恒壓供水泵站節(jié)能系統(tǒng)的仿人智能控制策略

范 磊

(重慶建工集團第二建設(shè)有限公司，重慶 400030)

水是生命之源，直接關(guān)系到人們的生活質(zhì)量。供水系統(tǒng)是基礎(chǔ)設(shè)施，但是在供水設(shè)施建設(shè)中，往往重硬件，比如重管網(wǎng)管線、供水泵站的硬件建設(shè)，而對軟件功能重視不夠，導(dǎo)致供水質(zhì)量不盡人意。典型的例子是供水流量難以調(diào)節(jié)，供水質(zhì)量差，時大時小，能源消耗大。在現(xiàn)代供水泵站建設(shè)中既要節(jié)能，又要保證供水穩(wěn)定性，以下結(jié)合工程實踐討論恒壓供水泵站節(jié)能系統(tǒng)的仿人智能控制策略相關(guān)問題。

1 控制論特性及存在問題

供水系統(tǒng)是一個復(fù)雜系統(tǒng)，其供水過程是一個復(fù)雜的不確定性過程。比如用戶用水最突出的特點是隨機的，很難預(yù)料哪個社區(qū)、哪個用戶需要用水?什么時候用水?用水數(shù)量是多少?等等。就供水系統(tǒng)而言，以宏觀角度考慮，供水過程往往表現(xiàn)出以下幾個方面的控制論特性:系統(tǒng)參數(shù)的未知性、時變性、隨機性和分散性;過程嚴重的非線性;過程變量間的關(guān)聯(lián)性;環(huán)境干擾的未知性、多樣性和隨機性。這些特性導(dǎo)致采用傳統(tǒng)控制方法很難達到人們期望的控制目標。因其屬于不確定性復(fù)雜過程，難以建立過程模型，傳統(tǒng)控制方法是無能為力的。

存在問題主要表現(xiàn):①傳統(tǒng)控制策略(例如PID 控制)是基于數(shù)學(xué)模型的控制，即認為控制、過程及干擾的模型是已知的或者是通過辯識可以得到的。但供水過程具有不確定性，對于“未知”、不確定、或者知之甚少的控制問題，用傳統(tǒng)方法難以建模，因而難以對供水過程實施有效的控制。②供水過程具有高度的非線性，采用傳統(tǒng)控制方法會由于過分復(fù)雜的非線性處理而難以應(yīng)用。③傳統(tǒng)控制主要采用微分方程、狀態(tài)方程以及各種數(shù)學(xué)變換作為研究工具，其本質(zhì)是一種數(shù)值計算方法，屬定量控制范疇，要求控制問題的結(jié)構(gòu)化程度高，易于用定量數(shù)學(xué)方法進行描述或建模，供水過程控制是半結(jié)構(gòu)化與非結(jié)構(gòu)化控制問題。④過程的復(fù)雜性包括通常意義下的操作對象和所處的環(huán)境，由于關(guān)系錯綜復(fù)雜，各要素的高度耦合，互相制約，外部環(huán)境又極其復(fù)雜，傳統(tǒng)控制缺乏有效的解決方法。⑤基于數(shù)學(xué)模型的控制存在魯棒性與靈敏度之間的矛盾，復(fù)雜供水過程則可能由于條件的改變使整個控制系統(tǒng)崩潰，如壓力過大導(dǎo)致管網(wǎng)崩潰，即系統(tǒng)的可靠性問題。

無論采用什么樣的控制手段，供水系統(tǒng)必須滿足用戶用水需求，因此供水系統(tǒng)的控制目標是在滿足用戶對供水要求的前提下，盡可能減少環(huán)境污染和節(jié)約能源。上述存在問題決定了用傳統(tǒng)方法是難以對供水過程進行有效控制的，必須探索更有效的節(jié)約能源策略與控制方法。

2 基于變頻調(diào)速的節(jié)能技術(shù)

供水是通過供水泵站的電動機驅(qū)動水泵執(zhí)行的，因此如何控制電動機的運行模式是節(jié)能的關(guān)鍵，按照電機理論，電機轉(zhuǎn)速公式為

式中:n 是電動機的實際轉(zhuǎn)速;f 為供電電源頻率;S 是轉(zhuǎn)差率;P 為電動機的極對數(shù)。公式表明電機轉(zhuǎn)速與頻率近似成正比，改變供電電源頻率即可平滑地調(diào)節(jié)電機轉(zhuǎn)速，水泵屬平方轉(zhuǎn)矩負載，其電動機轉(zhuǎn)速n、水流量Q、水壓力H 與電動機軸功率P 具有如下關(guān)系:Q ∝n，H ∝n2，P ∝n3，即流量與轉(zhuǎn)速成正比，壓力與轉(zhuǎn)速平方成正比，軸功率與轉(zhuǎn)速立方成正比。改變電動機轉(zhuǎn)速就可方便地實現(xiàn)水流量控制，有效地確保供水系統(tǒng)滿足用戶恒壓供水的穩(wěn)定性期望。采用變頻調(diào)速不僅調(diào)節(jié)方便，其節(jié)能效果也很明顯。設(shè)電動機額定功率為PN，額定轉(zhuǎn)速為nN，轉(zhuǎn)速為n 時實際輸出功率為P，則節(jié)能(用功率表示)ΔP 可以表示為:式中如取n/nN= 2/3，則ΔP=0.67PN，即節(jié)能效果在理想情況下可達到67%，可見只要采用變頻調(diào)速技術(shù)，其節(jié)能效果是很顯著的。

在供水系統(tǒng)中使用變頻調(diào)速技術(shù)(變頻器)還有以下優(yōu)點:①可方便地實現(xiàn)電機軟起動、自由停車。電機均通過變頻器或軟起動從0 ～50 Hz 作緩慢加速起動，減少了機泵因突然高速起動所帶來的影響，減少了直接起動時起動電流對電網(wǎng)的沖擊。②可提高功率因數(shù)，改善電動機電源質(zhì)量，保證電動機的功率與實際負荷相匹配，達到系統(tǒng)節(jié)能運行的目的。③可消除機泵的喘振現(xiàn)象，使機泵運行處于最佳工況狀態(tài)。④可方便地實現(xiàn)自動控制，使被調(diào)節(jié)量得到更平穩(wěn)的調(diào)節(jié)，增強了系統(tǒng)的穩(wěn)定性和可靠性。

3 恒壓供水的控制策略選擇

控制策略選取與被控過程特性是緊密相關(guān)的，錯誤或不當?shù)目刂撇呗酝鶎?dǎo)致控制效果極差，甚至系統(tǒng)失控。傳統(tǒng)控制PID 與近代控制理論算法，無論是狀態(tài)空間法，還是基于I/O 描述的黑箱法，精確的數(shù)學(xué)描述是它分析與設(shè)計系統(tǒng)的基礎(chǔ)，對不確定性的復(fù)雜供水過程顯然不具備上述條件，因此不應(yīng)列為選取的控制策略。

神經(jīng)網(wǎng)絡(luò)控制的關(guān)鍵是選擇一個合適的神經(jīng)網(wǎng)絡(luò)模型，并對其進行訓(xùn)練與學(xué)習(xí)，直至達到符合要求為止，即尋找最優(yōu)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與權(quán)值。然而，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，需要一定的實驗樣本，這些實驗樣本也必須從已知經(jīng)驗和事先的實驗中獲得。同時，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與學(xué)習(xí)過程，有時較為復(fù)雜，需要運行成千上萬次才能獲得最佳結(jié)構(gòu)。有時獲得的是一個局部最優(yōu)解，而不是全局最優(yōu)解，因方法的局限性，更重要的是不確定性本身無規(guī)律可言，因此神經(jīng)網(wǎng)絡(luò)控制策略對所討論的過程難以實現(xiàn)有效的控制。

專家控制系統(tǒng)是以知識為基礎(chǔ)，在某一專門領(lǐng)域企圖模擬人們思想行為的一組計算機程序，能處理各種定性的、定量的、精確的與模糊的信息，因此可根據(jù)對被控過程的經(jīng)驗和知識獲取情況，采取不同的描述形式，以便更多地反映過程特性，為控制提供控制策略和控制模態(tài)。但由于特征信息的采集、特征信息的表達以及完備知識庫的建立實現(xiàn)難度大，所以，專家系統(tǒng)也不一定是一個好的選擇。

實際工程中，一個非常熟練的操作人員，能憑借自己豐富的實踐經(jīng)驗，通過對現(xiàn)場各種現(xiàn)象的判斷取得較滿意的控制效果。如果將憑經(jīng)驗所采取的措施轉(zhuǎn)變成相應(yīng)的控制規(guī)則，并且研制一個控制器來代替這些規(guī)則，從而也可實現(xiàn)對復(fù)雜工業(yè)過程的控制。實踐證明，以模糊控制理論為基礎(chǔ)的模糊控制器(FC)能用IF condition THEN action 語句完成多種復(fù)雜的控制任務(wù)。但是對于不確定性如何處理還處于探索階段，并不能作為選擇控制策略的依據(jù)。

值得注意的是仿人智能控制(HSIC)在大量實際工程中獲得了成功應(yīng)用。HSIC 總結(jié)人的控制經(jīng)驗，模仿人的控制思想和行為，以產(chǎn)生式規(guī)則描述其在控制方面的啟發(fā)與直覺推理行為，并在結(jié)構(gòu)和功能上具有以下基本特征:分層遞階的信息處理和決策機構(gòu)(高階產(chǎn)生式系統(tǒng)結(jié)構(gòu));在線的特征識別和特征記憶;開閉環(huán)控制結(jié)合和定性決策與定量控制結(jié)合的多模態(tài)控制;啟發(fā)式和直覺推理邏輯的應(yīng)用。由于HSIC 的基本特點是模仿控制專家的控制行為，它的控制算法是多模態(tài)控制的，是多種模態(tài)控制間的相互交替使用，該算法完美地協(xié)調(diào)了控制系統(tǒng)中諸多相互矛盾的控制品質(zhì)的要求，更符合恒壓供水過程應(yīng)用的工程實踐，與上述各種控制策略相比，有其獨特的優(yōu)勢。因此供水過程采用基于仿人智能的控制策略是一種較理智的選擇。

4 控制模型與控制算法

4.1 控制模型

基于仿人智能的控制融合控制集知識模型與機理控制模型于一體，是一種廣義控制模型，如圖1 所示。該模型對被控過程的先驗知識要求甚少，只要知道系統(tǒng)誤差e 及其變化率就可對過程實施有效控制，圖2 是廣義控制模型結(jié)構(gòu)，其中系統(tǒng)誤差、誤差變化率以及時間t 構(gòu)成了控制問題求解的信息空間，誤差e(t)= r(t)– y(t)，r(t)是過程輸入，y(t)是過程輸出。基于廣義控制模型的控制器(HSIC)根據(jù)系統(tǒng)誤差的大小、方向及其變化趁勢即可作出相應(yīng)的決策，選擇相應(yīng)控制模式進行控制，其優(yōu)勢在于不需要事前知道或在線辨識被控過程的精確數(shù)學(xué)模型，就能實現(xiàn)速度快、精度度高的控制，且具有極強的魯棒性。

圖1 基于仿人智能的廣義控制模型

圖2 廣義控制模型結(jié)構(gòu)

基于仿人智能的廣義控制模型將仿人智能控制技術(shù)和專家系統(tǒng)技術(shù)融為一體，對環(huán)境變化有很強的自適應(yīng)能力，便于對控制系統(tǒng)結(jié)構(gòu)進行簡化，把知識庫、推理機構(gòu)和控制規(guī)則融入一個仿人智能控制器中，借助開閉環(huán)控制相結(jié)合的基本特征，可實現(xiàn)靈活的多模態(tài)控制，增強了判斷和推理的能力，可采用產(chǎn)生式規(guī)則建立供水過程的知識集，基本結(jié)構(gòu)是:If〈condition〉Then〈action〉。突出優(yōu)點是模塊性好，產(chǎn)生式規(guī)則之間無直接聯(lián)系，而且其自然性好，每條規(guī)則可獨立增刪、修改，適合于供水過程控制的特點。

4.2 控制算法

供水過程的基本控制算法可以概括為2 種動態(tài)特征模式:①若e·˙e≥0 且e+˙e≠0，則采用比例-半微分控制;②若e·˙e≤0 或e=˙e=0，則采用半開環(huán)控制。改進的仿人智能控制器的原型算法為

式中:u 為控制輸出;Kp為比例系數(shù);k 為抑制系數(shù);e 為系統(tǒng)誤差;˙e 為系統(tǒng)誤差的變化率;em，j為誤差第i 次峰值?？刂埔?guī)則可概括與表1。

受胎率用SPSS19.0統(tǒng)計軟件進行卡方檢驗，精子活率和精子頂體完整率用單因素方差分析，結(jié)果用“平均值±標準差”表示。P<0. 05表示差異顯著，P>0. 05表示差異不顯著。

供水過程狀態(tài)在信息空間中的運動軌跡，不僅反映了過程的所有動態(tài)信息，而且反映出了控制作用對過程的影響。在設(shè)計控制器時，采用如表1 所示的原型算法的改進算法，對供水過程控制的效果更好，可很方便地用產(chǎn)生式規(guī)則形式“If〈condition〉Then〈action〉I”描述該控制算法。表中e 為系統(tǒng)的誤差，r 為給定值，y 為被調(diào)量。KP，比例增益;K1，增益放大系數(shù)，K1＞1;K2，抑制系數(shù)，0 ＜K2＜1;PO(n)，控制輸出量P 第n 次需要保持的值;PO(n-1)，第n-1 個控制周期控制輸出量P 需要保持的值;M1、M2，誤差閾值，且M1＞ M2;em，n，e 的第n 個極值。

表1 控制規(guī)則算法

5 仿真實驗及分析

5.1 供水過程的實驗仿真

供水系統(tǒng)的控制論特性，如系統(tǒng)參數(shù)的未知性、時變性、非線性、過程變量間的關(guān)聯(lián)性等，由于其不確定性導(dǎo)致難以對供水過程進行數(shù)學(xué)建模，因此難以考察控制策略的控制效果。但是仿真實驗總是需要模型的，工業(yè)控制對象中比較復(fù)雜也是最常見的是二階環(huán)節(jié)大滯后環(huán)節(jié)，它是最典型的工業(yè)控制對象，如果控制算法的魯棒性很強，那么對象的任何參數(shù)發(fā)生變化其控制效果并不受參數(shù)變化的影響，仍然可以獲得良好的控制品質(zhì)?；隰敯粜苑治觯槍┧到y(tǒng)是大慣性對象，可將其供水過程近似為一階慣性環(huán)節(jié)加純時滯的模型進行描述，也就是將供水過程的數(shù)學(xué)模型假設(shè)為

式中:K 為增益系數(shù);τ 為純滯后時間;T 為過程的時間常數(shù)，其模型的控制參數(shù)一般可用階躍響應(yīng)法確定。為了方便，文中選取模型增益K=1，時延τ=2，時間常數(shù)T=1.2，于是有

在Matlab 環(huán)境下，利用Simulink 工具箱可搭建系統(tǒng)仿真模型。在階躍輸入信號下，為了便于比較控制算法的控制品質(zhì)，分別采用PID 算法和仿人智能控制算法HSIC 作用于同一被控過程，對供水過程的控制效果進行仿真。按照上述假設(shè)，實驗的仿真曲線如圖3 所示。

由圖3 可以看出:PID 控制響應(yīng)曲線1 的上升時間與調(diào)整時間均不及HSIC 控制時間快，雖然PID 控制與HSIC 控制都未產(chǎn)生超調(diào)，通過兩者比較可知，HSIC 控制策略有更好的控制品質(zhì)。

圖3 過程響應(yīng)曲線比較

5.2 控制策略的魯棒性分析

為了考察仿人智能控制算法的魯棒性，可分別改變過程的控制參數(shù)，觀察其響應(yīng)變化，比較控制品質(zhì)的優(yōu)劣。如前所述，過程參數(shù)在原假設(shè)(增益K =1，時延τ =2，時間常數(shù)T=1.2)基礎(chǔ)改變可能有4 種情況:

①時間常數(shù)T 改變

如時間常數(shù)T 由1.2 s 增加到2 s，在增益K 與時延τ 均不變時，2 種控制的響應(yīng)曲線如圖4 所示。比較其響應(yīng)曲線可知，HSIC 控制策略的響應(yīng)曲線幾乎沒有發(fā)生變化，但是非常明顯，PID 控制策略的響應(yīng)曲線有比較大的超調(diào)現(xiàn)象產(chǎn)生。

圖4 時間常數(shù)改變的響應(yīng)比較

②改變時延τ

如時延τ 由2 s 增加到4 s，在增益K 與時間常數(shù)T 均不變時，2 種控制的響應(yīng)曲線如圖5 所示。從圖5 可以看出，HSIC 控制的響應(yīng)曲線幾乎沒有發(fā)生什么變化，僅在響應(yīng)時間上向后推遲了2 s，但是PID 控制的響應(yīng)曲線產(chǎn)生了大幅度的超調(diào)，仿人智能控制表現(xiàn)出明顯的優(yōu)越性。

圖5 改變τ 的響應(yīng)比較

③增益系數(shù)K

如增益系數(shù)K 由1 增加到10，在時延τ 與時間常數(shù)T 均不變時，2 種控制的響應(yīng)曲線如圖6 所示。從圖6 中的響應(yīng)曲線對比，可以非常明顯地看出:HSIC 控制的響應(yīng)曲線幾乎沒有發(fā)生什么變化，仍保持無超調(diào)而控制響應(yīng)平穩(wěn)，但是PID 控制的響應(yīng)曲線不僅有嚴重的超調(diào)量產(chǎn)生而且還產(chǎn)生震蕩。

圖6 改變增益系數(shù)的響應(yīng)比較

④過程傳遞函數(shù)由一階改變?yōu)槎A環(huán)節(jié)

如果在原傳遞函數(shù)基礎(chǔ)上增加一個慣性環(huán)節(jié)1/(2s +1)，即傳遞函數(shù)由W(S)=Ke-τs/(Ts+1)變化成為W(S)' =Ke-τs/(Ts+1)(2s+1)時，分別采用PID 算法和仿人智能控制算法HSIC 作用于同一被控過程，對供水過程的控制效果進行仿真，從圖7 的響應(yīng)曲線可以看出，HSIC 控制的響應(yīng)曲線幾乎沒有發(fā)生什么變化，無超調(diào)量出現(xiàn)，控制效果平穩(wěn)，但是PID 控制卻產(chǎn)生嚴重超調(diào)。

圖7 二階過程的響應(yīng)比較

⑤仿真實驗的分析結(jié)論

上述魯棒性實驗表明，無論參數(shù)發(fā)生什么變化，甚至過程由一階過程變?yōu)槎A過程，采用控制算法HSIC 的控制響應(yīng)都是令人滿意的，與PID 控制相比，基于HSIC 的控制有很強的魯棒性。PID 控制出現(xiàn)明顯超調(diào)，上升與調(diào)整時間都不及HSIC 快，而HSIC 控制的響應(yīng)幾乎沒有什么變化，所以，仿人智能控制策略具有良好的控制品質(zhì)。

6 結(jié)束語

通過仿真分析，可以得出結(jié)論:仿人智能控制策略對過程參數(shù)變化不是很敏感，該策略具有很強的魯棒性;該策略無論在穩(wěn)定性、快速性還是準確性方面都比PID 控制具有明顯的優(yōu)越性。因此，對恒壓供水泵站節(jié)能系統(tǒng)應(yīng)當是一種首選的控制策略，該策略不僅可以獲得好的動、靜態(tài)控制品質(zhì)，而且節(jié)能效果是非常顯著的。

［1］彭莉，林鷹，楊奕.復(fù)雜系統(tǒng)控制中的相關(guān)技術(shù)討論［J］.西南師范大學(xué)學(xué)報，2004，29(6):1066-1068.

［2］Cai Zixing，Zhou Xiang，Li Meiyi.A Novel Intelligent Control Method Evolutionary Control［C］//Proceedings of the 3’d World Congress on Intelligent Control and Automation.［S.l.］:［s.n.］，2000:387-390.

［3］李士勇.模糊控制神經(jīng)控制和智能控制論［M］.哈爾濱:哈爾濱工業(yè)大學(xué)出版社，2003.

［4］李祖樞，涂亞慶.仿人智能控制［M］.北京:國防工業(yè)出版社，2003.