專利名稱：時間序列預(yù)測與智能控制結(jié)合的參數(shù)在線整定方法與系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明提出了一種時間序列預(yù)測與智能控制結(jié)合的參數(shù)在線整定方法和采用了該方法的系統(tǒng)，可應(yīng)用于控制與智能控制、人工智能與輔助決策等領(lǐng)域。
背景技術(shù)：
到目前為止，控制科學(xué)研究的控制方法的特征是(I)控制系統(tǒng)的控制方法由控制算法和控制參數(shù)構(gòu)成；(2)控制算法用確定的規(guī)則(模型、公式)描述；(3)控制參數(shù)的配置和整定方法存在兩種形式(3. I)控制參數(shù)在控制系統(tǒng)正式運行前進(jìn)行初始化配置、初 步整定和最終整定，正式運行后控制參數(shù)固定不變，例如比例微分積分控制方法、模糊控制方法等；(3. 2)控制參數(shù)在控制系統(tǒng)正式運行前進(jìn)行初始化和初步整定，正式運行后控制系統(tǒng)自身按照確定的規(guī)則和目標(biāo)對控制參數(shù)進(jìn)行整定，例如神經(jīng)網(wǎng)絡(luò)控制方法；(4)控制參數(shù)調(diào)整的依據(jù)又可以分為兩種情況(4. I)可以根據(jù)控制系統(tǒng)各狀態(tài)的歷史、當(dāng)前值進(jìn)行調(diào)整，例如比例微分積分控制、模糊控制、神經(jīng)網(wǎng)絡(luò)控制等方法；(4. 2)還可以根據(jù)狀態(tài)的預(yù)測值進(jìn)行調(diào)整，例如預(yù)測控制。特征(I)是由數(shù)學(xué)建模方法和計算機(jī)原理決定的。目前數(shù)學(xué)建模方法是描述客觀規(guī)律的最有效的方法，而計算機(jī)是實現(xiàn)控制最有效的工具。因此基于控制算法和控制參數(shù)模型的控制方法的發(fā)展受上述兩項基礎(chǔ)學(xué)科發(fā)展的制約。對于特征(I)的突破需要對上述兩項研究基礎(chǔ)進(jìn)行突破。特征(2)很大程度上受人工智能科學(xué)發(fā)展約束，由于目前人工智能主要方法主要在推理系統(tǒng)、神經(jīng)計算科學(xué)等方法的領(lǐng)域，因此控制算法的模式很大程度上與人工智能算法近似。對于特征(2)的突破關(guān)鍵在于對人工智能方法的突破。本研究主要針對特征(3)和特征(4)進(jìn)行改進(jìn)，最終小波神經(jīng)網(wǎng)絡(luò)、時間序列預(yù)測技術(shù)與經(jīng)典的控制方法進(jìn)行結(jié)合，創(chuàng)造了一種新的算法。首先對特征(3)和特征(4)的涉及到的經(jīng)典算法的研究現(xiàn)狀進(jìn)行介紹比例微分積分控制是最經(jīng)典應(yīng)用最廣的控制方法，該方法的核心思想是將控制的實施方式分為三種情況，即連續(xù)施控、突擊施控和延緩施控三種方式，從而解決控制系統(tǒng)被控對象的三類特征，即達(dá)到某一目標(biāo)需要持續(xù)受力、啟動時或需要快速響應(yīng)時需要受大力、受力過大導(dǎo)致系統(tǒng)不穩(wěn)定。該方法的優(yōu)點是結(jié)構(gòu)簡單，實施方便。該方法的問題是缺乏智能，無法在線應(yīng)對控制系統(tǒng)發(fā)生的變化，例如被控對象發(fā)生變化時，控制系統(tǒng)自身無法對控制參數(shù)進(jìn)行調(diào)整，從而應(yīng)對這種變化；此外該方法自身無法根據(jù)環(huán)境變化有目標(biāo)地智能地嘗試優(yōu)化控制參數(shù)。模糊控制方法可以事先將針對不同情況的控制參數(shù)配置到控制系統(tǒng)中，當(dāng)情況變化時，控制參數(shù)可以根據(jù)預(yù)先設(shè)定的規(guī)則改變控制參數(shù)，解決了控制系統(tǒng)適應(yīng)變化的問題，但無法像經(jīng)典的比例微分積分控制那樣應(yīng)對被控對象的三類特性；同樣模糊控制方法自身也無法根據(jù)環(huán)境變化有目標(biāo)地智能地嘗試優(yōu)化控制參數(shù)。神經(jīng)網(wǎng)絡(luò)控制方法的特點是可以根據(jù)環(huán)境變化有目標(biāo)地智能地嘗試優(yōu)化控制參數(shù)，而且調(diào)整參數(shù)的過程可以是非線性的。這種方法具有了一定的智能性，其原因一是由于該方法的算法基礎(chǔ)是人腦的生物學(xué)數(shù)學(xué)模型。該方法的問題是無法像經(jīng)典的比例微分積分控制那樣應(yīng)對被控對象的三類特性。預(yù)測控制方法的特點是控制參數(shù)的調(diào)整依據(jù)增加了對控制實施后結(jié)果的預(yù)測，因此控制具備了超前性；但該方法的問題除了無法像經(jīng)典的比例微分積分控制那樣應(yīng)對被控對象的三類特性之外，還存在該方法對被控對象模型的依賴問題，如果預(yù)測模型不準(zhǔn)確，則會導(dǎo)致預(yù)測結(jié)果不準(zhǔn)確，預(yù)測方法基于被控對象的數(shù)學(xué)模型，預(yù)測結(jié)果的準(zhǔn)確性和可靠性缺乏保障；

發(fā)明內(nèi)容
本本發(fā)明主要解決的問題本發(fā)明提出了一種時間序列預(yù)測與智能控制結(jié)合的參數(shù)在線整定方法和采用了該方法的系統(tǒng)，可應(yīng)用于可應(yīng)用于控制與智能控制、人工智能與輔助決策等領(lǐng)域。該方法將 小波神經(jīng)網(wǎng)絡(luò)和經(jīng)典控制方法結(jié)合，解決了控制領(lǐng)域?qū)ο到y(tǒng)運行前參數(shù)配置工作的依賴問題；對系統(tǒng)輸出采用向量時間序列方法進(jìn)行處理，使得控制方法具有了預(yù)測效果，且該預(yù)測具有統(tǒng)計檢驗保證；該技術(shù)方案將小波神經(jīng)網(wǎng)絡(luò)和預(yù)測技術(shù)同時與經(jīng)典控制方法相結(jié)合，使得控制系統(tǒng)具有了較為高級的人工智能，具有預(yù)測、學(xué)習(xí)、參數(shù)在線優(yōu)化、自適應(yīng)的效果。本發(fā)明的創(chuàng)新點在于(I)采用小波神經(jīng)網(wǎng)絡(luò)實現(xiàn)了對經(jīng)典控制方法的控制參數(shù)在線優(yōu)化；(2)采用了向量時間序列方法實現(xiàn)了對控制系統(tǒng)的預(yù)測控制；(3)同時采用了小波神經(jīng)網(wǎng)絡(luò)和向量時間序列方法實現(xiàn)帶有預(yù)測效果的控制參數(shù)在線優(yōu)化；(4)針對本發(fā)明提出的上述方法，設(shè)計了采用該方法的實用新型硬件系統(tǒng)；編寫了完整的計算機(jī)仿真程序，可以驗證該方法的各項效果和控制結(jié)果的穩(wěn)定性；該程序及其子程序可以直接應(yīng)用于采用了該方法的實用新型硬件系統(tǒng)中去；本發(fā)明采取的技術(shù)方案為了實現(xiàn)上述目的，解決上述問題，本發(fā)明采取了如下技術(shù)方案I.時間序列預(yù)測與智能控制結(jié)合的參數(shù)在線整定方法，其特征在于包括以下5個步驟，即步驟I. O至步驟1.5 :步驟I. O參數(shù)初始化該步驟為計算過程中涉及到的各變量分別賦予初始值；包括以下12個子步驟，即步驟I. O. I至步驟I. O. 12 I. O. I設(shè)定算法當(dāng)前執(zhí)行次數(shù)t、執(zhí)行總次數(shù)T 當(dāng)算法連續(xù)運行有限次的情況時設(shè)當(dāng)前執(zhí)行次數(shù)初始值t = I ;執(zhí)行和調(diào)整總次數(shù)T的取值原則是要保證系統(tǒng)運行總次數(shù)O. 8T次后控制結(jié)果(1300)能夠穩(wěn)定在控制目標(biāo)(1000)附近；其中能夠穩(wěn)定的含義是當(dāng)執(zhí)行次數(shù)達(dá)到O. 8T以后，控制結(jié)果(1300)Ysystem(t)與控制目標(biāo)(1000)rin(t)之間的誤差在±3%以內(nèi)，參見公式I :
權(quán)利要求
1.時間序列預(yù)測與智能控制結(jié)合的參數(shù)在線整定方法，其特征在于包括以下5個步驟，即步驟I. O至步驟1.5 : 步驟I. O參數(shù)初始化 該步驟為計算過程中涉及到的各變量分別賦予初始值；包括以下12個子步驟，即步驟I. O. I 至步驟 I. O. 12 I. O. I設(shè)定算法當(dāng)前執(zhí)行次數(shù)t、執(zhí)行總次數(shù)T 當(dāng)算法連續(xù)運行有限次的情況時設(shè)當(dāng)前執(zhí)行次數(shù)初始值t = I ;執(zhí)行和調(diào)整總次數(shù)T的取值原則是要保證系統(tǒng)運行總次數(shù)O. 8T次后控制結(jié)果(1300)能夠穩(wěn)定在控制目標(biāo)(1000)附近；其中能夠穩(wěn)定的含義是當(dāng)執(zhí)行次數(shù)達(dá)到O. 8T以后，控制結(jié)果(1300)Ysystem(t)與控制目標(biāo)(1000)rin(t)之間的誤差在±3%以內(nèi)，參見公式I :
2.根據(jù)權(quán)利要求I所述的時間序列預(yù)測與智能控制結(jié)合的參數(shù)在線整定方法的步驟I. 2計算控制量，其特征在于 算法的輸入是控制參數(shù)(1100) Ke(t)、控制量(1200) u(t)和誤差error(t)時間序列值； 算法的輸出是控制量(1200) u (t)； 控制算法(201)可以采用、位置式PID控制算法、增量式PID控制算法、模糊控制算法、專家控制算法； 采用增量式PID控制算法時，u (t)的計算參見公式44 u (t) =u (t-1) +Kp (t) · (error (t) -error (t-1)) +Ki (t) · error (t)公式 4 4 +Kd (t) · (error(t)_2error(t_l)+error(t_2)) ο
3.根據(jù)權(quán)利要求I所述的時間序列預(yù)測與智能控制結(jié)合的參數(shù)在線整定方法的步驟I. 3采集或計算系統(tǒng)輸出，其特征在于 當(dāng)該系統(tǒng)為計算機(jī)仿真應(yīng)用的情況時，被控對象(300)采用確定的控制系統(tǒng)被控對象數(shù)學(xué)模型，該數(shù)學(xué)模型的輸入是控制量u(t)，通過計算機(jī)仿真計算得出的結(jié)果即為控制結(jié)果ysyst (t);上述計算機(jī)仿真計算，即通過對被控對象建立連續(xù)傳遞函數(shù)模型，進(jìn)而對該連續(xù)傳遞函數(shù)采用Z變換進(jìn)行離散化，得到根據(jù)U(t)和ysystM(t)時間序列值計算出Ysystem (t)的計算公式；在Matlab中z變換通過c2d()函數(shù)和tfdata()函數(shù)實現(xiàn)；具體實現(xiàn)過程請參見本專利說明書中實施例部分； 當(dāng)該系統(tǒng)為真實控制系統(tǒng)應(yīng)用的情況時因此控制結(jié)果ysystM(t)不是通過計算機(jī)仿真計算得到的，而是通過對真實控制系統(tǒng)輸出采樣得到的。
4.根據(jù)權(quán)利要求I所述的時間序列預(yù)測與智能控制結(jié)合的參數(shù)在線整定方法的步驟I. 4計算預(yù)測結(jié)果，其特征在于 首先判斷當(dāng)前t時刻是否到達(dá)啟動預(yù)測是可啟動預(yù)測時刻Tpredirt 如果當(dāng)前t時刻小于啟動預(yù)測時刻TpMdic;t，則不啟動預(yù)測，控制結(jié)果(1300)ysyst (t)直接充當(dāng)預(yù)測結(jié)果(1400) yQUt(t),即 yQUt(t) = ysystem(t)； 如果當(dāng)前t時刻大于等于啟動預(yù)測時刻Tpredirt，則啟動預(yù)測，采集當(dāng)前時刻的控制擾動源(500)產(chǎn)生的控制擾動量(1500)rTOf(t)以及預(yù)測擾動源(600)產(chǎn)生的預(yù)測擾動量(1600)rorf ⑴； 在線預(yù)測算法(401)的輸入分別是控制參數(shù)(1100)的時間序列Ke(t)、Ke(t-l)、Kc(t_2)、· · ·、Kc (t_Kpredict)、控制量(1200)的時間序列 u(t)、u (t-1)、u(t_2)、…、u (t-Kpredict)、控制結(jié)果(1300)的時間序列 ysysteni(t)、ysystem (t-1)、ysystem (t-2)、…、Ysystem (t-Kpredict)、控制擾動量(1500)的時間序列 Lef (t)、I^ef (t_I)、Γοε (t~2)、…、roef (t-Kpredict)、預(yù)測擾動量(1600)的時間序列 rOTf (t)、rotf (t-1)、rorf (t-2)、…、r〇rf (t Kpre(jict); 其中，控制擾動源(500 )是除控制量(1200 )以外的對被控對象產(chǎn)生作用的控制環(huán)境中的其他裝置；預(yù)測擾動源(600)是除控制參數(shù)(1100)、控制量(1200)、控制結(jié)果(1300)以外的對在線預(yù)測器(400)產(chǎn)生影響的控制環(huán)境中的其他裝置；控制擾動量(1500)是由控制擾動源(500)產(chǎn)生的與控制量(1200)—起作用于被控對象(300)，并對其輸出產(chǎn)生影響的輸入，在理想的情況下，控制擾動量(1500)rTOf(t)可以為常數(shù)0，即忽略不計；其中，預(yù)測擾動量(1600)是由預(yù)測擾動源(600)產(chǎn)生的與控制參數(shù)(1100)、控制量(1200)、控制結(jié)果(1300) —起作用于在線預(yù)測器(400)，并對在線預(yù)測算法(401)的輸出產(chǎn)生影響的輸入，在理想情況下，即可以忽略控制系統(tǒng)內(nèi)外環(huán)境中其他裝置的擾動影響的情況下，控制擾動源(500)和預(yù)測擾動源(600)可以忽略，即不存在控制擾動源(500)和預(yù)測擾動源(600)，此時控制擾動量(1500)1^(0和預(yù)測擾動量(1600) rOTf(t)為常數(shù)O ; 在線預(yù)測算法(401)的輸出是控制結(jié)果預(yù)測值(1401)5Vediet(t)； 當(dāng)前t時刻大于等于啟動預(yù)測時刻TpMdic;t的這種情況下，將控制結(jié)果預(yù)測值(1401)Ypredict (t)作為預(yù)測結(jié)果(1400) yQUt(t)，即 y_(t) = Ypredict (t)； 綜上所述，預(yù)測結(jié)果(1400) yout (t)的取值見公式45
5.根據(jù)權(quán)利要求4所述的在線預(yù)測算法(401)，其特征在于 在線預(yù)測算法(401)可以采用經(jīng)典的向量時間序列預(yù)測方法即VARMA方法、神經(jīng)網(wǎng)絡(luò)預(yù)測方法、線性回歸預(yù)測方法、非線性回歸預(yù)測方法、曲線函數(shù)擬合方法，也可以采用滿足輸入是由時間序列控制參數(shù)(1100)、時間序列控制量(1200)、時間序列控制結(jié)果(1300)、時間序列控制擾動量(1500)、時間序列預(yù)測擾動量(1600)，輸出是控制結(jié)果預(yù)測值(1401)的預(yù)測算法； 采用VARMA算法時，nAR和nMA參數(shù)的取值范圍為5至10閉區(qū)間內(nèi)的正整數(shù)；在MatIab中VARMA預(yù)測算法通過vgxsetO、vgxvarx ()、vgxpred()三個函數(shù)實現(xiàn)；具體實現(xiàn)過程請參見本專利說明書中實施例部分5
6.采用了時間序列預(yù)測與智能控制結(jié)合的參數(shù)在線整定方法的系統(tǒng)，其特征在于由第〇裝置一控制決策器(O)、第一裝置一在線整定器(100)、第二裝置一控制執(zhí)行器(200)、第三裝置一被控對象(300)、第四裝置一在線預(yù)測器(400)、第五裝置一控制擾動源(500)和第六裝置一預(yù)測擾動源(600)七組裝置組成；.1.1各組裝置內(nèi)部構(gòu)成以及輸入、輸出接口情況 I. I. O第〇裝置——控制決策器(O)可以是嵌入式設(shè)備、或單片機(jī)系統(tǒng)、或工控機(jī)、或PLC可編程邏輯控制器、或計算機(jī)、或服務(wù)器、或移動終端； 當(dāng)?shù)讴栄b置一控制決策器(O)采用計算機(jī)(I)時，其輸出接口可以是以太網(wǎng)接口，通過網(wǎng)線及網(wǎng)絡(luò)交換設(shè)備與第一裝置一在線整定器(100)的輸入接口相連接； I. I. I第一裝置一在線整定器(100)可以是嵌入式設(shè)備、或單片機(jī)系統(tǒng)、或工控機(jī)、或PLC可編程邏輯控制器、或計算機(jī)、或服務(wù)器； 當(dāng)?shù)谝谎b置一在線整定器(100)采用計算機(jī)(100)時，其兩個輸入接口可以是以太網(wǎng)接口，通過網(wǎng)線及網(wǎng)絡(luò)交換設(shè)備與第〇裝置一控制決策器(O)、第四裝置一在線預(yù)測器(400)的輸出接口相連接；其兩個輸出接口可以是以太網(wǎng)接口，通過網(wǎng)線及網(wǎng)絡(luò)交換設(shè)備與第二裝置——控制執(zhí)行器(200)、第四裝置——在線預(yù)測器(400)的輸入接口相連接；上述以太網(wǎng)接口可以復(fù)用同一個以太網(wǎng)接口； I. I. 2第二裝置——控制執(zhí)行器(200)可以是嵌入式設(shè)備、或單片機(jī)系統(tǒng)、或工控機(jī)、或PLC可編程邏輯控制器、或計算機(jī)、或服務(wù)器、或PID控制器配合變頻器、或驅(qū)動器； 當(dāng)?shù)诙b置一控制執(zhí)行器(200 )采用PLC可編程邏輯控制器(201)和變頻器(202 )時，其輸入接口可以是PLC可編程邏輯控制器(201)的以太網(wǎng)接口，通過網(wǎng)線及網(wǎng)絡(luò)交換設(shè)備與第一裝置——在線整定器(100)的輸出接口相連接；其輸出接口可以是變頻器(202)三項交流輸出接口，通過電纜線與第三裝置——被控對象(300)的輸入接口相連接； 第二裝置——控制執(zhí)行器(200)內(nèi)部裝置的連接關(guān)系如下PLC可編程邏輯控制器(201)與變頻器(202)之間，可以通過RS485接口、或以太網(wǎng)接口、或工業(yè)總線接口相連接；第二裝置——控制執(zhí)行器(200 )作為轉(zhuǎn)發(fā)裝置，實現(xiàn)從第六裝置——預(yù)測擾動源(600 )向第四裝置一在線預(yù)測器(400)的連接過細(xì)和工作過程是PLC可編程邏輯控制器(201)可以通過傳感器接口作為輸入接口接收來自第六裝置——預(yù)測擾動源(600)的信息，并通過以太網(wǎng)接口向第四裝置——在線預(yù)測器(400)進(jìn)行轉(zhuǎn)發(fā)； I. I. 3第三裝置——被控對象(300)可以是電機(jī)、或溫控設(shè)備、或壓控設(shè)備、或電磁場、或生產(chǎn)系統(tǒng)、或經(jīng)濟(jì)系統(tǒng)； 當(dāng)?shù)谌b置一被控對象(300)采用電機(jī)(301)、負(fù)載風(fēng)扇(302)時和測速編碼器(303)時，其中一個輸入接口可以是電機(jī)(301)的三項交流輸入接口，通過電纜線與第二裝置——控制執(zhí)行器(200)的三項交流輸出接口相連接；其中另一個輸入是負(fù)載風(fēng)扇(302)受到的第五裝置一控制擾動源(500)的降溫風(fēng)扇(501)輸出的快速流動的空氣的擾動；第三裝置——被控對象(300)輸出接口可以通過測速編碼器(303)的RS232、或以太網(wǎng)、或工業(yè)總線接口與第四裝置——在線預(yù)測器(400)的輸入接口相連接； 第三裝置——被控對象(300)內(nèi)部裝置的連接關(guān)系如下電機(jī)(301)扭矩輸出主軸通過傳動裝置與負(fù)載風(fēng)扇(302)的扭矩輸入主軸相連接，電機(jī)(301)帶動負(fù)載風(fēng)扇(302)轉(zhuǎn)動，從而構(gòu)成一組輸出與輸入的關(guān)系；同時負(fù)載風(fēng)扇(302)的扭矩輸入主軸又固定有測速編碼器(303)的碼盤，風(fēng)扇(302)轉(zhuǎn)動帶動碼盤轉(zhuǎn)動，從而構(gòu)成一組輸出與輸入的關(guān)系；電機(jī)(301)工作過程中會產(chǎn)生熱量，影響電機(jī)的工作性能，進(jìn)而影響預(yù)測的結(jié)果；因此電機(jī)(301)工作過程中會產(chǎn)生熱量可以作為第四裝置——在線預(yù)測器(400)的輸入之一；該散熱問題通過降溫風(fēng)扇(501)解決，降溫風(fēng)扇(501)在解決散熱問題的同時也對負(fù)載風(fēng)扇(302)產(chǎn)生干擾，因此第五裝置——控制擾動源(500)的輸出也是負(fù)載風(fēng)扇(302)的輸入之一; I. I. 4第四裝置——在線預(yù)測器(400)可以是嵌入式設(shè)備、或單片機(jī)系統(tǒng)、或工控機(jī)、或PLC、或計算機(jī)、或服務(wù)器； 當(dāng)?shù)谒难b置——在線預(yù)測器(400)采用計算機(jī)(401)時，其兩個輸入接口可以是以太網(wǎng)接口，通過網(wǎng)線及網(wǎng)絡(luò)交換設(shè)備與第一裝置——在線整定器(100)、第二裝置——控制執(zhí)行器(200)的PLC可編程邏輯控制器(201)的以太網(wǎng)輸出接口相連接；其另一個輸入接口和被控對象(300)的測速編碼器(303)之間通過RS232、或以太網(wǎng)、或工業(yè)總線接口相連接； I. I. 5第五裝置——控制擾動源(500)可以是影響空氣流動的裝置、或影響濕度的裝置、影響溫度的裝置、障礙物、產(chǎn)生干擾的裝置； 當(dāng)?shù)谖逖b置——控制擾動源(500)采用降溫風(fēng)扇(501)時，其風(fēng)扇轉(zhuǎn)動產(chǎn)生的流動空氣對電機(jī)(301)進(jìn)行降溫，同時也會對負(fù)載風(fēng)扇(302)產(chǎn)生影響，即作為負(fù)載風(fēng)扇(302)的輸入之一； I. I. 6第六裝置——預(yù)測擾動源(600)可以是影響空氣流動的裝置、或影響濕度的裝置、影響溫度的裝置、障礙物、產(chǎn)生干擾的裝置。
當(dāng)認(rèn)為第六裝置——預(yù)測擾動源(600)之一是電機(jī)(301)的發(fā)熱量時，溫度傳感器(601)的輸入是電機(jī)(301)的溫度；溫度傳感器(601)的輸出采用三線制接法與第二裝置一控制執(zhí)行器(200)的PLC可編程邏輯控制器(201)的傳感器輸入接口相連接； I. 2各組裝置間連接關(guān)系以及信號傳遞關(guān)系 控制決策器(O)的輸出為系統(tǒng)控制目標(biāo)(1000) rin;該控制目標(biāo)(1000)與在線整定器(100)的輸入相連接，成為在線整定器(100)的輸入之一；在線整定器(100)的輸入之二是預(yù)測結(jié)果(1400) yout ;在線控制器根據(jù)控制目標(biāo)(1000)和預(yù)測結(jié)果(1400),通過在線整定算法(101)計算得出控制參數(shù)(1100)K。，該控制參數(shù)(1100)既是控制執(zhí)行器(200)的輸入，又是在線預(yù)測器(400)的輸入之一；控制執(zhí)行器(200)根據(jù)其輸入的控制參數(shù)(1100)通過控制算法計算出控制量(1200)u，該控制量(1200)既是被控對象(300)的輸入之一，又是在線預(yù)測器(400)的輸入之二 ；被控對象(300)的輸入之二是控制擾動源(500)產(chǎn)生的控制擾動量(1500)roef,被控對象(300)在控制量(1200)和控制擾動量(1500)這兩個輸入的共同作用下，產(chǎn)生控制結(jié)果(1300) ysystem，該控制結(jié)果(1300)是在線預(yù)測器(400)的輸入之三；在線預(yù)測器(400)的輸入之四是由預(yù)測擾動源(600)產(chǎn)生的預(yù)測擾動量(1600)rOTf，在線預(yù)測器(400)根據(jù)控制參數(shù)(1100)、控制量(1200)、控制結(jié)果(1300)、預(yù)測擾動量(1600) rorf的時間序列歷史值，通過在線預(yù)測算法(401)計算出控制結(jié)果預(yù)測值(1401) ypralic;t和預(yù)測結(jié)果(HOO)ywt，該預(yù)測結(jié)果(1400)作為在線整定器(100)的輸入； I. 3系統(tǒng)啟動后的工作過程如下 系統(tǒng)啟動后的各裝置按照I. 3. O過程O至I. 3. 5過程5這六個過程運行 I. 3. O 過程 O : 第〇裝置——控制決策器(O)實現(xiàn)“時間序列預(yù)測與智能控制結(jié)合的參數(shù)在線整定方法”的步驟I. O參數(shù)初始化； I. 3. I 過程 I :·第一裝置一在線整定器(100)實現(xiàn)“時間序列預(yù)測與智能控制結(jié)合的參數(shù)在線整定方法”的步驟I. I計算控制參數(shù)K。并修正在線整定算法參數(shù)W ；I. 3. 2 過程 2 第二裝置——控制執(zhí)行器(200)實現(xiàn)“時間序列預(yù)測與智能控制結(jié)合的參數(shù)在線整定方法”步驟I. 2計算控制量u (t)；I. 3. 3 過程 3 第三裝置——被控對象(300)實現(xiàn)“時間序列預(yù)測與智能控制結(jié)合的參數(shù)在線整定方法”步驟I. 3采集或計算系統(tǒng)輸出ysystem(t)；I. 3. 4 過程 4 第四裝置——在線預(yù)測器(400)實現(xiàn)“時間序列預(yù)測與智能控制結(jié)合的參數(shù)在線整定方法”步驟I. 4計算預(yù)測結(jié)果yout (t)；I.3. 5 過程 5 第〇裝置——控制決策器(O)根據(jù)當(dāng)前系統(tǒng)的各項參數(shù)、狀態(tài)和輸出，實現(xiàn)“時間序列預(yù)測與智能控制結(jié)合的參數(shù)在線整定方法”步驟I. 5判斷算法是否結(jié)束。
全文摘要
本發(fā)明提出了一種基于時間序列預(yù)測的小波神經(jīng)網(wǎng)絡(luò)在線PID整定方法和采用了該方法的系統(tǒng)，方法具體包括參數(shù)初始化，計算控制參數(shù)并修正在線整定參數(shù)，計算控制量，計算或采集系統(tǒng)輸出，計算預(yù)測結(jié)果，系統(tǒng)具體包括控制決策器、在線整定器、控制執(zhí)行器、被控對象、在線預(yù)測器、控制擾動源和預(yù)測擾動源，控制決策器實現(xiàn)參數(shù)初始化，在線整定器用于計算控制參數(shù)并修正在線整定算法參數(shù)，控制執(zhí)行器用于計算控制量，在線預(yù)測器用于計算預(yù)測結(jié)果，控制決策器用于判斷算法是否結(jié)束。該方法將小波神經(jīng)網(wǎng)絡(luò)和經(jīng)典控制方法結(jié)合，解決了控制領(lǐng)域?qū)ο到y(tǒng)運行前參數(shù)配置工作的依賴問題，使得控制系統(tǒng)具有預(yù)測、學(xué)習(xí)、參數(shù)在線優(yōu)化、自適應(yīng)的效果。
文檔編號G05B13/04GK102902203SQ20121036531
公開日2013年1月30日 申請日期2012年9月26日 優(yōu)先權(quán)日2012年9月26日
發(fā)明者劉經(jīng)緯, 王普, 楊蕾 申請人:北京工業(yè)大學(xué)