李聯(lián)飛，劉渭苗，程志強，楊文峰，王小哲，劉 松

(1.中國重型機械研究院有限公司，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

針對重卷機組中張力控制器設(shè)計和調(diào)整的問題，采用傳統(tǒng)方法進行設(shè)計時需要對基礎(chǔ)理論有較好的認識以便得到合適的結(jié)果。智能控制的出現(xiàn)使得解決實際的問題不需要太多的先驗的系統(tǒng)知識以及復(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)進而投入到實際的應(yīng)用中可以大大簡化張力控制系統(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)場快速應(yīng)用。

可視化控制器的設(shè)計，文獻[1]將PID控制器參數(shù)對系統(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實際圖形的顏色對比度直觀地看出實際的控制效果，從而可以人工選取較為優(yōu)化的系統(tǒng)參數(shù)用于實際的控制。文獻[2-4]借助于性能圖對系統(tǒng)的動態(tài)特性進行可視化顯示和研究，實現(xiàn)了一種可視化神經(jīng)網(wǎng)絡(luò)控制器的構(gòu)建。在對實際系統(tǒng)進行建模的基礎(chǔ)上，采用可視化方法手動的調(diào)節(jié)控制器輸入，獲得較為理想的跟蹤效果，運用學(xué)習(xí)控制的思想對控制輸入進行更進一步的優(yōu)化。將優(yōu)化后的被控對象輸入以及輸出數(shù)據(jù)提供給神經(jīng)網(wǎng)絡(luò)進行學(xué)習(xí)[5]。為方便進行實際應(yīng)用，克服神經(jīng)網(wǎng)絡(luò)在穩(wěn)態(tài)控制時的靜態(tài)偏差，本文設(shè)計了一種切換策略用以實現(xiàn)神經(jīng)網(wǎng)絡(luò)同PI控制器之間的平滑切換，同時實現(xiàn)不同輸入作用下神經(jīng)網(wǎng)絡(luò)輸出的自動調(diào)節(jié)，通過仿真驗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)，辨識得到神經(jīng)網(wǎng)絡(luò)的參數(shù)。實現(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象在改變控制輸入條件下的實際輸出，借助于仿真模型的Simulink實現(xiàn)可視化界面對被控對象的輸入輸出進行曲線顯示方便更進一步的調(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)先對被控對象采用PI控制器實施作用，預(yù)先得到較好的控制輸入，以便進行更進一步的可視化調(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)。針對鼠標的按下移動事件對控制輸入曲線進行動態(tài)調(diào)整，同時可以直觀的得到調(diào)節(jié)后輸入作用下被控對象的實際輸出曲線。

(5)基本參數(shù)的設(shè)定。在可視化界面中對下述基本參數(shù)進行設(shè)定：采樣時間的設(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際輸出數(shù)據(jù)提供給神經(jīng)網(wǎng)絡(luò)進行學(xué)習(xí)，實現(xiàn)神經(jīng)網(wǎng)絡(luò)的在線控制，需要制定設(shè)計優(yōu)化策略。

(1)為更進一步的優(yōu)化手動調(diào)節(jié)后的控制輸入曲線，采用學(xué)習(xí)控制的思想進行控制輸入的學(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)只是對系統(tǒng)運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行了辨識，對于實際系統(tǒng)中可能出現(xiàn)的其他情況進行下述處理。

對調(diào)節(jié)較為理想后的誤差e，誤差差分ec按大小各自進行等間距的劃分(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)運行中誤差的差分區(qū)間在映射表中進行標記(標記為11，map(i,j)=11)。對未標記的地方進行按所在行遠離最近標記區(qū)間的程度進行填充(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，負數(shù)相反),如表1所示。

表1 誤差差分映射表

對輸入的誤差差分序列對應(yīng)的神經(jīng)網(wǎng)絡(luò)輸出進行處理：設(shè)ec每個子區(qū)間長度為div，umax為神經(jīng)網(wǎng)絡(luò)輸出的最大值，對一般系統(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對應(yīng)的輸出為out(u1,u2)，實際的控制輸出計算流程如圖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)計切換策略實現(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)時的誤差限。

if abs(e)

if abs(e)>e1實施第二種切換

圖1 神經(jīng)網(wǎng)絡(luò)輸出優(yōu)化

為保證切換時的平滑性，實施第一種切換時設(shè)定PI控制器的積分值為

E=(u-KP*e)/KI

式中，u為切換時的控制輸入，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)計過程

2.1 可視化調(diào)節(jié)界面

為實現(xiàn)可視化調(diào)節(jié)操作，運用VC++設(shè)計可租界面，運用Simulink工具箱建立被控對象的仿真模型，通過VC++調(diào)用Matlab引擎函數(shù)實現(xiàn)可視化界面同仿真被控對象之間的數(shù)據(jù)交換。構(gòu)建被控對象的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。實現(xiàn)可視化調(diào)節(jié)以及實際控制器的設(shè)計過程。

圖2 可視化調(diào)節(jié)界面

2.2 設(shè)計步驟

(1)基本參數(shù)的設(shè)定。設(shè)定采樣時間，PI控制器的控制參數(shù)KP、KI，繪圖時縱軸的范圍，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。按照時間函數(shù)(Matlab支持的基本函數(shù))，或者以期望增益極點傳遞函數(shù)的階躍響應(yīng)進行給出。

(3)通過調(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)，以此時的控制輸入為基礎(chǔ)進行更進一步手動調(diào)節(jié)。

(4)手動調(diào)節(jié)的實現(xiàn)。通過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應(yīng)段的數(shù)據(jù)表示設(shè)定為釋放點對應(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)進行采樣反向得到對應(yīng)曲線的控制點，曲線的拖拉操作將改變控制點的位置進而改變曲線的形狀。借助于滑塊設(shè)定調(diào)節(jié)的作用域，通過放大和縮小操作對曲線的形狀進行微調(diào)。

(5)通過Matlab引擎函數(shù)的調(diào)用實現(xiàn)將調(diào)節(jié)后的輸入曲線數(shù)據(jù)實時的傳遞到仿真環(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比作為進一步調(diào)節(jié)的依據(jù)。

(6)在獲得較為理想的跟蹤特性后，點擊start learning借助于學(xué)習(xí)控制對控制輸入進行更進一步的優(yōu)化。

(7)神經(jīng)網(wǎng)絡(luò)控制器的獲得，從優(yōu)化后的被控對象輸入輸出數(shù)據(jù)中提取出各個時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)的輸出對網(wǎng)絡(luò)進行訓(xùn)練，借助于gensim函數(shù)得到神經(jīng)網(wǎng)絡(luò)的Simulink實現(xiàn)。

3 仿真研究

為了保證重卷機組中張力控制系統(tǒng)中張力實際值的穩(wěn)定性與精確性，同時在干擾存在時有足夠的魯棒性，因此電機電樞電流在動態(tài)過程不超過允許值，在突加控制量時超調(diào)盡可能的小，應(yīng)把E電流環(huán)校正為典型I型系統(tǒng)。基于穩(wěn)態(tài)無靜差和較好的抗干擾性考慮，轉(zhuǎn)速環(huán)應(yīng)當校正為典型II型系統(tǒng)[8]。張力環(huán)投入使用時，速度調(diào)節(jié)器輸出為限幅值k，轉(zhuǎn)速開環(huán)，轉(zhuǎn)速調(diào)節(jié)器不再起作用，保持恒張力軋制。電動機電樞電流隨張力變化，所以對于張力控制器，電流環(huán)為內(nèi)環(huán)。整個張力環(huán)動態(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整流裝置滯后時間常數(shù)；Tl電樞回路電磁時間常數(shù)；Tm拖動系統(tǒng)機電時間常數(shù)。

圖4 重卷機組張力動態(tài)結(jié)構(gòu)圖

根據(jù)某鋼廠實際控制方式，轉(zhuǎn)速開環(huán)，速度調(diào)節(jié)器輸出限幅，根據(jù)圖4的張力動態(tài)結(jié)構(gòu)圖，帶入?yún)?shù)可得整個張力控制系統(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)過手動調(diào)節(jié)較為理想的被控對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，對控制輸入進行跟進一步的學(xué)習(xí)，利用學(xué)習(xí)后的控制輸入與控制輸出數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進行訓(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施神經(jīng)網(wǎng)絡(luò)同PI控制器間切換作用下的被控對象輸出曲線

通過仿真可以看出所設(shè)計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控制作用下的無靜差特點，達到了預(yù)期的效果。同時基于可視化調(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)計了一種可視化神經(jīng)網(wǎng)絡(luò)控制器創(chuàng)建工具，通過調(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)控制進行控制輸入的優(yōu)化，進而提供給神經(jīng)

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