一氧化氮流量控制系统仿真研究_黄科梁.pdf

第 卷 第 期 年 月北京生物医学工程 .基金项目：国家自然科学基金（）、宁波市重大科技专项（）资助作者单位：宁波大学机械工程与力学学院（浙江宁波）宁波戴维医疗器械股份有限公司（浙江宁波）通信作者：胡燕海，教授。：一氧化氮流量控制系统仿真研究黄科梁 刘广清 吴海啸 胡燕海摘 要 目的 针对模糊规则难以人为整定的难题，开发一种基于改进遗传算法整定模糊规则的模糊比例积分微分（，）算法，并应用于一氧化氮流量控制系统。方法首先采用机理法结合阶跃响应法的形式进行控制对象建模，再运用 进行控制算法的设计，最后将该算法与通用规则模糊 算法和位置式 算法进行仿真对比。结果 应用了该算法的一氧化氮流量控制系统具备超调小、几乎无稳态误差的特性，控制性能远远优于通用规则模糊 算法和位置式 算法。结论 该算法可解决模糊规则难以人为整定的困难，改善模糊 控制器控制性能，对提高 流量控制精度、降低 吸入疗法治疗风险具有参考价值。关键词 吸入疗法；阶跃响应法；改进遗传算法；模糊 算法；气体流量控制：.中图分类号.文献标志码 文章编号（）本文著录格式 黄科梁，刘广清，吴海啸，等 一氧化氮流量控制系统仿真研究北京生物医学工程，（）：，（）：，；.，：（：.）【】，（），【】；引言新生儿肺动脉高压（，）是新生儿常见的危重症疾病之一，其临床表现为持续性缺氧和发绀、严重的低氧血症、呼吸窘迫等。目前该疾病的诊断、治疗、护理一直是临床医学亟需解决的重大难题，发病率约为.，致死率高达 ，而呼吸衰竭伴随肺动脉高压的死亡率甚至达到。一氧化氮吸入疗法（，）是目前唯一通过前瞻性大样本随机对照试验证实对患儿 有良好治疗效果的肺血管扩张剂，且是目前唯一具有选择性治疗 的药物。近年来，越来越多的学者对 进行了相关的临床研究，大量研究表明 能有效改善肺动脉高压体征和血气指标。然而 及其被氧化生成的 对人体均具有毒性，过量吸入易造成亚硝基血红蛋白病，且 与水反应生成的硝酸对人体组织伤害更大，因此在治疗过程中实现对 气体流量的精准控制显得至关重要。气体流量控制技术已被广泛应用于医疗、化工、钢铁、汽车等领域。随着智能控制理论的发展，气体流量控制技术也在与时俱进。目前，模糊控制技术 与 比 例 积 分 微 分（，）控制技术已被成熟地应用于气体流量控制中。年，高慧中等为实现对鱼雷气体燃料动力系统气体流量的动态控制开发了一种 算法。年，王春晨开发了一种基于改进遗传算法整定 参数的控制算法，并将其应用于细胞培养气体混合控制系统中。年，刘景康等设计了一款基于模糊 控制策略的新型呼吸机流量控制系统。然而使用单一的 算法进行气体流量控制虽具有较快的响应速度，但同时也存在较大的超调及稳态误差，这正是 想要避免的问题。而模糊 控制策略中的模糊规则需要专业人士长期的经验得出，控制对象的不同往往导致模糊规则存在差异，故采用通用模糊规则参与 流量控制过程极有可能导致控制效果不够理想。为此，通过借鉴王春晨利用改进遗传算法整定 参数的思想，本文提出了一种基于改进遗传算法整定模糊规则的研究思路，并将整定得到的最优模糊规则用于模糊 控制器。控制系统建模.系统模型结构一氧化氮流量控制模型由比例阀流量输出部分及流量传感器信号采集部分组成。比例阀流量输出部分其控制变量为 寄存器值，被控变量为一氧化氮流量值，执行环节包括流量控制板内的 输出环节、运算放大器环节及比例阀内部的伺服放大器环节、直流电机环节、输出轴环节、位置信号变送器环节。输出环节将 寄存器值 转换为 输出电压，其数学关系可表示为。运算放大器环节将 输出电压 放大并转换至比例阀驱动电流，可近似表示为。伺服放大器环节将电流偏差值 转换至电压偏差值，数学关系为。直流电机环节将电压偏差信号 转换为转速信号，其关系可设为。输出轴环节其输入信号转速 与其输出信号角位移 呈微分关系。位置信号变送器的输入信号角位移 与输出信号位置电流 成正比，可近似表示为，驱动电流 同位置电流 的差值被传至伺服放大器输入端做反馈处理。由于本文选择的比例阀其实际工作曲线具有线性流量特性，即输出流量 与阀门开度或输出角位移成正比，故可将其表示为。将以上数学关系均以增量的形式表示，再经整理化简后可得：将上式进行拉氏变换后可得到比例阀流量输出部分的传递函数为一阶惯性环节，而相关文献表明流量传感器信号采集部分其传递函数也为一阶惯性环节。综上所述，一氧化氮流量控制系统构成的传递函数可表示为二阶惯性环节：（）（）（）.阶跃响应实验阶跃响应是指阶跃信号作用于系统时产生的零状态响应，能反映系统的动态特性，可用于辨识模型参数。实验过程中，将系统处于初始稳态时的输入输出信号视为基线，突然增大或减小系统的输入量，观察并记录系统输出。通过连续采回的数据可绘制阶跃响应曲线，辨识系统模型参数。阶跃响应实验前，需确定 寄存器值与 流量输出间的关系。实验装置由比例阀、减压阀、流量控制板、流量计、气源及气路组成，各个输出流量值分别进行 次实验。对 组数据依次进行中位数滤波处理后可得：流量值为、第 期 黄科梁，等：一氧化氮流量控制系统仿真研究、时，寄存器值为、。由于压力与阀门开度均能影响 流量输出能力，故先通过减压阀将比例阀前端的压力调整至固定值，此时比例阀流量输出范围被限制在 ，且流量输出能力仅与阀门开度相关。系统输入为单片机外设 的寄存器值，而输出则为 流量值，采样时间为.。首先调整 寄存器值至 使其 流量输出为，接着突然增大至 ，等待 流量值达到平衡状态。此时系统的输入变化为 ，由流量传感器读回数据得到的连续阶跃响应曲线如图 所示。图 系统阶跃响应曲线 .模型参数辨识运用 系统辨识工具箱，输入阶跃响应实验数据，计算方式选择传递函数模型，类型选择二阶无极点，辨识得到的系统模型为：（）.系统辨识后得到的曲线与原阶跃响应曲线的拟合度为.。而在工程应用中拟合度超过 即为可信，因此该辨识曲线有效，得到的系统模型可用作仿真。控制算法研究模糊控制是基于模糊集合论的一种智能控制技术，由于其控制精度较低，故工程应用中往往将 控制与模糊控制相结合，形成一种复合控制器，即模糊 控制器，借助 控制的积分作用来弥补模糊控制控制精度不高的缺陷。为了使模糊 控制器取得更好的控制效果，需制定最优的模糊规则。为了解决这一难点，本文采用改进遗传算法整定模糊规则，并将其作用于模糊 控制器，其整体结构如图 所示。图 改进遗传算法整定模糊规则的模糊 算法结构 .改进遗传算法整定模糊规则传统的模糊规依赖专业人员长期经验形成，控制对象不同易导致控制效果不够理想。据此本文采用改进遗传算法对模糊规则进行寻优，以此提升模糊 控制器控制性能，改进遗传算法整体结构如图 所示。图 改进遗传算法流程 .初始种群及编码初始种群规模定为 条染色体，每条染色体包含 个基因，每个基因取值范围为，分别代表负大（）、负中（）、负小（）、零（）、正小（）、正中（）、正大（）。随机生成 条染色体，剩余一条染色体由通用模糊规则构成，此操作可保证每次迭代后得到的结果均优于通用模糊规北京生物医学工程 第 卷则，大大增加了算法寻优能力。通用模糊规则由常规使用的分别指向用于调节 控制参数、的 条模糊规则组成，其在模糊推理过程中起着关键作用。该通用模糊规则经编码后其染色体表现形式如下所示：染色体（）。前 个基因代表指向 的模糊规则，中间 个基因代表指向 的模糊规则，最后 个基因代表指向 的模糊规则。.适应度函数适应度函数选用 积分性能指标函数，它可以综合评价控制系统的快速性、准确性、稳定性等静态和动态性能，目前已成为评价控制系统首选的性能评价函数。在本文中 性能指标值越小，表示控制系统控制性能越优，即表示由该 性能指标值指向的模糊规则越优。其表达式为：（）（）式中：（）为误差，；为时间，。.适应度的重新标定由于适值函数值越大代表适应度越差，而轮盘赌选择方式则是适应度越好的个体被选择的概率越大，故需要对求解得到的适应度进行重新标定。此外随着迭代次数的增加，选择压力越来越小，故标定方法采用动态线性标定，可以随着迭代次数的增加动态调整选择压力：式中：为本次迭代最大的适应度；为选择压力调节值；为迭代次数。.基于精英保留策略的选择操作本文在轮盘赌选择法的基础上进行改进，采用精英保留策略，即从旧种群中选出适应度较高的若干个体，直接复制到子代，这样可以保证子代的个体永远比父代的个体好。.多点交叉操作考虑到染色体的长度以及选择压力的大小，本文采用多点交叉的方式。随机选择两条父代染色体，将每条染色体等量分成 份，再依次对其进行单点交叉。交叉概率一般取.，考虑到实际情况，随着迭代次数的增加交叉概率逐渐减小，有关交叉概率的动态公式为：|式中：为交叉概率；为交叉概率范围系数；为迭代次数；为最大迭代次数。.多重方式变异操作变异算子使遗传算法具备局部的随机搜索能力，可防止早熟现象的出现。变异概率取值范围一般为.，考虑到实际情况，本文采用多重变异组合以及动态变异概率的方式。在开始阶段，采用小变异的形式，其动态变异概率为：|式中：为变异概率；为变异概率范围系数；为迭代次数；为最大迭代次数。当改进遗传算法出现进化迟缓现象时，则采用大变异的形式，其变异概率固定为.，可根据如下公式进行判断：.式中：为某一代的最大适应度；为某一代的平均适应度。而一旦改进遗传算法出现进化停滞现象（连续 次迭代结果一致），则采取全变异的形式，使其恢复个体多样性，有助于得到全局最优解。.模糊 控制器设计 流量控制模型属于时变性控制系统，为保证其控制精度，本文引入模糊 控制算法，通过模糊推理动态调节比例系数、积分系数、微分系数。控制器采用双输入三输出形式，输入变量分别为误差 与误差变化率。的实际论域与模糊论域分别是，、，其量化因子为.，的实际论域与模糊论域分别是，、，量化因子为.；输出变量分别为比例系数变化量、积分系数变化量、微分系数变化量，其实际论域依次是，、，、，.，模糊论域均是，比例因子依次是.、.、.。输入输出隶属函数均采用三角隶属函数，模糊推理过程采用 法，去模糊化过程采用重心法。第 期 黄科梁，等：一氧化氮流量控制系统仿真研究 仿真.模糊规则整定结果使用 对改进遗传算法进行软件仿真。种群规模 定为，迭代次数为 次，初始交叉概率为.，交叉范围系数 定为.，交叉概率变动范围.，小变异形式初始变异概率为.，变异范围系数 定为.，变异概率范围.，精英保留策略保留个数定为 个，采样时间定为.。通过反复调节确定其动态适值函数变换公式：改进遗传算法仿真运行结果如图 所示。图 迭代寻优图 从图中可以得出，第 次、次、次迭代后 性能指标值均出现了局部最小值，而每次迭代后呈现的 性能指标值均指向种群内的最优染色体，说明这三次迭代后染色体进化均已停滞。综上，故认为上述三处位置均出现了局部最优解，此时算法立即采用全变异使其恢复多样性继续寻找全局最优解。而在第二次、第三次局部最优解出现后，迭代过程并没有随着全变异操作取得更优的结果，故该局部最优解亦是全局最优解。将仿真得到的最小 性能指标值指向的最优染色体按编码原则反向解码，对应的最优模糊规则表见表，输出量依次是、。.基于改进遗传算法的模糊 控制器仿真结果改进遗传算法在 环境中仿真后得到特定的模糊规则，将该模糊规则作用于模糊 控制器。调参过程采用 整定法，经反复微调后，三个 参数初始值确定为 、.。为了检验本文控制算法的全局有效性，在 流量控制范围内设置 、低中高三个 流量控制目标，并分别给予幅值为、的干扰，再依次对其进行控制仿真。经 仿真得到的不同 流量控制目标下的控制响应曲线如图 所示。由图可见，应用了改进遗传算法整定模糊规则的模糊 控制系统几乎不存在超调现象及稳态误差，系统响应速度快，且具备一定的抗干扰能力，满足 流量控制要求。.仿真结果对照通用规则模糊 控制算法与位置式 控制算法进行仿真对比，结果如图 所示。从图中可以看出，基于改进遗传算法整定模糊规则的模糊 控制算法相较于通用规则模糊 控制算法和位置式 控制算法而言控制效果更好、控制性能表 遗传算法整定得到的模糊规则表 偏差 偏差变化率 北京生物医学工程 第 卷表 控制