毕业设计（论文）基于CMAC的过热蒸汽温度控制研究.doc

《毕业设计（论文）基于CMAC的过热蒸汽温度控制研究.doc》由会员分享，可在线阅读，更多相关《毕业设计（论文）基于CMAC的过热蒸汽温度控制研究.doc（45页珍藏版）》请在三一办公上搜索。

1、学 号 密 级 哈尔滨工程大学本科生毕业论文基于CMAC的过热蒸汽温度控制研究院（系）名 称：自动化学院专 业 名 称：自动化学 生 姓 名：指 导 教 师：2010年6摘要现代船舶锅炉的过热器是在高温、高压条件下工作的部件，它对于船舶蒸汽动力装置的安全经济运行有着重大影响。若过热器内蒸汽温度过高，则会烧坏过热器高温段；若温度过低，则会降低热效率和影响汽轮机安全运行。 因此，严格控制过热蒸汽温度在给定值附近是船舶蒸汽动力装置的一个重要任务之一。过热蒸汽温度控制系统的被控对象惯性和延迟较大，具有非线性、时变等特点。尤其是大容量、高参数的船舶控制系统，被控对象更加复杂，对控制系统的要求更高，常规的

2、汽温串级控制已经不能满足要求。小脑模型神经网络比一般神经网络具有更好的非线性逼近能力，更适合于复杂动态环境下的非线性实时控制。本论文首先根据船舶锅炉过热蒸汽温度控制系统的工作原理，建立了过热蒸汽温度串级调节系统数学模型，然后，对常规PID控制算法和CMAC控制算法进行了分析和研究，并设计了基于常规PID控制器和基于CMAC与PID的复合控制器。最后应用MATLAB软件分别进行了常规PID控制和CMAC与PID复合控制仿真，并对二者的控制效果进行比较。仿真结果表明，CMAC与PID的复合控制效果要优于常规PID控制，具有更快的控制响应速度，实时性好，抗干扰能力强。 CMAC与PID复合控制方法应

3、用在船舶过热蒸汽温度控制中，可以改善过热蒸汽温度控制的品质。关键词：过热蒸汽温度；CMAC与PID复合控制；SIMULINK仿真；串级汽温调节ABSTRACTModern ship boiler superheater is working in high temperature and high pressure conditions components, it has a significant impact on the safety of the ship steam power plant on economic performance. If the overheated ste

4、am temperature inside is too high，the high temperature superheater section will be burned; if the temperature is too low, it will reduce the thermal efficiency and impact the safe operation of steam turbine. Therefore, strict control of overheated steam temperature at a given value in the vicinity i

5、s one of the important tasks of the ship of a steam power plant. The controlled object of overheated steam temperature control system is large inertia and delay, nonlinear, time-varying characteristics. Especially in the high-capacity, high parameter ship control system, the controlled object is mor

6、e complex and takes more demanding on the control system. Conventional steam temperature cascade control strategy can no longer meet the requirements. CMAC neural network has better nonlinear approximation ability than general neural network, is more suitable for complex nonlinear dynamic real-time

7、control environment. This paper take ships overheated steam temperature control system as the research object . Firstly, a superheated steam temperature cascade control system model have established,. Then, the CMAC and PID compound controller of the superheated steam temperature system is designed,

8、 according to the analysis of traditional PID control algorithm and fuzzy PID control algorithm. Finally, simulation of the control system based on the two algorithms is carried out, using MATLAB software. In addition, the simulation results of CMAC and PID compound control are compared to those of

9、traditional PID control. The simulation results show that the CMAC and PID compound control is superior to traditional PID control, and can arrive at a satisfying control effect, with faster response speed, shorter transition time, and strong adaptability. The application of CMAC and PID compound co

10、ntrol in the ship overheated steam temperature control system, can improve the quality of s overheated steam temperature control.Key words: overheated steam temperature; CMAC and PID compound control ; SIMULATION; steam temperature cascade control目 录第1章绪论11.1论文选题背景、目的和意义11.2目前本课题国内外的研究现状21.2.1神经网络的发

11、展21.2.2CMAC研究现状51.2.3神经网络和PID控制相结合的研究现状61.3本课题的主要研究内容6第2章船舶过热蒸汽温度控制系统数学模型82.1过热气温对象的静态特性和动态特性82.1.1蒸汽负荷扰动对汽温的影响82.1.2减温水流量扰动下的汽温对象动态特性102.2过热蒸汽温度串级调节系统112.3过热蒸汽温度串级调节系统结构122.4本章小结13第3章PID控制系统及CMAC与PID复合控制系统的设计143.1基于常规PID控制器的过热蒸汽温度控制系统设计143.2CMAC与PID复合控制的过热蒸汽温度控制系统设计163.2.1CMAC算法163.2.2CAMC网络与PID复合控

12、制193.3本章小结21第4章基于MATLAB控制算法研究及仿真224.1Matlab简介224.3基于常规PID的过热蒸汽温度控制仿真研究254.4基于 CMAC与PID复合控制的过热蒸汽温度控制仿真研究284.5常规PID控制与基于CMAC与PID复合控制的仿真结果对比与分析334.6本章小结33结论35参考文献36致谢38第1章绪论1.1论文选题背景、目的和意义在船舶蒸汽动力装置中，过热蒸汽温度是锅炉运行质量的重要指标之一，过热蒸汽温度过高，可能造成过热器、蒸汽管道和汽轮机的高压部分损坏;过热蒸汽温度过低，会引起热耗上升，并使汽轮机轴向推力增大而造成推力轴承过载，还会引起汽轮机末级蒸汽温

13、度增加，从而降低蒸汽机的内效率，加剧对叶片的侵蚀，所以将过热蒸汽温度控制在给定值附近是船舶蒸汽动力装置的重要任务。鉴于过热蒸汽温度系统的被控对象惯性和延迟较大，具有非线性、时变等特点。尤其在大容量、高参数的船舶控制系统，被控对象更加复杂，对控制系统的要求更高，常规的汽温串级控制已经不能满足要求。小脑模型神经网络（CMAC）比一般神经网络具有更好的非线性逼近能力，更适合于复杂动态环境下的非线性实时控制。本课题以船舶过热蒸汽温度系统为研究对象，研究CMAC与PID复合控制方法在船舶过热蒸汽温度控制中的应用，以改善过热蒸汽温度控制的品质。近年来国内外对大型锅炉过热蒸汽温度优化控制的研究十分活跃，但目

14、前广泛应用的优化控制策略仍然基于常规的线性PID控制器，难于取得优良的控制品质，严重影响了锅炉的安全、经济运行。究其原因为：（1）传统的PID控制系统，只是根据锅炉过热汽温系统某一负荷点上的对象特性(传递函数)来设计的，但其状态大范围变化时，动态特性往往变化较大，即被控对象存在严重的非线性，因此，常规PID控制系统在整个负荷范围内不可能是全局最优的；（2）PID控制规律是线性的，而锅炉过热汽温对象具有强烈的非线性，无论对常规控制系统如何优化，总是突破不了用线性控制器来控制非线性对象的这一局限性，控制品质提高必定会受到限制，要进一步提高控制品质，应研究采用基于热力系统非线性模型的新型优化控制系统

15、。由于船舶过热蒸汽温度系统这种复杂系统具有与简单系统所不同的特点，及复杂系统的不确定性、非线性、时变和多变量、强耦合等，使传统控制方法无法对其进行控制。为了解决这种复杂控制系统的控制问题，智能控制方法应运而生，小脑模型神经网络作为智能控制的一个重要分支，在复杂系统控制方面具有明显的优势，并已经取得了较为广泛的应用。1.2目前本课题国内外的研究现状1.2.1神经网络的发展自20世纪40年代，随着神经解剖学、神经生理学以及神经元的电生理过程等的研究取得突破性进展，人们对人脑的结构、组成及最基本工作单元有了越来越充分的认识，在此基本认识的基础上，综合数学、物理学以及信息处理等学科的方法对人脑神经网络

16、进行抽象，并建立简化的模型，称为人工神经网络ANN(Artificial Neural Network)。目前，关于人工神经网络的定义尚不统一，按美国神经网络学家Hecht Nielsen的观点，神经网络的定义是：“神经网络是由多个非常简单的处理单元彼此按某种方式相互连接而形成的计算机系统，该系统靠其状态对外部输入信息的动态响应来处理信息的”。综合神经网络的来源、特点和各种解释，它可简单地表述为：人工神经网络是一种旨在模仿人脑结构及其功能的信息处理系统。9现代意义上对神经网络的研究一般认为从1943年美国芝加哥大学的生理学家W.S. McCulloch和W.A. Pitts提出M-P神经元模型

17、开始，到今年正好六十年。在这六十年中，神经网络的发展走过了一段曲折的道路。1965年M. Minsky和S. Papert在感知机一书中指出感知机的缺陷并表示出对这方面研究的悲观态度，使得神经网络的研究从兴起期进入了停滞期，这是神经网络发展史上的第一个转折。到了20世纪80年代初，J.J. Hopfield的工作和D. Rumelhart等人的PDP报告显示出神经网络的巨大潜力，使得该领域的研究从停滞期进入了繁荣期，这是神经网络发展史上的第二个转折。到了20世纪90年代中后期，随着研究者们对神经网络的局限有了更清楚的认识，以及支持向量机等似乎更有前途的方法的出现，“神经网络”这个词不再象前些年

18、那么“火爆”了。很多人认为神经网络的研究又开始陷入了低潮，并认为支持向量机将取代神经网络。有趣的是，著名学者C.-J. Lin于2003年1月在德国马克斯普朗克研究所所做的报告中说，支持向量机虽然是一个非常热门的话题，但目前最主流的分类工具仍然是决策树和神经网络。由著名的支持向量机研究者说出这番话，显然有一种特殊的意味。事实上，目前神经网络的境遇与1965年之后真正的低潮期相比有明显的不同。在1965年之后的很长一段时期里，美国和前苏联没有资助任何一项神经网络的研究课题，而今天世界各国对神经网络的研究仍然有大量的经费支持；1965年之后90%以上的神经网络研究者改变了研究方向，而今天无论是国际

19、还是国内都有一支相对稳定的研究队伍。实际上，神经网络在1965年之后陷入低潮是因为当时该领域的研究在一定意义上遭到了否定，而今天的相对平静是因为该领域已经走向成熟，很多技术开始走进生产和生活，从而造成了原有研究空间的缩小。在科学研究中通常有这么一个现象，当某个领域的论文大量涌现的时候，往往正是该领域很不成熟、研究空间很大的时候，而且由于这时候人们对该领域研究的局限缺乏清楚的认识，其热情往往具有很大的盲目性。从这个意义上说，过去若干年里各领域研究者一拥而上、各种专业刊物满眼“神经网络”的风光，其实是一种畸形繁荣的景象，而对神经网络的研究现在才进入了一个比较理智、正常的发展期。在这段时期中，通过对

20、以往研究中存在的问题和局限进行反思，并适当借鉴相关领域的研究进展，将可望开拓新的研究空间，为该领域的进一步发展奠定基础。基于神经网络的控制称为神经网络控制(NNC)，神经网络控制具有以下优点：(1)能够充分逼近任意复杂的非线性系统；(2)能够学习和适应严重不确定系统的动态特性；(3)由于大量神经元之间广泛连接，即使少量神经元或连接损坏，也不影响系统的整体功能，表现出很强的鲁棒性和容错性；(4)采用并行分布处理方法，使得快速进行大量运算成为可能。这些特点显示了神经网络在解决高度非线性和严重不确定性系统的控制方面具有很大潜力。目前有代表性的神经网络模型有：（1）BP神经网络它是一种多层前馈网络，采

21、用最小均方差的学习方式，是使用最广泛的网络，可用于语言综合、语言识别、自适应控制等。缺点是仅为有导师训练，训练时间长，对某些特殊问题，运行时间可能需要几个小时，易陷入局部极小值，训练过程学习新样本时有时有遗忘旧样本的趋势。（2）RBF网络它是一类非常有效的的多层前馈网络，其神经元基函数具有仅在微小局部范围内才产生有效的非零响应的局部特性，因而可以在学习过程中获得高速化。缺点是由于高斯函数的特性，该网络难以学习映射的高频部分。（3）BAM双向联想记忆网它是由相同神经元构成的双向联想式单层网络，具有学习功能，缺点是存储度低且需要编码。（4）Hopfield网络它是最典型的反馈网络模型，是目前人们研

22、究的最多的模型之一。该网络是由相同的神经元构成的单层网络，不具有学习功能的自联想网络，需要堆成连接。这个网络可以完成制约优化和联想记忆等功能。（5）CMAC小脑神经网络这是根据小脑的生物模型提出的一种神经元网络模型，它是一种联想网络，对每一输出只有少部分神经元与之相关，其最大的特点就是它的联想具有局部泛化能力，并有学习速度快、无局部极小点等性质。人工神经网络特有的非线性适应性信息处理能力，克服了传统人工智能方法对于直觉，如模式、语音识别、非结构化信息处理方面的缺陷，使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。人工神经网络与其它传统方法相结合，将推动人工智能和信息处

23、理技术不断发展。近年来，人工神经网络正向模拟人类认知的道路上更加深入发展，与模糊系统、遗传算法、进化机制等结合，形成计算智能，成为人工智能的一个重要方向，将在实际应用中得到发展。将信息几何应用于人工神经网络的研究，为人工神经网络的理论研究开辟了新的途径。1.2.2CMAC研究现状CMAC是Albus根据小脑的工作原理提出的一种神经元网络模型，称为CMAC模型或CMAC神经网络。它是一种前向网络，对每个输出只有少部分神经元与之相关，其最大的特点就是它的联想具有局部泛化能力，也可以叫做推广能力，就是说相似或相近的输入能够产生相似的输出，相差很远的输入会产生基本上独立的输出。虽然从单个神经元看CMA

24、C是一种线性关系，但是从总体上来说它是一种非线性的映射。由于CMAC神经网络算法采用算法，其收敛速度比BP算法快得多且不存在局部极小问题，特别是它把一个多维状态空间的输入量，映射到一个比较小的区域上，只要对多维状态空间中的部分样本进行学习，就会使得优化的过程大大简化。因此CMAC模型逐渐引起人们的兴趣并在许多领域得到广泛的应用。CMAC是一种非线性的映射，但它的自适应学习是线性映射部分，所以其学习算法是一种简单的线性优化，且不存在局部极小值问题，具有学习算法简单、收敛速度快等优点。另外，其数字硬件设计也易于实现。由于CMAC神经网络具有上述的优点，被成功应用于许多实对系统控制、模式识别、非线性

25、函数映射及信号处理等领域。近年来，有一系列文献对传统的CMAC神经网络主要的局限性问题进行了改进。在Albus提出的CMAC神经网络中，某一状态相应的激活单元是由一个二进制数表示的。随后的一些文献中，挺出了用某些连续函数代替二进制数，将二进制函数和连续的高斯函数应用在函数逼近问题中，并且进行了比较。一些研究人员改进了CMAC神经网络的训练规则来提高网络的泛化能力。Sabourin等人提出了一种基于模糊小脑神经网络(FuzzyCMAC)的新方法，可以有效地利用神经网络的局部和全局泛化能力。CMAC是为了解决复杂系统的控制提出来的，最初主要用来求解机械手的关节运动，后来W.T.Mille等人又将其

26、成功地应用在机器人控制上，S.Cetinkunt等拓宽其应用领域，将其应用于高精度机械工具的伺服控制上，从而使小脑模型神经网络在非线性控制领域也达到广泛的应用。目前在控制方面已成功的应用到机器人控制、压电刀架控制、机械系统控制、车辆智能替报、燃料供给系统控制、高速公路故障探测、潜艇倾斜与深度控制等系统中；在其他方面也取得了广泛的应用如：预校正、消卷积、信道补偿、模式识别、图像编码、信号处理、打印机色彩校准、指纹分类鉴别等方面。自从1975年CMAC神经网络提出以来，在控制和系统辨识方面都获得了很好的应用，随着小脑模型理论的发展，对输入层、中间层以及本身网络特性上进行了相当的改进。101.2.3

27、神经网络和PID控制相结合的研究现状按偏差的比例、积分、微分控制是历史最悠久、生命力最强的控制方式，尽管出现了很多新的控制方法，但目前正在运行的控制器中很多还是PID控制器。为了克服传统PID控制器的弱点，控制界提出了大量的对PID控制的改进方案，其中就包括神经网络和PID控制相结合，这种神经网络和PID相结合的研究已经取得了不错的成果。目前已经提出的神经网络和PID控制相结合的方法主要是采用神经网络确定PID参数，这种方法是在传统的PID控制器的基础上附加一个或多个神经网络，利用神经网络的学习功能确定和调整参数，控制器分为两个部分，一部分按传统PID控制器的 结构，对系统偏差信号进行比例、积

28、分和微分处理并加权相加，这些权值即为比例、积分和微分系数；另一部分则为神经网络，一般采用多层前向网，此网络根据系统的输入和输出信息，通过反复的学习和调整，提供第一部分所需的PID参数。1.3本课题的主要研究内容本课题主要研究内容分为以下几个方面：(1) 首先，通过查阅资料，掌握CMAC学习算法和特点以及CMAC与PID的复合控制的基本原理；(2)根据目前大型船舶锅炉过热蒸汽特点，分析锅炉主汽温调节系统的对象特性，建立船舶过热蒸汽温度控制系统的模型；(3)以船舶过热蒸汽温度控制为研究对象，设计基于常规PID控制器，并采用MATLAB实现simulink仿真研究；(4)以船舶过热蒸汽温度控制为研究

29、对象，设计基于CMAC与PID的复合控制器，并采用MATLAB实现simulink仿真研究；(5) 根据基于常规PID控制与基于CMAC与PID的复合控制的系统仿真结果，分析两种控制策略下的系统响应曲线，对比其控制效果，并对两种控制策略在扰动输入下的抗干扰能力进行对比分析。第2章船舶过热蒸汽温度控制系统数学模型锅炉的过热蒸汽温度是整个单元机组汽水行程中工质的最高温度，也是锅炉的主要参数，过热蒸汽温度调节的性能优劣队锅炉运行的安全、经济运行起着重要的作用，本章主要分析锅炉过热蒸汽温度调节系统的对象特性、调节系统的结构和以便提出实际应用中的具体控制方案。2.1过热气温对象的静态特性和动态特性船舶蒸

30、汽锅炉的蒸汽参数包括气温和气压，这两个参数是表征锅炉运行状况的重要指标，而蒸汽温度调节的任务就是维持过热蒸汽温度和再热蒸汽温度在允许变化范围内，并且保护锅炉受热面的安全。以高压和超高压锅炉为例，锅炉出口蒸汽温度额定值一般为540，气温的变化范围为（5405）。但要控制气温在此范围内事相当困难的，其原因是：造成过热气温变化的原因很多，如负荷、减温水量、烟气侧的过热空气系数及火焰中心位置、燃料成分等都会影响气温的变化；在各种扰动下气温对象具有非线性、时变等特性，使控制的难度加大；气温对象具有大迟延、大惯性的特点，蒸汽过热受热面大，这些都加大了控制的难度。影响锅炉气温变化的因素较多且是互相关联，从烟

31、气侧来说包括燃料量、燃料种类或成分特性、对流吸热量及辐射吸热量、进入炉内燃烧的空气量、燃烧器的运行方式以及受热面的洁净程度等；蒸汽侧包括蒸汽流量、减温水流量和给水温度等。22.1.1蒸汽负荷扰动对汽温的影响当要求锅炉蒸发量增加时，控制系统使燃料量和送风量增加，流过过热器对流过热段的烟量和烟温都增加，使对流过热段出口气温上升，但此时炉膛温度基本不变，过热器辐射过热段接受热量基本不变，但此时流过过热器的蒸汽流量增大，故辐射过热段出口气温下降。过热气温静态特性如图2.1所示。图2.1过热气温的静态特性锅炉蒸汽流量扰动时，过热汽温的响应曲线如图2.2所示，汽温对象是有惯性、自平衡能力的动态特性，动态特

32、性较好，但由于蒸汽负荷扰动是由外界用户决定的，所以不能作为控制汽温的手段。图2.2蒸汽流量扰动下汽温的动态特性2.1.2减温水流量扰动下的汽温对象动态特性利用减温器通过直接喷水来改变某段过热器入口汽温，可以有效地调节该段过热器的出口汽温，这是目前应用最广泛的一种汽温调节方法。直接喷水减温系统示意如图所示，通过调整喷水调节阀的开度来改变减温喷水量的多少，以调节过热器的出口汽温。在采用喷水减温的调节系统中，为了提高调节质量 一般选择减温器后的汽温作系统的导前信号，用此信号将该段过热器分成了两个区域，即导前区和惰性区，所组成的对象调节通道如图2.3所示，传递函数分别用Wo2(s)和Wo1(s)来表示

33、： （2.1）图2.3过热汽温对象的调节通道特性示意图在减温水量扰动下过热汽温导前区和惰性区的响应曲线可用图2.4表示。由图可见其共同点是：有迟延、有惯性、有自平衡能力。但两者又有明显的差别即导前区的迟延和惯性明显小于情性区。根据试验扰动曲线，可以确定汽温对象的近似传递函数，一般可用下两式来表示： （2.2） （2.3）图2.4 减温水扰动下的汽温特性汽温对象的传递函数也可以用多阶惯性环节来描述： （2.4） （2.5） 公式（2.4）中，一般n2=2，公式（2.5）中，一般n1=4。参考文献2中具体数值，得到导前区和惰性区传递函数。导前区传递函数为： （2.6）惰性区传递函数为： （2.7）

34、2.2过热蒸汽温度串级调节系统由于目前大型锅炉多采用喷水减温方法来调节过热气温，所以减温水扰动下的气温特性属对象调节通道的动态特性，该特性是气温系统分析和整定的依据。气温对象调节通道一般存在较大迟延和惯性，单纯根据主汽温的偏差采用单回路调节方案来控制气温是不能满足生产要求，而应引入能够提前反应扰动的导前信号，构成多回路系统，目前采用最多的是串级气温调节系统。锅炉的串级气温汽温调节系统包含两部分内容第是主蒸汽温度(一次汽温)的调节，第二是再热蒸汽温度(二次汽温)的调节。串级汽温调节系统的工作原理如图2.5所示。减温器后的汽温信号2作为串级系统的辅助被调信号，该信号能够快速反映扰动，只要2变化，内

35、回路就立即动作，用副调节器Wo2（s）的输出去控制减温水量，使2维持在一定范围内，初步稳定出口气温1。1的最终校正时通过外回路中主调节器Wo1（s）来完成的，调节过程结束时，使过热器出口汽温等于其给定值。串级汽温调节系统中内、外两个回路的作用是不同的，内回路的作用在于尽快消除扰动，主要消除来自减温水侧的内部扰动；外回路的作用在于对出口汽温进行最终校正，使其等于给定值。图2.5串级汽温调节系统2.3过热蒸汽温度串级调节系统结构根据串级汽温调节系统原理图，可以作出串级汽温调节系统原理方框图。由此可见这是一个典型的串级调节系统。图2.6串级汽温调节系统原理方框图Wo2(s)导前区对象传递函数；Wo1

36、(s)惰性区对象传递函数；2导前汽温2测量装置传递函数；1主汽温1测量装置传递函数；Kz执行机构传递函数；K喷水调节阀门传递参数；W1调节作用下的减温水量；W2扰动作用下的减温水量；W总减温水量，W= W1+ W22.4本章小结本章主要通过分析船舶过热蒸汽温度调节系统的对象特性，分别研究了蒸汽负荷扰动对主汽温的影响和减温水流量扰动下的汽温对象动态特性，并根据目前船舶锅炉多采用喷水减温方法，确定了减温水扰动下的汽温特性为汽温系统分析和整定的依据。并由此选择了过热汽温串级调节方案，建立了船舶过热蒸汽温度串级调节系统的数学模型。第3章PID控制系统及CMAC与PID复合控制系统的设计3.1基于常规P

37、ID控制器的过热蒸汽温度控制系统设计PID控制器（比例-积分-微分控制器），由比例单元 P、积分单元 I 和微分单元 D 组成。通过Kp， Ki和Kd三个参数的设定。PID控制器主要适用于基本线性和动态特性不随时间变化的系统。 PID 控制器是一个在工业控制应用中常见的反馈回路部件。这个控制器把收集到的数据和一个参考值进行比较，然后把这个差别用于计算新的输入值，这个新的输入值的目的是可以让系统的数据达到或者保持在参考值。和其他简单的控制运算不同，PID控制器可以根据历史数据和差别的出现率来调整输入值，这样可以使系统更加准确，更加稳定。可以通过数学的方法证明，在其他控制方法导致系统有稳定误差或过

38、程反复的情况下，一个PID反馈回路却可以保持系统的稳定。在工程实际中，PID是应用最为广泛的调节器，其控制规律为比例、积分、微分控制，又称PID调节。PID控制器问世至今已有近70年历史，它以其结构简单、稳定性好、工作可靠、调整方便而成为工业控制的主要技术之一。当被控对象的结构和参数不能完全掌握，或得不到精确的数学模型时，控制理论的其它技术难以采用时，系统控制器的结构和参数必须依靠经验和现场调试来确定，这时应用PID控制技术最为方便。即当我们不完全了解一个系统和被控对象，或不能通过有效的测量手段来获得系统参数时，最适合用PID控制技术。PID控制，实际中也有PI和PD控制。PID控制器就是根据

39、系统的误差，利用比例、积分、微分计算出控制量进行控制的。比例控制是一种最简单的控制方式。其控制器的输出与输入误差信号成比例关系。当仅有比例控制时系统输出存在稳态误差（Steady-state error）。单独的比例控制也称“有差控制”，输出的变化与输入控制器的偏差成比例关系，偏差越大输出越大。实际应用中，比例度的大小应视具体情况而定，比例度太大，控制作用太弱，不利于系统克服扰动，余差太大，控制质量差，也没有什么控制作用；比例度太小，控制作用太强，容易导致系统的稳定性变差，引发振荡。对于反应灵敏、放大能力强的被控对象，为提高系统的稳定性，应当使比例度稍大些；而对于反应迟钝，放大能力又较弱的被控

40、对象，比例度可选小一些，以提高整个系统的灵敏度，也可以相应减小余差。单纯的比例控制适用于扰动不大，滞后较小，负荷变化小，要求不高，允许有一定余差存在的场合。工业生产中比例控制规律使用较为普遍。而在积分控制中，控制器的输出与输入误差信号的积分成正比关系。对一个自动控制系统，如果在进入稳态后存在稳态误差，则称这个控制系统是有稳态误差的或简称有差系统（System with Steady-state Error）。为了消除稳态误差，在控制器中必须引入“积分项”。积分项对误差取决于时间的积分，随着时间的增加，积分项会增大。这样，即便误差很小，积分项也会随着时间的增加而加大，它推动控制器的输出增大使稳态

41、误差进一步减小，直到等于零。因此，比例+积分(PI)控制器，可以使系统在进入稳态后无稳态误差。在微分控制中，控制器的输出与输入误差信号的微分（即误差的变化率）成正比关系。 自动控制系统在克服误差的调节过程中可能会出现振荡甚至失稳。其原因是由于存在有较大惯性组件（环节）或有滞后(delay)组件，具有抑制误差的作用，其变化总是落后于误差的变化。解决的办法是使抑制误差的作用的变化“超前”，即在误差接近零时，抑制误差的作用就应该是零。这就是说，在控制器中仅引入“比例”项往往是不够的，比例项的作用仅是放大误差的幅值，而目前需要增加的是“微分项”，它能预测误差变化的趋势，这样，具有比例+微分的控制器，就

42、能够提前使抑制误差的控制作用等于零，甚至为负值，从而避免了被控量的严重超调。所以对有较大惯性或滞后的被控对象，比例+微分(PD)控制器能改善系统在调节过程中的动态特性。PID控制器的参数整定是控制系统设计的核心内容。它是根据被控过程的特性确定PID控制器的比例系数、积分时间和微分时间的大小。PID控制器参数整定的方法很多，概括起来有两大类：一是理论计算整定法。它主要是依据系统的数学模型，经过理论计算确定控制器参数。这种方法所得到的计算数据未必可以直接用，还必须通过工程实际进行调整和修改。二是工程整定方法，它主要依赖工程经验，直接在控制系统的试验中进行，且方法简单、易于掌握，在工程实际中被广泛采

43、用。PID控制器参数的工程整定方法，主要有临界比例法、反应曲线法和衰减法。三种方法各有其特点，其共同点都是通过试验，然后按照工程经验公式对控制器参数进行整定。但无论采用哪一种方法所得到的控制器参数，都需要在实际运行中进行最后调整与完善。现在一般采用的是临界比例法。利用该方法进行 PID控制器参数的整定步骤如下：(1)首先预选择一个足够短的采样周期让系统工作；(2)仅加入比例控制环节，直到系统对输入的阶跃响应出现临界振荡，记下这时的比例放大系数和临界振荡周期；(3)在一定的控制度下通过公式计算得到PID控制器的参数。根据过热蒸汽温度串级调节系统结构，设计基于常规PID控制器的过热蒸汽温度控制系统

44、，在图2.6中副调节器Wa2（s）选用P规律，比例系数为25，主调节器Wa1（s）选用PID调节器。3.2CMAC与PID复合控制的过热蒸汽温度控制系统设计3.2.1CMAC算法CMAC是一种表达复杂非线性函数的表格查询型自适应神经网络。该网络可通过学习算法改变表格的内容,具有信息分类存储的能力。CMAC把系统的输入状态作为一个指针,把相关信息分布式地存入一组存储单元,其本质上是一种映射复杂非线性函数的查表技术。CMAC的具体做法是将输入空间分成许多分块,每个分块指定一个实际存储器位置,每个分块学习到的信息分布式地存储到相邻分块的位置上,存储单元数通常比所考虑问题的最大可能输入空间的分块数少得

45、多,故实现的是多对一的映射,即多个分块映射到同样一个存储器地址上。图3.1CMAC结构CMAC的基本思想在于:在输入空间中给出一个状态,从存储单元中找到对应于该状态的地址,将这些存储单元中的内容求和得到的输出;将此响应值与希望输出值进行比较,并根据学习算法修改这些已激活的存储单元的内容。CMAC网络在学习时采用的是查表技术,具体做法是:将输入空间分成许多分块,每个分块指定一个实际存储器位置:每个分块学习到的信息分布式地存储到相邻分块的位置上;存储单元数通常比所考虑问题的最大可能输入空间的分块数少得多,故实现的是多对一的映射,即多个分块映射到同样一个存储器地址上。CMAC设计方法分为:(1)量化

46、(概念映射)。在输入层中对维输入空间进行划分,每一个输入都降落到维网格基的一个超立方体单元内。中间层由若干个判断区间构成,对任意一个输入只有少数几个区间的输出为非零值,非零值区间的个数为泛化参数c,它规定了网络内部影响网络输出的区域大小。(2)地址映射(实际映射)。采用除余数法,将输入样本映射至概念存储器的地址,除以一个数得到的余数作为实际存储器的地址值,即将概念存储器中的c个单元映射至实际存储器的c个地址。(3)CMAC的函数计算(输出)。将输入映射至实际存储器的c个单元,每个单元中存放着相应权值的输出为c个实际存储器单元加权之和。1CMAC模型的具体学习步骤为：Step1：对输入数据进行量

47、化，转化成二进制；Step2：确定泛化参数，一般取c=10；Step3：对量化后的输入数据进行第一次映射，每一个输入随机对应AC中的一个单元，AC为概念存储区域，可能占用大量的空间。实际编程中不表现出来；Step4：利用杂散编码把AC中被激活的区域映射到AP中，AP为物理存储空间，称为中间层，从输入到中间层，每个输入对应c个区域，AP中存放的是网络的权值；Step5：把所有激活的权值相加作为网络的输出 （3.1）Step6：计算CMAC调整指标i=yd-yi是否满足规定要求，是，跳出；否，进行下一步；Step7：误差大于目标值，根据CMAC调整指标i调整权值转到Step5继续；式中学习率和泛化常数c是两个最为重要的参数。利用上述公式进行权值调整。为输入变量激活存储单元的首地址，的计算公式为：，为输入量的量化值。修正方法也可以采用每个样本修正一次的增量学习方法，也可以采用所有样本都输入一轮后在修正的批量学习方法。对于多维输入，学习公式如下：（3.2）式中，n为输入变量的个数。CMAC的三个特点:(1)作为一种具联想功能的神经网络,它的联想具有局部推广能力,即泛化能力,因此相似的输入将产生相似的输出,远离