神经网络在PLC控制系统中的应用
39 浏览量
2020-10-25
09:38:42
上传
评论 5
收藏 302KB PDF 举报
神经网络在神经网络在PLC控制系统中的应用控制系统中的应用
神经网络具有自学习、自调整、自适应能力。本文介绍了由PLC控制实现的神经网络PID自适应控制器。实验表
明，该技术对于提高控制精度是行之有效的。具有在调速系统中推广应用的价值。
摘 要：
关键词：PLC;PID控制器;神经网络;
一、引言
虽然目前的交、直流传动系统都有较成熟的控制方案，采用线性PI或PID 调节器可以取得基本满意的控制效果。但是，常
参数的PID调节器只对线形系统有效，它们的控制性能因为系统的非线性而降低。在电力传动系统中，虽可以建立电机模型，
但是电机本身和负载的一些参数（如交流电机的转子电阻、拖动负载的转动惯量）是无法确定的、时变的。电气设备的机械饱
和特性，开关的失控时间、控制延时都是不能精确建模的非线性因素。 然而将模糊与神经网络技术引入电力传动系统设计智
能控制器却可以很好地克服电力传动对象变参数、非线性等问题，大大提高系统的鲁棒性。引入模糊与神经网络技术的主要优
点是不需要过程的复杂模型，而且适应性强，容易实现。
本文是将PID控制规律融进神经网络[3]之中，实现神经网络与PID控制规律的本质结合，共同完成PID自适应调节，并用
PLC实现神经网络PID自适应控制，确保电力传动系统的控制精度和可靠性。
二、PID自适应控制器
常规PID控制算法为：
（1）
用求和代替积分，微分用有限差分代替，即上式为：
（2）
式中T为采样周期，KP是比例系数，KI=KP/TI是积分比例系数，KD=KPTD是微分比例系数。
根据上式，组成由两层线性神经网络构造的控制器，如图1所示。它是由比例、积分、微分三个单元组成的一种动态前向
网络，各层神经元个数、连接方式、连接权值是按PID控制规律的基本原则和已有的经验确定，能够保证系统的稳定和快速收
敛。
图1神经网络PID自适应控制器
其中r为系统给定值，y为系统输出值，d为标定值， Lr为学习步长：0三、PLC
本文用PLC实现神经网络PID自适应控制，并应用于直流逻辑无环流可逆调速控制系统，使系统的控制精度达到了只有理
论上才能实现的无静差。考虑到可逆调速控制系统的控制设备、器件数量多、对系统运行安全可靠提出的更高要求，采用高可
靠性的PLC作为控制核心，以晶闸管为执行机构的直流调速控制系统，其系统主要由两部分构成，系统框图如图2所示。其中
PLC实现神经网络PID自适应器与逻辑无环流双闭环的控制部分，长划线-点-点虚线框内为（V—M）三相桥式晶闸管—电动机
系统，GT为V—M系统的晶闸管触发电路，它由硬件实现。短划线虚线框内为换向软开关，由PLC软件实现。
图2系统组成框图
该系统为速度、电流双闭环调速系统，也就是说PLC对这三个模拟输入信号分别进行速度调节器和电流调节器相串联的两
级PID运算，向晶闸管的触发电路给出移相电压信号。所以，系统跟随的快速性及控制精度关键取决于PID调节器的设计和调
节精度。本系统采用单神经元组成的PID自适应控制器，它即具有传统PID控制器的优点，又具有神经网络的并行结构和学习
记忆功能，并且结构简单，易于实现，所以它更适合于控制系统。
资源评论
