基于CMAC的PID控制在换热器中的应用设计及仿真

　　（湖北师范学院高美珍的应用，并对该设计在MATLAB下进行了仿真，得到了较好的控制效果。

　　关健词：小脑模型神经网络CMAC；PID控制；MATLAB仿真1概述在工业生产中，换热器是一类很常见的设备，它是利用热的流体的放热来对冷的流体进行加热的设备，通常要求被加热流体的温度能稳定在一定范围内。但是由于生产过程对这种被加热流体流量的影响，使它的流量又是波动的，甚至有时流量变化的幅度还很大，因此比较难以控制。实际生产过程中，通常设计如所示的前馈反馈（FFC——FBC）调节系统。在该系统中，反馈调节用PID规律，前馈调节要用到较复杂的前馈补偿，并且补偿的效果不十分满意。

　　我们知道，这类系统中的干扰幅度大，干扰频率高并且不可控。对这类系统，常规PID就难达到很好的控制效果。因此，现在一些基于PID的新的控制算法也应运而生，如模糊PID、神经PID、遗传算法PID及灰色PID等都是基于PID的新的控制算法。

　　2CMAC原理与算法Controller）是一种表达非线性函数的表格查询自适应神经网络，CMAC是由Albus开发的，是近年来获得较好应用的几种主要神经控制器之一。该网络可通过学习算法来改变表格的内容，具有信息分类存储的能力。

　　CMAC的基本思想是：在输入空间中给出一个状态，从存储单元中找到对应于该状态的地址，将这些存储单元中的内容求和得到CMAC的输出；将此响应值与期望输出值进行比较，并根据学习算法来修改这些已激活的存储单元的内容。CMAC的设计可分为三步：：即在输入层对J维输入空间进行划分，每一输入都降落到J维网格基的一个立方体单元内。

　　器的地址，除以一个数，得到的余数作为实际存储器的地址值，即将概念存储器中的C个单元映射到实际存储器的C个地址。

　　个单元中存放着相应的权值，CMAC的输出为C个实际存储单元加权之和。

　　3CMAC与PID复合控制算法设计：把CMAC用于控制有两种方案。种方案的结构如所示。在该控制系统中，指令信号和反馈信号均用作CMAC控制器的输入。控制器输出直接送至受控装置（对象。但必须提供神经网络控制器的期望输出。控制器的训练是以期望输出和控制器实际输出间的差别为基础的。系统工作分两阶段进行。阶段为训练控制器。当CMAC接收到指令和反馈信号时，它产生一个输出，此输出与期望输出进行比较；如果两者存在差别，那么调整权值以消除该差别。经过这阶段的竞争，CMAC已经学会如何根据给定指令和所测反馈信号产生合适的输出，用于控制受控对象。第二阶段为控制。当需要的控制接近所训练的控制要求时，CMAC就能够很好地工作。这两个阶段工作的完成都无需分析装置的动力学和求解复杂的方程式。不过，在训练阶段，本方案要求期望的装置输入是已知的。第二种控制方案见所示。

　　基于上述换热器的模拟前馈反馈（FFC——FBC）调节系统的不足，设计出如所示的基于CMAC前馈控制与PID反馈控制的复合控制系统。这种系统的特点是：技术创新徐丽娜，神经网络控制，哈尔滨：哈尔滨工业大学出版社，1999.年毕业于武汉化工学院生产过程自动化专业，现任教于湖北师范学院物理系。电话“1），为惯性量，"（0，1）。当系统开始运打时设置w=0，此时Un=，u> Up，系统由常规控制器进行控制，通过CMAC的学习，使PD产生的输出控制量Up（k）逐渐为0，CMAC产生的输出控制量Un（k）逐渐逼近控制总应用的MATLAB仿真被控对象换热器一般是二阶对象，它的传递函数可设为：取lms，输入信号为正弦叠加信号（如>其仿真跟踪结果如下所示。

　　通过仿真跟踪结果可以看出：开始时主要是常规PD控制器起作用，经过对常规PD控制器输出的学习，逐渐由小脑模型神经网络控制器CMAC起控制作用。小脑模型神经网络控制器CMAC的加入，使整个控制效果比单独的PID控制效果好得多，加快了控制响应速度，充分体现了小脑模型神经网络控制器CMAC的特点。

　　CMAC控制算法虽然是由PD控制器的输出训练出来的，但并不是PD控制器的简单复制。加入PD控制器是为了评判CMAC控制器的性能，增强系统的稳定性，更有效地抑制干扰。

　　5结论从仿真图来说，对于换热器，老式的前馈反馈（FFC——FBC）调节系统用CMAC+PD这种前馈反馈并行控制系统取代后，控制效果显著提高。因此，特别是一些干扰幅度大、干扰频率高并且不可控、常规PID难以达到较好控制效果的这类系统，利用小脑模型神经网络的并行控制器（CMAC+PD）的控制方法有一定的应用价值和前景。