基于FPGA的PID神經(jīng)元網(wǎng)絡(luò)控器的研究及應(yīng)用

中船重工第七一五研究所 任敬偉

基于FPGA的PID神經(jīng)元網(wǎng)絡(luò)控器的研究及應(yīng)用

中船重工第七一五研究所 任敬偉

聲納收放系統(tǒng)工作環(huán)境極其惡劣并復(fù)雜多變，但工作中對(duì)纜陣的收放精度要求非常嚴(yán)格。為提高收放系統(tǒng)工作的穩(wěn)定性、控高精度以及應(yīng)對(duì)復(fù)雜環(huán)境的能力，改變傳統(tǒng)控制策略引進(jìn)人工智能是十分必要的。本文在控制器的設(shè)計(jì)過程中引入PID神經(jīng)元網(wǎng)絡(luò)智能控制算法，并對(duì)算法MATLAB軟件仿真和控制器實(shí)驗(yàn)測(cè)試，通過實(shí)驗(yàn)結(jié)果分析證明智能算法的引入對(duì)提高控制系統(tǒng)在復(fù)雜環(huán)境下穩(wěn)定完成收放控制的能力效果明顯。

PID神經(jīng)元網(wǎng)絡(luò)；FPGA；智能控制器；收方控制系統(tǒng)

1 引言

現(xiàn)階段收放系統(tǒng)工作過程中，各個(gè)環(huán)節(jié)均需要人為干預(yù)，系統(tǒng)工作性能和工作穩(wěn)定性在很大程度上取決于操作人員的技術(shù)水平以及對(duì)系統(tǒng)結(jié)構(gòu)熟悉程度，過多的人為因素將會(huì)影響系統(tǒng)在復(fù)雜環(huán)境中優(yōu)越性能的充分體現(xiàn)。同時(shí)隨著科技的發(fā)展，尤其是人工智能技術(shù)的越趨成熟，有效地引入人工智能進(jìn)入到復(fù)雜的控制系統(tǒng)中，對(duì)系統(tǒng)控制性能以及系統(tǒng)通用性的提高都有很大幫助。

根據(jù)以上分析以及對(duì)工作環(huán)境的研究，本文在進(jìn)行控制器的設(shè)計(jì)研究過程中有效的將PID神經(jīng)元網(wǎng)絡(luò)控制算法引入到以FPGA作為主控芯片的控制器中。

2 PID神經(jīng)元網(wǎng)絡(luò)的基本原理

2.1 PID神經(jīng)元網(wǎng)絡(luò)

PID神經(jīng)元網(wǎng)絡(luò)是將傳統(tǒng)PID與神經(jīng)網(wǎng)絡(luò)深入融合的一種新型半智能算法。采用的融合方式有效的解決了傳統(tǒng)PID控制過程中適應(yīng)環(huán)境能力差的問題，以及神經(jīng)網(wǎng)絡(luò)收斂速度慢、容易陷入局部最小等問題。PID神經(jīng)元網(wǎng)絡(luò)將神經(jīng)網(wǎng)絡(luò)中神經(jīng)元的狀態(tài)函數(shù)采用比例、積分、微分函數(shù)使其具有比例、積分、微分功能，PID神經(jīng)元網(wǎng)絡(luò)實(shí)現(xiàn)了傳統(tǒng)PID與神經(jīng)網(wǎng)絡(luò)優(yōu)缺點(diǎn)互補(bǔ)，優(yōu)點(diǎn)主要體現(xiàn)以下方面：

1) PID神經(jīng)元網(wǎng)絡(luò)仍然含有一般神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，因此其仍然具備一般神經(jīng)網(wǎng)絡(luò)所具備的逼近任意連續(xù)有界的非線性函數(shù)的能力；

2) 初始權(quán)重值依據(jù)PID規(guī)律確定，系統(tǒng)在初始狀態(tài)下就趨近于穩(wěn)定狀態(tài)，從而對(duì)整體系統(tǒng)的穩(wěn)定性提供了保障，還加快了收斂速度從而有效的避免了陷入局部極小點(diǎn)；

3) 由于內(nèi)部神經(jīng)元具有了比例、積分和微分的特性，使PIDNN控制系統(tǒng)具有了響應(yīng)速度快、超調(diào)小、無靜差等優(yōu)點(diǎn)；

4) PID神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單、神經(jīng)元數(shù)量少，因此其較容易的在硬件中實(shí)現(xiàn)，加快了其應(yīng)用于實(shí)踐。

2.2 PID神經(jīng)元網(wǎng)絡(luò)初始權(quán)值確定

PID神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)分為單輸出和多輸出型二種，單輸出的PID神經(jīng)元網(wǎng)絡(luò)是指在網(wǎng)絡(luò)中只有一個(gè)輸出神經(jīng)元，對(duì)單一目標(biāo)進(jìn)行控制。

充分利用傳統(tǒng)PID控制中實(shí)時(shí)性以及其具有的豐富使用經(jīng)驗(yàn)和神經(jīng)網(wǎng)絡(luò)具有對(duì)非線性系統(tǒng)的控制能力，二者互相補(bǔ)充實(shí)現(xiàn)真正意義上的PID神經(jīng)網(wǎng)絡(luò)。SPIDNN網(wǎng)絡(luò)與被控對(duì)象串聯(lián)，設(shè)定輸入值與被控對(duì)象的輸出值最為SPIDNN的輸入值，控制器的輸出值作為被控對(duì)象的輸入值，PIDNN單變量控制系統(tǒng)的結(jié)構(gòu)，如圖1所示。

圖1 PIDNN單變量控制系統(tǒng)結(jié)構(gòu)

3 PID神經(jīng)元網(wǎng)絡(luò)控制器的硬件及軟件設(shè)計(jì)

3.1 控制器的硬件設(shè)計(jì)

硬件的設(shè)計(jì)在很大程度上決定著控制器性能，在硬件設(shè)計(jì)中核心算法芯片的選擇更是直接決定著控制器的運(yùn)算速度和環(huán)境適應(yīng)能力?？刂破饔布O(shè)計(jì)前已經(jīng)確定控制器將采用的控制算法為PID神經(jīng)元網(wǎng)絡(luò)智能算法，為適應(yīng)這種并行運(yùn)行的算法選擇了基于硬件描述語言的FPGA控制器的核心芯片。

在硬件設(shè)計(jì)過程中充分考慮到應(yīng)用環(huán)境的惡劣，對(duì)于輸入輸出均進(jìn)行光電隔離。在接口設(shè)計(jì)中，有針對(duì)性地選擇100M以太網(wǎng)接口、CAN總線通信協(xié)議和485接口，硬件設(shè)計(jì)電路圖如圖2所示。

圖2 485通信接口

3.2 控制器的軟件設(shè)計(jì)

PID神經(jīng)元網(wǎng)絡(luò)算法是一種半基于被控對(duì)象的智能算法，在控制器初始參數(shù)計(jì)算時(shí)不需要精確的數(shù)學(xué)模型，但也不同于其它智能算法初始參數(shù)隨即給定。PID神經(jīng)元網(wǎng)絡(luò)控制器先通過傳統(tǒng)PID計(jì)算參數(shù)方法確定具有一定參考價(jià)值的初始參數(shù)，然后通過神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力，對(duì)網(wǎng)絡(luò)中權(quán)值進(jìn)行優(yōu)化。

4 控制算法仿真

4.1 固定被控對(duì)象的階躍響應(yīng)

在MATLAB環(huán)境下采用S函數(shù)的形式編寫PID神經(jīng)元網(wǎng)絡(luò)控制器，構(gòu)建Simulink仿真框圖。在仿真框圖中，被控對(duì)象選用一個(gè)能基本代表收放控制系統(tǒng)的簡(jiǎn)化二階模型，如圖5-4所示。在進(jìn)行傳統(tǒng)PID控制器與SPIDNN控制器仿真時(shí)，其二者的參數(shù)相同，均為，仿真結(jié)果如圖3所示。

4.2 被控對(duì)象變參數(shù)仿真

為檢驗(yàn)控制器在復(fù)雜環(huán)境下應(yīng)對(duì)被控對(duì)象受外界環(huán)境影響其參數(shù)受到影響后，PID神經(jīng)元網(wǎng)絡(luò)控制器的控制效果，將被控對(duì)象分母調(diào)整為后進(jìn)行階躍響應(yīng)，仿真結(jié)果如圖4所示。

圖3 固定對(duì)象仿真圖

圖4 變參數(shù)仿真圖

5 結(jié)論

PID神經(jīng)元網(wǎng)絡(luò)控制器采用的控制算法在模擬仿真中與傳統(tǒng)PID控制算法對(duì)比，可以看出無論在響應(yīng)速度還是超調(diào)上都具有明顯優(yōu)勢(shì)，應(yīng)對(duì)復(fù)雜多變的控制環(huán)境更體現(xiàn)出智能控制不依賴于被控對(duì)象的優(yōu)勢(shì)。綜合以上各方面分析，PID神經(jīng)元網(wǎng)絡(luò)控制器在算法實(shí)現(xiàn)上對(duì)提高控制器性能具有很大的優(yōu)勢(shì)，同時(shí)其簡(jiǎn)單的結(jié)構(gòu)對(duì)其在硬件實(shí)現(xiàn)具有極大的可行性。