摘　要：本文將神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)PID控制相結(jié)合構(gòu)成基于在線辨識模糊RBF神經(jīng)網(wǎng)絡(luò)的自適應(yīng)PID控制系統(tǒng)，將其應(yīng)用于長沖程抽油機(jī)中非線性嚴(yán)重的開關(guān)磁阻電機(jī)中。通過運(yùn)用參數(shù)可調(diào)的模糊神經(jīng)網(wǎng)絡(luò)PID控制、變學(xué)習(xí)速率的學(xué)習(xí)算法和在線參數(shù)辨識等方法相結(jié)合來改善系統(tǒng)特性。實(shí)驗(yàn)表明本系統(tǒng)動(dòng)態(tài)響應(yīng)速度快，超調(diào)小，魯棒性好，節(jié)能效果明顯。

關(guān)鍵詞：開關(guān)磁阻電機(jī)；神經(jīng)網(wǎng)絡(luò)；PID控制；長沖程抽油機(jī)；節(jié)能

0  引言

     目前, 我國油田的抽油機(jī)保有量在10萬臺以上, 據(jù)不完全統(tǒng)計(jì)，近年來全國每年需新增抽油機(jī)1 萬臺以上，油田抽油機(jī)絕大多數(shù)仍采用游梁式抽油機(jī), 其特點(diǎn)是結(jié)構(gòu)簡單運(yùn)行可靠，缺點(diǎn)是整機(jī)效率很低, 功率因數(shù)低，能耗較大。降低采油能耗、提高采油效率的新型節(jié)能型抽油設(shè)備將是今后抽油機(jī)生產(chǎn)行業(yè)的發(fā)展趨勢和努力目標(biāo)[1]。由于長沖程抽油機(jī)具有效率高、質(zhì)量輕，傳動(dòng)線路短，節(jié)能環(huán)保、適應(yīng)面廣等優(yōu)點(diǎn)，因此成為國內(nèi)近些年開發(fā)試驗(yàn)推廣的熱點(diǎn)。

     長沖程抽油機(jī)的開關(guān)磁阻電機(jī)磁路大都設(shè)計(jì)得比較飽和，其雙凸極結(jié)構(gòu)和開關(guān)控制方式導(dǎo)致了其高度的非線性特性。為適應(yīng)被控對象具有的非線性，采用變參數(shù)的自適應(yīng)PID控制策略。將人工神經(jīng)網(wǎng)絡(luò)與PID控制律相結(jié)合，充分發(fā)揮神經(jīng)網(wǎng)絡(luò)的自適應(yīng)、非線性映射能力和自學(xué)習(xí)能力形成一種自適應(yīng)能力很強(qiáng)的參數(shù)可調(diào)的神經(jīng)網(wǎng)絡(luò)PID控制策略。

     本文在原PID控制器的基礎(chǔ)上，利用模糊RBF神經(jīng)網(wǎng)絡(luò)，以系統(tǒng)實(shí)際輸出和系統(tǒng)誤差為輸入，整合出一組最優(yōu)的PID參數(shù)，采用變學(xué)習(xí)速率加快網(wǎng)絡(luò)收斂速度和RBF在線辨識網(wǎng)絡(luò)對被控對象在線參數(shù)辨識，根據(jù)被控對象的變化，實(shí)時(shí)調(diào)整控制器的參數(shù)，達(dá)到提高系統(tǒng)控制性能的目的。

1 長沖程抽油機(jī)的工作原理

     新型長沖程直線抽油機(jī)采用開關(guān)磁阻電機(jī)（SRM）作為動(dòng)力元件，其主要工作原理是通過減速機(jī)構(gòu)帶動(dòng)驅(qū)動(dòng)輪，進(jìn)而通過牽引繩，帶動(dòng)配重箱和油桿上升、下降來抽汲油液，極大地簡化了傳動(dòng)機(jī)構(gòu)，整體效率大大提高，為抽油機(jī)的節(jié)能提供了可能性。長沖程抽油機(jī)結(jié)構(gòu)框圖如圖1。

圖1  長沖程抽油機(jī)結(jié)構(gòu)框圖

2. 普通PID控制器

     普通PID控制器主要是由比例環(huán)節(jié)、積分環(huán)節(jié)和微分環(huán)節(jié)將偏差e=給定值—實(shí)際輸出值，通過線性組合構(gòu)成控制量，控制器的輸出u，其控制規(guī)則為：

在該文的系統(tǒng)中采用的是一種增量式PID控制算法：

其中e（k）為k時(shí)刻的偏差；Kp，KI，Kd分別為比例常數(shù)，積分常數(shù)，微分常數(shù)。

3. RBF神經(jīng)網(wǎng)絡(luò)PID控制器

     基于RBF神經(jīng)網(wǎng)絡(luò)整定的PID控制系統(tǒng)結(jié)構(gòu)如圖2所示，通過調(diào)整網(wǎng)絡(luò)權(quán)值使控制器的參數(shù)達(dá)到最優(yōu)，采用變學(xué)習(xí)速率加快網(wǎng)絡(luò)收斂速度，RBF在線辨識網(wǎng)絡(luò)對抽油機(jī)的開關(guān)磁阻電機(jī)在線參數(shù)辨識，根據(jù)轉(zhuǎn)矩變化，實(shí)時(shí)調(diào)整控制器的參數(shù)。

圖 2.  基于RBF神經(jīng)網(wǎng)絡(luò)整定的PID控制系統(tǒng)結(jié)構(gòu)圖

 3.1 模糊RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

     該模糊神經(jīng)網(wǎng)絡(luò)為4層，如圖3所示。第l層為輸入層；第2層為模糊化層；第3層為模糊推理層；第4層為輸出層[6]。模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為2–6–6–3。

圖 3.  模糊RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

     (l)輸入層。該層將輸入誤差e和系統(tǒng)實(shí)際輸出y(k)作為下一層的輸入。活化函數(shù)為：

     因此本層的輸出為e和y(k)

     (2)模糊化層。活化函數(shù)即為該隸屬度函數(shù)。因此，輸出為：

     其中，i=l，2;j=l，2，...6。c_ij和b_ij分別為高斯函數(shù)第i個(gè)輸入變量的第j個(gè)模糊集合的隸屬函數(shù)的均差和標(biāo)準(zhǔn)差。

    （3）模糊推理層。將上層中的模糊量經(jīng)過兩兩相乘，得到這一層的輸出值。因此，本層的活化函數(shù)，即輸出為：

     這里 k=l，2，3，4，5，6。

     (4)輸出層。這一層要輸出的就是PID控制器的參數(shù)，本層的輸出值就是將權(quán)值以矩陣乘的方式，乘以第3層的輸出。因此，本層的輸出為：

     增量式PID控制的控制量為

     目標(biāo)函數(shù)為：

     其中 r(k) 為期望輸出

3.2  學(xué)習(xí)速率的自適應(yīng)調(diào)整

     根據(jù)網(wǎng)絡(luò)收斂性對學(xué)習(xí)速率采用在線自適應(yīng)調(diào)整。即在收斂過程中，本次誤差大于上次誤差，減小學(xué)習(xí)速率增加的幅度重新迭代；反之，增大學(xué)習(xí)速率，即

這里 為初始網(wǎng)絡(luò)學(xué)習(xí)速率。

3.3  模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法

     由于系統(tǒng)都是時(shí)變、非線性的，因此神經(jīng)網(wǎng)絡(luò)需要隨時(shí)調(diào)整權(quán)值，即隨時(shí)對wi(k)進(jìn)行優(yōu)化。因此，需要對神經(jīng)網(wǎng)絡(luò)進(jìn)行在線調(diào)整。在這里采用負(fù)梯度方向搜索最小值的方法。

     這里 是動(dòng)力因子    

3.4  基于RBF神經(jīng)網(wǎng)絡(luò)的參數(shù)辨識

     長沖抽油機(jī)控制系統(tǒng)采用3層RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行參數(shù)辨識,選取X(k)=[u(k),y(k),y(k-1)]T作為辨識網(wǎng)絡(luò)的輸入向量，y(k)為系統(tǒng)輸出的采樣值，即當(dāng)前的電機(jī)輸出轉(zhuǎn)矩值，辨識網(wǎng)絡(luò)的輸出(如圖2)。PID控制器的輸出u(k)作為控制量同時(shí)傳遞給被控控制系統(tǒng)和RBF辨識網(wǎng)絡(luò)，根據(jù)實(shí)際輸出y(k+1)和辨識輸出的偏差來修正模糊RBF控制網(wǎng)絡(luò)的參數(shù)，RBF辨識網(wǎng)絡(luò)得到系統(tǒng)靈敏度信息 后對自身參數(shù)進(jìn)行修正。

4.  仿真

     通過實(shí)驗(yàn)對RBF神經(jīng)網(wǎng)絡(luò)控制的長沖程抽油機(jī)的開關(guān)磁阻電機(jī)動(dòng)態(tài)響應(yīng)特性進(jìn)行了研究。本實(shí)驗(yàn)系統(tǒng)采用四相8/6極開關(guān)磁阻電機(jī)，電機(jī)參數(shù)為額定功率為30KW，額定轉(zhuǎn)速為1500r/min，圖4為在經(jīng)典PID控制下的系統(tǒng)的動(dòng)態(tài)響應(yīng)過程，圖5為在本文提出的控制策略控制下系統(tǒng)的響應(yīng)過程。圖6為模糊RBF神經(jīng)網(wǎng)絡(luò)對PID參數(shù)的在線整定。表1為基于本文控制方法的長沖程抽油機(jī)開關(guān)磁阻電機(jī)的主要參數(shù)及現(xiàn)場測試報(bào)告。從表中可以看出控制系統(tǒng)的節(jié)能效果顯著。

圖4 系統(tǒng)動(dòng)態(tài)響應(yīng)曲線（傳統(tǒng)PID）

圖 5 系統(tǒng)動(dòng)態(tài)響應(yīng)曲線（本文方法）

圖 6  模糊RBF神經(jīng)網(wǎng)絡(luò)對PID參數(shù)的在線整定

 表1  長沖程抽油機(jī)開關(guān)磁阻電機(jī)的主要參數(shù)及現(xiàn)場測試報(bào)告

5  結(jié)論（conclusion）

     神經(jīng)網(wǎng)絡(luò)控制器特別適合于非線性性對象的自適應(yīng)控制。本文將模糊理論，系統(tǒng)辨識和神經(jīng)網(wǎng)絡(luò)相結(jié)合，并利用其調(diào)整PID參數(shù)的控制方法，使PID控制系統(tǒng)達(dá)到很好的控制性能，解決了普通PID控制器在控制時(shí)變、非線性系統(tǒng)中所出現(xiàn)的問題。通過網(wǎng)絡(luò)的在線辨識及網(wǎng)絡(luò)參數(shù)的在線調(diào)整，快速、準(zhǔn)確地跟蹤系統(tǒng)運(yùn)行狀態(tài)的變化，采用變學(xué)習(xí)速率的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練算法，大大加快了神經(jīng)網(wǎng)絡(luò)的收斂速度。實(shí)驗(yàn)表明系統(tǒng)動(dòng)態(tài)特性好，節(jié)能效果顯著，具有較好的自適應(yīng)性和魯棒性。