[发明专利]一种应用于交联电缆生产设备的单神经元PID与模型预测结合的混合控制方法

说明书

本发明公开了一种应用于交联电缆生产设备的单神经元PID与模型预测结合的混合控制方法，本发明的方法结合MPC的控制方法来对PID参数进行特定调整，建立温度系统模型，通过对模型分析，模型参数反馈校正，对PID参数进行调节，最后PID输出等步骤，得到系统未来大致的变化趋势，以未来一段时间内的误差平方和最小为原则对PID参数进行相应的调整，由于动态调节PID参数，抗干扰能力强，此方法有较强的鲁棒性，弥补了学习规则选择上的盲目性，利用该种方法可以对恒温控制系统实现良好的控制效果，提高了系统控制精度。

技术领域

本发明涉及一种温度控制方法，特别是涉及一种应用于交联电缆生产设备的单神经元PID与模型预测结合的混合控制方法。

背景技术

一般的，如果已知系统精确模型，那么对于系统的控制是非常容易的，但是对温度系统进行精确建模是十分困难的。而基于此状况，目前，应用于温度控制的主要方法有PID控制、模糊逻辑控制、神经网络控制等方法，只需要调整参数，不涉及系统建模就可以达到预期的控制效果。其中PID控制应用最多最为广泛，它具有原理简单、易于实现，适用范围广，直接有效等优点。但是，PID方法在面对一些对控制精度有一定要求的系统时，其控制效果一般；模糊逻辑控制是通过专业人员制定模糊表，对系统不同状态进行查表推理相应的控制策略，非常适用于只工作在某些特定状态的系统，但是缺点是好的模糊表的制定一般需要由专业技术人员通过长时间的实地操作的经验积累和不断的测试得到；神经网络控制是近年来新兴的智能控制方法，对于非线性时变系统，时滞系统，以及难以建模的复杂系统都有良好的适应性和良好的控制品质，缺点是需要对大量的数据进行实时的运算处理，对处理器有较高的性能要求，而且开发难度较高，需要大量实际数据训练。

单神经元PID控制器以PID控制器作为基础，结合神经网络控制的适应性及其自学习性质，对系统模型未知的系统控制时会产生比单纯使用PID控制时更良好的控制效果，这在近年来的文献中都有所证实，而其学习规则一般都使用Hebb学习规则，规则的选取上需要根据系统性质选择较为合适的学习规则，但是对于单神经元PID控制学习规则如何选取，以何种学习方式能达到较好效果，目前没有相关文献在此方面进行探究。

发明内容

针对现有单神经元PID技术中学习规则选择单一的问题，本发明提供了一种结合模型预测控制方法(MPC)的单神经元PID学习方法，利用该种方法可以对恒温控制系统实现良好的控制效果。本方法结合MPC的控制思想来对PID参数进行特定调整。本方法对温度系统使用一种简单有效的建模方法，通过对模型分析，得到系统未来大致的变化趋势，以未来一段时间内的误差平方和最小为原则对PID参数进行相应的调整，弥补了学习规则选择上的盲目性，提高了系统控制精度。

一种应用于交联电缆生产设备的单神经元PID与模型预测结合的混合控制方法，具体步骤如下：

步骤1：建立温度系统模型；

所采用的温度系统模型为：

其中，Y(k)为模型计算出的第k个采样时刻的系统输出；C(k)为第k个采样时刻的系统历史输出，A_i为该采样时刻向前第i个历史系统输出相应的加权系数，初值设定如下：A₁(0)＝A₂(0)＝A₃(0)＝…A₇(0)＝0，A₈(0)＝A₉(0)＝A₁₀(0)＝0.33；U(k)为第k个采样时刻的系统历史输入，B_i(k)为该采样时刻向前第i个历史系统输入相应的加权系数，初值设定为B₁(0)＝B₂(0)＝…＝B₁₀(0)＝0，之后会对模型修正，故以上A_i、B_i的初值可微调；

步骤2：模型参数反馈校正；