渠道供水系统的神经网络控制模型研究.pdf

渠道供水系统的神经网络控制模型研究 杨芳1刘青娥2、3 (1．水利部珠江水利委员会珠江水利科学研究院，广东广州 2．广东水利电力职业技术学院，广东广州 510635； 3．中山大学水资源与环境研究所，广东广州t 510275) 摘要在最优控制嚣的基础上并联两个神经网络模型NNM和NNC，将人I神经网络 所具有的并行性、自适应、自学习等能力应用于渠道运行现有的最优控制，作为控制系统 中寺々补偿环节，采完成精确模型的建立和稳定控帝l，从而提出一种新的渠道运行控帝j非线 性最优控制器。本文探讨神经网络在渠系运行控制的应用，为用神经网络理论研究渠道远 行自动控制提供一种理论和方法上的探讨。 关键词 节水灌溉；最优控制；神经网络；仿真 1引言 经典线性最优控制是从时域角度，根据对象的动态知识形成控制对象的数学模型。如 果模型方程能够精确地表达渠道运行的动态特性．那么可以依二次性能指标函数综合一个 状态变量的线性反馈控制律，形成一个闭环反馈控制系统，在二次型指标意义下达到最 优。但是，在渠道运行实际系统中，参数往往不是准确的，甚至含有非线性特性，如渠道 运行控制方程的非线性，加之渠道运行中各级取水口的取水流量并非完全按计划进行，存 在一定的随机性，以及各种干扰输入、测量误差，造成渠道控制模型的不确定性。要继续 保持渐近稳定性所容许的非线性限度，一般的最优控制方法很难解决这个问题。本文在原 有最优控制器的基础上并联两个神经网络模型，作为控制系统中的补偿环节，来完成精确 模型的建立和稳定控制。 2渠道运行线性最优控制数学模型 渠道系统由一系列的明渠渠段所组成，每个渠段以节制闸为上下游边界…。渠道上游 进口为渠首闸，下游出1：3为尾门。为了研究问题方便，渠首及渠尾假定由常水位水库相 连。取水口设在紧邻节制闸的上游边(如图1)。 在自动控制的渠道系统中，当水流状态发生变化时，节制闸门自动调整开度跟踪水位 的变化，最终使各渠段各节点的水深、流量趋于常值，各节制闸门开度也趋于常值，这就 是渠道自动控制系统的平衡状态、运行控制所要达到的目标。 360 水池 图l多渠道串联渠系示意图 3渠道运行神经网络非线性最优控制器设计 图2为设计的渠道运行神经网络非线性最优控制器结构，它由状态观测器、主控增益 M和反馈增益K、状态观测器增益K，、两个神经网络(NNM，NNC)组成，其中NNM 表示渠道模型补偿网络，它并联在观测器上，通过对实际运行状况的学习，完成原渠道运 行系统模型的不确定性补偿作用；NNC并联在控制器上，补偿由于数学模型的不精确性 造成的控制增益不精确性。状态观翻器要从量测噪声的检铡状态中获得渠道运行状态的最 优估计；反馈增益实现了使渠道运行控制在二次型指标意义下达到最优；主控增益实现了 输出对指定信号的跟踪要求，从而实现了全部指标“]。 a／-vxu(k) 叫赫 C 11广 9}￡(^+1)I L y(^+1) r(^) 4_ 殳一㈣一 ￡￡卜——一 面削。 盟 翟 日U(^) ^x一 习 丁 算 法 登．乎一 p(^+1) 图2槊道运行神经网络非线性最优控制器结构图 渠道系统的Riccati方程