基于PLC的模糊神經網絡控制策略的應用

摘要：研究了模糊控制與神經網絡兩者相結合構成的模糊神經網絡控制策略，實現了模糊神經網絡控制算法在PLC中的軟件編程，它不依賴于被控對象精確的數學模型，將模糊神經網絡控制器應用于溫度控制系統中，獲得了良好的控制效果。

由于現代工業過程控制系統的復雜性，特別是被控對象的非線性、時變、時滯等特性，若采用常規的控制算法，往往很難獲得滿意的控制效果。所以對模糊控制、神經網絡、遺傳算法、專家控制等智能控制策略的應用研究尤為重要，特別是考慮將不同的控制算法進行適當結合，進而能夠取長補短，獲得較好的控制效果。

可編程邏輯控制器PLC具有功能豐富、可靠性高、抗干擾能力強等技術優勢，并且PLC的數據處理、算術運算等基本功能也在不斷增強，通過研究將先進的智能控制算法通過結構化編程嵌入PLC，實現對一些不易建模或模型參數不確定的過程控制系統的實時控制。

1 可編程控制器

現代電子技術、通信技術及計算機技術的快速發展，PLC在硬件、軟件、功能、應用等各方面都有大幅度提高，已由傳統的只能執行簡單邏輯控制發展到具有數萬I/O規模、運算和控制功能以及通信、聯網能力的綜合控制系統，成為工業自動控制的核心設備之一。

SIEMENS公司的S7-300 PLC在主要功能、擴展性能等方面都比之前產品有很大提高。其性能特點主要包括：

1)擴展性能好。

2)運算速度快，編程功能強。

3)通信功能強。

2 模糊神經網絡控制算法的PLC實現

2.1 模糊神經網絡結構

模糊控制是一種仿人思維的控制技術，其著眼于將人的控制經驗和知識轉換為用語言變量描述的控制規則，用邏輯推理去處理各種模糊性的信息。模糊控制系統雖然在結構上和各參數的物理意義上比較明確，但其缺乏自學習和自調整能力。

人工神經網絡雖然在知識表達能力上比較欠缺，但其能實現對生物神經網絡的功能模擬，具有極強的自學習、自適應、并行處理和容錯能力。

由此可見，模糊控制和神經網絡這兩種智能控制策略具有很好的互補性，可將模糊控制和神經網絡用合理的方式結合應用，使其互相取長補短，通過發揮各自優勢來構造比單一控制策略更加完善的智能控制系統，如圖1所示。

根據模糊理論和神經網絡思想，設計四層模糊神經網絡結構，如圖2所示。

其中，第一層是用于將輸入信號傳送到下一層的輸入層;第二層是用于計算各輸入分量屬于各語言變量值模糊集合隸屬度函數的隸屬函數層;第三層是用于計算每條規則適用度的規則層，其每個節點表示一條模糊規則;第四層是用于實現歸一化計算的輸出層。

模糊與神經網絡兩種智能控制的結合旨在通過神經網絡的自學習和自適應功能，對模糊控制規則的隸屬度函數參數和輸出層權系數進行調整和優化，從而達到滿意的控制效果。

2.2 控制算法的PLC實現

在STEP7軟件中用STL指令編程實現復雜的數學計算。系統采用結構化編程方法，各個程序塊根據其各自控制功能進行編程，主要功能程序模塊分配如下：

1)操作系統與用戶程序之間的接口模塊OB1，此模塊在執行過程中調用功能模塊OB35，可監控控制算法的最大運行周期，使程序的實時性得以檢驗。

2)循環中斷功能模塊OB35，由SFC4O(系統專用的中斷激活功能)啟動，按照CPU屬性中設定的時間間隔循環執行，使模糊神經網絡控制算法主程序FC20能被周期性地調用。

3)模糊神經網絡控制算法主程序模塊FC20，是系統的核心程序，通過此模塊組織調用其它程序模塊(PC1-FC11、FC18、FC19、FB1)來實現控制系統的整體功能，即信號采集、運算和輸出等。

4)用于存儲運算過程中公共數據的共享數據模塊DB1、DB3。

5)完成網絡輸入層的運算模塊FB1，根據輸入量與輸出量的比較，求取偏差和偏差的變化，作為模糊神經網絡的輸入。

6)FC1模塊用來計算模糊神經網絡隸屬函數層的輸出;FC2模塊用來模糊規則的匹配;FC3模塊用來計算模糊神經網絡規則層的輸出;FC4模塊用來計算模糊神經網絡輸出層的輸出;FC5模塊用來計算反傳誤差信號δ;FC6模塊用來計算權系數調節量△w;FC7模塊用來計算調整好的權系數;FC8模塊用來計算反傳誤差信號δk;FC9模塊用來計算反傳誤差信號δ1j和δ2j;FC10模塊用來計算隸屬函數層參數調節量△aij和△ bij;FC11模塊用來計算調整后的隸屬函數層的參數aij和bij;FC18模塊用來進行參數迭代運算;FC19模塊用來計算b(i，j)的平方和立方;STEP7軟件中的功能程序模塊組織流程如圖3所示。

3 應用實例

模糊控制和神經網絡相結合的模糊神經網絡控制策略主要用于對象模型未知或不確定的控制，將這種智能控制策略應用于溫度控制，在控制對象模型不明確的條件下，實現對溫度的自動控制。

3.1 系統的控制要求

在此溫控系統中，非金屬材料熱物性測定裝置是被控對象，裝置試件的溫度是被控變量，測溫儀表是熱電偶。系統的控制目的是使裝置試件的溫度保持恒定在設定值允許的誤差范圍之內，采取手段是通過控制單相整流固態調壓器的控制電壓來改變裝置試件的加熱電壓。

3.2 系統的硬件組成

控制系統的硬件設備主要包括：

1)PC機和通信裝置：使用安裝有SIEMENS公司編程軟件STEP7的PC機用于PLC程序的編輯，另外，為使PC機與PLC控制器連接通信實現程序的下載及PLC運行狀態的監測等，還需配備CP5613A2現場總線通信板卡。

2)控制器模塊配置：本系統采用現場總線通信技術構成單主站形式的PROFIBUS-DP網絡系統，主站控制器選用SIEMENS公司的S7-300PLC，CPU選用315-2PN/DP，另外配置兩個ET200M遠程從站I/O站點模塊。

3)系統的被控對象：將非金屬材料熱物性測定裝置作為系統的被控對象，為保證材料熱物性測定的準確性，所以對裝置試件的溫度大小有較高的要求。該裝置使用電加熱的方式進行加溫，可通過控制加熱電壓的大小使裝置試件保持恒溫或使溫度保持在允許的范圍內。

非金屬材料熱物性測定裝置的結構如圖4所示。

4)電加熱裝置：該控制系統的執行器選用單相整流固態調壓器(TGZ14)，作為一種電加熱裝置。它可以提供可變直流加熱電壓，并通過改變晶閘管的相位來控制輸出電壓的大小，進而改變裝置的加熱電壓，實現溫控。這種電加熱裝置的調節范圍很寬、使用壽命較長、能實現強電部分和弱電部分的隔離保護。

3.3 模糊控制器的設計

系統的控制思想是在建立模糊控制算法的基礎上，利用神經網絡的自適應和自學習功能對模糊控制規則的相關參數和系數進行調整和優化，從而獲得滿意的控制效果。所以，模糊控制器的設計至關重要。

模糊控制器的輸入是設定溫度值和試件實際溫度值的誤差以及試件溫度的變化率，輸出是表征PLC控制器模擬量輸出的內部數字值的變化量。而且模糊控制器的輸入和輸出均需經模糊化處理為模糊語言變量值。

根據模糊控制理論，制定模糊控制規則表，如表1所示。

根據表1，可進行如下分析，當實際溫度比設定溫度值大得多時(E=NB)，若實際溫度的變化為上升趨勢(EC=PB)，則對應的△U=NB，即減小控制量;若實際溫度的變化為下降趨勢(EC=NB)，則對應的△U=ZE，即保持現有的控制量。

3.4 溫度控制系統調試

溫度設定值為80 ℃，控制器S7-300PLC每隔30 s經A/D轉換模塊獲取實際溫度值，與設定溫度進行比較后，經模糊神經網絡算法分析運算后產生相應輸出來控制加熱裝置的加熱電壓，實現對溫度的自動控制。

1)記錄數據。包括在不同加熱電壓下的升溫、降溫過程的溫度值，以及溫度的變化率等。

2)利用模糊控制規則對STEP7軟件中的模糊神經網絡控制器的網絡參數進行初始化，并實現在線控制和網絡參數的調整。

3)根據調整后的網絡參數重新進行初始化，并觀測控制效果。

控制器實時參數監控界面如圖5所示。

實時控制曲線如圖6所示。

4 結束語

溫度是工業自動化領域中的重要控制參數之一，由于溫度控制過程具有大滯后、大慣性的特點，所以要確定其精確的數學模型有一定難度。

基于PLC的模糊神經網絡控制策略不依賴于過程精確的數學模型，將其應用于溫度控制系統，在規定的溫度范圍內，響應