基于BP 神经网络的Smith-Fuzzy-PID 算法在阀门定位中的应用研究

摘要：为解决气动调节阀控制过程中出现的超调大、精度低等问题，本文采用BP 神经网络整定出较优的PID（Proportional Integral Derivative）控制参数，对Smith 预估控制器以及模糊控制器进行设计，实现了基于BP 神经网络的Smith-Fuzzy-PID 控制方法。搭建了实验平台，通过阶跃响应实验来对控制方法进行验证，验证结果表明，提出的方法调节过程无超调，调节时间仅为1.9 s，定位精度在±0.5% 以内，有效提高了系统的稳定性，实现了气动调节阀的快速精准定位。

关键词：气动调节阀；Smith 预估；模糊控制；BP 神经网络；PID 控制

中图分类号：TH861 文献标志码：A

气动调节阀是过程工业中最常用的终端控制元件[1]，在其实际控制过程中，由于气动调节阀本身具有非线性、滞后等特性，会导致调节过程会出现超调大、精度低等问题[2]，围绕非线性滞后系统开展控制策略的研究一直是国内外学者的研究热点，也是气动调节阀定位系统研发过程中的难点。Garcia 等[3]采用ZiegXADz4cIugzjPq0eWaaCb3w==ler-Nichols（Z-N） 法与Haalmana 法对PID（ Proportional Integral Derivative）控制器的参数进行整定，结果表明Z-N 法整定的参数控制效果更好，但还存在超调并且稳态误差较大。Baskar 等[4] 提出了一种基于进化算法的多变量PID 控制器，实验结果表明，该方法可以实现控制功能，但存在超调和振荡现象。武自才等[5] 采用积分分离的PID 控制算法来对气动调节阀进行控制，提高了系统的响应速度。金献军[6] 提出一种分段式的PID 控制算法，将整个控制过程分成两个部分，在不同阶段使用不同的PID参数进行控制，改善了系统的控制性能。付健等[7] 对五步开关法进行了优化，提出了低速区理想速度-位移曲线，优化后的算法减小了最大超调量以及稳定时间。李飞[8] 将模糊控制与PID 控制相结合，采用模糊PID 算法对气动调节阀进行控制，并与常规PID控制进行对比，结果表明模糊PID 算法将最大超调量降低到10% 左右。

综上，目前对非线性滞后系统的控制算法研究主要集中在改进的五步开关法以及PID 控制方法等方面。改进的五步开关法需要做大量的实验数据才能获得最好的控制参数，参数整定过程比较复杂。在对PID 控制参数的获取上，目前还有采用试凑法、经验法来整定PID 参数，但整定出的参数控制精度不高、控制性能需进一步提高。积分分离PID 与分段式PID 控制还是基于PID 控制的定参数控制方案， 自适应性较差。模糊PID 控制算法可以实现PID 参数的自整定，减小最大超调量，但无法完全消除超调现象。因此，本文提出一种基于BP 神经网络的Smith-Fuzzy-PID 算法作为气动调节阀定位系统的核心控制方法，并搭建实验平台，验证该方法在气动调节阀定位系统中的有效性，从而实现气动调节阀的快速、稳定和精确控制。