基于ANFIS的吸收式制冷系统发生器液位控制.pdf

第 卷第期年月计算技术与自动化C o m p u t i n gT e c h n o l o g ya n dA u t o m a t i o nV o l ,N o J u n 收稿日期:基金项目:山东省重大科技创新工程项目(J Z Z Y );山东省自然科学基金面上资助项目(Z R MF )作者简介:刘忠晨(),男,山东临沂人,硕士研究生,研究方向:智能环境及其网络化控制.通信联系人,E m a i l:q q c o m文章编号:()D O I:/j c n k i j s j s y z d h 基于A N F I S的吸收式制冷系统发生器液位控制刘忠晨,汪衍凯,孙梅,孙昊,马浩翔(山东建筑大学 信息与电气工程学院,山东 济南 )摘要:针对吸收式制冷系统中发生器液位系统的强非线性、大滞后问题,提出了一种基于自组织神经网络模糊控制的液位控制方法.根据特征面积法,得到了发生器液位与溶液循环泵频率的数学模型,通过梯度下降和最小二乘混合算法处理实验数据,得到了隶属函数的参数及相应的模糊规则.最后通过S i m u l i n k平台完成了系统仿真搭建,并对仿真结果进行分析.仿真结果表明,所设计控制器的稳定性高、适应能力强.关键词:发生器;液位控制;模糊控制;神经网络中图分类号:T P 文献标识码:AA b s o r p t i o nR e f r i g e r a t i o nS y s t e mG e n e r a t o rL i q u i dL e v e lC o n t r o lB a s e do nA N F I SL I UZ h o n g c h e n,WANGY a n k a i,S UN M e i,S UN H a o,MA H a o x i a n g(S c h o o l o f I n f o r m a t i o na n dE l e c t r i c a lE n g i n e e r i n g,S h a n d o n gJ i a n z h uU n i v e r s i t y,J i n a n,S h a n d o n g ,C h i n a)A b s t r a c t:I no r d e r t os o l v e t h ep r o b l e mo f s t r o n gn o n l i n e a r i t ya n d l a r g e l a go f g e n e r a t o r l i q u i d l e v e l s y s t e mi na b s o r p t i o nr e f r i g e r a t i o ns y s t e m,al i q u i dl e v e lc o n t r o lm e t h o db a s e do ns e l f o r g a n i z i n gn e u r a ln e t w o r kf u z z yc o n t r o l i sp r o p o s e d A c c o r d i n gt ot h ec h a r a c t e r i s t i ca r e am e t h o d,t h em a t h e m a t i c a lm o d e lo ft h ef r e q u e n c yo ft h el i q u i dl e v e la n dt h ec i r c u l a t i n gp u m po f t h eg e n e r a t o r i so b t a i n e d T h ep a r a m e t e r so ft h em e m b e r s h i pf u n c t i o na n dt h ec o r r e s p o n d i n gf u z z yr u l e sa r eo b t a i n e db yp r o c e s s i n gt h ee x p e r i m e n t a l d a t aw i t ht h eh y b r i da l g o r i t h mo fg r a d i e n td e s c e n t a n d l e a s t s q u a r e F i n a l l y,t h es y s t e ms i m u l a t i o n i sc o m p l e t e dt h r o u g hS i m u l i n kp l a t f o r m,a n dt h es i m u l a t i o nr e s u l t sa r ea n a l y z e d S i m u l a t i o nr e s u l t ss h o wt h a t t h ed e s i g n e dc o n t r o l l e rh a sh i g hs t a b i l i t ya n ds t r o n ga d a p t a b i l i t y K e yw o r d s:g e n e r a t o r;l i q u i d l e v e l c o n t r o l;f u z z yc o n t r o l;n e u r a ln e t w o r k吸收式制冷系统中的发生器罐制冷剂从混合溶液(吸收剂与制冷剂)分离的场所.吸收式制冷系统中发生器罐液位对系统制冷效率有很大的影响.如果发生器罐液位较高,制冷剂不能充分分离;如果液位偏低,参与分离的制冷剂过少.所以发生器罐液位必须保持在一个合理的区间.液位控制系统在工业系统中有很重要的作用,比如锅炉系统、结晶器、钢水熔铸、核电系统等等.常规水箱的液位控制多采用P I D控制、模糊控制等,但随需求的提升,简单的控制器难以满足液位的控制要求.因此前人在常规控制算法的基础上整合了优化算法应用到液位控制系统中.例如使用B P神经网络整定P I D参数,模糊P I D功粒子群算法优化P I D参数.除了P I D控制,自组织模糊控制应用到液位控制系统时,有很好的效果.这类方法具有一定的学习能力,能自动实 时调整模糊规 则,能更好 贴近系统实 际情况.计算技术与自动化 年月发生器罐液位不同于常规的水箱控制.系统的压力、温度等因素都会对其液位产生影响,而且这些因素都不能控制.除此之外,由于系统的相变原因,发生器里会存在气液两相态的区域,这也为液位控制增加了困难.基于模糊控制的经验知识与神经网络的学习能力,J S R J a n g提出了基于神经网络的模糊系统(AN F I S)理论.AN F I S可以根据实际数据自动生成合适的模糊规则,而且可以根据数据实时调整模糊规则,比较适合系统非线性、大滞后的特点.本文根据AN F I S原理,结合实验过程中积累的控制经验与实验数据,为吸收式制冷系统中的发生器设计了液位控制器.A N F I S控制器原理为方便介绍,假设一个一阶T a k a t i S u g e n o模糊模型有两个输入x和y,一个输出z,并且拥有如下两条模糊规则:i fxi sAa n dyi sB,t h e nzpxqyr;i fxi sAa n dyi sB,t h e nzpxqyr;其中,Ai,Bi(i,)代表模糊语言,根据经验设定;zi表示第i条规则对应的输出;pi,qi,ri表示系统需要辨识的参数.不难看出,此模型的输出是输入的线性组合.结合神经网络与先验数据可以辨识出所需参数,从而得到系统的输出.图为A N F I S控制器结构图.图AN F I S控制器结构图A N F I S网络结构自适应神经网络模糊系统(以下简称AN F I S)本质上是一种神经网络和T a k a g i S u g e o n模型相结合的模糊推理系统.一个简单的两输入一输出的AN F I S网络结构图如图所示.结构图中的圆形节点表示固定节点,方形节点则表示需要调节参数的节点.为了方便介绍本网络,Ojk表示第k层中第j个节点的输出值,其中k的取值为到.第一层:将输入数据模糊化,输出其对应的隶属度.第一层的输出可以表示为:OA(x)()A表示输入数据x对于模糊语言A的隶属度.在此层的隶属度函数通常设置为钟形函数,除此之外常见的三角形函数以及梯形函数都可以当作隶属函数.第二层:该层的固定节点将输入相乘并传给输出,该层用符号“”表示.其输出可以表示为:OjjAix()Biy()()式中“”表示模糊算子,j表示该层中的第j个节点,j,.j可以理解为规则的触发程度,即权值.第三层:该层同样为固定节点,用符号“N”表示.该层将第二层节点的输出j进行归一处理.可以理解为每条模糊规则的权值与全部模糊规则的权值的比值,其表示方法为:Ojjj()式()中j,通过上式不难看出,该层的输出可以称为平均权值,即j.第四层:该层的输出为每条模糊规则对应的输出,用公式表示为:Ojj(pixqiyri)()pi,qi,ri为系统需要辨识的参数,称为后件参数.可以看出系统的输出为后件参数的线性组合.第五层:该层将输出求和,得到网络的输出.可以表示为:zOjiOi()图AN F I S网络结构图该网络可以通过给定的数据进行学习,与神经网络相似,整个学习过程就是不断寻找合适权值且不断试错的过程.不同的是,AN F I S寻找参数的第 卷第期刘忠晨,等:基于AN F I S的吸收式制冷系统发生器液位控制方法是梯度下降和最小二乘估计(L E S)的混合算法.采用混合算法的AN F I S可以避免缓慢和陷入局部最优.吸收式制冷系统吸收式制冷系统通过制冷剂在发生器中的汽化过程带走房间内的热量,以此达到制冷效果.图为需要控制的吸收式制冷系统简化结构图.本系统所用工质对为R a与DMF.制冷剂循环是指从发生器中出来高压高温气态R a在通过冷凝器时,会与外界高温环境进行热交换,释放出热量,凝结为液态.R a经过板式蒸发器时,吸收热量由液态汽化为气态.最后R a进入吸收器被吸收剂吸收,完成一次制冷剂循环.溶液循环是指在吸收器中的吸收剂利用浓度差吸收进入吸收器的制冷剂;在吸收制冷剂后,形成浓溶液;在发生器中浓溶液被加热,低沸点的制冷剂将被汽化进入冷凝器中,而剩下的一部分制冷剂稀溶液则经溶液热交换器冷却、节流,使吸收液具有吸收能力,并返回到吸收器,完成一次溶液循环.从图简化的系统中不难看出,影响发生器液位的可控阀门有三个:溶液循环泵以及两个电子膨胀阀.根据流量守恒原理,三个阀门任意两个不发生改变,那么通过控制其中一个阀门就可以实现系统的液位控制.本文为控制器选择溶液循环泵为执行机构,控制进入发生器罐的流量,控制输出的阀门保持不变.最终发生器液位系统可以简化成单入单出的单容水箱系统.图吸收式循环制冷系统工业上常采用一阶滞后模型来描述单容水箱这种滞后系统,模型描述如下:G(s)Ke sT s()上式中,K、T分别为对象模型的开环增益、纯滞后时间常数和惯性时间常数.通过特征面积法辨识得到相应模型如下:G(s)e s s()试验系统控制平台设计基于L a b V i e w软件平台,并通过数据线与控制板 模块通信.在上位机平台可以实时显示采集系统状态信息,并将采集到的数据保存为E x c e l表格形式.仿真分析 A N F I S网络训练所设计的控制器的输入是控制器的液位误差e以及误差变化率e t,输出是溶液循环泵的频率变化c.按照以下步骤对网络结构进行训练.第一步:对经过预处理的数据模糊化处理.第二步:设置隶属函数.本文输入输出的语言变量均设置为七种,在多次测试中发现三角形隶属函数求得的结果最优.第三步:神经网络训练参数,得到网络需要辨识的参数.同时根据学习结果和预先设置的隶属函数生成模糊规则.总的训练次数为 次.训练完成后得到的模糊规则和AN F I S网络结构如图所示.模糊规则总数为 条.图模糊规则及AN F I S网络结构考虑到实际的频率控制器最小单位为,而实际训练的网络输出结果包括小数.同时为了得到训练结果的准确率,我们对控制器的输出结果做四计算技术与自动化 年月舍五入处理,只保留整数.四舍五入后训练集的训练结果如图所示.图训练集训练结果图为测试集的测试结果.从图和图可以看出,AN F I S得出的结果基本符合实际数据,测试集的错误率为 左右,训练集的错误率为 .错误值与实际值也仅有个单位的偏差,而且出现错误的点大多为实际输出较大时.同时当控制器输出在,时,预测结果准确率非常高.图测试集测试结果 仿真及分析为验证上述方法的可行性,使用S i m u l i n k仿真平台搭建仿真.图、图分 别 是 目 标 液 位 为 mm、mm时,模糊控制器和AN F I S控制器的控制效果图.图、图 为加入干扰信号后的控制效果图.从中可以看出,模糊控制器的超调量较大,这是由于模糊控制器中液位误差对控制效果的影响较大,所以通过增加超调量来提升响应速度.在图中的表现为严重偏离目标值,同时出现衰减震荡,且恢复时间长.而结合实验数据的AN F I S控制器所产生的控制规则比较符合溶液循环泵对液位控制的实际效果,一定程度上减弱了液位误差对控制效果的影响,所以超调量低、响应时间快.在图中的表现为偏离目标值较低,且恢复时间短.此外,AN F I S控制器的模糊规则是由实验数据与神经网络学习所得,避免了人工经验的影响,所以控制曲线更为平滑稳定.图目标液位为 mm时的控制效果图目标液位为 mm时的控制效果图加入干扰信号后 mm液位控制效果图 加入干扰信号后 mm液位控制效果第 卷第期刘忠晨,等:基于AN F I S的吸收式制冷系统发生器液位控制结论对吸收式制冷系统发生器液位控制问题,设计了基于自组织神经网络模糊控制系统的液位控制器.同时根据控制经验设计了常规模糊控制器,用来对比控制效果.仿真结果表明,所设计的AN F I S控制器能准确实现吸收式制冷系统发生器液位控制,而且相比模糊控制器,AN F I S控制器具有响应时间快、稳定性强、抗干扰能力强的优点.参考文献王宇翔,麻荣福,王磊,等锅炉汽包液位控制系统与连锁保护设计J洁净煤技术,(S):郭成林,蒋日鹏,李晓谦,等基于F u z z y P I D的大规格铸锭结晶器液位控 制J机械工程 学报,():C HE N H Y,HUAN GSJ S e l f o r g a n i z i n g f u z z yc o n t r o l l e rf o r t h em o l t e ns t e e l l e v e lc o n t r o lo fat w i n r o l ls t r i pc a s t i n gp r o c e s sJ J o u r n a lo fI n t e l l i g e n tM a n u f a c t u r i n g,():徐颖,陈坚才,于航,等蒸汽发生器液位控制系统手自动切换的前馈补偿研究J核动力工程,():WE IY u l i S t u d yo fd o u b l e h o l d i n gw a t e rt a n kl i q u i dl e v e lc o n t r o l b a s eo nn e u r a ln e t w o r k sP I Dc o n t r o lCA d v a n c e dS c i e n c ea n dI n d u s t r yR e s e a r c hC e n t e r P r o c e e d i n g so f I n t e r n a t i o n a lC o n f e r e n c eo nC o m p u t e rM o d e l i n g,S i m u l a t i o na n dA l g o r i t h m(CM S A ),L IE r c h a o,L IZ h a n m i n g,L IW e i R e s e a r c ha n da p p l i c a t i o no fP I Dt y p ea d a p t i v e f u z z yc o n t r o l i n l i q u i d l e v e l c o n t r o l s y s t e m sC P r o c e s sC o n t r o lC o mm i t t e eo fC h i n e s eA s s o c i a t i o no fA u t o m a t i o n A b s t r a c ts e to f t h e t hC h i n aP r o c e s sC o n t r o lC o n f e r e n c e(C P C C ),J UR E GU IC,D UA R T E ME RMOUDM A,O R S T I C AR,e ta l C o n i c a lt a n kl e v e lc o n t r o lu s i n gf r a c t i o n a lo r d e rP I Dc o n t r o l l e r s:as i m u l a t e da n de x p e r i m e n t a l s t u d yJ C o n t r o lT h e o r ya n dT e c h n o l o g y,():J AN GJSRAN F I S:a d a p t i v e n e t w o r k b a s e df u z z yi n f e r e n c es y s t e mJ I E E ET r a n so nS m c,():孙丙香,高科,姜久春,等基于AN F I S和减法聚类的动力电池放电 峰 值 功 率 预 测 J电 工 技 术 学 报,():P AN M i n g z h a n g,HUAN G Y a n m e i,Z HU Y a n,e ta l C o a n dt r i g e n e r a t i o ns y s t e mb a s e do na b s o r p t i o n r e f r i g e r a t i o nc y s l e:ar e v i e wJ I n t e r n a t i o n a lJ o u r n a lo fG r e e nE n e r g y,():