本站原创
摘要：本文以实训室三容液位过程控制实训系统为模型，设计了基于BP神经网络智能控制算法并在三容液位系统中仿真分析，研究三容液位控制系统的控制学习《自动化控制原理》课程有很好的指导意义。
关键词：三容液位控制系统；过程控制；智能控制
1674-9324（2012）09-0024-02
本文研究的对象是我院过程控制实训室的三容液位过程控制实训系统，该实训系统是一套利用了自动化控制技术、计算机、通讯、自动化控制等技术的多功能实训装置。该实训系统为《过程控制》等课程怎么写作。三容液位过程控制实训系统可根据情况需要灵活组态，模拟线性、非线性；一阶、阶次；单容、多容及耦合、非耦合等特性，并能在控制过程中直观地反映出系统动态反应，方便获得动静态性能指标，从而验证控制策略的优劣，因而研究三容液位过程控制实训系统的控制对实施和学习《自动化控制原理》课程有很好的指导意义。
图1 三容液位过程控制实训系统基本结构图
水流是经过手动阀v0后分成两路再经过气动调节阀vc1、vc2和手动阀v1～v6后进入三个水箱的。一路可以通过手动阀v1、v3、v5的开关不同来实现单容、双容和三容的控制。检测设想控制3号水箱液位h3，让v5开，v1、v3关，则是单容水箱控制；若让v3开，v1、v5关，则为双容水箱控制；而若让v1开，v3、v5关，则为三容水箱控制。而调节阀vc2和手阀v2、v4、v6成为另一路水流的干扰环节，选择分别进入三个水箱的手动阀v2、v4、v6的开关不同，可改变加入干扰环节的位置，都也会影响实验的效果。
图2 BP神经网络PID控制结构图[4]
输出节点分别为可调PID控制器的三个参数KP、K
net■■（k）=■wij（3）oi（2）（k）-?兹l（3）ol（3）（k）=g[netl（3）（k）] 式（2-1）
上式按照沿着J（k）对wi（k）的负梯度方向检索调整即使用梯度下降法修正加权系数w（k），并引入惯性项，从而使BP算法的收敛速度得到提高，于是：
?荭wli（3）（k）=?浊?啄l（3）（k）oi（2）（k）?琢?荭wli（3）（k-1） 式（2-2）
其中，?啄l（3）（k）=e（k+1）·sgn■·■·g'[netl（3）（k）]，（l=1，2，3）。
与此类似，可求得隐层权值系数的调节规律为：
?荭wij（2）（k）=?浊?啄i（2）（k）oj（1）（k）+?琢?荭wij（2）
其中，?啄i（2）（k）=f'[neti（2）（k）]·■?啄l（3）（k）wli（3）（k），（i=1,2,…，Q）。
式中，g'（·）=g（x）（1-g（x）），f'（·）=（1-f2（x））/2。
在MATLAB环境中，利用M语言编写控制程序。设定目标液位高度为单位阶跃输入，BP网络结构为2-3-
3,两套仿真的初始给定水位为：h1f=12cm，h2f=10cm，下面改变系统的干扰量，当t=195s时，将水箱3下面的出水阀门调节调节到原来的30；在t=345s时将出水阀拧到原来的60%，通过仿真我们得到输出响应曲线。
图3 BP神经网络智能PID控制输出相应曲线
通过以上仿真图我们可以看到采用BP神经网络PID控制器时，水位上升速度相对较慢，但是在BP神经网络PID控制器控制下系统超调量小，出现扰动时，能迅速的消除扰动。改变输入量以后，发现BP神经网络PID控制器跟踪特性仍然表现不错，系统输出与输入的误差几乎为零。说明BP神经网络PID控制器对参数具有很好的适应性，鲁棒性较好。
参考文献：
赵科，王生铁，张计科.三容水箱的机理建模[J].控制工程，2006.
卢娟.BP神经网络PID在三容系统中的控制研究[D].合肥：合肥工业大学硕士论文，2009.
[3]余建勇.网络控制系统及其预测控制算法研究[D].浙江工业大学硕士论文，2005.
[4]许力.智能控制与智能系统阅[M].北京：机械工业出版社，2007.
作者简介：翟永君（1981-），女，天津人，讲师，硕士，主要从事数据库，自动化控制等研究。
关键词：三容液位控制系统；过程控制；智能控制
1674-9324（2012）09-0024-02
本文研究的对象是我院过程控制实训室的三容液位过程控制实训系统，该实训系统是一套利用了自动化控制技术、计算机、通讯、自动化控制等技术的多功能实训装置。该实训系统为《过程控制》等课程怎么写作。三容液位过程控制实训系统可根据情况需要灵活组态，模拟线性、非线性；一阶、阶次；单容、多容及耦合、非耦合等特性，并能在控制过程中直观地反映出系统动态反应，方便获得动静态性能指标，从而验证控制策略的优劣，因而研究三容液位过程控制实训系统的控制对实施和学习《自动化控制原理》课程有很好的指导意义。
一、三容液位过程控制实训系统的工作原理
三容液位过程控制实训系统主要硬件构成为三个玻璃水箱、气动调节阀、差压变送器、电磁阀、电/气转换器、液位传感器、空气压缩机、水泵、计算机等，基本结构如图1所示。图1 三容液位过程控制实训系统基本结构图
水流是经过手动阀v0后分成两路再经过气动调节阀vc1、vc2和手动阀v1～v6后进入三个水箱的。一路可以通过手动阀v1、v3、v5的开关不同来实现单容、双容和三容的控制。检测设想控制3号水箱液位h3，让v5开，v1、v3关，则是单容水箱控制；若让v3开，v1、v5关，则为双容水箱控制；而若让v1开，v3、v5关，则为三容水箱控制。而调节阀vc2和手阀v2、v4、v6成为另一路水流的干扰环节，选择分别进入三个水箱的手动阀v2、v4、v6的开关不同，可改变加入干扰环节的位置，都也会影响实验的效果。
二、智能控制算法研究
1.BP网络PID控制器设计。BP神经网络PID控制器主要利用了神经网络的非线性映射能力和自适应能力[3]。系统结构如图所示，控制器由两部分组成：（1）可通过自动调节参数实现对被控参数的闭环控制。（2）也可根据系统运行过程的状态自动调节参数达到某种性能指标的最优化。BP神经网络PID控制器结果如图2所示。图2 BP神经网络PID控制结构图[4]
输出节点分别为可调PID控制器的三个参数KP、K
1、KD，即
O1（3）（k）=Kp，O2（3）（k）=k1，O3（3）（k）=KD。各节点的输入输出关系为：net■■（k）=■wij（3）oi（2）（k）-?兹l（3）ol（3）（k）=g[netl（3）（k）] 式（2-1）
上式按照沿着J（k）对wi（k）的负梯度方向检索调整即使用梯度下降法修正加权系数w（k），并引入惯性项，从而使BP算法的收敛速度得到提高，于是：
?荭wli（3）（k）=?浊?啄l（3）（k）oi（2）（k）?琢?荭wli（3）（k-1） 式（2-2）
其中，?啄l（3）（k）=e（k+1）·sgn■·■·g'[netl（3）（k）]，（l=1，2，3）。
与此类似，可求得隐层权值系数的调节规律为：
?荭wij（2）（k）=?浊?啄i（2）（k）oj（1）（k）+?琢?荭wij（2）
源于：标准论文格式范例www.udooo.com
（k-1）式（2-3）其中，?啄i（2）（k）=f'[neti（2）（k）]·■?啄l（3）（k）wli（3）（k），（i=1,2,…，Q）。
式中，g'（·）=g（x）（1-g（x）），f'（·）=（1-f2（x））/2。
2.BP网络PID智能控制仿真研究。三容液位过程控制系统的线性数学模型为：
G（s）■0≤h≤30■30＜h≤60■60＜h≤70■70＜h≤100在MATLAB环境中，利用M语言编写控制程序。设定目标液位高度为单位阶跃输入，BP网络结构为2-3-
3,两套仿真的初始给定水位为：h1f=12cm，h2f=10cm，下面改变系统的干扰量，当t=195s时，将水箱3下面的出水阀门调节调节到原来的30；在t=345s时将出水阀拧到原来的60%，通过仿真我们得到输出响应曲线。
图3 BP神经网络智能PID控制输出相应曲线
通过以上仿真图我们可以看到采用BP神经网络PID控制器时，水位上升速度相对较慢，但是在BP神经网络PID控制器控制下系统超调量小，出现扰动时，能迅速的消除扰动。改变输入量以后，发现BP神经网络PID控制器跟踪特性仍然表现不错，系统输出与输入的误差几乎为零。说明BP神经网络PID控制器对参数具有很好的适应性，鲁棒性较好。
参考文献：
赵科，王生铁，张计科.三容水箱的机理建模[J].控制工程，2006.
卢娟.BP神经网络PID在三容系统中的控制研究[D].合肥：合肥工业大学硕士论文，2009.
[3]余建勇.网络控制系统及其预测控制算法研究[D].浙江工业大学硕士论文，2005.
[4]许力.智能控制与智能系统阅[M].北京：机械工业出版社，2007.
作者简介：翟永君（1981-），女，天津人，讲师，硕士，主要从事数据库，自动化控制等研究。