基于单神经元PID控制的离子流消静电装置

周文杰,张海江,常其笋

(1.河北科技大学信息科学与工程学院,河北石家庄 050018;2.河北政法职业学院新校区建设办公室,河北石家庄 050061)

基于单神经元PID控制的离子流消静电装置

周文杰1,2,张海江2,常其笋2

(1.河北科技大学信息科学与工程学院,河北石家庄 050018;2.河北政法职业学院新校区建设办公室,河北石家庄 050061)

单神经元自适应PID(Proportional integral derivative)控制系统,具有自学习和自适应能力,而且结构简单、易于计算、响应速度快、设定参数少等特点,可以在一定程度上解决传统PID控制器不能对参数时变系统进行有效控制的问题,在离子流除静电装置中引入单神经元自适应PID控制,显著提高了现有离子流除静电装置的自动化程度,实现了自动检测、自动调整,实时监控,提高了工作效率,减少了人为误差,取得了较好的效果.

离子流;消静电装置;单神经元PID控制

随着石油化工工业和高分子化学工业的发展,大量高电阻率材料被广泛的应用.它们在生产、加工和输送过程中,经摩擦、碰撞等机械作用会产生并积累大量静电,在环境相对湿度比较低时更为显著,对工业生产以及人们的生活造成静电危害.

静电危害可分为2类:一类为静电灾害,在石油运输、化工生产、飞机制造、火工品加工等场所,由于静电积累达到了空气击穿场强而发生静电放电,使人受到电击,妨碍生产,严重时引起突发性的燃爆事故,造成生命财产的巨大损失.另一类为静电障碍,多发生在纺织、造纸、印刷、塑料等部门,虽无静电放电,但由于静电力的作用对生产、生活造成障碍,引起诸多不便.因此消除静电、防止静电危害是静电领域中一项重要的研究课题.利用离子流消静电装置消除静电,是防范静电危害的有效措施.

离子流消静电装置是利用快速气流把电晕放电产生的空气离子吹出形成离子流,并将其送至带电体表面或体内,中和带电体上或体内的异号电荷,从而消除静电.但现有离子流消静电装置,需要人工定期精确的测量静电场强,手动调整离子流强度以达到较好地消除效果,费时费力自动化程度很低,受环境因素影响巨大.本文介绍的消静电装置中增加了静电检测电路,引入了单神经元自适应PID控制策略,实现了自动跟踪测量流水线的静电场强和实时的匹配输出,有效提高了该装置的自动化程度,减少了人为因素、环境因素对消除静电的影响.

1 硬件结构

由于采用了单神经元自适应PID控制算法,数据运算量较大,为了使系统及时响应,快速达到平衡状态,需要选用运算速度快、抗干扰性强的执行器件.因此该装置选用高速、高可靠性的A Tmega168单片机作为控制器.控制器在每个采样周期读取检测电路的测量数据,并通过通信总线,把相关数据实时发送到监控计算机,同时应用单神经元自适应PID控制算法对数据进行处理后,转换为频率信号输出,经过F/V转换电路、电压放大电路和高压发生器产生5～10 kV的稳定高压,通过放置于离子流喷头中央的电晕针电离空气,形成带电离子.为了保证系统在大干扰情况下的长期可靠运行,控制器的输入、输出部分必须增加相应的滤波隔离电路,并选用军品级元器件,增强系统的抗干扰能力.该装置的硬件结构如图1所示.

图1 硬件结构Fig.1 Hardware structure

在所有的智能控制系统中控制算法的数据计算和准确的控制输出都是基于精确的测量输入的,因此静电检测电路的可靠性和灵敏度对控制效果具有巨大的影响.该装置中采用了高敏自制探头对信号进行采集,并通过滤波电路、多级放大电路、控制反馈电路和高精度高速A/D转换芯片为控制单元提供可靠的、高精度的输出反馈信号.具体电路如图2所示.

2 PID控制系统

2.1 单神经元自适应PID控制算法

单神经元自适应控制系统具有自学习和自适应能力,并具有结构简单、易于计算、所需设置的参数少等特点;传统的PID控制器也具有结构简单、调整方便和参数整定与工程指标联系密切的特点.将两者结合,则可以在一定程度上解决传统PID控制器对一些复杂过程和参数时变系统不能有效控制的问题,实现对比例、积分和微分控制参数的在线最佳调整,较好地处理消静电过程中模糊和不确定性的因素,适应生产流水线的非线性和实时性,从而更好地提高控制效果.

单神经元自适应PID控制器结构,如图3所示.

图2 检测电路Fig.2 Detection circuit

图3 神经元自适应PID控制器结构Fig.3 Neuron adaptive PID controller structure

单神经元自适应PID控制的控制算法和学习算法如下:

ηP,ηI,ηD分别对应比例、积分、微分不同的学习速率变量;z(k)=e(k);w i(k)为xi(k)的加权系数;K(k)为神经元稳态系数,实时计算公式如下:

K0为神经元增益系数初始值.

2.2 参数确定

在该装置的具体应用中需要确定上述公式中的几个初始变量,具体数值通过大量的仿真和实验得到.1)神经元增益系数确定

当神经元增益系数K较小时,超调量小、精度高,系统响应慢;较大时,超调量增大、精度差、系统响应快,调整时间长;太大容易引起输出响应振荡.虽然K可以通过上述公式进行在线自适应调整,但初始值的设置仍然适用上述原则,所以根据离子流除静电的高实时、小滞后、连续变化的特点和以往的应用经验,设定K0为5.

2)ηP,ηI,ηD变量确定

由于K可以在线自适应调整,学习速率变量的初始值设定对控制特性的影响不大,同时为了减少浮点运算量,提高控制系统的运算速度,设定学习效率ηP,ηI,ηD全部为1.

3)T采样周期的确定

采样周期通常按照过程特性与干扰大小来选取,并与PID参数的整定进行综合考虑,采样周期应远小于过程中扰动信号的周期,在运算速度允许的条件下,采样周期越短,则控制品质越好;当响应过程的纯滞后时间较长时,一般选取采样周期为纯滞后时间的1/4～1/8.根据本系统的特点设定T为0.2 s.

3 控制程序

控制程序的主要功能是把测量数据代入单神经元自适应PID控制算法的离散公式进行运算,并输出计算结果.这是一个自适应调整的循环过程.具体控制程序流程如图4所示.

图4 控制程序流程Fig.4 Control program flow

4 结论

单神经元自适应PID算法具有预设参数少、控制输出平稳、方便编程、实时跟踪的优点,可以在一定程度上解决传统PID控制器不能对参数时变系统进行有效控制的问题.本文研究了单神经元自适应PID控制算法在离子流消静电装置中的实际应用,阐述了该算法的特点、数学模型、离散公式和具体实现方法,并给出了详细的静电强度检测电路和控制程序流程,较好地解决了现有离子流消静电装置中存在的需要人工测量、手动调整、受环境因素影响大的问题,在工程应用中也取得了良好的控制效果.

[1]吕楠楠.基于单神经元模糊自适应PID控制的加热炉温度控制器设计[J].现代电子技术,2009(23):162-163.

[2]王旭.增益自调整单神经元自适应PID算法的研究[J].自动化与仪表,2005(5):50-52.

[3]赵勇.单神经元自适应PID算法在液位控制系统中的应用[J].西安邮电学院学报,2009,14(3):53-54.

[4]陶永华.新型PID控制及应用[M].北京:机械工业出版社,2002.

[5]王顺晃.智能控制系统及其应用[M].北京:机械工业出版社,1995.

[6]李士勇.模糊控制、神经控制和智能控制导论[M].哈尔滨:哈尔滨工业大学出版社,1996.

[7]沈玉利,范波.模糊-单神经元PID复合控制智能控制器[J].计算机工程,2001(5):92-94.

[8]宋乐鹏.基于PLC加热炉温度模糊控制系统的研究[J].微计算机信息,2008(8):67-90.

Based on Single Neuron PID Control of Ion Airflow Electrostatic Elim inator

ZHOUWen-jie1,2,ZHANGHai-jiang2,CHANGQi-sun2
(1.Institute of Info rmation Science,Hebei University of Science and Techno logy,Shijiazhuang 050018,China;2.New Campus Construction Office,Hebei Vocational Co llege of Po litical and Law,Shijiazhuang 050061,China)

Single neuron adap tive PID contro l system w ith self-learning and adap tive capacity has advantages of simp le structure,easy to calculate,fast response,setting few parameters and so on.It can be used to so lve some p roblems that the traditional PID controller can not exercise effectivly.A n ion airflow electrostatic eliminator based on single neuron PID contro l could be app lied to imp rove the degree of automation,achieve automatic detection.automatic adjustment,real-timemonito ring,imp rovewo rk efficiency, reduce human error and achieve better results.

ion airflow;electrostatic eliminator;single neuron adap tive PID contro l

TP 273

A

1000-1565(2010)05-0604-05

2010-03-10

河北省自然科学基金资助项目(A 20100000182)

周文杰(1978—),男,河北石家庄人,河北政法职业学院讲师,河北科技大学在读研究生,主要从事计算机应用技术研究.

(责任编辑:梁俊红)