重卷機(jī)組張力神經(jīng)網(wǎng)絡(luò)控制器的可視化構(gòu)建

李聯(lián)飛，劉渭苗，程志強(qiáng)，楊文峰，王小哲，劉 松

(1.中國(guó)重型機(jī)械研究院有限公司，陜西 西安 710032；2.空軍工程大學(xué)防空反導(dǎo)學(xué)院，陜西 西安 710051)

0 前言

針對(duì)重卷機(jī)組中張力控制器設(shè)計(jì)和調(diào)整的問(wèn)題，采用傳統(tǒng)方法進(jìn)行設(shè)計(jì)時(shí)需要對(duì)基礎(chǔ)理論有較好的認(rèn)識(shí)以便得到合適的結(jié)果。智能控制的出現(xiàn)使得解決實(shí)際的問(wèn)題不需要太多的先驗(yàn)的系統(tǒng)知識(shí)以及復(fù)雜的公式推導(dǎo)。結(jié)合智能控制的特性，將智能算法借助于可視化調(diào)整獲得相應(yīng)的參數(shù)進(jìn)而投入到實(shí)際的應(yīng)用中可以大大簡(jiǎn)化張力控制系統(tǒng)控制模型的仿真，為快速搜尋合理的參數(shù)提供便利，方便現(xiàn)場(chǎng)快速應(yīng)用。

可視化控制器的設(shè)計(jì)，文獻(xiàn)[1]將PID控制器參數(shù)對(duì)系統(tǒng)性能的影響以圖像的形式加以直觀的顯示。在可視化操作中用戶可以通過(guò)實(shí)際圖形的顏色對(duì)比度直觀地看出實(shí)際的控制效果，從而可以人工選取較為優(yōu)化的系統(tǒng)參數(shù)用于實(shí)際的控制。文獻(xiàn)[2-4]借助于性能圖對(duì)系統(tǒng)的動(dòng)態(tài)特性進(jìn)行可視化顯示和研究，實(shí)現(xiàn)了一種可視化神經(jīng)網(wǎng)絡(luò)控制器的構(gòu)建。在對(duì)實(shí)際系統(tǒng)進(jìn)行建模的基礎(chǔ)上，采用可視化方法手動(dòng)的調(diào)節(jié)控制器輸入，獲得較為理想的跟蹤效果，運(yùn)用學(xué)習(xí)控制的思想對(duì)控制輸入進(jìn)行更進(jìn)一步的優(yōu)化。將優(yōu)化后的被控對(duì)象輸入以及輸出數(shù)據(jù)提供給神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)[5]。為方便進(jìn)行實(shí)際應(yīng)用，克服神經(jīng)網(wǎng)絡(luò)在穩(wěn)態(tài)控制時(shí)的靜態(tài)偏差，本文設(shè)計(jì)了一種切換策略用以實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)同PI控制器之間的平滑切換，同時(shí)實(shí)現(xiàn)不同輸入作用下神經(jīng)網(wǎng)絡(luò)輸出的自動(dòng)調(diào)節(jié)，通過(guò)仿真驗(yàn)證了所提出方法的有效性。

1 可視化構(gòu)建要求以及控制器優(yōu)化策略

預(yù)期的神經(jīng)網(wǎng)絡(luò)控制器采用誤差e，誤差的差分ec作為神經(jīng)網(wǎng)絡(luò)的輸入，被控對(duì)象控制輸入的增量Δu作為神經(jīng)網(wǎng)絡(luò)的輸出，采用預(yù)先設(shè)定的網(wǎng)絡(luò)結(jié)構(gòu)，辨識(shí)得到神經(jīng)網(wǎng)絡(luò)的參數(shù)。實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的可視化首先需要構(gòu)建模型和設(shè)定參數(shù)，如：

(1)被控對(duì)象數(shù)學(xué)模型的構(gòu)建。數(shù)學(xué)模型用以仿真得到被控對(duì)象在改變控制輸入條件下的實(shí)際輸出，借助于仿真模型的Simulink實(shí)現(xiàn)可視化界面對(duì)被控對(duì)象的輸入輸出進(jìn)行曲線顯示方便更進(jìn)一步的調(diào)節(jié)。

(2)控制輸入的預(yù)給定。為了快速的得到期望的控制輸入，需要預(yù)先對(duì)被控對(duì)象采用PI控制器實(shí)施作用，預(yù)先得到較好的控制輸入，以便進(jìn)行更進(jìn)一步的可視化調(diào)節(jié)。

(3)可視化界面同仿真系統(tǒng)之間的數(shù)據(jù)交互?？梢暬缑鎻姆抡嫦到y(tǒng)中獲得控制輸入作用下的實(shí)際輸出以及將調(diào)節(jié)后的控制輸入傳遞到仿真系統(tǒng)中去。

(4)可視化調(diào)節(jié)。針對(duì)鼠標(biāo)的按下移動(dòng)事件對(duì)控制輸入曲線進(jìn)行動(dòng)態(tài)調(diào)整，同時(shí)可以直觀的得到調(diào)節(jié)后輸入作用下被控對(duì)象的實(shí)際輸出曲線。

(5)基本參數(shù)的設(shè)定。在可視化界面中對(duì)下述基本參數(shù)進(jìn)行設(shè)定：采樣時(shí)間的設(shè)定，神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)，學(xué)習(xí)控制的參數(shù)等。

為了得到更為理想的控制輸入以及實(shí)際輸出數(shù)據(jù)提供給神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)，實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的在線控制，需要制定設(shè)計(jì)優(yōu)化策略。

(1)為更進(jìn)一步的優(yōu)化手動(dòng)調(diào)節(jié)后的控制輸入曲線，采用學(xué)習(xí)控制的思想進(jìn)行控制輸入的學(xué)習(xí)[6]。設(shè)ek(t)為第k次學(xué)習(xí)t時(shí)刻的跟蹤誤差，uk(t)、uk+1(t)為學(xué)習(xí)第k次、第k+1次學(xué)習(xí)t時(shí)刻的控制輸入，則有

uk+1(t)=uk(t)+l*ek(t)

其中l(wèi)為學(xué)習(xí)率，學(xué)習(xí)控制保證在選擇合適的學(xué)習(xí)率的條件下跟蹤誤差能夠收斂[7]。

(2)神經(jīng)網(wǎng)絡(luò)控制器的優(yōu)化。鑒于神經(jīng)網(wǎng)絡(luò)只是對(duì)系統(tǒng)運(yùn)行中特定的誤差以及誤差的差分序列作用下的控制輸入增量進(jìn)行了辨識(shí)，對(duì)于實(shí)際系統(tǒng)中可能出現(xiàn)的其他情況進(jìn)行下述處理。

對(duì)調(diào)節(jié)較為理想后的誤差e，誤差差分ec按大小各自進(jìn)行等間距的劃分(如劃分成7段)，所屬的區(qū)間分別為(i,j)其中i=0～6,j=0～6，按區(qū)間建立關(guān)于誤差，誤差差分的映射表，確定系統(tǒng)運(yùn)行中誤差的差分區(qū)間在映射表中進(jìn)行標(biāo)記(標(biāo)記為11，map(i,j)=11)。對(duì)未標(biāo)記的地方進(jìn)行按所在行遠(yuǎn)離最近標(biāo)記區(qū)間的程度進(jìn)行填充(正數(shù)表示相同誤差范圍內(nèi)誤差變化率偏大控制輸入太大，負(fù)數(shù)相反),如表1所示。

表1 誤差差分映射表

對(duì)輸入的誤差差分序列對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)輸出進(jìn)行處理：設(shè)ec每個(gè)子區(qū)間長(zhǎng)度為div，umax為神經(jīng)網(wǎng)絡(luò)輸出的最大值，對(duì)一般系統(tǒng)有emax>abs(emin),emin≤0設(shè)控制輸出為du，令神經(jīng)網(wǎng)絡(luò)的輸入為u1,u2對(duì)應(yīng)的輸出為out(u1,u2)，實(shí)際的控制輸出計(jì)算流程如圖1所示。

(3)為提高神經(jīng)網(wǎng)絡(luò)控制器的穩(wěn)態(tài)控制性能，減小穩(wěn)態(tài)誤差，設(shè)計(jì)切換策略實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)控制器同調(diào)整好的PI控制器之間的切換。

切換策略如下：

e0、e1(e1>e0)分別表示由神經(jīng)網(wǎng)絡(luò)控制器切換到PI控制器(1)、PI控制器切換到神經(jīng)網(wǎng)絡(luò)控制器(2)時(shí)的誤差限。

if abs(e)

if abs(e)>e1實(shí)施第二種切換

圖1 神經(jīng)網(wǎng)絡(luò)輸出優(yōu)化

為保證切換時(shí)的平滑性，實(shí)施第一種切換時(shí)設(shè)定PI控制器的積分值為

E=(u-KP*e)/KI

式中，u為切換時(shí)的控制輸入，神經(jīng)網(wǎng)絡(luò)控制器依據(jù)上一次控制輸入u輸出u+Δu。

2 可視化調(diào)節(jié)界面和設(shè)計(jì)過(guò)程

2.1 可視化調(diào)節(jié)界面

為實(shí)現(xiàn)可視化調(diào)節(jié)操作，運(yùn)用VC++設(shè)計(jì)可租界面，運(yùn)用Simulink工具箱建立被控對(duì)象的仿真模型，通過(guò)VC++調(diào)用Matlab引擎函數(shù)實(shí)現(xiàn)可視化界面同仿真被控對(duì)象之間的數(shù)據(jù)交換。構(gòu)建被控對(duì)象的Simulink模型同構(gòu)建好的S函數(shù)功能塊連接，得到可調(diào)節(jié)的仿真模型?？梢暬{(diào)節(jié)界面如圖1所示。實(shí)現(xiàn)可視化調(diào)節(jié)以及實(shí)際控制器的設(shè)計(jì)過(guò)程。

圖2 可視化調(diào)節(jié)界面

2.2 設(shè)計(jì)步驟

(1)基本參數(shù)的設(shè)定。設(shè)定采樣時(shí)間，PI控制器的控制參數(shù)KP、KI，繪圖時(shí)縱軸的范圍，以及學(xué)習(xí)控制的學(xué)習(xí)率學(xué)習(xí)次數(shù)，神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)等,如圖3所示。

圖3 網(wǎng)絡(luò)參數(shù)、學(xué)習(xí)參數(shù)設(shè)定

(2)期望輸出軌跡。按照時(shí)間函數(shù)(Matlab支持的基本函數(shù))，或者以期望增益極點(diǎn)傳遞函數(shù)的階躍響應(yīng)進(jìn)行給出。

(3)通過(guò)調(diào)節(jié)KP、KI的設(shè)定值，預(yù)先得到較為滿意的輸出響應(yīng)，以此時(shí)的控制輸入為基礎(chǔ)進(jìn)行更進(jìn)一步手動(dòng)調(diào)節(jié)。

(4)手動(dòng)調(diào)節(jié)的實(shí)現(xiàn)。通過(guò)線性方式或者貝賽爾曲線方式調(diào)節(jié)各曲線形狀，線性方式下拖拉曲線將曲線對(duì)應(yīng)段的數(shù)據(jù)表示設(shè)定為釋放點(diǎn)對(duì)應(yīng)的數(shù)據(jù)值。貝賽爾曲線方式經(jīng)作用域內(nèi)的數(shù)據(jù)進(jìn)行采樣反向得到對(duì)應(yīng)曲線的控制點(diǎn)，曲線的拖拉操作將改變控制點(diǎn)的位置進(jìn)而改變曲線的形狀。借助于滑塊設(shè)定調(diào)節(jié)的作用域，通過(guò)放大和縮小操作對(duì)曲線的形狀進(jìn)行微調(diào)。

(5)通過(guò)Matlab引擎函數(shù)的調(diào)用實(shí)現(xiàn)將調(diào)節(jié)后的輸入曲線數(shù)據(jù)實(shí)時(shí)的傳遞到仿真環(huán)境中并采集仿真得到的輸出數(shù)據(jù)反映到輸出曲線上，以便同期望軌跡加以對(duì)比作為進(jìn)一步調(diào)節(jié)的依據(jù)。

(6)在獲得較為理想的跟蹤特性后，點(diǎn)擊start learning借助于學(xué)習(xí)控制對(duì)控制輸入進(jìn)行更進(jìn)一步的優(yōu)化。

(7)神經(jīng)網(wǎng)絡(luò)控制器的獲得，從優(yōu)化后的被控對(duì)象輸入輸出數(shù)據(jù)中提取出各個(gè)時(shí)刻的輸出誤差以及誤差的差分作為神經(jīng)網(wǎng)絡(luò)的輸入，控制輸入增量作為神經(jīng)網(wǎng)絡(luò)的輸出對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，借助于gensim函數(shù)得到神經(jīng)網(wǎng)絡(luò)的Simulink實(shí)現(xiàn)。

3 仿真研究

為了保證重卷機(jī)組中張力控制系統(tǒng)中張力實(shí)際值的穩(wěn)定性與精確性，同時(shí)在干擾存在時(shí)有足夠的魯棒性，因此電機(jī)電樞電流在動(dòng)態(tài)過(guò)程不超過(guò)允許值，在突加控制量時(shí)超調(diào)盡可能的小，應(yīng)把E電流環(huán)校正為典型I型系統(tǒng)?；诜€(wěn)態(tài)無(wú)靜差和較好的抗干擾性考慮，轉(zhuǎn)速環(huán)應(yīng)當(dāng)校正為典型II型系統(tǒng)[8]。張力環(huán)投入使用時(shí)，速度調(diào)節(jié)器輸出為限幅值k，轉(zhuǎn)速開(kāi)環(huán)，轉(zhuǎn)速調(diào)節(jié)器不再起作用，保持恒張力軋制。電動(dòng)機(jī)電樞電流隨張力變化，所以對(duì)于張力控制器，電流環(huán)為內(nèi)環(huán)。整個(gè)張力環(huán)動(dòng)態(tài)結(jié)構(gòu)如圖4所示，圖中WACR(s)為電流調(diào)節(jié)器；Toi、Tot為電流、張力檢測(cè)濾波常數(shù)；β、γ電流、張力反饋系數(shù)；R為電樞電阻回路總電阻；ks為晶閘管裝置放大倍數(shù)；Ts整流裝置滯后時(shí)間常數(shù)；Tl電樞回路電磁時(shí)間常數(shù)；Tm拖動(dòng)系統(tǒng)機(jī)電時(shí)間常數(shù)。

圖4 重卷機(jī)組張力動(dòng)態(tài)結(jié)構(gòu)圖

根據(jù)某鋼廠實(shí)際控制方式，轉(zhuǎn)速開(kāi)環(huán)，速度調(diào)節(jié)器輸出限幅，根據(jù)圖4的張力動(dòng)態(tài)結(jié)構(gòu)圖，帶入?yún)?shù)可得整個(gè)張力控制系統(tǒng)的傳遞函數(shù)為

式中，KT=4.15～14.7；τT=0.042～0.147；文中KT、τT分別選取為8和0.1。

經(jīng)過(guò)手動(dòng)調(diào)節(jié)較為理想的被控對(duì)象輸入輸出特性曲線如圖2右側(cè)所示，設(shè)定基本參數(shù)隱層節(jié)點(diǎn)數(shù)為6，訓(xùn)練代數(shù)50，學(xué)習(xí)率為0.2，學(xué)習(xí)代數(shù)為20，對(duì)控制輸入進(jìn)行跟進(jìn)一步的學(xué)習(xí)，利用學(xué)習(xí)后的控制輸入與控制輸出數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)后的控制輸入與調(diào)節(jié)后的控制輸入曲線對(duì)比如圖5所示，神經(jīng)網(wǎng)絡(luò)擬合輸入控制量直接作用于系統(tǒng)的輸出于調(diào)節(jié)后系統(tǒng)輸出對(duì)比如圖6所示。

圖5 神經(jīng)網(wǎng)絡(luò)擬合控制輸入

圖6 神經(jīng)網(wǎng)絡(luò)輸出作用下系統(tǒng)輸出

選定PI控制器的基本參數(shù)為KP=0.3、KI=8、e0、e1分別為0.03、0.3，進(jìn)行神經(jīng)網(wǎng)絡(luò)控制器同PI控制器之間的切換。圖7分別顯示了神經(jīng)網(wǎng)絡(luò)控制器，PI控制器分別作用以及實(shí)施神經(jīng)網(wǎng)絡(luò)同PI控制器間切換作用下的被控對(duì)象輸出曲線

通過(guò)仿真可以看出所設(shè)計(jì)切換策略作用下的神經(jīng)網(wǎng)絡(luò)結(jié)合了神經(jīng)網(wǎng)絡(luò)控制作用下的快速性以及PI控制作用下的無(wú)靜差特點(diǎn)，達(dá)到了預(yù)期的效果。同時(shí)基于可視化調(diào)節(jié)得到的神經(jīng)網(wǎng)絡(luò)控制器將降低控制器設(shè)計(jì)以及調(diào)試的復(fù)雜度。

圖7 PI控制器，神經(jīng)網(wǎng)絡(luò)NN控制器以及兩者結(jié)合的輸出特性

4 結(jié)論

借助于Simulink以及VC++工具設(shè)計(jì)了一種可視化神經(jīng)網(wǎng)絡(luò)控制器創(chuàng)建工具，通過(guò)調(diào)節(jié)控制輸入曲線的形狀得到期望的跟蹤特性。借助于學(xué)習(xí)控制進(jìn)行控制輸入的優(yōu)化，進(jìn)而提供給神經(jīng)

網(wǎng)絡(luò)進(jìn)行訓(xùn)練。設(shè)計(jì)了一種切換策略實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)控制器同PI控制器之間的平滑切換，已得到更好的動(dòng)靜態(tài)特性。通過(guò)重卷機(jī)組中張力控制系統(tǒng)的數(shù)學(xué)模型的仿真驗(yàn)證了所提出方法的有效性。