2．3 神經(jīng)網(wǎng)絡(luò)在本控制系統(tǒng)參數(shù)整定和優(yōu)化過程中的應(yīng)用
圖7為用LabVIEW編寫的神經(jīng)網(wǎng)絡(luò)模糊自適應(yīng)PID控制器的框圖，主要由自適應(yīng)向?qū)?、自適應(yīng)模塊、以及PID控制模塊三部分組成。自適應(yīng)向?qū)橛脩籼峁┮粋€(gè)用戶友好的界面，用戶可以介入自適應(yīng)調(diào)節(jié)過程，并對一些參數(shù)進(jìn)行設(shè)定。自適應(yīng)模塊根據(jù)設(shè)定自己過程參數(shù)，再按照神經(jīng)網(wǎng)絡(luò)自適應(yīng)算法對PID參數(shù)進(jìn)行自動(dòng)在線整定，整定完成后的PID參數(shù)對現(xiàn)場設(shè)備內(nèi)的參數(shù)進(jìn)行修正。

但實(shí)際的對象階躍響應(yīng)實(shí)驗(yàn)結(jié)果表明，上位箱液位對象的實(shí)際特性與理想的一階慣性環(huán)節(jié)差異較大。這一方面是因?yàn)橛捎谑艿接布拗?，進(jìn)水閥的線性以及靈敏度不夠高，而另一方面也是因?yàn)楦蓴_的緣故，水泵的啟停所造成的沖擊等。另外由于通信網(wǎng)絡(luò)所產(chǎn)生的傳輸時(shí)間延遲，該對象還要附加一個(gè)純延遲環(huán)節(jié)。
直接采甩Ziegler-Nichol整定方法時(shí)，由于對象階躍響應(yīng)曲線不夠精確，實(shí)際的被控對象也不是一階慣性環(huán)節(jié)，所以整定效果不太理想。實(shí)驗(yàn)測得的閉環(huán)階躍響應(yīng)曲線如圖8所示。

從圖8可以看出，當(dāng)采用常規(guī)的整定方法時(shí)，整定效果不太讓人滿意，系統(tǒng)的超調(diào)過大，調(diào)節(jié)時(shí)間也太長。
而且當(dāng)由于別的干擾因素，如氣溫上升等而影響到系統(tǒng)的特性參數(shù)時(shí)，還需要重新測定對象的開環(huán)階躍響應(yīng)曲線，費(fèi)時(shí)費(fèi)力，缺乏自動(dòng)性。
當(dāng)采用基于神經(jīng)網(wǎng)絡(luò)模糊PID控制算法的在線整定方案后，系統(tǒng)的閉環(huán)階躍響應(yīng)曲線如圖9所示。

從上面實(shí)驗(yàn)測得的響應(yīng)曲線可以看出，采用神經(jīng)網(wǎng)絡(luò)模糊自適應(yīng)控制算法后，控制指標(biāo)有了明顯改善，超調(diào)減小，穩(wěn)態(tài)精度也得到了提高。更為重要的是神經(jīng)網(wǎng)絡(luò)模糊自適應(yīng)控制算法可以適應(yīng)對象動(dòng)態(tài)特性參數(shù)變化，并且可以在線自動(dòng)整定，從而具有較好的應(yīng)用價(jià)值。

3 結(jié)束語
網(wǎng)絡(luò)技術(shù)作為信息技術(shù)的代表，其與控制系統(tǒng)的結(jié)合將極大地提高控制系統(tǒng)的水平。網(wǎng)絡(luò)化控制技術(shù)作為控制、網(wǎng)絡(luò)和計(jì)算機(jī)多種技術(shù)交叉融合的產(chǎn)物，它的發(fā)展是控制系統(tǒng)日趨復(fù)雜化的體現(xiàn)，其理論基礎(chǔ)跨越多個(gè)學(xué)科，應(yīng)用范圍遍及多個(gè)領(lǐng)越。作為一個(gè)新興的研究領(lǐng)域，網(wǎng)絡(luò)化控制系統(tǒng)很多問題的研究僅是一個(gè)開始，還存在著大量課題有待進(jìn)一步的深化研究。
本網(wǎng)絡(luò)化模型裝置將以太網(wǎng)與傳統(tǒng)工業(yè)控制融合在一起形成新的控制網(wǎng)絡(luò)，在保證控制系統(tǒng)原有的穩(wěn)定性、實(shí)時(shí)性等要求的同時(shí)，又增強(qiáng)了系統(tǒng)的開放性和互操作性，提高了系統(tǒng)對不同環(huán)境的適應(yīng)性。