基于神经网络PID控制算法在多缸电液伺服系统同步控制中的仿真研究丁曙光，刘勇合肥工业大学,合肥,230009摘要：本文介绍了神经网络控制原理，提出了神经网络PID算法，通过选定三层神经网络作为调节函数，经过Simulink仿真确定了神经网络PID控制器的参数，设计了神经网络PID控制器。

推导出多缸液压同步控制系统在各种工况下的传递函数，并把该控制器应用到多缸液压同步控制系统中。

经过仿真研究表明该控制器控制效果良好，能满足多缸液压同步的控制要求。

关键词：多缸同步；PID算法；仿真；神经网络Study on the simulation and appllication of hydraulic servo system of straihtening machine based onImmune Neural network PID control alorithmDING Shu-guang, GUI Gui-sheng,ZHAI HuaHefei University of Technology, Hefei 23009Abstract:The principle of immune feedback and immune-neural network PID algorithm was respectively.An immune-neural network PID controller was designed by which an adaline neural network was selected as antibody stay function and parameters of the immune-neural network PID controller were determined by simulation.The transfer function of the hydraulic servo system of crankshaft straightenin on were introduced in different working conditions.The immune-neural network PID controller was applied to hydraulic system of crankshaft straightenin.The simulation and equipment were done,and results show that its control effectiveness is better and can meet the needs of he hydraulic servo-system of crankshaft straightening hydraulic press.Key words:straightening machine; Immune control arithmetic; simulation;neural network0引言精密校直液压机（精校机）液压伺服系统是精校机的执行环节，高精度液压位置伺服控制是精校机的关键技术之一，它保证了液压伺服控制系统的控制精度、稳定性和快速性，是完成校直工艺的必要条件。

因此，精校机液压伺服控制系统的研究，为精校机产品的设计和制造提供了理论依据，对校直技术和成套设备的开发具有重大的意义[1]。

精校机液压位置伺服系统是一个复杂的系统，具有如下特点：精确模型难建立，要求位置控制精度高、超调量小、响应快、参数易变且难以确定[1]。

因此该系统的控制有较大的难度。

传统的PID控制虽然简单易行，但参数调整困难，具有明显的滞后特性，PID 控制很难一直保证系统的控制精度，Smith预估补偿国家重大科技专项资助（项目编号：2009ZX04004-021）安徽省自然科学基金资助（项目编号：090414155）和安徽省科技攻关项目资助（项目编号：06012019A）制方法从理论上为解决时滞系统的控制问题提供了一种有效的方法，但是Smith预估器控制的鲁棒性差，系统性能过分依赖补偿模型的准确性，限制了它在实际过程中的应用[1～5]。

近年来，人们开始将生物系统的许多有益特性应用于各种控制中[1～5]，取得了一定成果。

自然免疫系统使生物体的一个高度进化、复杂的功能系统，它能自适应地识别和排除侵入肌体的抗原性异物，并且具有学习、记忆和自适应调节功能，以维护肌体内环境的稳定。

自然免疫系统非常复杂，但其抵御抗原（antigen）的自适应能力十分显著。

生物信息的这种智能特性启发人们利用它来解决一些工程难题，这就引起多种免疫方法的出现。

人工免疫系统就是借鉴自然免疫系统自适应、自组织的特性而发展起来的一种智能计算技术。

该算法在大量的干扰和不确定环境中都具很强的鲁棒性和自适应性，在控制、优化、模式识别、分类等领域有了初步的研究成果。

为了提高精校机液压位置伺服系统控制的精度和鲁棒性，本文基于免疫系统的反馈原理，并和神经网络相结合，提出了免疫神经网络PID的控制算法，将其应用到精校机液压位置伺服系统中，仿真和实验结果表明应用了免疫神经网络PID控制器的液压伺服系统在不同的负载和不同的环境中仍然能取得较为满意的控制效果，满足精校机的滑块位置控制要求。

1精校机液压位置伺服系统YH40-160曲轴校直机的液压位置系统由比例伺服阀、液压缸、位移传感器、滑块等组成，通过D/A 转换器采用闭环控制。

系统构成如图1所示其主要参数见下表1：表1 YH40-160型曲轴校直机主要参数名称参数公称力/kN 1600最大液压力/MPa 25滑块行程/mm 350滑块下平面距工作台上平面的距离/mm 470油缸直径/mm 280油缸杆径/mm 260泵排量/ml 63滑块及活塞杆质量/kg 338最大上模质量/kg 35工作台尺寸/mm 左右7600 前后525滑块速度/mm/s 快下20～100 工作0～25 回程20～100利用表一可以推导出YH40-160曲轴校直机的的传递函数[1]。

实际分析可知ωr很小远远小于ωh，所以在负载为惯性负载和外力负载和负载为惯性力负载+弹性负载+外负载力两种工况下系统的数学模型都可看成一个积分环节串接一个二阶环节组成。

负载为惯性负载和外力负载是的传递函数为[1]：22()2(1)vh hKW SSS Sξωω=⨯++（1）理论上可以根据稳定性要求选择稳态速度误差系数Kv就可以得到比较理想的静动态特性。

但本系统为一个Ⅰ型系统由于穿越频率较低，影响了系统的快速性，且系统参数在不同的工况、不同的环境下是有较大的变化，所以仅仅靠静态选择系统的误差系数Kv、利用传统的PID控制要实现高的静动态性能是很困难的，需要设计高性能的控制器来实现之。

2免疫反馈控制原理[5～6]当外来物侵入机体时，免疫系统就会起作用。

免疫系统启动免役机制进行免疫应答。

免疫系统具有大量的称为淋巴的免疫细胞，主要包括两类：T细胞和B细胞。

B细胞的主要功能是产生抗体，执行获得性免役功能；而T细胞分为辅助T细胞Th、抑制T 细胞Ts。

免疫调节的过程为当外界抗原进入生物体内，被抗原呈递细胞消化后会产生细胞介素激活免疫反应，当抗原呈递细胞（APC）把抗原呈给T细胞时，通常首先激活辅助性T细胞（Th），活化并释放淋巴因子，进而激活B细胞产生抗体。

APC递呈细胞的抗原还能缓慢激活抑制T细胞（Ts）。

活化的Ts细胞反过来对Th细胞或B细胞发挥抑制作用。

图2为免疫系统反馈原理图。

3免疫神经网络PID控制器设计传统的PID控制器由比例、积分和微分环节构成，经过离散处理的传统PID控制算法为抑制抗原APC抗原加工Ts细胞Th细胞B细胞抗体激活消灭图2 免疫系统反馈原理图S I 图1 精校机液压系统)())1(11()(11k e Z T ZT K k u D I P ---+-+= （2）在免疫应答反馈调节过程中，人体内最终的抗体数量由激活的B 细胞数量决定，而B 细胞的激活数量又受到Th 和Ts 细胞的共同约束一个来自起促进作用的Th 细胞，另一个来自起抑制作用的Ts 细胞，第k 代B 细胞浓度可表示为)()()(k S k S k U s h -= （3）以抗原数量作为偏差e(k)，刺激总量U(k)作为控制输入量u(k))()(1k e K k U h = (4) )())(()(2k e k u K k U S ∆=φ (5))()))((1()(k e k u K k u ∆-=ηφ (6)式中))((,*,21k u K K K K ∆==φη为与抗体量变速度相关的一个非线性函数，即抗体抑制调节函数。

基于免疫反馈原理的免疫控制器是一个与偏差呈非线性关系的P 控制器，将PID 控制算法（2）与（6）结合构造的免疫PID 控制器为：))1(11()(11---+-+=ZT ZT K k u D I P)))((1()(k u K k e ∆-⨯ηφ （7）设计免疫PID 控制器的一个关键是构造出合适的抗体抑制调节函数，本文采用单层Adaline 网络来构造抗体抑制调节函数——非线性函数))((k u ∆φ，其结构图如图3。

以u 和u ∆作为网路的输入，网路的输出为))((k u ∆φ。

网路的阈值函数为Sigmoid 函数，通过最小二乘（LMS ）学习来逼近Adaline 网络的权值，网路的权值逼近公式为：)()()()1(k X k e k W k W μ+=+ （8）式中X(k)为神经网路的输入变量，W(k)为神经网 络的第k 次修正权值，e(k)为Y Y s 与的差值，μ为步长系数。

⎥⎦⎤⎢⎣⎡∆=u u X （9） ⎥⎦⎤⎢⎣⎡=21W W W (10)把该抗体抑制调节函数代入到免疫PID 控制器中就得到了免疫神经网络PID 控制器，整个系统的方框图见图4。

4免疫神经PID 算法仿真研究被控对象的传递函数选负载为惯性负载和外力负载时的传递函数即[1]：)12()(22+⨯+=S SS KS W hhvωξω （11）把表1所列的参数代入相关的公式可以得到系统的,7.829=h ωKv =100。

但随着工作环境和负载的不同，系统的阻尼比ζ的变化比较大，本系统为从0.15到0.35，因而增加了控制的难度。

利用Matlab 中的Simulink [7]对曲轴校直机进行建模和对设计的免疫神经网络控制器进行仿真研究并与传统的PID 控制器进行比较。

首先利用扩充临界比例度法对传统PID 的参数进行整定,得到各个如下参数:K P 为2.614，K I 为2.614，K P 为0.00377, K D 为0.0011,而免疫神经网络PID 的η选为0.5，u 为0.4，K 为1，仿真结果见图5和图6。