趙浪濤，趙永花

（蘭州工業(yè)學院 甘肅 蘭州 730050）

基于神經網絡的恒壓供水系統(tǒng)設計

趙浪濤，趙永花

（蘭州工業(yè)學院 甘肅 蘭州 730050）

本設計基于中小樓房管道供水系統(tǒng)，采用AT80C51單片機、壓力傳感器、變頻器、A/D轉換、D/A轉換電路等設備和元器件，結合工業(yè)智能控制技術，采用BP算法的神經網絡PID調節(jié)器，利用自身的在線學習功能，實現(xiàn)自動調節(jié)連接權重，減小系統(tǒng)因變參數(shù)與非線性等因素的影響，從而提高系統(tǒng)的魯棒性，達到恒壓供水的目的。

BP神經網絡；恒壓；供水；AT89C51；PID

本設計是征對樓房自來水管道供水系統(tǒng)，主要研究的是基于AT89C51微處理器的壓力參數(shù)的控制和調節(jié)，也就是以AT89C51單片機為處理器，通過A/D、D/A轉換單元與電路，通過基于BP算法的神經網絡PID調節(jié)器，從而控制變頻器，通過變頻器驅動交流電機，然后控制執(zhí)行對象齒輪泵，使得供水系統(tǒng)管道的壓力無論在用水的高峰期或者低峰期基本保持不變，達到恒壓供水目的。

1 系統(tǒng)總體方案設計

1.1 恒壓供水系統(tǒng)基本模型

恒壓供水系統(tǒng)模型[1]如圖1所示。該系統(tǒng)是一個單閉環(huán)控制系統(tǒng)，控制的主要任務是讓供水系統(tǒng)管道的壓力等于某個固定的值，從而減少或者消除應用水量的大小等內部和外部因素的影響。

單閉環(huán)控制系統(tǒng)因其結構簡單、投資小、操作簡單，并能夠滿足一般生產過程的要求，所以被廣泛應用。在控制系統(tǒng)中，調節(jié)器參數(shù)的選擇直接影響控制系統(tǒng)的質量。在工業(yè)控制中通過數(shù)字改造，可以提高設計的效率，但是由于電動機參數(shù)的非線性和時變性，具體實施還是比較困難。因此考慮到以上問題的存在，對常規(guī)模擬系統(tǒng)進行數(shù)字化改造，引入神經網絡控制，通過它具有的在線學習能力，自動調節(jié)權重系數(shù)，實現(xiàn)對復雜系統(tǒng)的控制。

圖1 恒壓供水控制系統(tǒng)模型Fig.1 Constant pressure water supply control system model

1.2 恒壓供水系統(tǒng)的作用與功能

該系統(tǒng)是一個基于AT89C51單片機的恒壓供水系統(tǒng)，其系統(tǒng)結構如圖2所示。

圖2 基于神經網絡的恒壓供水系統(tǒng)結構框圖Fig.2 Constant pressure water supply system based on neural network structure diagram

主要組成單元有管道壓力檢測單元、A/D轉換單元、基于單片機的控制單元和基于神經網絡PID調節(jié)器組成的管道壓力的變頻調速單元。具體工作過程是：給定恒壓供水系統(tǒng)的值，通過壓力傳感器獲取當前管道的壓力值，通過A/D轉換器將模擬信號變換成數(shù)字信號，然后輸送到AT89C51和給定值進行比較，得到偏差信號，該偏差信號通過基于神經網絡BP算法的數(shù)字PID調解后，輸出一個轉速控制信號，通過D/A轉換，控制變頻器的轉算，達到自動調節(jié)供水系統(tǒng)的壓力達到一個穩(wěn)定的值。

1.3 數(shù)字式PID原理

因在連續(xù)控制系統(tǒng)中，PID控制[2]具有典型的結構，參數(shù)整定方便，同時伴隨計算機技術的發(fā)展，在線測量速度加快，所以PID控制器被很廣泛應用。模擬控制系統(tǒng)中，PID的控制規(guī)律為：

Kp—比例系數(shù)；Ti—積分時間常數(shù)；Td—微分時間常數(shù)

輸出控制量取決于輸入與輸出的偏差、偏差積分和偏差微分3個因素，對連續(xù)的PID控制算法進行離散處理，如采樣周期T很小，則可得到離散PID表達式：

式中，u（k）為控制器在 K 時刻的輸出，Ki=Ip/Ti，Kd=KpTd，T 為采樣周期，K 為采樣序號，K=1，2，…，e（k-1）和 e（k）分別為第（K-1）和第K時刻所得的偏差信號。上式可以看出，想要計算 u（k），要本次與上次偏差信號 e（k）和 e（k-1），而且還要在積分項中把歷次偏差信號e（j）進行相加，即求取累加信號，因此在具體實踐中需要占用很大的存儲空間，使用起來非常不方便。為了減少計算的工作量，節(jié)約存儲空間，經常采用增量式控制算法，上式，用 u（k）-u（k-1），并進行一些變換，可得到增量式PID控制的表達式：

KP—比例系數(shù)；Ti—調節(jié)器的積分時間；Td—調節(jié)器的微分時間

調節(jié)器改造成數(shù)字PID調節(jié)器對于工業(yè)控制過程來說，經常系統(tǒng)屬于非線性系統(tǒng)，并且有時候系統(tǒng)的準確模型是無法可知的，同時，在實際的生產過程當中，經常受到系統(tǒng)參數(shù)不穩(wěn)定等多種因素的影響，系統(tǒng)調試比較繁瑣，并且性能欠佳，因此，人們尋求能夠自學習、自整定的技術，以適應復雜的控制系統(tǒng)，而神經網絡技術的發(fā)展將這種設想變成現(xiàn)實。

神經網絡根據系統(tǒng)的運行狀態(tài)調節(jié)PID控制器的參數(shù)，從而達到控制系統(tǒng)性能的最優(yōu)化，使輸出層神經元的輸出狀態(tài)對應于PID控制器的3個可調整參數(shù)kp，ki，kd通過神經網絡的自學習，權系數(shù)調整，使神經網絡輸出對應于某種最優(yōu)控制規(guī)律下的PID控制器參數(shù)。

1.4 基于BP神經網絡的PID調節(jié)器整定原理

根據數(shù)字式PID的表達式可以看出，PID調節(jié)器參數(shù)調優(yōu)[3-5]就是確定比例系數(shù)kp，積分時間常數(shù)ki，微分時間常數(shù)kd，使得系統(tǒng)滿足某些性能指標，因此，PID參數(shù)優(yōu)化問題就是（kp，ki，kd）三維參數(shù)的目標優(yōu)化問題。

根據系統(tǒng)需求，采用三層BP網絡，其結構如圖3所示。

圖3 神經網絡PID模型結構Fig.3 Neural network PID model structure

式中:n，q，m分別為輸入層、隱層和輸出層神經元個數(shù)，由上式計算可得，n+m取值在2～3之間，并且公式中f可取1～10，由于網絡節(jié)點數(shù)過多會增加計算量，個數(shù)太少則不能很好地逼近給定函數(shù)，綜合考慮，此處q取5隱層神經元的激發(fā)函數(shù)取正負對稱的Sigmoid函數(shù)。

網絡隱層的輸入、輸出為

wij為隱層權系數(shù)，（1）、（2）、（3）分別代表輸入層、隱含層和輸出層。

網絡輸出層的輸入輸出為:

輸出層輸出節(jié)點分別對應3個可調參數(shù)kp，ki，kd。

按照梯度下降法修正網絡的權系數(shù)，即按照E（k）對權系數(shù)的負梯度方向搜索調整，并附加一個使搜索快速收斂全局極小慣性項：

從上面的分析可以得到輸出權的學習算法

同理，可以得到隱層權系數(shù)的學習算法為：

1.5 數(shù)據采集與處理系統(tǒng)

恒壓供水系統(tǒng)設計中，數(shù)據采集與處理的主要任務是將檢測單元獲取的當前供水系統(tǒng)的管內壓力轉換成相應的電壓值，以便單片機將該電壓與給定的電壓值進行比較，從而按照所得到的偏差進行PID算法控制。在本系統(tǒng)設計中，對于管道內壓力緩慢變化的信號，通過AT89C51微處理器[8]，并利用少量的接口電路，輔助A/D轉換電路來實現(xiàn)。

AT89C51是美國ATMEL公司生產的低電壓，高性能CMOS8位單片機，片內含有4K bytes的可反復擦寫的只讀程序存儲器和128的隨機存取數(shù)據存儲器，器件采用AEMEL公司的高密度，非易失性存儲技術生產，兼容標準MCS－51指令系統(tǒng)，片內置通用8位中央處理器和FLASH存儲單元，功能強大、結構簡單，同時和51系列指令兼容，可靈活應用于各種控制領域。

A/D轉換電路采用通用的AD574，AD574，是一種快速的12位逐次比較式AD轉換芯片，片內有時鐘，無須外加時鐘信號，電路采用單極性輸入方式，可對0～10 V或0～20 V模擬信號進行轉換，轉換結果的高8位從D11～D4輸出，低4位從輸出，并且直接與單片機的數(shù)據總線連接。

D/A轉換電路選用美國NS（National Semiconductor）公司生產的12位D/A轉換器DAC1208，該芯片的控制精度可以達到0.012%，使用簡單靈活。

管道水壓傳感器可選用PT504高精度壓力變送器，該傳感器量程范圍 0～100 MPa；輸出信號 4～20 mA；0～5 V；1～5 V；0～10 V；采用螺紋連接，通用 M20×15，接線類型為緊線螺母型，整體安裝和調試都比較方便。

1.6 其他電路設計

其他電路的設計基本上遵循單片機最小系統(tǒng)的設計，也是相當成熟的電路，鑒于篇幅不再詳述。如要實現(xiàn)雙機或多機通訊，可以采用RS232串行通訊來實現(xiàn)。

2 結束語

基于AT89C51單片機恒壓供水控制系統(tǒng)在樓宇給水、鍋爐給水等控制中應用比較廣泛，在本系統(tǒng)設計中，硬件系統(tǒng)設計在力求結構簡單，功能全面可靠的同時，充分考慮系統(tǒng)的抗干擾性能，采用基于BP算法神經網絡PID控制器，大大提高了系統(tǒng)的抗干擾能力。

[1]李先允.自動控制系統(tǒng)[M].北京:高等教育出版社，2010.

[2]胡壽松.自動控制原理[M].北京郵電大學出版社，2009.

[3]葉世偉，史忠植.神經網絡原理 [M].機械工業(yè)出版社，2003.

[4]Haykin S.神經網絡原理[M].英文版.北京：機械工業(yè)出版社，2004.

[5]朱大奇.人工神經網絡原理及應用[M].北京：科學出版社，2006.

[6]李群芳，肖看.單片機原理接口及應用[M].北京：清華大學出版社，2010.

[7]張穎超.微機原理與接口技術[M].北京：電子工業(yè)出版社，2011.

[8]張銀勇，吳劍，李向黨.某推進系統(tǒng)氣路啟動特性研究[J].火箭推進，2012（6）：20－23，51.

ZHANG Yin-yong，WU Jian，LI Xiang-dang.Starting characteristics of pneumatic system in propulsion system[J].Journal of Rocket Propulsion，2012（6）：20－23，51.

Design of constant pressure water supply system based on neural network

ZHAO Lang-tao，ZHAO Yong-hua
（Lanzhou Institute of Technology， Lanzhou 730050， China）

The design based on the small and medium building pipeline water supply system， using AT80C51 microcontroller，pressure sensor， inverter， A/D conversion， D/A conversion circuit and other equipment and components， combined with the industrial intelligent control technology， using BP algorithm of neural network PID regulator， using their own online learning function， realize the automatic adjustment of connection weight， reduce system with variable parameters with the nonlinear factors，improving the robustness of the system，achieving the purpose of constant pressure water supply.

BP neural network；constant pressure；water supply；AT89C51；PID

TP273

A

1674－6236（2013）08-0027-03

2012-11-23稿件編號201211199

趙浪濤（1974—），男，甘肅白銀人，碩士，副教授。研究方向：控制理論與控制工程。