[发明专利]一种基于神经网络的超声波分散仪温度控制方法

摘要

本发明公开了一种基于神经网络的超声波分散仪温度控制方法；本发明先通过传感器对恒温控制系统的各项指标进行数据采集，对BP神经网络训练以及前馈控制，接着用滤波算法对反应釜中的温度采样信号进行滤波，对RBF神经网络进行训练，最后用模糊RBF神经网络计算PID参数，然后将PID参数传送到PID控制器中，输出冷却水阀得控制信号，来控制冷却水阀的开度。本发明控制速度快、鲁棒性高，具有超调性。

主权项

1.一种基于神经网络的超声波分散仪温度控制方法，其特征在于，该方法具体包括以下步骤：步骤1、通过传感器对恒温控制系统的各项指标进行数据采集；用流量传感器采集反应材料的进料量，用温度传感器采集反应釜中的环境温度，用流量传感器采集冷却水管中流量的大小；步骤2、BP神经网络训练以及前馈控制；以下为BP神经网络训练步骤：STEP2.1、先对网络中权值、学习率、动量因子进行初始化，选取N个扰动信号q作为样本在BP神经网络中的迭代训练，设第k个样本的输入向量为STEP2.2、BP神经网络的隐含层的输入输出分别为式中为隐含层对应的权值,u为隐含层对应的神经元个数；设BP神经网络隐含层神经元的泛化函数为STEP2.3、BP神经网络的输出层的输入输出分别为式中为输出层权值；STEP2.4、由误差函数即r(k)为温度在前馈系统中的期望输出Y＝0，y(k)为系统在干扰下的实际输出值；判断误差是否达到要求，到达则退出训练，否则进行下一步；STEP2.5、对于输入样本，反向计算每一层神经元的局部梯度，按式式中，g′(x)＝g(x)(1‑g(x)),f′(x)＝(1‑f²(x))/2，和分别为输出层和隐含层之间的修正权值，K+1时刻下输出层和隐含层的权值为：计算修正后的权值，放入下一个样本值，转到STEP2.3；步骤3、用滤波算法对反应釜中的温度采样信号进行滤波根据信号的采样频率Fs,用公式Ld＝K×Fs×Lp计算出中值滤波器的窗口宽度Ld，Lp为毛刺脉冲宽度，K为整数型窗口系数，；得到窗口宽度Ld后，按权值向量W＝[W1,W2,…,W2d+1]对窗口内数据进行加权处理；再按L(A)＝Med[W1※s(A‑d),Wd+1※s(A),…,W2d+1※s(A+d)]进行取中值运算，对信号进行重新的输出，得到加权中值滤波后的处理结果作为神经网络的输入信号；其中Med表示取窗口内所有位数的中位数，※表示复制即步骤4、对RBF神经网络进行训练；STEP4.1、初始化隶属函数的中心c0和宽度b0，以及网络的初始权值；选定学习系数和惯性系数；STEP4.2、采样系统给定值和实际输出，计算误差e(k)和误差变化率ec(k)；STEP4.3、在RBF神经网络中，设输入向量X＝[x1,x2]T,其中x1为实际输出温度和期望值之间的误差e(k)，x2为误差变化率ec(k)；K也表示第k个样本；由此可以确定模糊RBF神经网络第二层的节点数为7层，即l＝7，第三层的节点数为49个，即n＝49；第一层为输入层即f1(i)＝xi，i＝1,2；第二层为模糊化层，模糊隶属函数均选用高斯函数，得到的输入分量在不同的模糊语言值对应的隶属度为：其中cij、bij分别时第i个输入变量第j个模糊集合的隶属函数的中心矢量和宽度；第三层为模糊推理层，每个节点的适用度为：其中N_i是第i个输入的模糊分割函数；第四层为输出层，即f4(1),f4(2),f4(3)分别为PID的三个参数Kp，Ki，Kd；其中wsd为输出层节点与第三层各个节点的连接权矩阵，s＝1，2，3；PID调节器的控制规律为：其中Kp为比例系数，Ki为积分系数，Kd为微分系数；因为控制器Δu(k)＝Kpx(1)+Kix(2)+Kdx(3)，其中x(1)＝e(k)‑e(k‑1)x(2)＝e(k)x(3)＝e(k)‑2e(k‑1)+e(k‑2)采用增量式PID算法u(k)＝u(k‑1)+Δu(k)网络逼近误差指标函数为二次型其中r(k)为温度的期望值也就是我们的给定值，y(k)为实际的输出温度值；判断E是否小于阈值ε，小于则退出训练，否则进行下一步；STEP4.4、根据梯度下降法，节点基宽、节点中心及权值调节可得其中η1为学习率，α1为动量因子，取值均在0到1之间；STEP4.5、取下一个采样数据，返回STEP4.2；步骤5、用模糊RBF神经网络计算PID参数；把RBF神经网络和模糊PID算法相结合，设r(k)为输入的给定信号，y(k)为输出信号，则基于RBF神经网络改进的PID控制误差为e(k)＝r(k)‑y(k)将x(1),x(2),x(3)代入到增量式PID控制算法中求解，得控制算法u(k)＝u(k‑1)+Kpx(1)+Kix(2)+Kdx(3)神经网络的训练指示为将E(k)带入增量PID控制器的参数Kp，Ki，Kd的表达式中其中，学习效率由η表示，系统的灵敏度信息由表示，从而得出其中w_j为训练后RBF模糊神经网络第三层的输出权值，c_j和b_j为训练后的模糊神经网络第三层各节点的中心值和宽度；然后将PID参数传送到PID控制器中，输出冷却水阀得控制信号，来控制冷却水阀的开度。