BP神经网络PID自动控制在输电线路放线施工中的应用

【摘 要】输电线路的放线施工,最重要的是要控制放线高度与最后紧线完的弧垂控制.论文设计了一种放线施工自动控制器,以BP神经网络-PID控制为控制策略,将放线高度与弧垂光信号转换为电信号,进而将这个电信号无线传输到牵张场的牵张机,控制转速达到保持放线高度一致与精确控制弧垂的目的.

【关 键 词】输电线路；放线施工；BP神经网络-PID

引言

输电线路放线施工是一种高风险的施工作业,施工过程放线高度控制得不好,轻则造成导线损伤,重则造成人员伤亡事故.

1BP神经网络-PID控制器

图1控制系统模型

根据图1,其中R(s)代表了牵引机与张力机的转速,C(s)代表了导线实际垂度与设计弧垂的残差.控制器由两部分组成,一是常规PID控制器,用以直接对绳索或导线垂度进行闭环控制,且三个参数在线整定.二是BP神经网络,根据实际放线情况,通过神经网络的自身学习、加权系数调整,使控制器各项性能指标最优化,即最后稳定状态对应于某种最优控制规律下的PID控制参数(三个参数Kp,Ti,).BP神经网络同时也将绳索或导线垂度残差经过一定处理后作为系统反馈校正.

2实例研究

某110kV输电线路#33~#38档架线施工,该档线施工跨越几处树林、一条35kV线路、若干10kV线路及通信线.布置好牵张场后,架线开始.在重要观测档架设全站仪,将基准设置为设计弧垂,用光电转换装置读取此时绳索与基准之间的偏差,记录在控制器存储装置中.无线电发送装置读取存储数值,将该数据发送给牵引场及张力场的无线电接收装置.转速控制装置将读取到的数值转化为机械信号,从而控制牵张机的转速.

当架线开始,绳索处于基准下方(正偏差),C(s)较大,经反馈环节BP神经网络处理后牵引机的Q(s)为正,张力机的Q(s)为负,使牵引机的R(s)提高,张力机的R(s)降低,进而C(s)迅速减小,牵张机的Q(s)也逐渐变小,使绳索能快速、平稳、精确地接触到基准.若由于系统惯性较大,使绳索处于基准上方(负偏差),C(s)经反馈环节BP神经网络处理后牵引机的Q(s)为负,张力机的Q(s)为正,使牵引机的R(s)降低,张力机的R(s)提高,使绳索能快速、平稳、精确地回到基准.在这种控制器控制下的放线施工使绳索或导线保持一定的受力与垂度,保障了输电线路架线施工的安全.

以牵引机的传递函数为例,采用matlab软件进行紧线过程(放线过程中图像反转单调递增有最大稳定值,Amplitude为正)分析,设计一个牵引机系统的BP神经网络-PID控制器.首先,根据传递函数获取一个开环反应并由图确定需要改进地方,如图2所示.

图2无PID控制响应

可以由图2看出,系统上升时间、冲量、稳态误差相当大,应使用PID控制器加以改进.

接着,着手添加比例控制以改善上升时间、添加微分控制以改善冲量、添加积分控制消除稳态误差,得到的响应曲线如图3所示,从图中不难看出,系统上升时间、冲量、稳态误差得到明显减少,但系统依旧未达最佳状态.

图3无BP神经网络PID控制响应

最后用BP神经网络选取当前环境当前系统最优的Kp,Ti与,直到获得最好的整体反应.最后得到的最优Kp等于350,Ti等于300与等于50,响应曲线如图4所示.

这时,我们就获得了无过冲,快速上升时间,并几乎没有稳态误差的牵引机控制绳索或导线的垂度的最优闭环控制系统.

图4BP神经网络-PID控制响应

BP神经网络-PID自动控制达到稳定的过渡过程时间和上升时间短.从图2、图3、图4明显可以看出,BP神经网络-PID控制系统达到稳定的过渡时和上升时间远远短于常规PID控制系统达到稳定的过渡过程时间和上升时间.这不仅有利于提高工作效率,而且节省系统用电量,保证系统运行正常.

另外,BP神经网络-PID自动控制的自适应能力强,不易受到干扰.传统PID控制系统在控制一个过程对象前必须要整定PID参数并不可改变.而在实际中,由于环境和系统本身等都会不时的发生变化,这样传统PID控制系统很容易发生振荡与失控.BP神经网络-PID控制系统由于PID参数的在线整定,能够很快适应各种变化,从而可以较好的跟踪给定值,就有较强的适应能力.

3总结

传统PID控制本身存在缺陷,外界环境影响大,被控对象没有足够精度的数学模型以及被控对象有强非线性、快速时变不确定性、强干扰等特性,都会对系统的精度及稳定性造成重大不良影响.BP神经网络-PID控制具有快速学习能力和良好的性能,BP神经网络作用下的PID控制参数可以在线整定和优化,具有很强的自适应能力和鲁棒性.所以BP神经网络-PID自动控制在输电线路放线施工中得到了很好的应用.