摘要：本文基于DSP微處理器，采用神經網絡自適應逆控制實現了變頻恒壓供水。供水管網是非線性的分布參數系統，用固定參數的控制器一般不能實現高精度控制。本文引入非線性自適應逆控制，采用帶外生變量的自回歸（NARX）模型，結合最速下降算法在線辨識被控對象；以另一個NARX網絡為控制器，并將二者級聯，用BPTM算法訓練該控制器使其成為對象的逆模型。實驗證明該方法能適應系統運行點的變化實現水壓的高精度控制。
關鍵詞：自適應逆控制 神經網絡 變頻技術 供水系統

Abstract: The authors report on work in which adaptive inverse control in water supply system is proposed based on neural network,DSP and the technology of variable frequency.The piping networks are nonlinear distributed parameter systems which are difficult to control at high precise using fixed parameter controller. we introduce nonlinear adaptive inverse control to water supply system, in which a Nonlinear AutoRegressive exogenous input（NARX） model is used to identify the plant ,using steepest descent algorithm online,and another NARX network as a controller feeding commands to the plant and plant model is trained to be the inverse model of the plant,using BPTM algorithm. Experiments have proved that this controller is able to adapt to different conditions of the system and achieve high precise control.
Keywords: adaptive inverse control neural network technology of variable frequency water supply system system identification

1 前言
在城市供水和住宅小區高層供水系統中，傳統的供水方法通常采用高位水塔或閥控加壓的方式，這種控制方式使得水泵電機一直處于高速運行，造成電能的浪費。目前普遍采用變頻恒壓供水控制系統，以節約電能，減少高位蓄水導致的二次污染。在水壓閉環控制中，由于供水管網、水泵和電機均為本質非線性對象，具有時變性，很難建立既簡單又有效的數學模型，難以應用經典的控制方法設計并獲得高精度控制。比如，局部線性化后采用PID控制，由于近似線性模型的誤差較大，不能保證控制精度，若運行點再變化，則系統的穩定性也難以保證。增益調度雖然能有效的根據運行點的變化修改控制器的參數實現控制，但其局部近似線性模型仍不能保證控制精度。對于供水系統，若管道壓力波動過大，及易產生振動和噪聲，有可能引發水錘效應，產生爆管現象。針對此問題，本文設計了基于神經網絡的非線性自適應逆控制，并在模擬供水裝置上進行了實驗，顯著提高了水壓的控制精度。

2 自適應逆控制
自適應逆控制由Widrow和Walach首先提出，它以被控對象的動態逆系統為控制器，與被控對象級聯，使由控制器的輸入到對象輸出在數學上成為恒同映射，實現被控對象對輸入指令的跟蹤。自適應逆控制的基本框圖如圖1所示。通過在線辨識對象模型以獲取對象的運行狀態，然后以此運行狀態為信息，用自適應算法修改控制器參數時實跟蹤了被控對象的變化，使控制器給出正確的控制。

6 結論
本文通過實驗證明了神經網絡自適應逆控制在變頻恒壓供水控制中的有效性。實驗表明該方法能適應用戶用水量的變化，在不同運行點都能獲得高精度的控制，降低供水管網的振動，從而可減少設備故障降低管網的維護費用。有力地證明了神經網絡自適應逆控制在工程應用中的可行性。

參考文獻
1.B.Widrow,E.Walach 著，劉樹堂，韓崇昭，譯，自適應逆控制，西安交通大學出版社，1999年。
2. Karl Johan Åströ,Björn Wittenmark,Adaptive Control,科學出版社，2003年。
3. Gregory L .Plett, Adaptive Inverse Control of Linear and Nonlinear Systems Using Dynamic Neural Networks, IEEE TRANSACTIONS ON NEURAL NETWORKS, VOL. 14, NO. 2, MARCH 2003.
4. 金傳偉，毛宗源，變頻調速技術在水泵控制系統中的應用，電子技術應用，2000年第9期。
5. 薛定宇，反饋控制系統設計與分析，清華大學出版社，2000年。