基于RBF-PID的小型货车空调控制系统仿真研究

刘姝廷 沈阳工学院 潘宇 沈阳正大自控工程有限公司

基于RBF-PID的小型货车空调控制系统仿真研究

刘姝廷 沈阳工学院 潘宇 沈阳正大自控工程有限公司

随着近年来快递产业的快速发展，小型货车常被快递员选为主要的交通工具。为了给快递员提供一个舒适的工作环境，为小型货车加入适合的空调控制系统变得尤为重要。本文将径向基RBF神经网络与PID算法相结合对小型货车空调控制系统进行仿真研究，仿真结果表明该方法具有准确度高、稳定性好的优点。

货车空调控制系统 RBF神经网络 PID

随着全球汽车原料价格上涨给汽车产业带来巨大成本压力，在产品方面，货车和一些特用车的空调生产较少，市场需求不能完全满足。在生产技术方面，节能环保的发展趋势也给汽车产业提出新的挑战。随着中国货车工业的蓬勃发展，越来越多的购买者将更关注的舒适、安全、娱乐、节能等性能。所以一些具有节能、环保性能的新型货车空调产品将越来越受到广大消费者的青睐。未来货车空调将会向自动化空调、小型节能化、舒适方向发展。现代空调系统由制冷系统、供暖系统、通风和空气净化装置及控制系统组成。货车空调一般主要由压缩机、电控离合器、冷凝器、蒸发器、膨胀阀、贮液干燥器、管道、冷凝风扇、真空电磁阀和控制系统等组成。本文将径向基RBF神经网络与PID算法相结合对小型货车空调控制系统进行仿真研究，仿真结果证明了该方法的有效性，能够为小型货车空调系统的控制提供一定的借鉴作用。

1 RBF神经网络结构模型

径向基函数（Radical Basis Function,RBF）是多维空间插值的传统技术，由Powell在1985年提出，1988年，Broomhead和Lowe根据生物神经元具有局部响应这一特点，将RBF引入神经网络设计中去，从而产生了RBF神经网络。RBF神经网络结构简单，训练简洁、学习收敛速度快，能够逼近任意非线性函数，因此被广泛的应用在时间序列分析、模式识别等领域。径向基神经网络结构如图1所示。

图1 径向基神经网络结构图

在神经网络结构图中，输入层仅仅起到传输信号的作用，隐含层是对激活函数的参数进行调整，输出层是对线性权值进行调整，采用的是线性优化策略，因而学习速度较快。

2 RBF-PID控制器结构

RBF-PID控制器主要由常规的PID控制器和RBF神经网络构成。RBF神经网络具有很好的自学习能力。PID控制器具有精调节、应用广泛的特点。使用RBF对PID的三个参数进行自适应的整定，得到最优的控制输出。RBF-PID控制器结构如图2所示。

图2 基于RBF-PID控制器结构图

3 RBF-PID算法

RBF网络是一种前馈传播的三层神经网络，需要求解的参数有3个，分别是基函数中心、方差以及隐含层到输出层的权值。根据径向基函数中心选取方法的主要有随机选取中心法、自组织选取法和正交最小二乘法。本文主要采取的是自组织选取中心法。改方法主要由两个阶段组成：自组织学习阶段和有导师学习阶段。

径向基神经网络常用的径向基函数是高斯高数，因此径向基神经网络的激活函数可以表示为：

由图1所示的径向基神经网络的结构可得到的网络输出为：

RBF神经网络的具体算法如下所示。

式中cmax是选取中心之间的最大距离。

Step5 计算隐含层和输出层之间的权值。隐含层和输入层之间的权值可以用最小二乘法直接计算得出，计算公式如下：

将RBF神经网络与PIC算法相结合，RBF-PID算法如下所示。

Step1 初始化，设确定输入层、隐含层和输出层节点数，将节点中心、宽度及权值分别赋值，设定学习速率和动量系数。

Step5 在线更新各参数，返回Step2。

4 仿真研究

汽车空调系统中的车内温度对象大多是惯性环节，该数学模型为：

采用BP-PID算法对小型货车内温度进行控制，选择4-6-1的RBF网络。学习速率=0．11，惯性系数给定车内温度为25℃。仿真过程中加入随机干扰0．25*rand(0,1)，输出结果和误差曲线如图2和图3所示。

图2 RBF-PID输出曲线

图3 RBF-PID误差曲线

从图2和图3可以看出，RBF-PID，响应曲线无超调，响应速度快，稳定性好，在整个过程加入随机干扰后，误差曲线近似为0，控制精度较高。

5 结束语

本文对小型货车的空调系统的车内温度进行仿真，将径向基RBF神经网络与PID结合，仿真效果显著，响应速度快，控制精度高，稳定性强，误差较小，对小型货车空调系统的控制具有很好的效果。

[1]刘金琨．先进PID控制及其MATLAB仿真[M]．北京：电子工业出版社，2003：80-90

[2]王武，孙文涛．重型卡车空调系统设计[J]．汽车实用技术．2012，8：25-31

[3]黄宴委，李竣，吴登国．基于PID轿车空调系统设计[J]．控制工程，2012，19（1）：9-11

[4]卫国爱，全书海，李发均等．基于RBF-PID的燃料电池空气压力控制 [J]．武汉理工大学学报，2014，36（5）：618~620

[5]钟建坤．基于RBF-PID的水轮发电机组控制系统[J]．计算机仿真，2012，29（7）：347-349

[6]王麟珠，苏庆列．基于单神经元PID的电动汽车空调控制系统[J]．闽江学院学报，2013，34（5）：53~55

[7]苏庆列，王麟珠．模糊免疫PID在电动汽车空调控制系统中的应用[J]．湖北理工学院学报，2014，30（5）：15~18

[8]刘建飞．汽车电动空调系统的研究与仿真[D]．内蒙古工业大学，2014：32-35

[9]刘洪辉．汽车空调系统的温度控制[J]．科技专论，2011，12：292

[10]呼云龙．基于RBF-PID算法的变量施肥控制系统研究D]．黑龙江八一农业大学，2016，29~35

[11]徐进，李金寿，唐炜铭．汽车空调控制系统的现状和发展趋势[J]．装备制造技术．2014，11：242-249

刘姝廷，1983.8，辽宁沈阳人，讲师，研究方向：工业智能控制与软件开发。