的电机的控制系数;根据控制系数对电机进行控制;当流量偏差较大时采用RBF神经网络计算目标开度;控制测控一体化闸门按最快速度逼近目标开度。这样一来,在目标流量与实际流量差异较大时可以快速执行长距离的闸门启闭操作,从而解决了现有控制方法无法精确控制水量的问题。并且,当实际流量在目标流量附近波动时,采用模糊逻辑计算电机的控制系数,实现对电机高效率、低功耗的自适应控制。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的技术方案进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种测控一体化闸门的水量控制方法,其特征在于,所述水量控制方法包括步骤:
获取所述测控一体化闸门的多个水流参数和目标流量;
根据所述多个水流参计算瞬时流量,并计算所述瞬时流量与所述目标流量之间的差值,得到流量偏差;
当所述流量偏差小于或等于预设流量偏差阈值时,采用模糊逻辑计算所述测控一体化闸门的电机的控制系数;
根据所述控制系数对所述电机进行控制;
当所述流量偏差大于所述与预设流量偏差阈值时,采用RBF神经网络对所述多个水流参数、所述瞬时流量进行计算和所述目标流量,得到目标开度;
控制所述测控一体化闸门按最快速度逼近所述目标开度。
2.如权利要求1所述的水量控制方法,其特征在于,所述多个水流参数包括闸前水位数据、闸后水位数据、闸后流速数据和所述测控一体化闸门的当前开度。
3.如权利要求1所述的水量控制方法,其特征在于,所述采用模糊逻辑计算所述测控一体化闸门的电机的控制系数,包括步骤:
采用流量偏差隶属函数将所述流量偏差进行模糊化处理,得到所述流量偏差的隶属度,并采用流量偏差变化率隶属函数对所述流量偏差的变化率进行模糊化处理,得到所述变化率的隶属度;
根据模糊逻辑规则表格对所述流量偏差的隶属度和所述变化率的隶属度进行模糊推理,得到所述控制系数的隶属度函数;
对所述隶属度函数进行反模糊化,得到所述控制系数。
4.如权利要求1所述的水量控制方法,其特征在于,所述RBF神经网络包括一个输入层、一个非线性处理神经元层和一个输出层,且嵌入有多个径向基函数。
5.一种测控一体化闸门的水量控制装置,其特征在于,所述水量控制装置包括:
参数获取模块,用于获取所述测控一体化闸门的多个水流参数和目标流量;
第一计算模块,用于根据所述多个水流参计算瞬时流量,并计算所述瞬时流量与所述目标流量之间的差值,得到流量偏差;
第二计算模块,用于当所述流量偏差小于或等于预设流量偏差阈值时,采用模糊逻辑计算所述测控一体化闸门的电机的控制系数;
控制执行模块,用于根据所述控制系数对所述电机进行控制;
第三计算模块,用于当所述流量偏差大于所述与预设流量偏差阈值时,采用RBF神经网络对所述多个水流参数、所述瞬时流量进行计算和所述目标流量,得到目标开度;
所述控制执行模块还用于当所述流量偏差大于所述与预设流量偏差阈值时,控制所述测控一体化闸门按最快速度逼近所述目标开度。
6.如权利要求5所述的水量控制装置,其特征在于,所述多个水流参数包括闸前水位数据、闸后水位数据、闸后流速数据和所述测控一体化闸门的当前开度。
7.如权利要求5所述的水量控制装置,其特征在于,所述第二计算模块包括:
第一计算单元,用于采用流量偏差隶属函数将所述流量偏差进行模糊化处理,得到所述流量偏差的隶属度,并采用流量偏差变化率隶属函数对所述流量偏差的变化率进行模糊化处理,得到所述变化率的隶属度;
第二计算单元,用于根据模糊逻辑规则表格对所述流量偏差的隶属度和所述变化率的隶属度进行模糊推理,得到所述控制系数的隶属度函数;
第三计算单元,用于对所述隶属度函数进行反模糊化,得到所述控制系数。
8.如权利要求5所述的水量控制装置,其特征在于,所述RBF神经网络包括一个输入层、一个非线性处理神经元层和一个输出层,且嵌入有多个径向基函数。
9.一种电子设备,应用于测控一体化闸门,其特征在于,设置有如权利要求5~8任一项所述的水量控制装置。
10.一种电子设备,应用于测控一体化闸门,其特征在于,包括至少一个处理器和与所述处理器信号连接的存储器,其中:
所述存储器存储有计算机程序或指令;
所述处理器用于执行所述计算机程序或指令,以使所述电子设备实现如权利要求1~4任一项所述的水量控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110929190.5A CN113513001A (zh) | 2021-08-13 | 2021-08-13 | 一种测控一体化闸门的水量控制方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110929190.5A CN113513001A (zh) | 2021-08-13 | 2021-08-13 | 一种测控一体化闸门的水量控制方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113513001A true CN113513001A (zh) | 2021-10-19 |
Family
ID=78068404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110929190.5A Pending CN113513001A (zh) | 2021-08-13 | 2021-08-13 | 一种测控一体化闸门的水量控制方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113513001A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004293199A (ja) * | 2003-03-27 | 2004-10-21 | Jfe Engineering Kk | 水位制御方法および水位制御支援方法 |
CN107194524A (zh) * | 2017-07-28 | 2017-09-22 | 合肥工业大学 | 一种基于rbf神经网络的煤与瓦斯突出预测方法 |
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 |
CN109999527A (zh) * | 2019-04-25 | 2019-07-12 | 青岛杰瑞工控技术有限公司 | 一种多流体智能配料控制方法 |
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 |
CN112859586A (zh) * | 2021-01-12 | 2021-05-28 | 东北大学 | 一种基于模糊pid控制的隔膜泵系统安全运行保障方法 |
-
2021
- 2021-08-13 CN CN202110929190.5A patent/CN113513001A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004293199A (ja) * | 2003-03-27 | 2004-10-21 | Jfe Engineering Kk | 水位制御方法および水位制御支援方法 |
CN107194524A (zh) * | 2017-07-28 | 2017-09-22 | 合肥工业大学 | 一种基于rbf神经网络的煤与瓦斯突出预测方法 |
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 |
CN109999527A (zh) * | 2019-04-25 | 2019-07-12 | 青岛杰瑞工控技术有限公司 | 一种多流体智能配料控制方法 |
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 |
CN112859586A (zh) * | 2021-01-12 | 2021-05-28 | 东北大学 | 一种基于模糊pid控制的隔膜泵系统安全运行保障方法 |
Non-Patent Citations (1)
Title |
---|
宁静等: "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》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100524106C (zh) | 电动机控制装置的自动调整法及装置 | |
CN101825870B (zh) | 一种控制水处理絮凝剂投放量的方法及系统 | |
CN103984242B (zh) | 基于模型预测控制的分层预测控制系统及其控制方法 | |
WO2021196997A1 (zh) | 基于模糊神经网络的串联输水渠道水位预测与控制方法 | |
CN108696210B (zh) | 基于参数辨识的直流电机电流环控制器参数自整定方法 | |
CN111176115B (zh) | 基于模糊神经网络和仿人智能控制的阀位控制方法 | |
CN102720634B (zh) | 一种优化参数的变论域模糊电动变桨控制方法 | |
CN103296940A (zh) | 一种自适应pi控制方法与系统 | |
CN104753439A (zh) | 一种电机的pid智能调速方法 | |
CN105867138A (zh) | 一种基于pid控制器的稳定平台控制方法及装置 | |
CN110090478A (zh) | 一种充填场景下的深锥浓密机智能控制方法 | |
CN203350635U (zh) | 一种动态模糊控制系统 | |
CN106059412B (zh) | 基于信度规则库推理的他励直流电动机转速控制方法 | |
CN104267600B (zh) | 钢包精炼炉电极调节控制系统及其控制方法 | |
CN112180733B (zh) | 一种基于模糊逻辑的建筑能耗系统预测控制参数整定方法 | |
CN101985168B (zh) | 熔体阳极板定量浇铸控制方法 | |
CN113513001A (zh) | 一种测控一体化闸门的水量控制方法、装置和电子设备 | |
CN105587018A (zh) | 无负压供水机组的模糊控制系统及其模糊控制方法 | |
CN103412482A (zh) | 一种动态模糊控制系统及其控制方法 | |
CN102622000B (zh) | 一种基于模糊神经网路的供浆系统流量控制方法 | |
CN115933364B (zh) | 一种pid控制器参数优化方法、装置、设备、存储介质 | |
CN101995845A (zh) | 基于fpga的自调匀整控制系统及控制方法 | |
CN106950835A (zh) | 简洁鲁棒二自由度比例积分控制方法 | |
CN112733372B (zh) | 一种负荷建模的模糊逻辑强跟踪方法 | |
CN113550273B (zh) | 一种闸门开度控制方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211019 |