摘  要： 結(jié)合無需辨識的自適應(yīng)控制算法，提出一種動態(tài)調(diào)整增益系數(shù)和自適應(yīng)學(xué)習(xí)率的改進型單神經(jīng)元PID控制策略，進一步提高了控制器參數(shù)的自校正能力。利用ActiveX技術(shù)將改進型單神經(jīng)元自適應(yīng)PID控制算法封裝在ActiveX控件中，并設(shè)計MFC應(yīng)用程序?qū)ξ鬯幚磉^程溶解氧的控制進行仿真。結(jié)果表明，改進型單神經(jīng)元PID與改進前的單神經(jīng)元PID控制方法相比，具有更好的自適應(yīng)性和更強的魯棒性。
關(guān)鍵詞： ActiveX控件；單神經(jīng)元；PID

    傳統(tǒng)的PID調(diào)節(jié)器具有結(jié)構(gòu)簡單、調(diào)整方便和參數(shù)整定與工程指標聯(lián)系密切的優(yōu)點，在過程控制中獲得了廣泛的應(yīng)用，但算法參數(shù)整定困難，且參數(shù)不具有自適應(yīng)能力。很多學(xué)者提出了改進型PID控制算法，趙建華、沈永良等人[1]推導(dǎo)出一種自適應(yīng)PID控制算法，仿真結(jié)果表明控制算法的有效性。神經(jīng)元作為構(gòu)成神經(jīng)網(wǎng)絡(luò)的基本單位，具有自學(xué)習(xí)和自適應(yīng)能力，結(jié)合神經(jīng)元構(gòu)成的控制系統(tǒng)算法簡單、易實現(xiàn)。將神經(jīng)元技術(shù)與傳統(tǒng)PID控制相結(jié)合，則可以在一定程度上解決傳統(tǒng)PID控制器不易進行在線實時參數(shù)整定的問題[2]。
    但是當(dāng)前神經(jīng)元PID系統(tǒng)中，對于最敏感的系數(shù)之一的增益系數(shù)只在初始時設(shè)定，不具備在線調(diào)整功能，學(xué)習(xí)速率一般是通過大量的仿真和實驗得來，在控制過程中保持不變，這些都在一定程度上影響了控制效果。孫夏娜等[3]將單神經(jīng)元自適應(yīng)模糊PID控制策略用于對主動懸架的控制。本文在參考文獻[4]的基礎(chǔ)上將神經(jīng)元與無辨識自適應(yīng)控制率結(jié)合起來，提出一種改進型單神經(jīng)元PID控制器，在線調(diào)整增益系數(shù)和學(xué)習(xí)率，進一步提高控制系統(tǒng)的魯棒性和自適應(yīng)能力。
    在實際生產(chǎn)過程中，復(fù)雜控制算法的復(fù)用性較差，且不易在監(jiān)控組態(tài)環(huán)境中直接實現(xiàn)。ActiveX技術(shù)可以靈活、高效地應(yīng)用于重入、重用、完全分布式、與語言無關(guān)的各種場合。ActiveX技術(shù)擴充了監(jiān)控組態(tài)軟件的功能，可以使監(jiān)控組態(tài)軟件完成復(fù)雜高級控制算法。本文將改進型單神經(jīng)元自適應(yīng)PID控制算法封裝于ActiveX控件，并將該控件應(yīng)用于污水處理過程溶解氧的控制，仿真結(jié)果表明了改進算法的有效性和實用性。
1 PID控制器
1.1 單神經(jīng)元PID控制器
    由具有自學(xué)習(xí)和自適應(yīng)能力的單神經(jīng)元構(gòu)成的單神經(jīng)元自適應(yīng)PID控制器，結(jié)構(gòu)簡單，能適應(yīng)環(huán)境變化，有較強的魯棒性。神經(jīng)元作為構(gòu)成神經(jīng)網(wǎng)絡(luò)的基本單元，具有自學(xué)習(xí)和自適應(yīng)的能力，而且易于計算。傳統(tǒng)的PID調(diào)節(jié)器具有調(diào)整方便和參數(shù)整定與工程指標聯(lián)系密切等特點[2]。將兩者結(jié)合，便可以在一定程度上解決傳統(tǒng)PID調(diào)節(jié)器不易在線實時整定參數(shù)和難于對一些復(fù)雜過程和參數(shù)慢時變系統(tǒng)進行有效控制的不足。用神經(jīng)元實現(xiàn)的自適應(yīng)PID控制器結(jié)構(gòu)框圖如圖1所示。

 
    K為神經(jīng)元的增益系數(shù)。K值越大，則快速性越好，但超調(diào)量大，甚至可能使系統(tǒng)不穩(wěn)定。當(dāng)被控對象時延增大時，K值必須減小，以保證系統(tǒng)穩(wěn)定。K值選擇過小，會使系統(tǒng)的快速性變差。因此需要選擇合適的K值，以獲得良好的系統(tǒng)性能。
    由式(1)可以看出各權(quán)系數(shù)的修正速度取決于各自的學(xué)習(xí)速率，目前所采用的神經(jīng)元自適應(yīng)PID控制器的學(xué)習(xí)速率是通過大量的仿真和實驗得來，在控制過程中保持定值，這樣便限制了控制器品質(zhì)的進一步提高。對于神經(jīng)元系統(tǒng)最敏感的增益系數(shù)也不具備在線學(xué)習(xí)自動調(diào)整功能，這樣也一定程度上限制了控制效果。
1.2 改進型單神經(jīng)元PID控制器
    針對上述控制器的不足，結(jié)合Marsik、Strejc提出的無需辨識的自適應(yīng)控制算法，動態(tài)調(diào)整增益系數(shù)，并且自調(diào)整學(xué)習(xí)率以進一步提高控制系統(tǒng)的魯棒性和自適應(yīng)能力。
    Marsik和Strejc提出的無辨識自適應(yīng)控制算法可描述為：
 
2 控件設(shè)計
    為了增強該算法的應(yīng)用性，本文將其封裝成ActiveX控件，使控制算法能重復(fù)使用于支持ActiveX的組態(tài)軟件或者其他軟件，實現(xiàn)在線控制或者仿真。ActiveX控件是一個軟件組件，可以嵌入到許多不同的程序，并把它當(dāng)作程序自身的一部分來使用。ActiveX控件具有可移植性、擴展性強、使用廣等特點[5]。本文在VS2005環(huán)境下，通過MFC ActiveX Control向?qū)е谱鰽ctiveX控件，它為要創(chuàng)建的任何ActiveX 控件建立一個外殼，生成所有的必要文件并配置項目，在編譯項目時編譯器就會建立一個ActiveX控件，它將生成OCX文件。
    在控件中添加的接口屬性包括周期、期望輸出、反饋輸入、控制器各種參數(shù)等；事件包括控制器輸出超出上限、超出下限，反饋輸入超出上限、超出下限，方法包括控制器輸出清零。
    在CPidctrl類中實現(xiàn)增量式PID和神經(jīng)元PID控制算法。添加WM_TIMER消息，取周期屬性的值設(shè)置定時器，在OnTimer函數(shù)中判斷ControlFlag的值，它會隨著用戶屬性頁中選擇所需控制器類型改變而改變。添加WM_CREATE消息，在響應(yīng)函數(shù)中動態(tài)添加“啟動”、“設(shè)置”按鈕，分別用來啟動控制器和彈出屬性設(shè)置畫面。在OnDraw函數(shù)中繪制控件外觀，顯示當(dāng)前期望輸出、反饋輸入、控制器輸出等過程量和運行、控制器輸出越限等標志。
3 ActiveX控件應(yīng)用實例
    將此控件應(yīng)用于污水處理過程DO(溶解氧)濃度的控制。典型的污水處理過程見圖2。

    設(shè)計MFC應(yīng)用程序?qū)θ芙庋蹩刂七^程進行仿真，用封裝了改進型單神經(jīng)元PID控制策略的ActiveX控件作為控制器。程序中添加了繪圖控件NTGraphCtrl，以直觀地顯示被控系統(tǒng)的響應(yīng)曲線。
    改進前的單神經(jīng)元PID控制策略使用的學(xué)習(xí)率ηp=1.4，ηi=1.35，ηd=1.2，增益系數(shù)K=2。改進后的單神經(jīng)元PID控制器學(xué)習(xí)率和增益系數(shù)的初始值與改進前的相同。仿真結(jié)果如圖3、圖4所示。由以上的仿真結(jié)果可以看出，改進前單神經(jīng)元PID控制的仿真曲線超調(diào)為6.8%，而改進型的單神經(jīng)元PID調(diào)節(jié)器控制的仿真曲線可以達到基本無超調(diào)，具有更好的控制性能。經(jīng)過大量的仿真實驗發(fā)現(xiàn)，單神經(jīng)元PID控制器在參數(shù)設(shè)置合適時控制效果比較理想，但是對參數(shù)的要求比較敏感，而改進型神經(jīng)元PID控制器的參數(shù)具有自調(diào)整特性，表現(xiàn)出更強的自適應(yīng)性和魯棒性。

    本文結(jié)合無需辨識的自適應(yīng)控制算法，提出一種動態(tài)調(diào)整增益系數(shù)和自適應(yīng)學(xué)習(xí)率的改進型單神經(jīng)元PID控制策略，并利用ActiveX技術(shù)將改進型單神經(jīng)元自適應(yīng)PID控制算法封裝在ActiveX控件中，使控制算法能方便地重復(fù)應(yīng)用于支持ActiveX的組態(tài)軟件以及其他支持ActiveX控件的應(yīng)用軟件。在VS2005環(huán)境下，設(shè)計了MFC應(yīng)用程序，對污水處理過程溶解氧的控制進行仿真。結(jié)果表明，改進型單神經(jīng)元PID與未改進單神經(jīng)元PID控制方法相比，具有更好的自適應(yīng)性和更強的魯棒性。開發(fā)的ActiveX控件可重復(fù)利用，具有良好的實用價值。
參考文獻
[1] 趙建華，沈永良.一種自適應(yīng)PID控制算法[J].自動化學(xué)報，2001，27(2):417-420.
[2] 劉金琨.先進PID控制MATLAB仿真[M].北京：電子工業(yè)出版社，2004.
[3] 孫夏娜，余群明.主動懸架單神經(jīng)元模糊PID控制策略與仿真[J].系統(tǒng)仿真學(xué)報，2009，21(8):2165-2168.
[4] 羅文廣，覃偉年.單神經(jīng)元無辨識自適應(yīng)預(yù)估控制算法及在過熱汽溫控制中的仿真研究[J].中國電機工程學(xué)報，2005，25(2):103-108.
[5] 費春國，白瑞祥.模糊自適應(yīng)PID控制及控件實現(xiàn)[J].化工自動化及儀表，2003，30(2):53-55.
[6] 烏爾松 G，紐厄爾 B.污水處理系統(tǒng)的建模診斷和控制[M].高景峰，彭永臻，譯.北京:化學(xué)工業(yè)出版社，2005.
[7] WEI Tao， ZHANG Shun Yi. Active queue management based on single neural adaptive PID Algorithm. International Conference on Computer Science and Software Engineering， 2008:923-926.
[8] OMATU S， FUJINAKA T. Neuron-PID control for inverted single and double pendulums. Energy Conversion and Management， 2004，45(15):2405-2415.
[9] QIAO Jun Fei， HAN Hong Gui. A new growing selforganizing neuron-fuzzy network with application to wasterwater treatment. 2008 IEEE International Conference on Fuzzy Systems.
[10] 賈立，陶鵬業(yè).基于模糊神經(jīng)模型的自適應(yīng)單神經(jīng)元控制系統(tǒng)設(shè)計[J].華東理工大學(xué)學(xué)報，2008，34(1):135-140.