模糊神经网络PID 控制在焊缝跟踪中的应用

《模糊神经网络PID 控制在焊缝跟踪中的应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、模糊神经网络PID控制在焊缝跟踪中的应用1,211肖敏张华贾剑平（1.江西省机器人与焊接自动化重点实验室，2.南昌大学信息工程学院，江西南昌330029）国家自然科学基金资助（50075037），江西省自然科学基金资助（550079）摘要：设计了一种基于神经网络结构的模糊控制器，并将它与PID控制器相结合，动态的调整PID参数。系统根据技术人员的经验和知识，离线的进行学习，使得模糊神经网络掌握调节PID参数的规则，模糊神经网络根据系统的偏差和偏差变化率实时的对PID的三个参数进行优化。以电弧传感器作为对象，通过仿真试验，证明了在相同的PID算法下，此控制方法起到较好的效

2、果，说明此算法是可行的。关键词：自适应PID；模糊神经网络；焊缝跟踪中图分类号：TP273文献标识码：A1引言对焊接过程的实时焊缝跟踪是焊接自动化中关键的一步。由于焊接本身是一个非常复杂的过程，影响焊接的因素具有不确定、非线性的特点。因此，在焊缝自动跟踪系统中采用经典控制的理论和方法进行控制，在实际焊接生产中往往不能得到令人满意的结果。近代，模糊数学和神经网络被应用到焊接这一复杂的不确定性的非线性系统，并起到了比较好的效果。将模糊控制和PID控制相结合的混合控制器，利用模糊控制器充当调节器，在线调整PID的三个参数，同时利用PID作为控制器，实现控制量的输出。通过在线参

3、数自调整的fuzzy-pid混合控制系统，使控制器的输出可以补偿模型的不确定性引起的干扰。可是模糊控制缺乏学习能力，在面对不同的情况，不同模型时候，调节参数的规律有所不同。基于此，将模糊神经网络与自适应PID控制相结合可以很好的继承三者的优点，起到的效果也比PID控制较好，仿真的结果也说明了这一点。2系统结构在基于电弧传感器的焊接机器人焊缝跟踪上，是从电弧参数的变化获取电弧扫描时焊炬高度的变化，并根据焊炬与焊缝的几何位置关系导出焊炬与焊缝的相对位置等被传感量。因此焊炬高度与电弧参数之间的传递关系是电弧传感器的最基本最核心的输入输出关系。控制系统如图一所示，G(s)为被控

4、对象的传递函数。在本系统中，将偏差e和偏差的变化率ec做为模糊神经网络控制器的输入量，输出量△Kp、△Ki、△Kd对PID控制器三个参数进行实时调节，将其作为一个多时间离散系统，其传感器为旋转电弧传感器：旋转电弧的频率为20Hz，一周均匀地发出64个采集脉冲，采样时间ts=1/(20*64)=0.000781s，程序中采[1]用定时器控制输出的办法，每800ms输出一次，故控制周期tc=800ms。dedt图一系统结构3模糊神经网络PID控制器的设计模糊神经网络PID控制器是在常规的PID控制器的基础上，根据实际的情况利用经验和技术知识进行离线进行学习，通过计算系统的误

5、差和误差的变化率，在线实时的整定Kp、Ki、Kd三个参数。3.1模糊神经网络的结构原理神经网络具有并行计算、分布式信息存储、容错能力强以及具备自适应学习功能等一系列优点。但是一般来说，神经网络不适合表达基于规则的知识。另外一方面，模糊逻辑也是[2]一种处理不确定性、非线性和其他不适定问题(ill-posedproblem)的有力工具。它比较适合与表达模糊或定性的知识，其推理方式类似与人的思维。可是模糊系统又缺乏自学习和自适应的能力。因此将两者结合起来吸取二者之长可以组成比单独的一种更好的系统。模糊系统的标准模型如图二所示。输入向量x=[x,x,...,x]，每个分量均为

6、模糊语言12n变量，通过模糊化，映射成论域中模糊集合，在本例中采用的隶属度函数为铃型函数2(x−c0)−2µ(x)=eσA。根据模糊控制的规则库对输入进行模糊推理，并清晰化后得到系统的输出。图二基于标准模型的模糊控制系统3.2模糊神经网络[2]基于标准模型的模糊神经网络结构如图三所示，1aaµ111ωy111x1a2ω12x1mµ11a2ωr2ωr1y1rµnω1mxnωxmrmnnµ1aamm图三基于标准模型的模糊神经网络结构图中第一层为输入层，该层各个节点直接和输入分量x连接，它将输入值传递到下一层在i本文中该层的节点数为2，分别为误差e和误差变化率△e，他们的实际

7、论域为[-1,1]，通过尺度变换转化为[-6,6]。第二层每个节点代表一个语言变量值，如NB，PS等,它计算各个输入分量相对各个语言变量的隶属度。在本例中e和△e的模糊分割数都为7，因此本层节点2(xi−cij)−2jσij数为14。而隶属度函数为µ=e，j=1,2…,7，c和σ分别代表隶属度函数的隶属iijij度和宽度。第三层每个节点代表一条模糊规则，它的作用是匹配模糊规则的前件，计算适用度。本文取a=min{µi1,µi2},其中i∈{1,2…,7},i∈{1,2…,7}，因此本层的节点数为49。j1212当隶属度很小的时候取零，因此