模糊神经网络PID在恒气体流量控制中的应用

杜鲁滨张存

（1.新能凤凰（滕州）能源有限公司，山东 滕州 277527；2.太原理工大学，太原 030024）

气流量控制在工业领域是个常见系统，但是该系统较复杂,它与流量变送器信号、流体密度、相对湿度、压力和温度等因素有关。气体恒流量采用典型的闭环控制系统来实现的，控制方案通常采用传统的比例积分微分调节器，但其三个控制参数Kp、Ki、Kd一般是人工整定，有一定的局限性，不能在线实时调整[1]，已无法满足控制的要求，此时在近几年迅速发展的模糊控制（Fuzzy）和神经网络（Neural Network）无疑映入我们的脑海。常规PID、模糊控制及神经网络三种控制作用的优缺点如表1所示。

从表1可知，常规PID、模糊控制（Fuzzy）及神经网络（Neural Network）三种控制算法都有各自的优缺点，鉴于此本文将PID、模糊和神经网络三种控制技术的优点相结合，用神经网络来构造模糊系统，即利用神经网络的学习方法来调整模糊系统的参数，扬长避短使控制效果大幅提高。本文采用模糊RBF神经网络在线实时整定PID控制器的三个参数Kp、Ki、Kd，从而实现对气体流量的实时监控。

表1 三种PID控制算法的优缺点

1 模糊神经网络控制器的结构和原理

RBF模糊神经网络（FuzzyRBFNN）的结构如图1所示。该网络由输入层、模糊化层、模糊推理层及输出层构成。第一层为输入层，第二、第三层为隐含层，第四层为输出层[2]。

图1 Fuzzy RBFNN的结构

FuzzyRBFNN有两个的输入节点，分别为标准气流量的偏差e和偏差变化率ec。本文偏差e和偏差变化率ec模糊量的量化等级选为5级，具体定义如下：

e的论域为：［-2，2］

ec的论域……