基于广义回归神经网络的灌溉系统首部多用户配水快速PID控制

• 作者: 张千 张磊 张育斌 贾维兵 魏正英 魏浩然
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 流量 压力 神经网络 控制 耦合 PID调节
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 农业水土工程
• 页码范围: 103-109
• 页数: 7页
• 分类号: TP272
• 字数: 4982字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2020.11.012

摘要

针对多用户配水状态下灌区流量、压力需求变化范围大,传统流量、压力控制响应速度慢等问题,建立适用于多用户灌区配水的灌溉系统首部控制技术.该研究通过分析供水系统流量、压力调节方式,提出了流量、压力PID(Proportion Integration Differentiation)耦合调节方法,建立以电动阀开度为流量控制量、变频器频率为压力控制量对流量和压力进行调控的灌溉首部控制系统.为了减少系统的调节时间,提高系统的运行效率,采用广义回归神经网络(Generalized Regression Neural Network,GRNN)建立流量、压力和电动阀控制模拟量、变频器控制模拟量间的预测模型,形成神经网络PID控制模型(GRNN_PID),并进行模型精度和控制精度验证.GRNN训练结果显示,变频器控制模拟量的相对误差为0.11％～3.86％,电动阀控制模拟量相对误差为0.09％～5.74％,模型精度较高.使用3个调节过程模拟3个用户的需水行为对模型进行验证,结果表明,GRNN_PID模型3个过程的调节时间分别为11.6、10.7和7.2 s,PID模型3个过程的调节时间分别为31.7、29.6和16.9 s,GRNN_PID模型大幅减少了系统的调节时间,提高了系统的运行效率;分别计算了2种模型的控制精度,GRNN_PID调节方法和传统PID调节方法的稳态流量和压力误差都在1％以内,最大超调量为8％,控制精度较高但相差不大,表明GRNN是从策略上加速系统调节速度,其本身并没有对PID的参数进行调整,因此对系统的控制精度影响不大.研究可为灌溉系统流量压力快速控制提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张磊	西安交通大学机械制造系统工程国家重点实验室	154	671	13.0	20.0
2	魏正英	西安交通大学机械制造系统工程国家重点实验室	117	990	18.0	27.0
3	张育斌	西安交通大学机械制造系统工程国家重点实验室	28	89	6.0	7.0
4	张千	西安交通大学机械制造系统工程国家重点实验室	3	7	2.0	2.0
5	贾维兵	西安交通大学机械制造系统工程国家重点实验室	2	2	1.0	1.0
6	魏浩然	西安交通大学机械制造系统工程国家重点实验室	1	0	0.0	0.0