基于單神經(jīng)元PID控制器的設計

1、精選優(yōu)質(zhì)文檔-傾情為你奉上研究生課程期末論文 課程名稱： 神經(jīng)網(wǎng)絡設計 任課教師： 論文題目： 基于單神經(jīng)元的控制系統(tǒng)設計 姓 名： 學 號： 摘要在控制理論和技術飛躍發(fā)展的今天，PID控制由于其結(jié)構(gòu)簡單、穩(wěn)定性能好可靠性高等優(yōu)點而被廣泛應用。然而在實際的工業(yè)過程中，許多被控過程機理復雜，具有高度非線性。這就要求在PID控制中，不僅PID參數(shù)的整定不依賴于對象數(shù)學模型，并且PID參數(shù)能在線調(diào)整，以滿足實時控制的要求。單神經(jīng)元自適應PID控制將是解決這一問題的有效途徑。利用神經(jīng)網(wǎng)絡具有自學習、自組織、聯(lián)想記憶和并行處理等功能和對于復雜系統(tǒng)控制可以達到滿意效果的優(yōu)勢，提出了具有自學習和自適應能力的

2、單神經(jīng)元來構(gòu)成單神經(jīng)元自適應PID控制器的策略。這種神經(jīng)元構(gòu)成的控制器不僅結(jié)構(gòu)簡單，且能適應環(huán)境變化，有較強的魯棒性。使自適應PID控制達到最優(yōu)。其仿真結(jié)果表明：該控制器與典型的PID控制器相比，系統(tǒng)輸出能夠很好地跟蹤參考模型的輸出顯著提高了系統(tǒng)的動態(tài)響應能力。關鍵詞：自適應；PID控制；神經(jīng)元第一章 引言70年代以來，由于空間技術和過程控制發(fā)展的需要，特別是在微電子和計算機技術的推動下，自適應發(fā)展很快1。到了80年代，建立在狀態(tài)空間概念上的現(xiàn)代控制理論取得了很大進展，它不僅能用來解決單輸入單輸出控制系統(tǒng)的分析與設計問題，同時還能處理多輸入多輸出的控制系統(tǒng)的情況。更為重要的是，在此期間內(nèi)，線性

3、系統(tǒng)，最優(yōu)控制，最優(yōu)估計，系統(tǒng)的辯識，隨機控制等多個現(xiàn)代控制理論分支相繼出現(xiàn)，并取得了有使用價值的成果，為自適應控制技術進一步發(fā)展提供了堅實的基礎。第二章 問題描述隨著工業(yè)和自動化技術的發(fā)展，自動化的應用領域日趨廣泛，受控對象的復雜程度差異很大， 而且控制精度的要求也參差不齊。特別應該指出的是，對某些實際的工業(yè)受控對象來說，它們的數(shù)學模型（包括結(jié)構(gòu)與參數(shù)）是很難事先提供的。因為在實際情況中可能會出現(xiàn)受控對象的數(shù)學模型未知的情況和受控對象參數(shù)要發(fā)生不可知的變化的情況。同時在實際的工業(yè)過程中，許多被控過程機理較復雜，具有高度非線性、時變不確定性和純滯后等特點。在噪聲、負載擾動等因素的影響下，過程參

4、數(shù)，甚至模型結(jié)構(gòu)，均會發(fā)生變化。這就要求在PID控制中，不僅PID參數(shù)的整定不依賴于對象數(shù)學模型，并且PID參數(shù)能在線調(diào)整，以滿足實時控制的要求。 第三章 解決方案3.1 模型建立對于數(shù)學模型事先難以得到或事后又要發(fā)生變化的受控對象的控制問題，人們按照“仿生學”的思想，提出了一種新的控制方案自適應控制方案。該方案摹仿自然界中存在的“適應”過程，從而使系統(tǒng)具有能自動適應環(huán)境變化的能力。如果我們把受控對象的數(shù)學模型（結(jié)構(gòu)形式或和參數(shù)）或其變化事先并不知道這一特性稱之為受控對象的不確定性，那么，自適應控制方案的大致思路可歸納為：系統(tǒng)可隨時檢測出本身的特性（或其變化），并在此基礎上，對控制器的工作加以

5、適當修正，以使系統(tǒng)內(nèi)不確定性對系統(tǒng)性能所產(chǎn)生的不良影響得以減小。自適應控制系統(tǒng)是一個具有一定適應能力的系統(tǒng)，它能夠認識環(huán)境條件的變化,并自動校正控制動作，使系統(tǒng)達到最優(yōu)或次優(yōu)的控制并自動校正控制使系統(tǒng)達到最優(yōu)或次優(yōu)的控制效果。自適應控制系統(tǒng)的原理框圖如圖3.1。這一系統(tǒng)在運行過程中，根據(jù)參數(shù)輸入、控制輸入、對象輸出和已知外部干擾來測量對象性能指標進行比較，做出決策，然后通過適應機構(gòu)來改變系統(tǒng)參數(shù)，或者產(chǎn)生一個輔助的控制輸入量，累加到系統(tǒng)上，以保證系統(tǒng)跟蹤上給定的最優(yōu)性能指標，使系統(tǒng)處于最優(yōu)或次優(yōu)的工作狀態(tài)。圖3.1自適應控制系統(tǒng)原理框圖單神經(jīng)元作為構(gòu)成神經(jīng)網(wǎng)絡的基本單位，具有自學習和自適應能力

6、，而且結(jié)構(gòu)簡單易于計算。而傳統(tǒng)的PID控制器也具有結(jié)構(gòu)簡單、調(diào)整方便和參數(shù)整定與工程指標聯(lián)系密切等特點。若將這兩者結(jié)合，則可以在一定程度上解決傳統(tǒng)PID控制器不易在線實時整定參數(shù)、難于對一些復雜過程和參數(shù)慢時變系統(tǒng)進行有效控制的不足。用神經(jīng)元實現(xiàn)的自適應PID控制器的結(jié)構(gòu)框圖如圖3.2所示圖3.2 單神經(jīng)元自適應PID控制的結(jié)構(gòu)圖單神經(jīng)元控制系統(tǒng)的結(jié)構(gòu)如圖4.1所示。圖中轉(zhuǎn)換器的輸入為設定值和輸出，轉(zhuǎn)換器的輸出為神經(jīng)元學習所需要的狀態(tài)量，K為神經(jīng)元的比例系數(shù)。單神經(jīng)元自適應PID控制器運用有監(jiān)督Hebb學習規(guī)則的控制算法及學習算法為： (3.1) (3.2) (3.3) (3.4) (3.5)

7、式中 (3.6) (3.7) (3.8)分別為積分、比例、微分的學習速率，K為神經(jīng)元的比例系數(shù)，K>0，為性能指標或遞進信號，對積分I、比例P和微分D分別采用了不同的學習速率，以使對不同的權(quán)系數(shù)分別進行調(diào)整。3.2 改進的單神經(jīng)元自適PID控制器 在大量的實際應用中，通過實踐表明，PID參數(shù)的在線學習修正主要與和有關，基于此可將單神經(jīng)元自適應PID控制算法中的加權(quán)系數(shù)學習修正部分進行改進，即將其中的改為，改進后的算法如下 (3.9) (3.10) (3.11) (3.12) (3.13)式中 (4.14)采用改進后的算法后，權(quán)系數(shù)的在線修正就不完全是根據(jù)神經(jīng)網(wǎng)絡學習原理，而是參考實際經(jīng)驗

8、制定的。3.3 轉(zhuǎn)換器的實現(xiàn) 由圖4.1可知，轉(zhuǎn)換器的輸入設定值和輸出值，經(jīng)過轉(zhuǎn)換器后輸出神經(jīng)元學習控制所需要的狀態(tài)控制信號，且，在SIMULINK仿真環(huán)境中，可以通過零階保持器來保存前一個狀態(tài)，具體的狀態(tài)轉(zhuǎn)換器的仿真圖如下所示。圖3.3 狀態(tài)轉(zhuǎn)換器的仿真結(jié)構(gòu)圖3.4常規(guī)PID控制器與單神經(jīng)元自適應PID控制器仿真比較在工業(yè)生產(chǎn)過程中，考慮到大多數(shù)生產(chǎn)過程被控對象的普遍性和典型性，取廣義對象傳遞函數(shù)為將普通PID的響應圖與采用有監(jiān)督Hebb學習規(guī)則的但神經(jīng)元自適應PID控制器的響應圖做出詳細的比較，以此來說明但神經(jīng)元自適應PID的優(yōu)越性。在對普通的PID仿真中，取=0.8，=4，=3。仿真波形

9、如圖4.3所示。單神經(jīng)元控制器的學習算法，用S函數(shù)實現(xiàn)10，在控制器中神經(jīng)元權(quán)值的初始值分別取0.3，0.3，0.3，比例學習速率為P680,微分學習速率D=100,積分學習速率為I=65，神經(jīng)元比例系數(shù)為K=20。第4章 實驗結(jié)果 由圖4.3和圖4.4可以看出，由傳統(tǒng)的PID控制器所得到的仿真波形圖在一開始會出現(xiàn)不穩(wěn)定的狀態(tài)，且過渡時間較長，約需要20s左右才能達到穩(wěn)定，而采用單神經(jīng)元網(wǎng)絡自適應的PID控制器沒有超調(diào)且過渡時間進需5s左右，由此可以看出單神經(jīng)元網(wǎng)絡自適應的PID控制器有較強的自適應性和較高的控制精度。圖4.1 普通PID控制器仿真結(jié)構(gòu)圖圖4.2 單神經(jīng)元自適應PID控制器仿真

10、結(jié)構(gòu)圖圖4.3 常規(guī)PID控制器仿真圖圖4.4 有監(jiān)督的Hebb學習規(guī)則階躍跟蹤曲線 單神經(jīng)元自適應PID控制器學習規(guī)則可調(diào)參數(shù)的選取神經(jīng)元權(quán)系數(shù)的學習確保系統(tǒng)的跟蹤誤差收斂于零。只要跟蹤誤差存在，仿真過程就會使權(quán)值變化，從而使誤差以最快的速度趨于零。這樣就通過關聯(lián)搜索保證了系統(tǒng)的無靜差。只要保證學習算法的收斂性，調(diào)節(jié)系統(tǒng)就可以實現(xiàn)無靜差和快速響應得控制效果。通常學習效率對保證學習的收斂性有很大的關系，要由仿真分析來選擇適當?shù)膶W習效率。單神經(jīng)元自適應PID控制器學習算法的運行效果與可調(diào)參等的選取有很大的關系。通過大量實例仿真和實控結(jié)果，總結(jié)出以下調(diào)整規(guī)律：(1)初始加權(quán)系數(shù)的選擇：可以任意選取

11、。(2)K值的選擇：一般K值偏大，將引起系統(tǒng)響應超調(diào)過大，而K值偏小，則使過渡過程加長。因此，可先確定一個增益K，再根據(jù)仿真和實控結(jié)果進行調(diào)整。(3)學習速率的選擇：由于采用了規(guī)范化學習算法，學習速率可取得較大。選取K使過程超調(diào)不太大，若此時過程從超調(diào)趨向平穩(wěn)的時間太長，可增加；若超調(diào)迅速下降而低于給定值，此后又緩慢上升到穩(wěn)態(tài)的時間太長，則可減少，增強積分項的作用。對于大時延系統(tǒng)，為了減少超調(diào)，應選的大一些。第5章 結(jié)論單神經(jīng)元自適應PID控制器實質(zhì)上為一變系數(shù)的比例、積分、微分復合控制器，其輸入與常規(guī)PID控制器的輸入類似，物理意義明確，其參數(shù)主要是通過一定的算法進行在線學習獲得。同時，神經(jīng)元控制器的結(jié)構(gòu)簡單，計算量小，易于實現(xiàn)。仿真實驗和實際應用結(jié)果表明，由于神經(jīng)元具有自學習特性，能夠適應被控對象較大范圍內(nèi)的變化，具有較強的自適應能力和魯棒性，其控制品質(zhì)優(yōu)于常規(guī)PID控制器。參考文獻1 韓曾晉. 自適應控制M.北京:清華大學出版社，1995.2 陶永華. 新型PID控制及其應用M.北京:機械工業(yè)出版社,2002.9.3 舒懷林. PID神經(jīng)元網(wǎng)絡及其控制系統(tǒng).北京:國防工業(yè)出版社，2005，1-6.4 周開利，康耀紅.神經(jīng)網(wǎng)絡模型及其MATLAB仿真程序應用M.北京:清華大學出版社,2004,1-9.5 諸靜.模糊控制原理與應用M.北京