摘要：本文將神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)PID控制方法相結(jié)合構(gòu)成基于模糊RBF神經(jīng)網(wǎng)絡(luò)的自適應(yīng)PID控制系統(tǒng)，將其應(yīng)用于抽油機(jī)中非線性嚴(yán)重的開(kāi)關(guān)磁阻電機(jī)。通過(guò)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)算法等方法相結(jié)合的優(yōu)勢(shì)來(lái)改善控制系統(tǒng)的特性。實(shí)驗(yàn)結(jié)果表明本控制系統(tǒng)具有動(dòng)態(tài)響應(yīng)速度快，超調(diào)小，魯棒性好，節(jié)能效果明顯等優(yōu)點(diǎn)。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；開(kāi)關(guān)磁阻電機(jī)；PID控制；節(jié)能

中途分類號(hào)：TP9文獻(xiàn)標(biāo)識(shí)碼：B

0引言

目前,隨著我國(guó)大部分油田進(jìn)入中后期開(kāi)發(fā)階段及稠油井、低產(chǎn)井的增多和低產(chǎn)區(qū)的開(kāi)發(fā)，為保證產(chǎn)量，油田對(duì)抽油機(jī)的需求量越來(lái)越大。我國(guó)油田的抽油機(jī)保有量在10萬(wàn)臺(tái)以上,據(jù)不完全統(tǒng)計(jì)，近年來(lái)全國(guó)每年需新增抽油機(jī)1萬(wàn)臺(tái)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(jiǎn)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(shì)和努力目標(biāo)[1]。由于長(zhǎng)沖程直線抽油機(jī)具有結(jié)構(gòu)簡(jiǎn)單、質(zhì)量輕、傳動(dòng)路線短、效率高、維修方便、節(jié)能環(huán)保、適應(yīng)面廣等優(yōu)點(diǎn),，因此長(zhǎng)沖程抽油機(jī)成為國(guó)內(nèi)近些年開(kāi)發(fā)試驗(yàn)推廣的熱點(diǎn)[2]。

長(zhǎng)沖程抽油機(jī)的開(kāi)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(kāi)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(duì)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[3~5]。

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(shí)網(wǎng)絡(luò)對(duì)被控對(duì)象在線參數(shù)辨識(shí)，根據(jù)被控對(duì)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(zhǎng)沖程抽油機(jī)的工作原理

新型長(zhǎng)沖程直線抽油機(jī)采用開(kāi)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(guò)減速機(jī)構(gòu)帶動(dòng)驅(qū)動(dòng)輪，進(jìn)而通過(guò)牽引繩，帶動(dòng)配重箱和油桿上升、下降來(lái)抽汲油液，極大地簡(jiǎn)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)能提供了新型長(zhǎng)沖程直線抽油機(jī)采用開(kāi)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(guò)減速機(jī)構(gòu)帶動(dòng)驅(qū)動(dòng)輪，進(jìn)而通過(guò)牽引繩，帶動(dòng)配重箱和油桿上升、下降來(lái)抽汲油液，極大地簡(jiǎn)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[2]。長(zhǎng)沖程抽油機(jī)結(jié)構(gòu)框圖如圖1。

圖1長(zhǎng)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(guò)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.神經(jīng)網(wǎng)絡(luò)PID控制器

基于神經(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(guò)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(shí)網(wǎng)絡(luò)對(duì)抽油機(jī)的開(kāi)關(guān)磁阻電機(jī)在線參數(shù)辨識(shí)，根據(jù)轉(zhuǎn)矩變化，實(shí)時(shí)調(diào)整控制器的參數(shù)[3]。

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?；罨瘮?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。cij和bij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(guò)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(duì)學(xué)習(xí)速率采用在線自適應(yīng)調(diào)整。即在收斂過(guò)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(duì)wi(k)進(jìn)行優(yōu)化。因此，需要對(duì)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y是動(dòng)力因子

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

長(zhǎng)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(shí),選取X(k)=[u(k),y(k),y(k-1)]T作為辨識(shí)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(shí)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(shí)網(wǎng)絡(luò)，根據(jù)實(shí)際輸出y(k+1)和辨識(shí)輸出的偏差來(lái)修正模糊RBF控制網(wǎng)絡(luò)的參數(shù)，RBF辨識(shí)網(wǎng)絡(luò)得到系統(tǒng)靈敏度信息后對(duì)自身參數(shù)進(jìn)行修正。

4.仿真

通過(guò)實(shí)驗(yàn)對(duì)RBF神經(jīng)網(wǎng)絡(luò)控制的長(zhǎng)沖程抽油機(jī)的開(kāi)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(kāi)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為在本文提出的控制策略控制下系統(tǒng)的響應(yīng)過(guò)程。圖5為模糊RBF神經(jīng)網(wǎng)絡(luò)對(duì)PID參數(shù)的在線整定。表1為基于本文控制方法的長(zhǎng)沖程抽油機(jī)開(kāi)關(guān)磁阻電機(jī)的主要參數(shù)及現(xiàn)場(chǎng)測(cè)試報(bào)告。從表1數(shù)據(jù)可以看出,使用開(kāi)關(guān)磁阻電機(jī)驅(qū)動(dòng)的節(jié)能型長(zhǎng)沖程抽油機(jī),在有功功率、無(wú)功功率兩方面均比已采用游梁式抽油機(jī)的節(jié)能效果顯著;在功率因數(shù)上也有進(jìn)一步的提高;綜合節(jié)電率為40.64%。相對(duì)于普通抽油機(jī),沖程和沖次都有很大提高,調(diào)修也非常容易,尤其是在節(jié)能方面展示出新型抽油機(jī)的諸多優(yōu)點(diǎn)。

圖4系統(tǒng)動(dòng)態(tài)響應(yīng)曲線（本文方法）

圖5模糊RBF神經(jīng)網(wǎng)絡(luò)對(duì)PID參數(shù)的在線整定

表1長(zhǎng)沖程抽油機(jī)開(kāi)關(guān)磁阻電機(jī)的主要參數(shù)及現(xiàn)場(chǎng)測(cè)試

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(duì)象的自適應(yīng)控制。本文將模糊理論，系統(tǒng)辨識(shí)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(wèn)題。通過(guò)網(wǎng)絡(luò)的在線辨識(shí)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。，通過(guò)MATLAB仿真器實(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。新型控制系統(tǒng)可大大提高抽油機(jī)工作效率，同時(shí)也具備了節(jié)能效果良好,得到業(yè)界很多關(guān)注。

參考文獻(xiàn)

[1]張曉東,賈國(guó)超，關(guān)于我國(guó)抽油機(jī)發(fā)展的幾點(diǎn)思考[J].石油礦場(chǎng)機(jī)械,vol.37,NO.1,24~27,2008.

[2]張志學(xué).開(kāi)關(guān)磁阻電機(jī)在節(jié)能長(zhǎng)沖程抽油機(jī)的應(yīng)用[J].石油礦場(chǎng)機(jī)械vol.38,NO.5,75-78,2009.

[3]夏長(zhǎng)亮,修杰.基于RBF神經(jīng)網(wǎng)絡(luò)非線性預(yù)測(cè)模型的開(kāi)關(guān)磁阻電機(jī)自適應(yīng)PID控制[J].中國(guó)電機(jī)工程學(xué)報(bào),,vol.27,NO.3,Jan,2007.

[4]Hecht-NielsenR.TheoryoftheBack-Propagation,NeuralNetwork[J].ProcIEEEonNeuralNetworks1989,Int'conf560-605.

[5]歐陽(yáng)璐，黃友銳，黃宜慶.基于模糊RBF神經(jīng)網(wǎng)絡(luò)的PID及其應(yīng)用[J].計(jì)算機(jī)工程，vol.34,NO.22,Nove,2008.

[6][張弘．基于模糊-RBF神經(jīng)網(wǎng)絡(luò)優(yōu)化的PID控制[J]．西安郵電學(xué)院學(xué)報(bào)，2007，12(5)：79-81(inChinese)．

[7]T.Lachman,T.R.Mohamad,andC.H.Fong.NonlinearModelingofSwitchedReluctanceMotorsUsingArtificialIntelligenceTechniques[J]IEEProl,-Electr,PowerAppl,vol.151,Jan,2004:53-60.

[8]ShufenQiandGuodongWang.PIDControlofSingleNeuronforSwitchReluctanceMotorBasedonRBFNeuralNetwork[J].IEEE(ICEEAC2010),vol.4,pp111-114,November,2010.