网站首页  词典首页

请输入您要查询的论文：

　

标题 基于GA—BP神经网络控制的电热型流量调节阀
范文 郭林嘉 杨彪 王世礼



摘 要：针对供暖系统在实际运用中为一个滞后过程，难以保证其供暖介质流量控制精度的问题，利用感温石蜡的热胀冷缩效应作为电热型流量调节阀执行结构的动力源，获取石蜡温度与流量之间的关系，提出基于遗传算法的BP神经网络（GA-BP）方法。首先获取供暖系统温度，通过电热器加热石蜡得到其温度变化量与流量，然后应用GA-BP神经网络方法，对流量进行预测。通过与3次B样条函数递推最小二乘法、BP神经网络法对流量的预测结果对比试验验证，预测值和真实值的最大绝对误差分别为0.19、0.35、0.87，且均能满足实际应用的控制周期。结果表明，GA-BP神经网络对流量的控制更为精确。
关键词：电热型流量调节阀；智能控制；GA-BP神经网络法
DOI：10.11907/rjdk.173064
中图分类号：TP319
文献标识码：A 文章编号：1672-7800（2018）006-0150-03
Abstract：Aiming at the problem that it is difficult to ensure control precision of the heating medium flow because the heating system is a big lag processin practice， we utilize the thermal expansion and contraction effect of temperature sensing paraffin as the executive power for electro-thermal flow control valve structure to verify the relationship between parafin temperature and the flow rate. The GA-BP neural network method is proposed. Firstly the temperature of the heating system is obtained， and then paraffin is heated by the electro-thermal heater to obtain paraffin temperature change and flow rate； secondly the flow rate is predicted by GA-BP neural network. By comparison with the cubic B-spline function recursive least squares method and BP neural network method， the maximum absolute error between the predicted value and the true value is 0.19， 0.35， and 0.87 respectively， which can meet the control period of practical application， the experimental results show that the flow controlled by the GA-BP neural network has better accuracy in flow control.to predict the flow by adopting the temperature variation.
Key Words：electrothermal flow control valve； intelligent control； GA-BP neural network method
0 引言
本文研究的電热型流量调节阀实质上可以看作一种温度驱动控制阀，简称温控阀。常用的温控阀有两种类型：自力式温控阀和电动温控阀。电热型温控阀属于自力式温控阀，常用于供暖系统的温度控制，其温控过程是一个动态平衡过程[1]，利用感温介质具有受热膨胀且不能被压缩的性质实现自动调节。以常开型调节阀为例，当流经散热片热水过多时，房间温度过高，调节阀内部石蜡则会被通电加热膨胀，推动阀杆，执行器开始执行关闭动作，使流量减小[2]。电动调节阀由电动执行器和阀门构成，运用电执行器带动阀门进行流量控制[3]。其工作原理是：传感器将检测到的流量信号转换成电信号发送到控制器，让控制器控制电动执行器做相应动作，从而调节阀门开度。
自力式温控阀可根据感温介质不同而分为很多种，例如电热型流量调节阀即是利用石蜡介质具有受热膨胀和不能被压缩的性质实现阀芯调节[4]。另一种是用形状记忆合金（SMA）作为感温介质，它可以在一个小体积中产生高应力和变形的快速响应。当温度变化时，SMA产生变形，促使机械零件工作[5]。恒温混合阀广泛应用于电热水器、太阳能热水器和地热热水系统中，其感温介质也是记忆合金或石蜡[6]。
另一种温控阀是波纹管式控制阀，主要由阀体、阀芯、波纹管、波纹管保持架和阀盖组成，该波纹管式流量控制阀可以工作在高温环境下，因此其被控介质可以是高温燃油等[7]。还有一种阀芯式高温控制阀，可实现对冲压发动机高温供油流量的自动、准确调节[8]。
1 基于GA-BP神经网络控制的电热型流量调节阀
温控阀的控制过程是一个反馈过程，再加上温度和流量都是动态的，因此很难控制其精度。为解决该问题，本文提出基于遗传算法的BP神经网络控制方法。
1.1 BP神经网络
1.1.1 物理模型建立
该BP神经网络框架如图1所示，包含1个输入，11个隐含层神经元。输出层有1个神经元以及1个输出。其中输入样本为随机选取训练的15组样本。
1.1.2 数学模型建立
x-i表示输入，w-ji表示连接权值（前一层第j个神经元到该层第i个神经元的连接强度），net-i表示激活值，o-i表示神经元输出，θ-i表示阈值，则神经元输出为[9]：
由图1可知，该模型有一个输入、一个隐含层、一个输出层和一个输出。其中隐含层的激活函数为：
根据石蜡调节阀的机械结构，温度T对阀门开度的影响可看作瞬时的暂态位移Y，阀门暂态位移变化时可产生一个暂态流量值，即在预测值与实际值之间存在一个相对误差E-i或绝对误差e-i，相对误差或绝对误差越小，则控制效果越好。
R2即决定系数，决定系数范围在[0，1]内，越接近1，表明模型性能越好；反之，越接近0，表明模型性能越差。
1.1.3 训练及测试模型建立
结合实际工作时的石蜡温度情况，选定石蜡训练温度28℃～58℃为训练的输入，一共22组。数据来源于文献《电热型智能流量调节阀的研究与设计》[10]，随机选取训练样本数为15组，7组数据为测试集。调节阀流量与石蜡温度样本数据采集的部分数据如表1所示。
1.2 基于遗传算法的BP神经网络
权值和阈值直接影响到BP神经网络的训练效果，要获得一个稳定、鲁棒性强的神经网络，需要进一步用遗传算法进行优化，确定出最佳权值和阈值[11]。
遗传算法相当于一类优化问题，可以记为公式（8），并用遗传算法求其极值[9]：
使用遗传算法优化BP神经网络连接权值和阈值时，本文依然采用如图1所示的BP神经网络结构。首先对神经网络权值和阈值编码，得到初始种群；其次，将每一个初始种群解码得到其权值和阈值；然后开始训练神经网络，生成误差，计算适应度函数值；接着进行遗传算法中的选择、交叉、变异操作，对种群进行组合产生下一代个体，逐步得到新的优化种群[9]。结果若满足条件，则进行解码并得到最佳神经网络权值和阈值；若不满足，则返回之前步骤继续迭代计算。具体优化步骤如图2所示。
2 实验与分析
2.1 BP神经网络法仿真测试
第一次实验仅采用BP神经网络法，仿真测试结果如图3所示，可以看出仅使用BP神经网络法得出的结果R2约为0.77，与1差距较大，控制效果不太理想。如表2所示，采用该方法预测值与真实值的最大绝对误差为0.87，原因是BP神经网络的连接权值和阈值是随机产生的，所以连接权值可能不是最优，并且每次运行结果都不同。
2.2 GA-BP神经网络法仿真测试
为了得到更精确、稳定的值，第二次实验采用遗传算法优化BP神经网络连接权值和阈值，其它参数设置均与BP神经网络法一致。使用遗传算法优化后的仿真测试结果如图4所示，可以看出经遗传算法优化连接权值和阈值后，R2约为0.99，非常接近1，控制效果很理想。如表3、表4所示，优化后预测值和真实值的最大绝对误差为0.19，最大相对误差为0.03。
2.3 B样条函数模型拟合法仿真测试
在电热型智能流量调节阀的研究与设计[10]中运用B样条函数模型拟合法，通过不同阶次B样条实验，得出3次B样条函数拟合效果较好。3次B样条函数拟合曲线如图5所示，拟合误差曲线如图6所示，误差最大值为0.35。
3 结语
针对供暖系统在实际运用中难以保证其供暖介质流量控制精度的问题，本文以电热型流量调节阀为研究对象，该流量调节阀执行结构的动力源为石蜡，通过石蜡热胀冷缩的特性推动阀门的打开和关闭动作，得到石蜡温度与流量之间的关系。运用BP神经网络法、三次B样条函数递推最小二乘法、GA-BP神经网络法对其流量控制进行实验研究，得到预测值与真实值的绝对误差分别为0.87、0.35、0.19，计算时间分别为0.48s、0.39s、0.83s。实验结果证明，在电热型流量调节阀中，采用经过遗传算法优化权值和阈值后的BP神经网络方法误差更小。因此，在供暖系统温控过程中，所采用的电热型流量调节阀使用基于遗传算法的BP神经网络法进行控制更为合适，既可以增强稳定性，还可以使控制更加精确。
参考文献：
[1] 高新龙.调节弹簧对温控阀控温性能的影响[J].黑龙江科技信息，2016（8）：23-24.
[2] 康春生，李凌.关于温控阀的应用[J].经济技术协作信息，2009（4）：102.
[3] 呼志强，张洪颖.地面辐射供暖系统室温调控装置的设计分析[J]. 建筑建材装饰，2017（4）：104.
[4] 杨承志，张兴超，孙浩，等.一种电热型流量智能调节阀及其控制方法[P].中国：CN 103742706 A，2014.
[5] X L YANG，X SUN，C W WANG，et al. A valve for temperature control dominated by shapememory alloys[J]. 金属学报：英文版，1999（4）：492-494.
[6] HAI-CHU CHEN，FANG-YI WU，YIN-FA ZHU，et al. Design and research of a new thermostatic valve[J].Research Journal of Applied Sciences， Engineering and Technology，2014，5（7）：937-943.
[7] WEN ZENG，ZHIZHONG TONG，JICHENG BAI，et al. Dynamic characteristics research of a high temperature flow rate control valve[C]. 2011 International Conference on Fluid Power and Mechatronics，2011.
[8] Thermodynamic analysis of a high temperature flow rate controlvalve for ramjet engines[C]. 第五屆国际材料与热加工物理模拟及数值模拟学术会议，2007.
[9] 潘立登，李大字，马英俊.软测量技术原理与应用[M].北京：中国电力出版社，2009：312-313.
[10] 张兴超.电热型智能流量调节阀的研究与设计[D].昆明：昆明理工大学，2015.
[11] 孙丽.基于遗传算法BP神经网络的多目标优化方法[J].激光杂志，2016，37（8）：123-128.
（责任编辑：黄 健）
随便看

　

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。

　

Copyright © 2004-2023 puapp.net All Rights Reserved
更新时间：2025/2/11 3:58:47