網絡化控制模型的設計

2．3 神經網絡在本控制系統(tǒng)參數整定和優(yōu)化過程中的應用
圖7為用LabVIEW編寫的神經網絡模糊自適應PID控制器的框圖，主要由自適應向導、自適應模塊、以及PID控制模塊三部分組成。自適應向導為用戶提供一個用戶友好的界面，用戶可以介入自適應調節(jié)過程，并對一些參數進行設定。自適應模塊根據設定自己過程參數，再按照神經網絡自適應算法對PID參數進行自動在線整定，整定完成后的PID參數對現場設備內的參數進行修正。

但實際的對象階躍響應實驗結果表明，上位箱液位對象的實際特性與理想的一階慣性環(huán)節(jié)差異較大。這一方面是因為由于受到硬件限制，進水閥的線性以及靈敏度不夠高，而另一方面也是因為干擾的緣故，水泵的啟停所造成的沖擊等。另外由于通信網絡所產生的傳輸時間延遲，該對象還要附加一個純延遲環(huán)節(jié)。
直接采甩Ziegler-Nichol整定方法時，由于對象階躍響應曲線不夠精確，實際的被控對象也不是一階慣性環(huán)節(jié)，所以整定效果不太理想。實驗測得的閉環(huán)階躍響應曲線如圖8所示。

從圖8可以看出，當采用常規(guī)的整定方法時，整定效果不太讓人滿意，系統(tǒng)的超調過大，調節(jié)時間也太長。
而且當由于別的干擾因素，如氣溫上升等而影響到系統(tǒng)的特性參數時，還需要重新測定對象的開環(huán)階躍響應曲線，費時費力，缺乏自動性。
當采用基于神經網絡模糊PID控制算法的在線整定方案后，系統(tǒng)的閉環(huán)階躍響應曲線如圖9所示。

從上面實驗測得的響應曲線可以看出，采用神經網絡模糊自適應控制算法后，控制指標有了明顯改善，超調減小，穩(wěn)態(tài)精度也得到了提高。更為重要的是神經網絡模糊自適應控制算法可以適應對象動態(tài)特性參數變化，并且可以在線自動整定，從而具有較好的應用價值。

3 結束語
網絡技術作為信息技術的代表，其與控制系統(tǒng)的結合將極大地提高控制系統(tǒng)的水平。網絡化控制技術作為控制、網絡和計算機多種技術交叉融合的產物，它的發(fā)展是控制系統(tǒng)日趨復雜化的體現，其理論基礎跨越多個學科，應用范圍遍及多個領越。作為一個新興的研究領域，網絡化控制系統(tǒng)很多問題的研究僅是一個開始，還存在著大量課題有待進一步的深化研究。
本網絡化模型裝置將以太網與傳統(tǒng)工業(yè)控制融合在一起形成新的控制網絡，在保證控制系統(tǒng)原有的穩(wěn)定性、實時性等要求的同時，又增強了系統(tǒng)的開放性和互操作性，提高了系統(tǒng)對不同環(huán)境的適應性。