随机混合自适应控制在交通信号控制中的应用

随机混合自适应控制在交通信号控制中的应用（共10篇）

篇1：随机混合自适应控制在交通信号控制中的应用

随机混合自适应控制在交通信号控制中的应用

针对中国中小城市道路交通的`特点及交通控制系统现状和未来发展的需要,将随机混合自适应控制应用于城市交通信号控制系统.改变传统的城市交通控制系统,减少车辆的等待时间,改善交叉口通行能力,为优化城市交通控制提供一种参考方法.

作 者：史瑾瑾 作者单位：西南科技大学环境与资源学院,绵阳,四川,60刊 名：科技经济市场英文刊名：KEJI JINGJI SHICHANG年，卷(期)：“”(2)分类号：U4关键词：随机自适应控制 交通信号 交通控制系统

篇2：随机混合自适应控制在交通信号控制中的应用

自适应模糊-滑模控制在重构飞行控制中的应用

论述了综合运用非线性动态逆、自适应模糊系统和滑模控制的优点进行飞行控制律设计的方法.运用非线性动态逆理论对非线性系统进行近似线性化,用模糊自适应系统来抵消近似非线性逆带来的误差,最终的残差由滑模控制项补偿.根据李亚普诺夫稳定性理论推导了自适应系统权值的调整规律,从而保证了闭环系统的稳定性.将此方法应用于带推力矢量飞机重构飞行控制,对两类故障的仿真结果表明:即使系统未检测到故障,在较大的.舵面损伤情况下,飞控系统性能仍能得到很好的保持.

作 者：胡孟权 王建培 作者单位：西北工业大学,365所,陕西,西安,710072刊 名：航空学报 ISTIC EI PKU英文刊名：ACTA AERONAUTICA ET ASTRONAUTICA SINICA年，卷(期)：23(6)分类号：V249关键词：重构 非线性动态逆 自适应模糊系统 滑模控制 推力矢量

篇3：随机混合自适应控制在交通信号控制中的应用

PID控制是比例(P)积分(I)微分(D)控制的简称[1],具有算法简单,使用方便、工作稳定、适应性强、不需要建立数学模型、鲁棒性强等优点,广泛应用在工业过程控制中。据统计,PID控制算法占有85%以上。

PID控制的核心是参数整定即选取合适的PID参数,使其特性与过程特性相匹配。但由于参数整定的实时性较差、参数整定过程复杂。随着控制理论的发展,将不断出现很多改进型PID控制算法。本文将采用自适应PID控制应用于电石炉控制系统,使其达到良好的动静态性能。

2 自适应控制概述

自适应控制的方案存在许多形式,到目前为止,比较成熟具有实际应用的可以概括为模型参考自适应控制和自校正控制两大类[2]。

自校正控制基于对被控对象或控制器参数的在线辨识,应用参数估计值自动校正自己的参数,在线地综合最优控制的规律[3]。工作过程大致可分为三步:首先是对被控对象的参数进行在线辨识,然后是计算最优调节器的在线参数,最后是对调节器的在线参数整定综合的控制。当对象参数已知时,在线求解调节器的参数。由于调节器控制规律的差别性和参数估计方法的多样性,所以自校正调节器灵活性很强,可以满足不同控制的性能要求,其关键在于在线辨识能否收敛。

通过系统建模和自适应PID控制算法的分析研究,设计电极升降控制系统结构如图1所示。

3 电极位置-电流模型的参数辨识

针对模型结构,主要是进行参数估计和阶次辨识。参数估计即利用输入输出数据估计模型中未知参数;阶次辨识即在假定不同阶次的情况下,进行最小二乘拟合,根据拟合好坏确定模型的阶[5]。实际应用中这两个问题是相关联的。

根据建立的电石炉的模型结构和对带遗忘因子的递推最小二乘算法的分析,具体的过程为:

(1)输入输出数据的预处理

鉴于观测的数据通常含有噪声、低频或高频成分,这些因素都直接影响到辨识的精度,为改善数据质量,提高辨识的精度,从源头和反馈入手,采用对数据筛选、零均值化、缺失值处理、剔除高频成分的预处理,减少这些不利因素的影响。

(2)模型阶次的确定

确定模型的阶是系统辨识中极其重要的环节,可通过观测系统的输入输出数据,采用最小二乘准则,辨识不同阶的模型参数,并进行相应准则函数分析来确定。选取模型阶的三种较常用的方法是损失函数检验法,F检验法以及AKaike(AIC)信息准则等[6]。经过比较,选择损失函数检验法。损失函数为:

当阶次越接近真实阶次n0时,J(n)就越小,而n超过真实阶次时,J(n)出现显著下降,随后只有微小的下降或近似的保持不变,应该接近恒值[7]。在MATLAB环境下编程,做出损失函数J和模型阶次n的关系图,按照辨识原理确定系统模型的阶次为二阶。

(3)参数估计

根据带遗忘因子的递推最小二乘法的要求,设

这里,取k=300,N=150

①设初值,P(0)=αI,MATLAB程序中取P(0)=106I,遗忘因子λ=0.95

②根据递推最小二乘算法求得

③令k=k+1,返回步骤(2)重复计算,直到获得满意的参数估计为止。

④利用带遗忘因子的递推最小二乘估计的辨识方法,MATLAB仿真辨识,辨识结果如下:

4 控制器参数的设计

离散的PID控制器输出u(k)为:

控制偏差值

式中

用新的控制器参数g0、g1和g2来取代PID的参数kp、Ti和Td。即将对kp、ki和kd的调整转化为对g0、g1、g2的调节。

对式(1-1)进行Z变换,得:

对上式进行转换则得到间接自校正PID控制的基本形式

其中F(z-1)=1-z-1,G(z-1)=g0+g1z-1+g2z-2

5 极点配置法

极点配置控制则是使被控系统的闭环极点收敛于期望的极点上[4]。设计控制器为

这里F(z-1)、R(z-1)和G(z-1)为待定多项式,yr(k)为参考输入。控制结构如图2。

输出表达式为

闭环特征多项式为

在这里忽略系统干扰,设期望的表达式为:

式中,Am(z-1)为期望的传递函数分母;Bm(z-1)为期望的传递函数分子,且两者互质。

使输出传递函数等于期望传递函数,即

极点配置的设计目的是通过求出的F(z-1)和G(z-1),进而由式(5)求出R(z-1),将求得的G(z-1)、F(z-1)和R(z-1)代入式(2)算出控制量。

自适应PID控制算法步骤如下:

(1)已知na、nb和d,给定Am(z-1);

(2)设置初值、P(0)及遗忘因子λ,输入初始数据;

(3)采样输出y(k)和期望输出yr(k);

(4)利用带遗忘因子的递推最小二乘法估计对象或过程参数;

(5)利用式(4)求得gi(i=0,1,2);

(6)由式(2)求得u(k);

(7)k→k+1,返回步骤(2)。

6 控制算法仿真与结果分析

通过MATLAB仿真对两种算法在阶跃响应、抗干扰、抗耦合等方面进行对比分析。

(1)阶跃响应分析

设期望输出为yr=1,仿真调试得出常规:PID控制的参数Kp=0.2,Ki=0.1,Kd=0.001;自校正PID控制配置的极点为p1=0.1,p2=0.2,p3=0.3。仿真曲线如图3所示。

观察图3曲线,从反应速度、有无超调、动态性能等方面,均可看出常规PID控制器性能相对较差。

(2)抗干扰性能分析

干扰影响系统的控制质量,所以系统的抗干扰性能至关重要。为比较两种方式抗干扰性能,在阶跃响应中,当t=5min时加入了正弦干扰0.01sin(10t)。仿真曲线如图4所示。

观察图4曲线,比较来说,采用自校正PID控制的系统输出电流波动较小,克服扰动的能力更强,具有较好的抗干扰性能。

(3)抗耦合性能分析

电石炉控制系统具有强耦合的特点。设A、B、C三相电极的给定期望输出分别为yr=1,yr`=2,yr"=1.5。仿真得到输出曲线如图5所示。

观察图5曲线,自校正PID控制算法的抗耦合性能优于常规的PID控制算法。

7 结束语

对比两种控制方式的仿真结果可以得出,基于极点配置的自校正PID控制器,相对于常规的PID控制器而言,在抗干扰能力、抗过程参数变化能力以及抗耦合能力等方面均有明显优势,实际应用于三相耦合的电石炉控制系统,达到要求的控制性能,仍需进一步改善和调整参数,取得更好的效果。

摘要：针对电石炉系统的特点,设计出一种自适应PID控制器。首先对被控对象的参数进行在线辨识,采用带遗忘因子的递推最小二乘算法得到满意的参数估计,然后结合极点配置法计算最优调节器的在线参数,最后对调节器的在线参数整定综合的控制。仿真试验表明,这种自适应PID控制器优于常规的PID控制器,用于电石炉控制系统可达到良好的动静态性能。

关键词：自适应控制,极点配置法,电极升降控制系统

参考文献

[1]陈龙.智能PID控制在电石炉电极调节系统中的应用研究[D].西安电子科技大学,2006.

[2]谢更柱,王德志.模糊控制与PID结合控制在电石炉上的应用[J].化工自动化及仪表,2004,31(5):82-83.

[3]周凤岐.现代控制理论及其应用[M].成都:电子科技大学出版社,1994.

[4]单剑锋,杨立军.极点配置自校正PID控制器[J].抚顺石油学院学报,2002,(3):58-59.

[5]朱卓君.自适应算法在电石炉中的研究与应用[D].南京理工大学,2009,(6):43.

[6]沈激扬.自校正PID调节器的研究[D].东北大学,2005.

篇4：随机混合自适应控制在交通信号控制中的应用

(中交疏浚技术装备国家工程研究中心有限公司， 上海 201208)

0 引 言

封水泵通过向泥泵轴端和吸入端注水，防止泥泵工作过程中泥沙进入泵轴损坏泥泵.在实际施工过程中，随着泥泵转速及串并联工况的变化泥泵内部压力不断变化.为保证封水流量恒定，往往需要操作人员不停地调节封水泵转速，这使操作人员工作强度较大而且调节滞后性严重.目前控制封水泵的方法主要有高低两档调速和泥泵转速曲线拟合两种.高低两档调速虽然能满足封水流量的要求，但封水泵长时间工作在高功率输出模式下不利于节能减排，也会增加设备磨损.曲线拟合方法因不能区分泥泵串并联模式，在实际应用中受到很大限制.

为使封水泵控制更加自动化和智能化，即能根据封水流量的反馈值自动调整封水泵转速，进而调节封水流量至设定值，无须人为干预，本文引入模糊免疫自适应比例积分微分(Proportion Integration Differentiation, PID)控制方法对封水泵进行自动控制，通过模糊推理对PID参数进行自适应整定，达到灵活准确的控制目的[1].

1 封水泵工作及控制原理

泥泵是挖泥船的核心疏浚设备之一.在工作过程中,泥泵壳内会产生很大的压力，泵壳内的泥沙可能会在高压作用下冲破泥泵轴端和吸入端的水封，进而损坏泵轴.

1.1 封水泵工作原理

图1 封水泵工作示意

封水泵安装在泥泵旁边，通过管路将清水注入泥泵轴端和吸入端，防止泥沙损坏泵轴，见图1.泥泵运转前需要先启动封水泵，在运转过程中需要不断调整封水泵转速使封水流量不低于设定值.

1.2 封水泵控制数学模型

为保证泥泵正常工作,通常需要设定一个封水流量F′，封水流量与封水泵转速成正比例关系，通过调节封水泵转速可以调节封水流量.系统根据实际封水流量的反馈值F，通过PID整定，依据转速与流量的正比例关系控制封水泵的速度，进而达到控制封水流量的目的.封水泵控制模型见图2.

图2 封水泵控制模型

2 模糊免疫自适应PID控制

2.1 控制器概述

PID控制作为一种高效稳定的控制方法广泛应用于工业控制中.常用的PID控制器有：常规PID控制器、模糊PID控制器、模糊免疫PID控制器.常规PID控制器仅静态控制参数，不适用于非线性和大时滞系统控制.模糊PID控制器运用模糊控制原理，可在线动态整定控制参数，在非线性和大时滞控制系统中得到良好应用.模糊免疫PID控制器引入生物免疫学原理，结合模糊控制方法在线自适应整定控制参数，在实际应用过程中其性能比模糊PID控制器更加优越.

2.2 免疫反馈原理

根据文献[1-4]中对免疫系统的描述，生物免疫系统由T细胞和B细胞组成[2].T细胞可以根据外来抗原的数量分泌TH细胞和TS细胞，TH细胞用于刺激B细胞生成，TS细胞用于抑制B细胞产生.[3]当外来抗原较多时分泌的TH细胞量增加，TS细胞量减少；当外来抗原较少时，分泌的TH细胞量减少，TS细胞量增加.B细胞可以分泌抗体，抑制外来抗原的数量.[4]生物免疫系统机理[5]见图3.

图3 生物免疫系统机理

2.3 模糊免疫自适应PID控制器设计

模糊免疫PID控制器是根据生物免疫系统机理设计出的一个非线性控制器.根据文献[5-6]中对免疫PID控制器的推导可知增量式免疫PID控制器的输出[6]

U(k)=U(k-1)+KP1(e(k)-e(k-1))+KIe(k)+

KD(e(k)-2e(k-1)+e(k-2))

(1)

式中：KP1=K(1-ηf(U(k)，ΔU(k)))为比例调节系数(K=K1为控制反应速度(K1为激励因子)；η=K2/K1为控制稳定效果(K2为抑制因子);f(*)为选定的非线性函数，表示细胞抑制刺激能力的大小，取值限定为[0，1))；KI为积分系数；KD为微分系数[7]；e为封水泵实际流量与设计流量的差值.

在实际施工过程中封水流量随泥泵内压实时变化，为保护泥泵，要求在封水流量小于设定值时系统能快速将流量增大到设定值，但对绝对精度要求不高.根据封水泵控制特点，本系统PID控制模式为：采用模糊免疫PID控制方法在线整定控制器的比例系数KP，采用模糊PID控制方法在线整定KI和KD.

模糊免疫自适应PID控制器的结构见图4，系统输入为封水流量设定值F′，反馈值为封水泵的实际流量F.PID控制器输入为e及其变化率Δe.模糊免疫调节实时计算出KP1，模糊推理系统实时计算出积分整定系数ΔKI和微分整定系数ΔKD.PID控制器的参数KP，KI，KD计算式为

(2)

图4 模糊免疫自适应PID控制器结构

2.3.1 模糊免疫自适应PID控制器比例参数模糊免疫自调整

由式(1)可知，免疫PID控制的重点是比例参数中非线性函数f(*)的选取.[8]逼近非线性函数的方法很多，常用且最简单的方法是采用模糊控制器逼近非线性函数.本文采用一个二维模糊控制器逼近非线性函数f(*)[9-12],输入、输出变量模糊化参数见表1.

表1 输入、输出变量模糊化参数

为求出变量在模糊子集内的隶属度，作出输入、输出变量的隶属度函数曲线[13]，见图5.

图5输入、输出变量隶属度函数曲线

根据李亚普诺夫稳定性定理，逼近非线性函数f(U(k),ΔU(k))的模糊控制规则[14]见表2.

表2 模糊控制规则

2.3.2 模糊免疫自适应PID控制器积分和微分参数模糊自调整

系统积分和微分参数采用模糊控制进行整定，将e和Δe作为模糊控制器输入，输出为ΔKI和ΔKD.输入、输出变量模糊化参数见表3.

表3 输入、输出变量模糊化参数

图6 三角隶属度函数曲线

考虑到设计简便及实用性要求，采用三角隶属度函数，见图6.根据实际操作经验和PID参数整定规则，得到对ΔKI和ΔKD整定的模糊控制规则，见表4和5.

表4 ΔKI模糊控制规则

表5 ΔKD模糊控制规则

3 仿真分析

由图7可知，模糊免疫自适应PID控制器较常规PID控制器控制响应时间短、超调量小、动态稳定效果好.

4 应用实例

为直观地分析模糊免疫自适应PID控制器的动态控制效果，将实船检测的模糊免疫自适应PID控制数据与常规高低两档控制数据进行对比，见表6.

表6 实船控制数据对照

由表6可知：PID控制模式可以控制封水泵以最低的转速输出安全封水流量；高低两档控制模式虽然能保障安全封水流量，但是封水泵转速一直较大，封水流量超出安全设定值较多，造成不必要的能源消耗且使设备磨损加快.由此可见，模糊免疫自适应PID控制器可以很好地对封水泵流量进行控制.

5 结论

基于西门子PLC的模糊免疫自适应PID控制器可以根据泥泵工况自动动态调整封水泵转速，从而保持设定的封水流量.其自动动态调整的特性使其在解放人的劳动力的基础上，最大限度地减少封水泵的能源消耗和设备磨损.本控制器在上海航道局新海虎8号10 000 m3耙吸挖泥船上得到很好的应用.

参考文献：

[1]王培胜, 胡知斌. 模糊自适应PID控制在耙吸式挖泥船主动耙头的应用[J]. 中国港湾建设, 2012(4): 107-110.

[2]付冬梅, 郑德玲, 位耀光, 等. 人工免疫控制器的设计及其控制效果的仿真[J]. 北京科技大学学报, 2004, 24(4): 442-445.

[3]谈英姿, 沈炯, 吕震中. 免疫PID控制器在气温控制系统中的应用研究[J]. 中国电机工程学报, 2002, 22(10): 148-152.

[4]王东风, 韩璞. 基于免疫遗传算法优化的气温系统变参数PID控制[J]. 中国电机工程学报, 2003, 23(9): 212-217.

[5]刘金琨. 先进PID控制MATLAB仿真[M]. 北京:电子工业出版社, 2005.

[6]丁永生, 任立红. 一种新颖的模糊自调整免疫反馈控制系统[J]. 控制与决策, 2000, 15(4): 443-446.

[7]孙涛. 基于模糊免疫自适应PID的智能控制算法的研究[D]. 大连: 大连海事大学, 2009.

[8]王斌, 李士勇. 模糊免疫非线性PID控制的仿真研究[J]. 哈尔滨商业大学学报, 2006, 22(6): 72-75.

[9]季本山. 基于PLC的模糊PID船舶自动舵[J]. 上海海事大学学报, 2009, 30(4): 57-62.

[10]郑天府, 肖健梅, 王锡淮, 等. 同步发电机线性多变量与PID结合的励磁控制[J]. 上海海事大学学报, 2006, 27(2):37-41.

[11]王洋, 林叶春, 梁森, 等. 轨道龙门吊行走大车的啃轨问题及纠偏控制[J]. 上海海事大学学报, 2008, 29(3): 65-70.

[12]王正林, 王胜开, 陈国顺. MATLAB/SIMULINK与控制系统仿真[M]. 北京: 电子工业出版社, 2005.

[13]王斌, 李爱平. 模糊免疫非线性PID控制的优化设计[J]. 控制工程, 2007,14(S1): 81-83.

[14]王焱. 模糊免疫PID控制器的设计与研究[J]. 计算机仿真, 2002, 19(2): 67-69.

[15]辛菁, 刘丁, 杜金华, 等. 基于遗传整定的模糊免疫PID控制器在液位控制系统中的应用研究[J]. 信息与控制, 2004, 33(4): 481-485.

篇5：随机混合自适应控制在交通信号控制中的应用

电火花加工时, 工具电极与工件的被加工表面之间根据加工条件必须保持一定的放电间隙。放电间隙的大小与蚀除速度有密切的关系:当间隙太大时, 极间介质不易击穿, 使有效脉冲利用率降低, 因而使蚀除速度下降;当间隙太小时, 又会因电蚀产物难于及时排除, 产生二次放电, 短路率增加, 蚀除速度也将明显下降, 甚至还会引起短路和烧伤, 使加工难以进行。电火花加工中, 间隙内进行能量转换, 间隙状态的优劣直接影响脉冲电能的转换效果。因此如何保持放电间隙大小及一致性, 直接影响到加工效率与精度[1]。

采用与放电间隙成正比的间隙电压, 作为工具电极轴伺服进给调节系统的输入参数, 通过模糊控制来调节加工间隙的大小[2,3], 这种方法是可靠的。但是电火花加工速度和工件的表面质量不仅与间隙大小有关, 更与极间放电状态密切相关。

本研究设计一个自适应模糊控制器, 通过对放电状态进行检测, 调整伺服参考电压, 获得最佳的放电间隙, 以提高系统的响应性能和稳定性。

1 电火花放电间隙的识别

电火花加工过程的放电状态一般可分为5种基本状态, 如图1所示。

a-开路电压波形;b-正常放电电压波形;c-可恢复性不稳定电弧放电电压波形;d-不可恢复性烧伤性电弧放电电压波形;e-短路电压波形

本研究通过对间隙平均电压和高频分量的检测来识别放电隙间的状态。通过估算和经验可知, 在工具、工件材料、工作液介质及脉冲参数等确定的条件下, 放电加工过程稳定时, 其间隙电压平均值应处在一个区间[V1, V2]中, V1, V2是分辨各种放电信号的门槛电压。当间隙电压平均值超过V2时, 可以认为加工放电过程趋于空载加工状态;当间隙电压平均值U<V1且存在高频信号时, 认为加工放电状态为不稳定稳定电弧放电状态, 当不存在高频信号时, 则放电状态为稳定电弧放电状态 (或是短路) 状态。

根据间隙电压平均值和高频分量两个特征参数将放电脉冲区分为不同的放电状态后, 就可以通过统计处理得出加工过程中任意时间段内各种放电状态的相对值。取一分析周期 (ms) , 令Nd、Ne、Na、Ns、Nt分别表示一个周期内出现开路、正常放电、不稳定电弧放电、稳定电弧放电 (及短路) 状态和全部脉冲数。对每个放电采样值做出判断, 认为是空载则Nd加1, 若认为是正常放电, 则Ne加1, 以此类推, 每次脉冲结束都自动加1, 可以得到:

ϕd=Nd×100%/Nt, ϕe=Ne×100%/Nt, ϕa=Na×100%/Nt, ϕs=Ns×100%/Nt。

其中, ϕd、ϕe、ϕa、ϕs分别是空载率、火花放电率、不稳定电弧放电率、稳定电弧率 (或是短路率) 。

在电火花加工过程中, 通过调整放电间隙, 不稳定电弧放电状态可以转化为正常放电状态。在这里引入一权重[4]η (0<η<0.5) , 计算电火花加工中出现的异常放电状态率:

θ=ηϕa+ϕs (1)

取最佳电火花加工中异常放电率θd, 令:

Δθ=θ-θd (2)

通过比较相邻两个分析周期的电火花异常放电率, 可以得出电火花异常放电率的变化率:

$\frac{\text{d}\text{Δ}\theta }{\text{d}t}=\text{Δ}\theta (t)-\text{Δ}\theta (t-1)(3)$

同理可得:

Δβ=β-βd (4)

$\frac{\text{d}\text{Δ}\beta }{\text{d}t}=\text{Δ}\beta (t)-\text{Δ}\beta (t-1)(5)$

式中 βd—最佳电火花加工中开路率。

这样, 通过计算每一采样周期的Δθ、Δβ、$\frac{\text{d}\text{Δ}\theta }{\text{d}t}$、$\frac{\text{d}\text{Δ}\beta }{\text{d}t}$, 就可以判别当前电火花放电间隙的状态。当Δθ>0时, 工具电极应该做回退运动, 增大放电间隙, 减少稳定电弧放电和短路;当Δβ>0时, 工具电极应该作进给运动, 减小放电间隙。

2 电火花放电间隙控制系统的设计

在电火花加工中, 直接测量放电间隙很困难而且也没有必要。通常用间隙电压平均值来表征间隙大小, 通过设定相应的伺服参考电压值来确定间隙距离。同时, 电火花加工放电状态的好坏直接反映了加工过程的特征和加工效果, 对控制系统来说, 放电状态也是重要的调节对象之一。基于以上两点, 设计了双环控制系统, 如图2所示。内环由电压反馈、模糊控制器、伺服系统和EDM机床组成, 通过调整伺服的进给和回退, 使放电间隙保持一定距离。外环采用自适应模糊控制, 根据检测电火花放电状态, 调整伺服参考电压, 获得最佳的放电间隙。

2.1 内环模糊控制器的建立

选取伺服参考电压与间隙电压值的误差和误差变化率作为模糊控制器的输入语言变量, 伺服系统的调节量为输出语言变量。确定个模糊子集的隶属函数, 建立赋值表, 根据经验, 建立合理的控制规则。当误差大于零时, 电火花放电间隙过小, 适当增大伺服回退量, 随着间隙接近给定状态, 逐渐减小回退量的大小, 使误差趋于零。反之, 当误差小于零, 电火花放电间隙过大, 适当增大伺服的进给量, 随着间隙接近给定状态, 逐渐减小回退量的大小, 使误差趋于零。

2.2 外环自适应模糊控制器的建立

伺服参考电压是一个经验值。针对不同的EDM机床, 或者在同一EDM机床加工不同材质的工件, 采用不同的电极, 又或是根据加工状态的不断改变, 伺服参考电压的理想值往往与经验值有比较大的偏差。自适应模糊控制器的作用, 就是根据放电状态, 及时调整参考伺服电压, 使放电加工处于最合理状态。

其原理框图, 如图3所示。

令Δθ、$\frac{\text{d}\text{Δ}\theta }{\text{d}t}$、Δβ、$\frac{\text{d}\text{Δ}\beta }{\text{d}t}$分别为e1、ec1、e2、ec2, 并作为模糊控制器的输入语言变量, 选取伺服参考电压的偏差作为输出变量。应用模糊理论的统计方法, 确定各模糊子集的隶属函数为正态分布函数。基于大量EDM工艺实验数据, 构成各模糊子集的赋值表。总结专家经验后得出合理的控制规则, 综合各模糊子集的赋值表, 建立参考伺服电压校正量的查询表。

e1、ec1、e2、ec2分别乘上量化因子, 经过模糊化, 转换成伺服参考电压校正量查询表上的值, 可得到校正量ΔU, 在线调整伺服参考电压, 使系统达到最佳加工状态。

2.3 参数自适应模糊控制器的设计

在模糊控制系统中, 比例因子用来实现基本论域与模糊集论域之间的转换, 与控制规则、隶属函数相比, 比例因子的选择具有更大的灵活性。它对系统的稳定性及各项性能指标的影响作用类似于PID控制器中的3个参数。根据文献[5,6,7]可知:若增大ke1, 将缩小误差的基本论域, 从而增大误差的控制作用, 使系统的上升时间变短, 超调增大, 过渡过程变长, 系统将产生振荡。若增大kec1, 将缩小误差变化的基本论域, 使系统的上升时间变长, 超调量减小, 系统响应迟钝;反之, 若减小kec1, 系统上升速率变大, 系统反应灵敏, 但kec1过小将引起较大的超调, 调节时间变长, 最后导致系统振荡而不能稳定运行。ku只起比例作用, 它只是将根据伺服参考电压校正量查询表得出的控制量转化为一个精确量ΔU。ku越大, 系统上升越快, 但若过大将使超调量增大, 从而使系统失去稳定性。

参数自适应模糊控制器的原理就是:根据对e1、ec1、e2、ec2的大小进行模糊推理和决策, 得出比例因子ke1、kec1、ke2、kec2和ku校正量的大小, 实现比例因子的自动修正。

3 比例因子自调整的实现

根据上述比例因子在系统控制中的作用, 结合系统响应状态的分析, 得到比例因子ke1修正量的调整规则, 如表1所示。

已知当前时刻的误差e1 (k) 、误差的变化ec1 (k) , 由表1的调整规则 (误差和误差变化率较小时, 保持Δke1不变, 减小输出波动) , 经模糊决策得到ke1的修正量Δke1 (k) , 于是有:

ke1 (k+1) =ke1 (k) +γ1Δke1 (k) (6)

式中 γ1—校正系数, 用来控制校正速度。

同理, 根据2.3中的分析可得, 可以利用和ke1相反的调整规则来校正kec1、ku1, 或者利用相同的规则, 改变校正系数的符号, 可得:

kce1 (k+1) =kce1 (k) +γ2dkce1 (k) (7)

ku1 (k+1) =ku1 (k) +γ3dku1 (k) (8)

式中 γ2, γ3—校正系数, 由于ku1的变化对系统稳定性的影响最为显著, γ3取值应该相对小些。

同理可对ke2、kec2、ku2进行自校正 (其中, ku=ku1+ku2) 。

通过不断对比例因子进行适当的修正, 改善了系统控制的实时性, 可以提高系统的响应性能。

4 结束语

本系统是针对某成形电火花机床调节系统开发的电火花放电间隙控制系统。根据电火花加工过程中间隙控制的要求, 应用自适应的思想, 利用比例因子的自校正对常规模糊控制进行了改进, 优化了系统响应性能。

实验表明, 通过有效的放电间隙控制, 使该电火花机床的加工表面粗糙度和加工效率得到了改善。

参考文献

[1]赵万生.先进电火花加工技术[M].北京:国防工业出版社, 2003.

[2]ARNO B, MICHA P W.Integrating Fuzzy Technology inEDMProcess Control[M].ISEM-XI, 1995.

[3]FUHC C, TUNG P C.Robust stability of fuzzy control sys-tems[J].Fuzzy Sets and Systems, 1997, 88 (3) :283-298.

[4]南非, 安连祥, 王霞, 等.基于单神经元的模糊控制器在电加工中的应用[J].微计算机信息, 2006, 22 (7) :71-73.

[5]张曾科.模糊数学在自动化技术中的应用[M].北京:清华大学出版社, 1997.

[6]诸静.模糊控制原理与应用[M].北京:机械工业出版社, 1995.

篇6：随机混合自适应控制在交通信号控制中的应用

关键词：火电厂自适应预估控制DCS系统

0 引言

随着我国现代科学技术的不断进步，对火力发电组的要求越来越高。为了提高火电厂的生产效率，并顺应时代的发展需求，必须对其进行自动化控制，以确保火力发电组的高效生产。目前分散控制系统（DCS）在我国大多数火电厂中得到了广泛的应用，对火力发电的生产、监督、管理等方面发挥着巨大的作用。本文就自适应预估控制技术在火电厂DCS中的应用进行了研究分析，从而使DCS发挥出最大的价值，促进我国火电厂更好更快的发展。

1 自适应预估控制系统概述

在科学技术日新月异的今天，我国大多数火电厂的发电组仍然沿用了比较传统的控制方法，对火电厂的生产、监督与管理带来了诸多不便，使电厂存在较大的滞后性和惯性，降低了火电厂生产的效率。为了提高火电厂运作的稳定性和安全性，必须改进其控制方式，确保机器设备的正常使用。在这样的背景下，自适应控制系统应运而生，在考虑到火电厂生产滞后性和不稳定性的情况，可以在系统运行过程中进行不断的测试，根据系统各方面的参数指标，按照调控系统的参数变化提高系统运行的稳定性。随着近年来计算机技术、通信技术和CRT显示技术的不断发展，在自适应控制系统的基础上，自适应预估控制系统的出现，无疑对火电厂生产的稳定性和收敛性带来了机遇和挑战。

自适应预估控制系统是一种本质非线性系统，虽然火电厂引入了大量的先进技术，但是由于火力发电生产过程的复杂性，存在大量的特性时变、强耦合、非线性等干扰情况。目前由于建立在PID技术上的传统控制策略具有简单、易于掌握的特性而得到了广泛的应用，但是在实际的操作过程中却不能发挥出最大的功能价值。传统的控制策略容易受到不同因素的干扰，使系统难以稳定安全的运行，不能较好的解决火电厂生产滞后大、惯性大等问题。另外，在发电机组设备发生异常情况时，传统的控制策略并不能对其进行科学的调控与处理，无法满足负荷较大机组的运行。自适应预估控制在我国火电厂生产中取得了较大的成效，但是仍然存在自适应调整回路滞后问题。随着模糊控制、神经控制等智能控制方式的发展，提出了模型参考自适应预估控制方法（MRAPC），该方法在火电厂主汽温、燃烧等大滞后，以及参数时变的实际控制系统中实现了自适应预估控制算法，促进系统控制效果大大提高。

2 自适应预估控制在火电厂DCS中的应用

传统的控制策略无法在火电厂的DCS中发挥最佳的功能，自适应预估控制系统的出现较好的解决了DCS运行的问题。当前MRAPC的运行主要通过人工控制，通过网络对火电厂的DCS进行干涉，不仅能保证DCS系统通信的开放性，还可以提高网络通信质量。同时也可以将各类计算机语言下载到DCS控制器中，如C语言、Java语言等，充分利用DCS系统的软硬件资源，在提高系统稳定性的同时也加强了自动化控制水平。目前，自适应预估控制在火电厂的气温控制系统以及燃烧协调控制系统中得到了广泛的应用。

2.1 MRAPC在火电厂燃烧协调控制系统的应用

在火电厂主蒸汽压力控制系统中，采用MRAPC算法，能较好的解决系统迟钝等问题。在燃烧协调控制系统中，为了促进上发电机组负荷跟踪速度的加快，可以在非线性为补偿的基础上，采用能量平衡前馈信号。运用MRAPC算法，在正常情况下，系统在依靠反馈控制系统下，主汽压能维持在±0.2MPa左右。但是在实际生产中，由于发电组单机容量增大，汽轮机相对热容量减少，这就使得必须通过燃烧给煤率的变化来满足负荷的变化。在燃烧协调控制系统中应用自适应预估控制方案，实现了燃烧协调控制系统传统的自动控制，提高了发电机组的稳定性，为整个机组投入AGC远程调度控制奠定了基础。

2.2 MRAPC在火电厂气温控制系统的应用

火电厂气温控制系统主要包括主汽温控制系统和再热汽温控制系统。主汽温控制系统往往需要提高蒸汽温度来促进机组热效率的提升，但是因怕温度过高对汽机造成损坏，威胁发电机组的运行安全性。因此采用自适应预估控制方案，既改善了主汽温控制系统的性能，还大大提高了系统的抗干扰能力和自动化控制水平。再热汽温控制系统与主汽温控制原理相似，也是一个串级形式的自适应预估控制系统，利用PID对参数进行调整，不仅能提高系统的稳定性，还能增加系统对输出扰动的抑制能力。从火电厂DCS整体来看，自适应预估系统在近年来取得了不错的成就，达到了预期的控制效果。

3 结束语

自适应预估控制方案的出现，无疑对火电厂DCS系统带来了新的机遇，同时也较好的满足了自适应控制系统自身的发展要求。虽然目前火电厂生产中仍然存在较多的问题，但是只要充分的利用DCS系统的软硬件资源，对系统进行不断的优化，从而促进DCS系统运行的稳定性和安全性，为我国电力产业做出更多的贡献。

参考文献：

[1]王杰，高昆仑，王万召.基于OPC通信技术的火电厂DCS后台控制[J].电力自动化设备，2013，04:142-147.

[2]陈林海.基于控制历史的自适应PID控制方法及其在热工过程中的应用[D].重庆大学，2013.

[3]刘芳.Smith自适应辨识控制算法在间歇式反应釜釜温控制

篇7：随机混合自适应控制在交通信号控制中的应用

热电厂锅炉过热蒸汽温度是电厂机组运行的重要参数,由于被控对象的大迟延、非线性、慢时变和不确定性,难以建立其精确的数学模型,常规的PID控制器难以获得满意的控制效果。为此,研究一种鲁棒性好、抗干扰能力强的控制方案是必要的。近几年来,模糊控制和神经网络技术研究已受到了广泛关注,这方面的工程应用也逐渐多起来。神经网络与模糊控制都是一种处理不确定性、非线性问题的有力工具[1],将神经网络与模糊控制融合起来,充分发挥两者的优点,已成为人们的研究方向。针对电厂锅炉过热汽温控制系统的问题,本文提出了一种基于自适应神经模糊—PID(ANFIS—PID)的过热汽温控制系统,ANFIS—PID控制结合了神经模糊和PID两种控制方式的优点,根据预先设定的偏差范围在两种控制方式下自动切换,在这种混和控制方式中,采用神经模糊控制实现动态过程的快速调节,采用PID控制实现稳态过程的精确调节,采用ANFIS—P I D控制可以提高过热汽温控制系统的动态、稳态性能,从而对系统进行有效的控制[2]。

2 基于ANFIS的神经模糊—PID控制

图1为常规的PID过热汽温控制系统,将图1中PID主调节器替换为神经模糊—PID主控制器,其控制系统结构图如图2所示。主控制器由神经模糊控制器和PID控制器两大部分组成双模控制[3~6],其控制在两种模态之间切换,条件是:

神经模糊控制:|e|≥|e0|

PID控制:|e|<|e0|

这种控制方式,在大偏差范围内采用神经模糊控制,以获得更快更好的瞬态性能,在小偏差范围内采用PID控制,以获得更好的稳态性能,两种方式根据预先给定的偏差范围|e0|自动切换。在控制过程中偏差范围|e0|的确定非常重要,如果|e0|选择得太小,则系统在将要接近稳态的情况下进行切换,使得系统可能产生超调,使调节时间变长;如果|e0|选得太大,则系统过早进入PID调节过程,不能完全发挥神经模糊控制快速性的作用,使调节时间变长。两种控制方式在系统运行的过程中是分段切换使用的,相互不会产生影响。因此,两种控制方式可以分别设计和调试。

2.1 ANFIS自适应神经模糊推理系统

自适应神经模糊推理系统是用神经网络来实现模糊推理,是基于一阶Sugeno方式模糊模型的,它能改善传统模糊控制设计中所依靠人的思维一次次的调整隶属函数才能达到减小误差、增进效能的缺点,以复合式的学习过程为基础建立一套if-then规则,并调整出适当的隶属函数来满足所要的模糊推理输入输出关系。图3为具有两条规则的两输入一输出一阶Sugeno模糊模型。其等效的A N F I S结构如图4所示。

式中,Ai、Bi为语言模糊集,x、y为模糊推论的假设,pi、qi、ri为可调整的参数集,i=1,2。

在图3中输入向量为[x、y],权重w1和w2通常由前提中的隶属函数µ值的乘积得来,输出f为各规则输出的加权平均,为各权重在权重中的比例[7]。

该自适应网络是一个多层前馈网络,其中的方形节点需要进行参数学习,其参数学习采用梯度下降法与最小二乘法的混合算法,该ANFIS的结构可以分成5层。在这一网络中,包含了待定的前件参数,通过某种算法训练ANFIS可以按指定的指标得到这些参数,从而达到模糊建模的目的。

2.2 神经模糊控制器

本控制器的输入变量有两个,分别为过热器出口汽温偏差e和偏差变化ec,输出变量为减温器开度uf。模糊化后对应的模糊语言变量分别为E、E C和U。E和EC的论域为[-6,+6],U的论域为[-7,+7]。根据一般的典型温度模糊控制经验,给出了以下训练样本数据查询表1[8,9]。利用神经模糊推理编辑器ANFIS,将表1中的训练样本数据载入训练数据集。

选用网格分割法(Grid partition)生成初始模糊推理系统,选择两个输入变量隶属函数的数目均为7,类型为高斯型(gaussmf),输出变量的隶属函数类型为常数(constant)。训练所生成的初始模糊推理系统,得到所建立的神经模糊网络结构,如图5所示。同时得到ANFIS生成的神经模糊网络系统。

由图5可知,本模型的模糊神经网络结构为五层,各层节点数分别为2-14-49-49-1。第一层为输入层,它将输入值传送到下一层。第二层每个节点代表一个语言变量值,它的作用是计算各输入分量属于各语言变量值模糊集合的隶属度函数。第三层的每个节点代表一条模糊规则,它的作用是用来匹配模糊规则的前件,计算出每条规则的适用度。第四层的节点数与第三层相同,它所实现的是归一化计算。第五层是输出层,它所实现的是清晰化计算。

3 仿真试验及分析

为验证本文提出的控制方法的有效性,对某超临界600MW锅炉过热汽温控制系统,采用表2中两个典型负荷下的汽温对象模型[10]进行仿真研究,并与主调节器为常规PID的过热汽温控制系统比较。

在1 0 0%负荷下,输入施加阶跃给定,分别对以上两种不同的系统仿真,得图6所示的两条阶跃响应输出曲线。

在7 5%负荷下作类似的系统仿真,得图7所示的两条阶跃响应输出曲线。

图6和图7仿真曲线比较结果如表3所示。由表3可见,ANFIS—PID控制系统与PID控制系统比较,前者几乎不产生超调,过渡过程更加平稳,过渡过程时间大大缩短,抗扰能力显著增加,控制品质明显优于常规PID控制系统。

4 结束语

本文提出了一种基于自适应神经模糊-PID的过热汽温控制系统,对系统进行了非线性建模和系统仿真,并将用该控制器构成的过热汽温控制系统的控制效果与常规的PID控制比较,仿真结果表明,应用ANFIS—PID比应用PID作串级主调节器,使得系统控制品质有了很大改善,具有良好的应用前景。

参考文献

[1]赵英凯,李胜等.基于ANFIS的锅炉蒸汽温度预测控制系统,基础自动化,2002.9(1):25-26.

[2]李界家,付萍等.模糊神经网络控制在电加热炉温度控制中的应用,电气自动化,2004.26(4):15-16.

[3]Z H A N G Z H I X U E,H U O Z H I H O N G,X I A OZHIHUAI.PID control with fuzzy compensation for hy-droelectric generating unit[C].Power System Technology,2002,Proceeding.Oct,2002,4:2348-2352

[4]SADEGH K L Lo.Systematic method for the designof a full-scale fuzzy PID controller for SVC to controlpower system stability[J].LEEPro.-Gener.Transm.Distrib,2003,150(3):297-304

[5]KITTI PHORANG,MONTHON LEELAJINDAKRAIREAK,YOSHIBUMI MIZUTANI.Damping improvement of oscil-lation in power system by fuzzy logic based SVC stabilizer[C].IEEE,2002:1542-1547

[6]HONG CHINMING,TZENG HUANWEN,WANGSHUNYUAN,etal.Design of a static reactive power com-pensator using fuzzy slinding mode control[C].Proceedingsof the 33rd Conference on Decision and Control lake BuenaVista,Dec.1994:4142-4145

[7]张浩炯,余岳峰等,应用自适应神经模糊推理系统(ANFIS)进行建模与仿真[J].计算机仿真,2002,19(4):47-49.

[8]李向明,吴龙海.模糊神经网络控制器的仿真研究[J].武汉理工大学学报,2003,25(1):13-16.

[9]杨廷志,麦勇军.模糊控制在火电汽温控制系统中的应用[J].广西电力,2004,(5):8-10.

篇8：随机混合自适应控制在交通信号控制中的应用

关键词： 自适应控制； 继电保护； 距离保护； 整定值

伴随着计算机技术的飞速发展， 现代自动控制理论正日渐深入应用到各个领域， 形成了各种成熟的计算机控制系统。它具有不同的控制方式： 程序控制、数字控制、实时控制， 也可以充分发挥其计算机软件功能与分时特性， 实现多变量、多回路、多对象、多工况、变参数和自适应的综合控制。电力系统的运行状态处于频繁的变化中， 且可能发生各种类型的短路故障， 如瞬时的、永久的、金属性的、非金属性的故障， 以及可能出现的各种极端运行方式等。

1 自适应控制模型

设计自适应控制系统的目标： 即使参数发生变化，这个系统也能保持它的标准特性。它可以通过反馈控制， 比较性能指标后修改控制参数来实现对某一系统的控制。自适应控制系统分为参数自适应控制系统和性能自适应系统。后者最典型的模型参考自适应控制系统（ 如图1 所示） 。

图1 自适应控制模型

在图1 中， 输入信号可同时加到可调系统和参考模型， OM代表期望的响应， OS为系统当时的实际响应， e 为期望响应与实际响应的误差。自适应控制的任务是， 当可调系统受到干扰时， 使可调系统的输出和参考模型之差e 为最小。为实现这个要求， 自适应机构根据性能指标， 按预定策略进行参数调整或综合出一个辅助输入信号（ 虚线所示） ， 以实现可调系统的最优响应。

2 自适应在继电保护中的应用

以继电保护中最常用的且很重要的线路距离保护为例， 说明自适应保护的特点及应用过程。

2.1 距离保护设置的难点

作为高压、超高压输电线路的主保护， 距离保护基本不受电力系统运行方式和结构变化的影响，因而保护范围较长且稳定， 适合于远距离、重负荷的高压线路， 但在保护构成上仍存在如下一些问题：

a） 避越最小负荷阻抗， 防止保护误动的能力；

b） 避越非金属性短路， 过渡电阻的影响， 防止保护拒动的能力；

c） 外部短路伴随系统振荡时， 防止保护误动的能力。

2.2 自适应距离保护方案

自适应距离保护的构成见图2。

图2 自适应距离保护模型

如图2， 自适应控制回路的主要作用是根据被保护线路和系统有关部分所提供的输入量， 识别系统所处的状态， 进一步作出自适应的控制决策， 如改变距离保护的整定值、动作特性等。距离保护本身包括测量回路和逻辑回路， 输入量主要包括输电线路本端的电流、电压及序分量， 根据自适应距离保护具体的要求， 除信息从本端获得外， 还需通过远方线路或调度中心获得。

2.3 自适应距离保护方案举例

2.3.1 在自动重合闸过程中的自适应控制

在距离保护中， 第I段采用方向阻抗继电器以保证在反向故障时保护不误动。为解决方向阻抗继电器在线路正方向出口处发生故障时存在“死区”，保护不动作的问题， 广泛采用记忆回路和引入非故障相电压的方法。但在220 kV及以上电压等级的输电线路， 其距离保护的电压通常是由线路侧的电压互感器（ TV） 上引入的。在这种条件下， 当故障线路两端断路器跳开后， 在自动重合闸的过程中，由于线路上的电压和继电器中记忆回路作用已消失， 因而线路正方向出口永久故障保护跳闸， 自动重合闸后， 保护不能再跳闸， 形成“重合闸于故障”的现象。为解决这一问题， 在重合闸过程中采用自动改变阻抗继电器动作特性的自适应方案， 将方向阻抗继电器的阻抗特性（ 虚线） 改变为包含阻抗平面坐标原点（ 即对应线路正方向出口短路点） 的偏移特性（ 实线） ， 以使包含出口短路的所有正向短路测量阻抗均落在动作圆内， 如图3 所示。

图3 阻抗继电器复平面向量图

2.3.2 消除分支电流影响的自适应控制

由于电力系统网络的复杂性及运行结构的变化， 在构成距离保护时， 往往需要考虑分支电流对距离Ⅰ， Ⅱ段的整定和保护范围产生不利的影响，图4 给出3 种代表性的网络。

如图4， 设距离保护装设在a 和b 端， 则故障时测量阻抗为：

（a）助增电源电流的影响

（b）助增电流的影响

（c）汲出电流的影响

图4 分支电流的影响

其中， K f z称为分支因数， 它与电网运行方式有关， 当K fz> 1 时， 称助增因数， 当K f z< 1 时称汲出因数。这时由于b 端主保护不能切除故障，需要上级a 端Ⅱ段距离保护动作跳闸时， 保护的配合关系中实际电流值有差异， 必须把分支因数考虑进去， 否则保护范围将会变化， 引起拒动和误动， 因此采用相应的自适应控制方式， 根据电网的运行方式实时确定分支因数K f z和保护的整定值。实际上可采用较简单的方法， 如将b， c 端断路器的状态信息通过通信工具传送到a 端， 此时可以确定保护的整定值：

式中 KK——可靠因数， 可取0.8；

端主保护距离Ⅰ段整定值；

端距离Ⅱ段作为b 端主保护的后备保护的整定值。

这样， 只需将三端a， b 和c 的断路器状态进行互相的传送， 不要求经常和实时传送信息， 即可避免分支电流对保护范围的影响。

3 结束语

篇9：随机混合自适应控制在交通信号控制中的应用

由于城市废水的排放不仅是间歇和变化的,而且有机物的浓度也有很大的变化。因此,传统的控制方法不能获得较好的控制效果。如何能够有效的对污水中有机物进行处理并且做到节能高效,是污水处理过程中的重要问题。

在这种情况下针对城镇污水处理的特点及控制要求,采用贝加莱PCC和组态王软件进行污水处理系统的控制,并在回用水池等控制环节进行自适应模糊控制。根据实际情况和操作经验,总结出模糊控制规则并确定了其相应控制参数[1]。同时在回用水泵房控制环节对中水回用出水压力进行模糊控制,不仅可以节省能源,还能达到满意的控制效果。

1 污水处理工艺

污水处理控制系统主要由进水泵房、除沙池、厌氧池、加氯间、回用水泵房、滤池、贮泥回流泵房及脱水机房等组成(其工艺流程如图1所示)。污水经过净化、生物处理及加氯处理后中水回用出水最后经过回用水泵房,经检测达标后中水回用。

2 回用水控制系统设计

2.1 控制系统对象及控制策略

回用水泵房站的控制目标:在回用水泵房控制中水回用出水的压力,使系统能正常、稳定运行。由于控制对象的复杂性,多样性,根据回用水出水压力的不同范围调节回用水泵房三台回用水泵的启停,使回用水出水控制达到高效节能控制。本设计将选择中水回用出水压力作为控制量[4]。中水回用出水控制流程图如图2所示。

上述控制流程中,回用水泵1#、3#采用直接开启、停止的简单控制方式,回用水泵2#采用PID控制。由于回用水出水压力各阶段不同,同时污水处理系统是复杂的动态工程系统,其工艺过程无法用准确的数学模型的表示,而回用水出水压力具有滞后效应,采用传统的控制方法难以获得满意的控制效果。所以本系统采用自适应模糊控制方法实现对中水回用出水压力的自动控制。

2.2 回用水压力模糊控制器的实现

以回用出水压力为研究对象,采用模糊PID控制技术来控制2#回用水泵,以此来控制中水回用前的出水压力,使回用水排放过程更加高效节能[3]。以回用出水压力为研究对象针对回用水泵房的调节压力回路设计一个双输入单输出的模糊控制器。其原理是:测试回用出水压力,并与以前的测试信息相比较,输入变量分别为回用出水的压力偏差和压力偏差变化量,经模糊化和模糊推理得到控制量的模糊量,经反模糊化得到其精确值,输出用来控制控制阀的开度U。由此完成一个周期,不断重复上述过程,直到回用水出水压力达到设定值。但对于回用出水压力这样的对象,很难总结出一套完整的控制经验,势必造成回用出水压力模糊控制规则比较粗糙,从而影响控制效果。因此,采用模糊自整定PID控制器,它能在回用水出水过程中自动地修改、完善、调整模糊控制规则,使控制系统的控制性能得到不断地完善和改进[6]。此控制系统的模糊自整定PID控制器原理框图如图3所示:

设计中EC和U的模糊集均为NB,NM,NS,ZO,PS,PM,PB,E的模糊集为NB,NM,NS,NO,PO,PS,PM,PB,根据污水处理工艺的要求、现场回用出水压力控制的调节经验,偏差e的范围为[-2,2],偏差变化率Δe的变化范围为[-2,2],将偏差e和偏差变化率Δe分别模糊化为E和EC,其论域均为-3,3。ΔKp,ΔKi和ΔKd的模糊论域分别为[-0.4,0.4],[-0.08,0.08],[-0.8,0.8]。模糊子集的隶属度函数μ(x)选择三角形隶属度函数,在误差大的地方模糊集分辨率低一些,则取隶属度函数曲线平缓一些,在误差小的地方模糊集分辨率高一些,则取隶属度函数曲线陡一些,如图4所示。根据经验确定E、EC、U的隶属度函数如下图所4示。

以回用出水压力为被控制量的自适应模糊控制系统是典型的双输入单输出模糊控制系统。其模糊控制规则形式为:

共有35条模糊控制语句。

根据回用出水压力的不确定性,时滞性等变化特性进行分析,并通过工作人员操作经验总结出的回用出水压力与各回用水泵控制阀门之间的关系,运用模糊合成推理获得PID参数模糊调整规则表,如图5所示,这是回用出水压力PID控制算法的核心。

本控制系统已经应用于民勤县污水处理控制系统中,实测数据表明模糊PID参数自整定控制较常规的PID控制有更好的控制效果[5]。模糊PID参数自整定控制的动态和静态特性全面改善,并且克服了纯滞后环节带来的影响,使系统能够有较好的控制品质,表现出良好的鲁棒性。

3 上位机监控系统

本控制系统组态软件采用Kingview for B&R 1.0.1版本。Kingview for B&R 1.0.1是专门针对贝加莱PCC的上位机监控软件。系统通过OPC完成上位机与下位机的通信[6]。在Kingview for B&R 1.0.1监控画面中,可以实现自动控制调节中的手动/自动切换、给定值输入、参数输入等功能,使操作人员操作管理很方便。利用组态王软件可以完成监视器显示所需的现场设备监控画面。如系统状态图、硬件报警、工艺报警、模拟量趋势、对比趋势、操作日志、报表输出等,可直观、动态地显示出现场各部位重要参数的变化。以回用加水泵房为例,如图6所示。

4 结束语

基于自适应模糊控制的回用水泵房的控制系统已经在民勤县污水处理厂投入使用,系统运行稳定。以工控机为核心的污水处理回用加水泵房自动控制系统,采用模糊控制技术实时检测回用出水压力,并采用变频调速方式控制电动阀,通过控制三台回用水泵的运行从而控制回用出水压力,具有成本低,性价比高的特点。从而提高了污水处理的效率。

参考文献

[1]王永庆.人工智能原理及其应用[M].西安:西安交通大学出版社,1998.

[2]王树东,曹爱红等.模糊自调整PID控制在电厂锅炉水处理中的应用[J].工业用水与废水,2005,17(06):1006～4826.

[3]王淑青,谭建军,刘辉,张子蓬.自适应模糊控制器在水电机组控制中的应用[J].湖北工业大学学报,2005,20(6):4～6

[4]彭勇真.污水处理系统的在线模糊控制[J].哈尔滨建筑大学学报,1999,32(4)

[5]陈平.基于积分的锅炉水位自整定模糊PID控制[J].电子测量技术,2008,11,31～40.

[6]贾剑平,徐坤刚.基于模糊自适应整定PID的水下焊缝跟踪[J].上海交通大学学报,2008,11:69～72.

篇10：随机混合自适应控制在交通信号控制中的应用

关键词：云控制器；智能交通信号灯；控制；应用

中图分类号：TP273.5 文献标识码：A 文章编号：1674-7712 （2014） 16-0000-01

交通系统是一个十分复杂的体系，它具有随机性、很强的不确定性和非线性的特点，所以倘若在其中建立数学模型是十分困难的。专业人员为了解决现代经济发展所带来的交通问题就提出了将云控制器融入到智能交通信号灯系统控制中。本文就简要介绍了云控制在智能交通信号灯系统控制中的应用。

一、对云控制器的认识

云技术是指用语言表示的定量与定性之间不确定性的转换工具。它的英文全称为Cloud technology，它是基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术和应用技术等的总称，可以组成资源池，按需所用，灵活便利。云计算技术体系结构分为4层分别是：物理资源层、资源池层、管理中间件层和SOA构建层。另外，电子云还具有概然性、弥漫性和同时性等特点。

二、智能交通信号灯系统

智能交通信号灯系统主要包括交通信号灯系统、将交通信号灯信息以无线方式发射出来的发射装置和设置在机动车辆上的车载接收装置三部分。

道路交通信号灯作为道路交通信号中的一个重要组成部分，是道路交通系統的十分重要的基本语言。道路交通信号灯主要是由红灯、绿灯、黄灯三部分组成，它们分别有禁止通行、允许通行和警示三种含义。道路交通信号灯又可以分为：机动和非机动车信号灯、人行横道和车道信号灯、方向指示信号灯等。

道路交通信号灯的产生是为了保证道路交通的安全和通畅，加强道路交通的管理，减少交通事故的发生，提高道路的使用率，改善交通状况。道路交通信号灯适用于人流和车流量较大的十字路口和丁字路口等，由道路交通信号控制机来控制，指导车辆和行人安全有序地通行

车载接收装置又包括接收单元、控制单元、语音单元以及显示单元四部分。这四部分之间相互联系，密不可分。

当智能信号灯系统工作时，发射装置会读取交通信号灯中所显示的内容并以较小的功率以无线的方式发送出去，然后再由车载接收装置进行接收，然后接收单元将接收到的无线信号传递给控制单元，由控制单元对信号进行解码，解码结束后，控制单元会将解码出的交通信号通过语音单元发声或通过显示单元显示出来。

三、云控制在智能交通信号灯控制中的应用

（一）控制算法的目标。智能交通信号灯控制系统存在的主要目的是是车辆和人流快速的通过道路路口，不会堵塞交通或等待时间过长。解决车辆和人流流通问题最有效的方法就是控制道路路口的车容量、车速和等待时间。车容量主要是指在道路路口中等待的车辆数量以及排队的长度，过多的车辆数量和过长的排队长度都会导致道路交通的瘫痪；对于提高车速则可以减少车辆在道路路口中停留的时间，提高效率；而依照现实的实际车流量合理的安排交通信号时间则可以合理的分配时间，减少时间的浪费，提高道路路口的行车效率。

（二）基于云理论的控制算法。在云模型的基本算法中，通常会使用期望、熵、超熵这三个基本参数来定义概念，其中这三个参数的数学表示为Ex、En、He，其中Ex表示x云滴在空间U中分布的核心，利用这一概念可以明确的反映出云滴群体的重心；En则是对对象不确定性的一种客观的度量，它可以反映出数据的分散和模糊的程度；He则是对En的不确定性的客观度量，它可以反映出二阶所具有的不确定性。

利用遥感设备可以获得：公交车辆的数量为C，车辆的速度为V，车辆的载重量为P。车辆的汇总结果表示道路信息，将道路流量、路况指标利用云模型进行表示，将具体的统计指标进行转换，使其符合云模型的参数特征，与其相互对应的算法被称之为逆向云发生器，其具体的算法为，首先计算依据各个车辆的速度计算出车辆的平均值，一阶速度的中心矩和速度方差；其次是计算出公交车辆的速度期望即Ex；然后依据公式计算出公交车辆的速度熵；最后是计算公交车辆的超熵。通过这种规律以此类推，就可以得到具体的统计指标的云描述信息。

除了使用逆向云发生器进行控制和计算外，云理论系统还能够提供其他的算法，例如，条件云发生器等，它也是构建智能交通信号灯控制系统的关键因素之一。

基于云控制器在智能信号灯控制系统中的应用，以公交车辆作为例子进行简要的介绍和说明，利用了公交车辆中的智能系统对公交车辆的运行参数进行采集，进而反映了道路的路况数据信息，最后构建成为智能交通信号灯控制系统。将云控制应用于智能交通信号灯控制系统中进行综合路况的信息处理，可以有效的提高信号控制的灵活性以及实时性，最大限度的减少了车辆的平均延误，使整个智能交通信号灯控制系统更具有智能化和自动化。

四、结束语

智能交通信号灯控制系统的提出充分的解决了现代经济发展存在的各种问题，提高了信号控制的灵活性以及实时性，在一定程度上大大地缓解了交通运输的压力，减少了车辆的平均延误，维持了交通秩序，提高了道路路口的车辆通行量和通行的效率，以及道路秩序维持的灵活性。

参考文献：

[1]罗金玲.云控制器在智能交通信号灯控制中的应用研究[J].计算机测量与控制，2011（04）：842-844.

[2]叶尔江·哈力木，曼苏乐，张秀彬.交通信号灯智能控制算法研究[J].微型电脑应用，2012（06）：42-44.

[3]袁阔宇，刘博，曹玉英.浅谈交通信号灯PLC控制系统[J].河南科技，2013（04）：56.

[4]张健.基于ZigBee无线网络技术在智能交通信号灯控制中的应用[J].铜陵学院学报，2013（02）：103-106.