采用神经网络:模糊PID的换热站控制器设计与仿真

徐澎波，王伟杰，黄晓童

(1.中国石油大庆石化公司 工程管理部，黑龙江 大庆163714;2.哈尔滨工业大学 机电工程学院机电控制及自动化系，黑龙江 哈尔滨150001)

0 引言

近年来，为满足节能减排、提高热用户供热质量以及提高供热公司经济效益的要求，换热站的质量并调控制方式得到越来越多国内外学者的关注和重视［1］。质量并调是在换热站中采用质调、量调两种调节方式分别对温度和流量进行调节。由于质调通道和量调通道之间存在着较强的耦合作用，因此必须对质调、量调通道进行解耦设计，消除或减小耦合作用。此外，供热系统的控制模型具有时变的特性，这会显著降低传统PID控制的控制品质［2］。因此需要对传统PID控制器进行相应改进，减小控制模型时变的影响。

传统解耦方法以现代频域法为代表，包括逆奈氏阵列法、特征轨迹法、奇异值分解法等［3］。主要适用于线性、定常MIMO系统，由于换热站具有非线性、时变等特性，传统解耦方法解耦效果并不理想。此外，国内外也对利用智能算法实现解耦进行了探索，并取得一定成果［4］。然而这些智能解耦方法还存在结构复杂，计算量大，需要建立精确的耦合模型等问题。消除换热站控制模型时变影响的主要方法有自适应控制、自适应模糊控制、神经网络自整定PID控制、多模型预测控制等［5－7］。这些控制方法在过程控制中应用较少，可靠性和稳定性尚待验证，在工程中难以实现，从而影响了实际应用效果。

本文提出一种神经网络:模糊PID控制器。利用神经网络所具有的学习能力、泛化能力和非线性映射能力，对质调、量调通道实施解耦;利用模糊控制对传统PID控制中的比例常数、积分常数、微分常数进行适时整定，减小控制模型时变对控制效果的影响。文中给出的神经网络:模糊PID控制器能够满足换热站质量并调控制方式的需要，同时还具有结构简单、易实现、实用性强等特点，具有重要的工程实际意义。

1 换热站质调量调通道建模

在本文中，换热站质调通道是以一次网供水阀门开度作为控制量，二次网供水温度作为被控量。量调通道是以二次网循环水泵变频器输出频率作为控制量，二次网循环水流量作为被控量。换热站的质调、量调通道分别可以用二阶加滞后环节和一阶加滞后环节来描述［8－9］。

质调通道的模型表达式可写为

量调通道的模型表达式可写为

式中K、K1——放大系数;

T1、T2、T——时间常数;

τ1、τ——滞后时间。

在S市电业小区换热站进行现场实验，分别对质调、量调通道进行正反阶跃响应，每30 s记录一次数据，直至二次网供热参数达到稳定为止，对所得实验数据进行处理得到换热站质调、量调通道的脉冲响应、阶跃响应、斜坡响应。利用现场实验所得的实验数据，采用换热站最小二乘建模法［10］对质调、量调模型中的参数进行辨识。

可得质调通道具体模型为

量调通道模型为

图1 质调通道阶跃响应的比较

图2 量调通道阶跃响应的比较

比较辨识模型与实际质调、量调通道对阶跃信号的响应，对所建模型进行评价。从实际系统和辨识模型对阶跃信号响应的对比中可知，所建模型对阶跃信号的响应与实际系统对阶跃信号响应的拟合程度较好，经计算可得所建质调、量调通道模型辨识误差均小于5%，说明该控制模型具有较高的辨识精度，完全能够满足换热站质量并调控制方式仿真研究的需要。

2 神经网络:模糊PID控制系统的设计

2.1 神经网络:模糊PID控制系统结构

换热站神经网络:模糊PID控制系统如图3所示，系统由模糊PID控制器、RBF神经网络解耦器、被控对象三部分组成。其中，x1、x2分别是设定的温度、流量;y1、y2分别是实际输出的温度和流量。

图3 神经网络:模糊PID控制系统结构图

神经网络解耦器对质调、量调通道进行解耦，同时保持质调、量调主通道特性，这样就可将被控系统分为两个独立的单回路控制系统。

采用过程控制中广泛应用的PID控制，对解耦后的质调、量调单回路系统进行控制。同时利用模糊控制器对传统PID控制参数kp、ki、kd进行适时整定，消除控制模型时变对控制效果的影响。

2.2 神经网络解耦器结构及训练

在本文中，采用RBF神经网络对质调、量调通道进行解耦，神经网络解耦器如图4所示。其中，z1、z1分别是质调、量调通道PID的输出;y1、y2分别是实际系统输出的温度和流量。RBF神经网络由输入层、隐含层和输出层组成，其可以根据输入的训练数据自动确定输入层和输出层神经元个数，并根据训练数据规模自动优化隐含层神经元的个数，改进了BP神经网络需要依靠经验公式和试凑法确定隐含层神经元个数的缺陷。

图4 神经网络解耦器结构

训练数据的获得通过以下方法:调节一次网阀门开度、二次网循环水泵变频器输出频率的值，记录供热参数达到稳定时二次网供水温度和二次网循环水流量。重复进行多次，可获得多组实验数据。通过上一部分的建模已得到质调量调主通道模型，所以可以求出对应实际输出不存在耦合时的理想输入。以求出的理想输入作为输入，以记录的实际输入作为输出，对神经网络进行训练。

2.3 模糊PID控制器结构

模糊PID控制器结构如图5所示，以偏差e和偏差变化率ec作为模糊控制器的输入，根据模糊控制规则对PID参数kp、ki、kd进行适时调整，以消除系统模型随时间及外界环境变化而产生的影响。

图5 模糊－PID控制结构图

其中，x1、x2分别是设定的温度和流量;z1、z1分别是质调、量调通道PID的输出。

将模糊控制器输入和输出的模糊子集均设定为{NB，NM，NS，ZR，PS，PM，PB}，采用隶属度函数对模糊控制器的输入进行模糊化，输入e和ec分别对应的隶属度函数为:

根据经验总结和相关文献，归纳了针对不同的偏差和偏差的变化率，参数kp、ki、kd的整定原则，将这些知识转变为模糊控制器能识别的模糊控制规则:

3 仿真结果与分析

3.1 解耦效果仿真分析

分别以x1=x2=0.5和x1=0.7 x2=0.3作为输入进行仿真实验，分析RBF神经网络解耦器的解耦效果。

图6 输入x1=x2=0.5时输出y1的对比

图7 输入x1=x2=0.5时输出y2的对比

图8 输入x1=0.7 x2=0.3时输出y1的对比

图9 输入x1=0.7 x2=0.3时输出y2的对比

表1 输入x1=x2=0.5时解耦效果

由上述对比数据可知:未解耦时的稳态误差较大，说明质调、量调通道之间的耦合显著降低了系统的控制效果，同时也验证了对质调、量调通道进行解耦的必要性;RBF神经网络解耦后，控制系统的稳态误差与动态特性与未解耦时相比得到明显改善，说明RBF神经网络解耦器具有较好的解耦效果。

3.2 消除时变效果仿真分析

通过二阶工程设计法与试凑法，对质调通道PID控制参数进行人工整定:

当质调模型滞后环节τ由0.861 9变为1.161 9时，对比传统PID与模糊PID的控制效果:

图10 Fuzzy－PID和PID的控制效果对比

表2 Fuzzy－PID和PID的控制指标

从上述对比中可以发现，当质调通道模型滞后参数发生改变后，传统PID控制超调量增大，稳定时间加长，这在热网控制系统中是需要尽量避免的;模糊PID控制可以有效地抑制参数时变产生的影响，具有较好的稳定性和控制效果。

4 结论

本文将神经网络、模糊控制、常规PID控制相结合，构成了具有解耦、PID参数适时自整定功能的换热站智能控制器。对现场实测数据进行模型辨识，拟合出换热站质调、量调通道的控制模型，并利用所得模型对建立的神经网络解耦器、模糊PID控制器进行了仿真实验，仿真结果表明该控制器具有良好的解耦效果，能够有效减小控制模型时变产生的影响，对实现换热站质量并调自动控制方式具有指导意义。

［1］陈烈，张永明，齐维贵，等.供热过程时滞递推神经网络解耦器设计［J］.电机与控制学报，2009.11(13):78－81.

［2］范永胜，徐治皋，陈来九.基于动态特性机理分析的锅炉过热汽温自适应模糊控制系统研究［J］.中国电机工程学报，1997，17(1):23－28.

［3］Dennis D.Sourlas.Optimization based decoupling controller design for discrete systems［J］.Chemical Engineering Science，2001，56:4695－4710.

［4］陈烈，朱学莉，齐维贵.RBF递归神经网络在供热解耦控制中的应用［J］.暖通空调，2010，40(2):128－132.

［5］Zhang Jian，Sun He－xu，Zhang Jiang－tao.Application of Adaptive Fuzzy Sliding－mode Controller for Heat Exchanger System in District Heating.2008 International Conference on Intelligent Computation Technology and Automation，2008:850－854.

［6］王东风，韩璞，郭启刚.锅炉过热汽温系统的DRNN网络自整定PID控制［J］.中国电机工程学报，2004，24(8):196－200.

［7］韩璞，王东风，王国玉，等.多模型预测函数控制及其应用研究［J］.控制与决策，2003，18(3):375－377.

［8］QI Wei－gui，CHEN Lie，ZHU Xue－li.Study on Least square modeling of heat engineering object based on typical signal response［J］.Journal of Harbin Institute of Technology，2007，14(1):1－4.

［9］曾克娥，谢庆国，付予力，等.供热网时滞过程中的一种自适应模糊控制器设计［J］.华中理工大学学报，2000，3(3):111－113.

［10］朱学莉，刘成刚，汪帮富，等.热力站最小二乘建模法仿真研究［J］.系统仿真学报，2009，21(22):7073－7076.