一种气体流量控制方法 【技术领域】
本发明属于计算机控制领域， 涉及一种利用计算机控制气体流量的方法。背景技术 飞机内灭火系统由灭火瓶、 传感器、 管道、 喷嘴构成。它是保证飞机在飞行过程中 突遇火险的情况下， 仍能进行安全飞行的重要系统。
在某型飞机设计过程中， 为了保证灭火系统设计的合理化、 最佳化， 需要进行灭火 系统的原理性试验。
气流模拟系统是飞机灭火系统原理性试验的关键设备， 其主要功能是在试验时， 为 APU 舱提供持续稳定的气流。
现有技术对气流控制采取的是经典 PID 控制， 通过 PID 处理模块的比例、 积分和微 分后将得到的处理结果与目标值进行比较， 但是， 由于本系统的复杂性和气体本身的物理 特性， 经典的 PID 控制在精度和时效性方面略显不足。
发明内容
本发明的目的是， 提供一种能够高效、 精确控制气体流量的方法。
本发明的技术解决方案是， 一种气体流量控制方法， 其步骤如下 ：
步骤 1 初始化， 在计算机内设定目标流量， 目标流量、 被控对象的反馈流量和 PID 控制器的输出反馈一起进入 DRNN 神经网络 ；
步骤 2 神经网路处理， 经过 DRNN 神经网络的算法处理进入 PID 控制器， 与 PID 控 制器的输出反馈一起作为 PID 控制器的输入 ；
步骤 3PID 处理， 经过 PID 控制器的比较处理后产生对被控对象的输入 ；
步骤 4PID 控制器的输出经过 D/A 转换， 产生模拟信号进入伺服功放进行功率放 大；
步骤 5 放大后分成两路信号， 一路进入电动阀， 通过电动阀控制风道的开度 ； 另一 路输入变频电机， 变频电机带动鼓风机产生一定的风量通过风道进入 APU 舱 ；
步骤 6 由传感器对风道风量进行检测， 将检测结果输入信号调理器， 经 A/D 转换后 进入计算机控制系统， 并作为下一轮的反馈输入。
步骤 2 中的所述 DRNN 神经网络处理过程如下 ： 目标流量、 被控对象的反馈流量和 PID 控制器的输出反馈作为 DRNN 神经网络的 3 个输入层节点， 经过输入层的算法运算， 产生 输出进入每一个隐层节点， 隐层具有自反馈功能， 经过隐层的算法运算， 产生的输出汇集到 输出层， 经过输出层的算法运算， 产生 DRNN 神经网络的输出。
所述输入层、 隐层、 输出层的权值采用带动量项的梯度优化算法。
所述计算机的 DI/O 输出开关量到继电器驱动， 经由继电器驱动进行变频电机的 开关控制。
本发明的有益效果是 ： 本发明气体流量控制方法在经典 PID 控制理论的基础上引入 DRNN 神经网络控制方法， 通过仿真和试验证明， 本发明比经典的 PID 控制， 在控制的响应 时间、 达到稳定的时间和控制的超调均具有明显的优势， 在 APU 舱灭火性能原理性试验中 得到了很好的应用， 有助于提高飞机灭火性能， 提高飞行安全性， 具有广阔的应用前景。 附图说明
图 1 为本发明气体流量控制方法的流程图 ； 图 2 为本发明是计算机内的信号处理功能模块的原理图 ； 图 3 为本发明与经典 PID 的试验控制效果对比图。具体实施方式
下面通过具体实施方式对本发明作进一步的说明 ：
在某型飞机 APU 舱灭火系统原理性试验中， 应用本发明对气体流量进行控制。请 参阅图 1， 其是本发明气体流量控制方法的流程图。 其气流模拟系统由测控系统和气路装置 组成。其中， 所述测控系统主要计算机 ( 主机、 显示器、 鼠标、 键盘、 打印机 )、 测控通道 (A/ D 通道、 D/A 通道、 D/IO 通道、 信号调理器、 继电器驱动器 )、 伺服执行机构和传感器组成， 其 中， 所述计算机主机内设置有信号处理功能模块。而气路装置主要由电动阀、 变频电机、 鼓 风机和风道组成。其中， A/D 通道、 D/A 通道、 D/IO 通道均与计算机相连。所述 D/A 通道从 计算机输出后经伺服功效同时与电动阀和变频驱动相接。然后控制鼓风机和风道， 从而控 制管路流量， 最后实现对 APU 舱内气流控制。 所述 D/IO 通道经继电器驱动与开关控制相连， 由该开关控制实现对变频驱动的控制。而传感器用于监控风道的管路流量， 然后经信号调 理器和 A/D 通道后由计算机进行处理。 请同时参阅图 2， 其是计算机内的信号处理功能模块的原理图。 所述信号处理功能 模块由给定值、 DRNN 神经网络、 PID 控制器和被控对象四部分组成。
其中， 给定值部分是指在计算机内设定目标流量， 目标流量、 被控对象的反馈流量 和 PID 控制器的输出反馈。 DRNN 神经网络包括输入层、 隐层、 输出层以及作用于三者的梯度 优化算法， 其中， 所述隐层具有一输出的延迟反馈。所述 PID 控制器可以把收集到的数据和 给定目标流量进行比较， 然后把这个差别用于计算输出值， 这个输出值的目的是可以让被 控对象的流量达到或者保持在目标流量。
经过 DRNN 神经网络的算法处理进入 PID 控制器， 与 PID 控制器的输出反馈一起作 为 PID 控制器的输入， 经过 PID 控制器处理后产生对被控对象的输入。所述目标流量、 被控 对象的反馈流量和 PID 控制器的输出反馈作为 DRNN 神经网络的 3 个输入层节点， 经过输 入层的算法运算， 产生输出进入每一个隐层节点， 隐层具有自反馈功能， 经过隐层的算法运 算， 产生的输出汇集到输出层， 经过输出层的算法运算产生 DRNN 神经网络的输出， 并再进 入 PID 控制器。其中， 所述输入层、 隐层、 输出层的权值采用带动量项的梯度优化算法。
而所述 PID 控制器输出经过 D/A 转换， 产生模拟信号进入伺服功放。放大后分成 两路信号， 一路进入电动阀， 通过电动阀控制风道的开度 ； 另一路输入变频电机， 变频电机 带动鼓风机产生一定的风量通过风道进入 APU 舱。由传感器对风道风量进行检测， 将检测 结果输入信号调理器经 A/D 转换后进入计算机控制系统。由 DI/O 输出开关量到继电器驱 动， 经由继电器驱动进行变频电机的开关控制。
下面给出本发明气体流量控制方法的步骤 ：
步骤 1 初始化， 在计算机内设定目标流量， 目标流量、 被控对象的反馈流量和 PID 控制器的输出反馈一起进入 DRNN 神经网络 ；
步骤 2 神经网路处理， 经过 DRNN 神经网络的算法处理进入 PID 控制器， 与 PID 控 制器的输出反馈一起作为 PID 控制器的输入 ；
步骤 3PID 处理， 经过 PID 控制器处理后产生对被控对象的输入 ；
步骤 4PID 控制器的输出经过 D/A 转换， 产生模拟信号进入伺服功放， 即功率放大 器；
步骤 5 放大后分成两路信号， 一路进入电动阀， 通过电动阀控制风道的开度 ； 另一 路输入变频电机， 变频电机带动鼓风机产生一定的风量通过风道进入 APU 舱 ；
步骤 6 由传感器对风道风量进行检测， 将检测结果输入信号调理器， 经 A/D 转换后 进入计算机控制系统， 并作为下一轮的反馈输入。
试验时， 当设定某一目标流量时， 经由信号处理功能模块运算后， 将结果通过测控 通道、 伺服执行机构作用到气路装置上。 同时气路装置的实时流量通过传感器采集、 测控通 道反馈回信号处理功能模块， 信号处理功能模块根据反馈流量和目标流量经过比较运算后 产生新一轮的控制输出。如此反复， 直到反馈流量达到并保持在目标流量。反馈流量的初 始值为 0。
请参阅图 3， 其是本发明与经典 PID 的试验控制效果对比图。由图中可以看到， 初 次控制的达到稳定时间约为经典 PID 控制的 0.4， 超调约为经典 PID 控制的 0.7， 因此相对 于现有技术的 PID 控制， 其控制在精度和时效性均具有较大提高。
综上所述本发明气体流量控制方法通过结合 DRNN 神经网络控制算法和 PID 控制 原理， 实现了气体流量的高速、 精确控制。通过仿真和试验证明， 本发明比经典的 PID 控制， 在控制的响应时间、 达到稳定的时间和控制的超调均具有明显的优势。本发明气体流量控 制方法通过对机舱内气流控制系统的原理性研究， 在 APU 舱灭火性能原理性试验中得到了 很好的应用， 有助于提高飞机灭火性能， 提高飞行安全性， 具有广阔的应用前景。