數(shù)據(jù)融合PID 算法綜合管廊智能監(jiān)控系統(tǒng)

魏立明，于 波，張譯心，董開泰

（吉林建筑大學(xué)電氣與計(jì)算機(jī)學(xué)院，吉林 長春 130118）

隨著我國地下綜合管廊信息化業(yè)務(wù)的不斷發(fā)展和推進(jìn), 綜合管廊基礎(chǔ)運(yùn)行設(shè)施的維護(hù)和管理體系正在逐步建立和完善。傳統(tǒng)的綜合管廊運(yùn)營設(shè)施維護(hù)和管理模式變得難以適應(yīng)新型的環(huán)境[1-2]。因此面對地下綜合管廊快速建設(shè)和發(fā)展的市場趨勢,如何更安全、高效、經(jīng)濟(jì)便利地開展運(yùn)營和有效管理地下綜合管廊仍是亟待解決的問題。長期利用復(fù)雜的圖紙和各種智能卡片處理城市地下管線的數(shù)據(jù),可能會帶來數(shù)據(jù)不完整、精度明顯降低、數(shù)據(jù)分散、預(yù)警延誤、處理延誤等一系列問題。因此,利用最新的綜合管廊信息數(shù)據(jù)處理技術(shù), 構(gòu)建基于城市地下綜合管廊的智能安全監(jiān)控?cái)?shù)據(jù)處理平臺, 對地下綜合管廊的數(shù)據(jù)進(jìn)行實(shí)時(shí)和信息化的管理, 及時(shí)發(fā)現(xiàn)和有效處理各類安全事故,顯得十分必要和迫切。

1 系統(tǒng)總體方案

一套比較完善的地下通道的智能監(jiān)控管理系統(tǒng), 可以有效保證同時(shí)完成對各類大型專業(yè)地下通道工程管線的實(shí)時(shí)智能管理和監(jiān)控[3]。因此,逐步形成了城市地下綜合管廊的分級智能控制、多級智能管理的工作模式, 并由此基礎(chǔ)上構(gòu)建了城市綜合智能地下通道監(jiān)控智能管理平臺的結(jié)構(gòu)和總體監(jiān)控系統(tǒng)結(jié)構(gòu),系統(tǒng)總體框圖見圖1。系統(tǒng)總體結(jié)構(gòu)由3部分組成，分別是前端采集系統(tǒng)、下位機(jī)系統(tǒng)和上位機(jī)系統(tǒng)。前端采集系統(tǒng)主要采集城市地下綜合管線中各類狀態(tài)數(shù)據(jù)，并將其接入主控系統(tǒng)、網(wǎng)絡(luò)傳輸系統(tǒng)和數(shù)據(jù)中心。下位機(jī)系統(tǒng)可以對各類情景下的管廊內(nèi)部的水泵、風(fēng)機(jī)等設(shè)備進(jìn)行實(shí)時(shí)控制，實(shí)現(xiàn)工作內(nèi)部環(huán)境溫度、水位及CO，CH4，H2S 等監(jiān)控對象的智能化控制。上位機(jī)系統(tǒng)主要具有各種監(jiān)控變量的歷史曲線查閱、液位報(bào)警值監(jiān)控等功能。

圖1 系統(tǒng)總體框圖

管廊監(jiān)測系統(tǒng)的范圍包括有害氣體監(jiān)測和含氧量監(jiān)測[4]，機(jī)電設(shè)備運(yùn)行狀態(tài)檢測和遠(yuǎn)程控制,以及排水系統(tǒng)液位監(jiān)測、環(huán)境溫濕度監(jiān)測等環(huán)境變量的實(shí)時(shí)監(jiān)測。①環(huán)境溫濕度控制[5]：實(shí)時(shí)采集并上傳管廊工作環(huán)境溫度數(shù)據(jù)，與最初設(shè)定的規(guī)定值進(jìn)行對比，將所監(jiān)測的實(shí)時(shí)數(shù)據(jù)進(jìn)行數(shù)學(xué)模型處理后送到風(fēng)機(jī)控制端，并利用風(fēng)機(jī)實(shí)現(xiàn)控制作用；②環(huán)境液位控制：當(dāng)降雨或積水使管廊的工作環(huán)境被淹沒時(shí)，可以向監(jiān)控中心發(fā)出報(bào)警信號，與此同時(shí)自動開啟排水泵對管道中的積水實(shí)施排水措施；③有害氣體監(jiān)測報(bào)警：由于CO，CH4，H2S 等氣體是對人體有害的氣體，本設(shè)計(jì)通過對這幾種氣體濃度進(jìn)行實(shí)時(shí)監(jiān)測，同時(shí)將這幾種氣體的濃度用PID 算法計(jì)算出來，以便采取相應(yīng)的應(yīng)急方案，保證人員的人身安全。

2 基于數(shù)據(jù)融合PID 算法的監(jiān)測系統(tǒng)

在城市地下綜合管廊的智能監(jiān)控系統(tǒng)中, 本論文提出了采用數(shù)據(jù)融合PID 算法進(jìn)行智能控制,初步對城市地下管廊的工作環(huán)境監(jiān)控時(shí)所需要的基礎(chǔ)數(shù)據(jù)進(jìn)行收集，并且利用卡爾曼濾波算法對收集出來的數(shù)據(jù)進(jìn)行最初的處理, 使用數(shù)目巨大的數(shù)據(jù)對模型進(jìn)行訓(xùn)練。圖2 為PID 算法的原理圖。

圖2 PID 算法原理圖

PID 算法的數(shù)學(xué)表達(dá)式如下：

相關(guān)傳遞函數(shù)是：

式中：Kp為比例系數(shù)；Ti為積分時(shí)間常數(shù)；Td為微分時(shí)間常數(shù)；U（s）為輸入量 u（t）的拉普拉斯變換；E（s）為輸入量e（t）的拉普拉斯變換。PID 算法仿真圖見圖3。

圖3 PID 算法仿真圖

當(dāng)系統(tǒng)進(jìn)入正常工作狀態(tài)，且外部環(huán)境發(fā)生變化或有較強(qiáng)的干擾時(shí)，要求對所有用到的參數(shù)進(jìn)行復(fù)位操作。本文提出的控制算法，核心是利用卡爾曼濾算波法[6-7]整合現(xiàn)場所需要的數(shù)據(jù)，并通過BP神經(jīng)網(wǎng)絡(luò)算法對PID 算法的控制參數(shù)進(jìn)行優(yōu)化，使監(jiān)控系統(tǒng)的性能達(dá)到了預(yù)期的效果。城市地下管廊具有較好的動態(tài)調(diào)節(jié)能力和抗干擾能力[8-10]，算法流程見圖4。本文對所有數(shù)據(jù)進(jìn)行規(guī)范化所運(yùn)用的方法為一般平均歸一化法。

圖4 PID 算法流程圖

式（3）中，計(jì)算的輸入數(shù)據(jù)所用到的規(guī)范化的神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)記為x′，經(jīng)處理后得到的BP 神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)和輸入數(shù)據(jù)被記為x。當(dāng)結(jié)果從網(wǎng)絡(luò)輸出時(shí)，需要對數(shù)據(jù)進(jìn)行反向規(guī)范化，并將[0，1]的數(shù)據(jù)轉(zhuǎn)換成系統(tǒng)輸出值。并且其處理公式如下：

式（4）中，將神經(jīng)網(wǎng)絡(luò)系統(tǒng)的最終數(shù)據(jù)輸出實(shí)際值設(shè)為y，將系統(tǒng)規(guī)范化的數(shù)據(jù)輸出值設(shè)為x′，將數(shù)據(jù)在經(jīng)過系統(tǒng)規(guī)范化數(shù)據(jù)后的輸出過程中的最大數(shù)據(jù)值設(shè)為xmax，將系統(tǒng)最終的數(shù)據(jù)輸出中的最小數(shù)據(jù)值設(shè)為xmin。通常對數(shù)據(jù)進(jìn)行逆歸一化的公式可以得出神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出值。

傳統(tǒng)的數(shù)字增量式PID 算法公式：

轉(zhuǎn)換思路是將公式（5）中的 KP，KI，KD作為系統(tǒng)的可調(diào)控制參數(shù),將公式（5）轉(zhuǎn)換為：

本文采用H2S 和溫度作為典型的測量參數(shù)，并以非線性函數(shù)R=f（u1，u2，u3，u4）為代表。本文采用BP 神經(jīng)網(wǎng)絡(luò)對非線性函數(shù)進(jìn)行逼近 KP，KI，KD，并利用該算法對地下管廊的內(nèi)部環(huán)境數(shù)據(jù)進(jìn)行融合,輸出是下一個(gè)PID 算法的控制系數(shù)。

前向兩層的BP 神經(jīng)網(wǎng)絡(luò)選擇隱層節(jié)點(diǎn)數(shù)的公式為:輸入層的神經(jīng)元數(shù)設(shè)定為M，隱層的神經(jīng)元數(shù)設(shè)定為q。通過公式可以得出結(jié)論，在本次設(shè)計(jì)中有9 個(gè)隱藏的層節(jié)點(diǎn)數(shù)。由此可得出：本文所講的激勵函數(shù)和隱含層的第一個(gè)隱含層定為前向雙曲正切的激勵函數(shù)，其激勵函數(shù)的計(jì)算公式如下：

隱藏層的輸出如下：

在上述表達(dá)式中，將Xj作為輸入層某一神經(jīng)元J 的輸入，將隱層某一神經(jīng)元I 的輸出設(shè)定為Xi，將Bi設(shè)定為隱層神經(jīng)元I 的閾值，將輸入層神經(jīng)元J與隱層神經(jīng)元I 的連接權(quán)值設(shè)定為Wij。

將輸出層節(jié)點(diǎn)設(shè)置為線性激勵函數(shù), 得到整個(gè)網(wǎng)絡(luò)的輸出如下：

式（9）中，Wki為隱層神經(jīng)元 I 與輸出層神經(jīng)元 K 的連接權(quán)值。

不斷地調(diào)整控制 KP，KI，KD參數(shù)，直到本系統(tǒng)控制要求達(dá)到卡爾曼算法的最優(yōu)狀態(tài)。根據(jù)以上描述,將分為如下幾個(gè)步驟：①指定卡爾曼濾波算法的初始值 x（0|0）和協(xié)方差 P（0|0）。選擇并權(quán)衡 BP 神經(jīng)網(wǎng)絡(luò)的慣性系數(shù)及其學(xué)習(xí)速率，將K 值設(shè)定為1，初始化加權(quán)系數(shù)Wij（0）和Wli；②通過卡爾曼整合取樣后，獲得r（k）和y（k）；③規(guī)范化和統(tǒng)一化；④將通過歸一化處理后的最終數(shù)據(jù)結(jié)果輸入BP 神經(jīng)網(wǎng)絡(luò)模型進(jìn)行計(jì)算，并將其最終結(jié)果當(dāng)做數(shù)據(jù)融合的PID控制算法中能夠調(diào)節(jié)參數(shù)的數(shù)值；⑤收集數(shù)據(jù)融合的PID 控制算法的最終結(jié)果u（k）；⑥優(yōu)化加權(quán)系數(shù)；⑦k=k+1，返回②。

通過對實(shí)驗(yàn)結(jié)果的精確分析及查找相關(guān)的文獻(xiàn)證實(shí)實(shí)驗(yàn)所得結(jié)果計(jì)算出參數(shù)KP=4.55，KI=0.15，KD=5.7，充分滿足此次仿真實(shí)驗(yàn)的要求，并且得出了在MATLAB 中對本次算法的模型及算法的仿真效果圖，如圖5 所示。在BP 神經(jīng)網(wǎng)絡(luò)部分，利用S 函數(shù)建立模型,如圖6 所示，在MATLAB 中建立了基于數(shù)據(jù)融合的PID 算法的模型并進(jìn)行了仿真。

圖5 卡爾曼仿真效果圖

圖6 PID 算法模型圖

從圖7 中可以看出，系統(tǒng)的輸出響應(yīng)具有明顯的滯后性，因此可以看出城市地下綜合管廊監(jiān)控系統(tǒng)存在滯后性。從系統(tǒng)調(diào)整時(shí)間及曲線上升時(shí)間可以看出，本文研究的PID 算法比傳統(tǒng)意義上采用的PID 控制算法分別低22.2%和35.7%。從仿真曲線比較可以看出，基于數(shù)據(jù)融合的PID 算法與BP 神經(jīng)網(wǎng)絡(luò)結(jié)合及卡爾曼濾波效果仿真曲線十分穩(wěn)定。在保證穩(wěn)定性的基礎(chǔ)上，本文算法能更好地減少系統(tǒng)所需的調(diào)節(jié)時(shí)間，能將穩(wěn)態(tài)誤差基本降至0。

圖7 PID 算法仿真對比圖

3 系統(tǒng)測試

本監(jiān)控系統(tǒng)下位機(jī)收集整理的現(xiàn)場數(shù)據(jù)通過上位機(jī)實(shí)時(shí)匯總，并通過圖表展現(xiàn)給檢測人員。當(dāng)有報(bào)警事件發(fā)生時(shí)，該頁面能夠快速將各類歷史發(fā)生過的報(bào)警信息成功整理到一起。并且其整理的歷史報(bào)警信息十分詳細(xì)，通常包括報(bào)警信號的開始時(shí)間和報(bào)警種類，歷史報(bào)警界面見圖8。

圖8 報(bào)警界面圖

4 結(jié)論

本次設(shè)計(jì)控制工具采用PLC 進(jìn)行分析，同時(shí)在控制算法上使用數(shù)據(jù)融合，結(jié)合PID 算法對綜合管廊中某些參數(shù)進(jìn)行控制與優(yōu)化處理。采用本文的算法研究方案在很大程度上降低了外界干擾程度。采用LABVIEW 軟件進(jìn)行上位機(jī)設(shè)計(jì)，操作過程簡化，功能齊全，監(jiān)控界面清晰，便于系統(tǒng)整體軟件的移植性和可操作性。