基于單神經(jīng)元PID控制器的設(shè)計(jì)

1、研究生課程期末論文 課程名稱： 神經(jīng)網(wǎng)絡(luò)設(shè)計(jì) 任課教師： 論文題目： 基于單神經(jīng)元的控制系統(tǒng)設(shè)計(jì) 姓 名： 學(xué) 號(hào)： 摘要在控制理論和技術(shù)飛躍發(fā)展的今天，PID控制由于其結(jié)構(gòu)簡(jiǎn)單、穩(wěn)定性能好可靠性高等優(yōu)點(diǎn)而被廣泛應(yīng)用。然而在實(shí)際的工業(yè)過(guò)程中，許多被控過(guò)程機(jī)理復(fù)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(duì)象數(shù)學(xué)模型，并且PID參數(shù)能在線調(diào)整，以滿足實(shí)時(shí)控制的要求。單神經(jīng)元自適應(yīng)PID控制將是解決這一問(wèn)題的有效途徑。利用神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、自組織、聯(lián)想記憶和并行處理等功能和對(duì)于復(fù)雜系統(tǒng)控制可以達(dá)到滿意效果的優(yōu)勢(shì)，提出了具有自學(xué)習(xí)和自適應(yīng)能力的單神經(jīng)元來(lái)構(gòu)成單神經(jīng)元自適

2、應(yīng)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(jiǎn)單，且能適應(yīng)環(huán)境變化，有較強(qiáng)的魯棒性。使自適應(yīng)PID控制達(dá)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(dòng)態(tài)響應(yīng)能力。關(guān)鍵詞：自適應(yīng)；PID控制；神經(jīng)元第一章 引言70年代以來(lái)，由于空間技術(shù)和過(guò)程控制發(fā)展的需要，特別是在微電子和計(jì)算機(jī)技術(shù)的推動(dòng)下，自適應(yīng)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(jìn)展，它不僅能用來(lái)解決單輸入單輸出控制系統(tǒng)的分析與設(shè)計(jì)問(wèn)題，同時(shí)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)，線性系統(tǒng)，最優(yōu)控制，最優(yōu)估計(jì)，

3、系統(tǒng)的辯識(shí)，隨機(jī)控制等多個(gè)現(xiàn)代控制理論分支相繼出現(xiàn)，并取得了有使用價(jià)值的成果，為自適應(yīng)控制技術(shù)進(jìn)一步發(fā)展提供了堅(jiān)實(shí)的基礎(chǔ)。第二章 問(wèn)題描述隨著工業(yè)和自動(dòng)化技術(shù)的發(fā)展，自動(dòng)化的應(yīng)用領(lǐng)域日趨廣泛，受控對(duì)象的復(fù)雜程度差異很大， 而且控制精度的要求也參差不齊。特別應(yīng)該指出的是，對(duì)某些實(shí)際的工業(yè)受控對(duì)象來(lái)說(shuō)，它們的數(shù)學(xué)模型（包括結(jié)構(gòu)與參數(shù)）是很難事先提供的。因?yàn)樵趯?shí)際情況中可能會(huì)出現(xiàn)受控對(duì)象的數(shù)學(xué)模型未知的情況和受控對(duì)象參數(shù)要發(fā)生不可知的變化的情況。同時(shí)在實(shí)際的工業(yè)過(guò)程中，許多被控過(guò)程機(jī)理較復(fù)雜，具有高度非線性、時(shí)變不確定性和純滯后等特點(diǎn)。在噪聲、負(fù)載擾動(dòng)等因素的影響下，過(guò)程參數(shù)，甚至模型結(jié)構(gòu)，均會(huì)發(fā)生

4、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(duì)象數(shù)學(xué)模型，并且PID參數(shù)能在線調(diào)整，以滿足實(shí)時(shí)控制的要求。 第三章 解決方案3.1 模型建立對(duì)于數(shù)學(xué)模型事先難以得到或事后又要發(fā)生變化的受控對(duì)象的控制問(wèn)題，人們按照“仿生學(xué)”的思想，提出了一種新的控制方案自適應(yīng)控制方案。該方案摹仿自然界中存在的“適應(yīng)”過(guò)程，從而使系統(tǒng)具有能自動(dòng)適應(yīng)環(huán)境變化的能力。如果我們把受控對(duì)象的數(shù)學(xué)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(duì)象的不確定性，那么，自適應(yīng)控制方案的大致思路可歸納為：系統(tǒng)可隨時(shí)檢測(cè)出本身的特性（或其變化），并在此基礎(chǔ)上，對(duì)控制器的工作加以適當(dāng)修正，以使系統(tǒng)內(nèi)不確定

5、性對(duì)系統(tǒng)性能所產(chǎn)生的不良影響得以減小。自適應(yīng)控制系統(tǒng)是一個(gè)具有一定適應(yīng)能力的系統(tǒng)，它能夠認(rèn)識(shí)環(huán)境條件的變化,并自動(dòng)校正控制動(dòng)作，使系統(tǒng)達(dá)到最優(yōu)或次優(yōu)的控制并自動(dòng)校正控制使系統(tǒng)達(dá)到最優(yōu)或次優(yōu)的控制效果。自適應(yīng)控制系統(tǒng)的原理框圖如圖3.1。這一系統(tǒng)在運(yùn)行過(guò)程中，根據(jù)參數(shù)輸入、控制輸入、對(duì)象輸出和已知外部干擾來(lái)測(cè)量對(duì)象性能指標(biāo)進(jìn)行比較，做出決策，然后通過(guò)適應(yīng)機(jī)構(gòu)來(lái)改變系統(tǒng)參數(shù)，或者產(chǎn)生一個(gè)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(biāo)，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(yīng)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(luò)的基本單位，具有自學(xué)習(xí)和自適應(yīng)能力，而且結(jié)構(gòu)簡(jiǎn)單易于計(jì)算。而

6、傳統(tǒng)的PID控制器也具有結(jié)構(gòu)簡(jiǎn)單、調(diào)整方便和參數(shù)整定與工程指標(biāo)聯(lián)系密切等特點(diǎn)。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(shí)時(shí)整定參數(shù)、難于對(duì)一些復(fù)雜過(guò)程和參數(shù)慢時(shí)變系統(tǒng)進(jìn)行有效控制的不足。用神經(jīng)元實(shí)現(xiàn)的自適應(yīng)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(yīng)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(shè)定值和輸出，轉(zhuǎn)換器的輸出為神經(jīng)元學(xué)習(xí)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(yīng)PID控制器運(yùn)用有監(jiān)督Hebb學(xué)習(xí)規(guī)則的控制算法及學(xué)習(xí)算法為： (3.1) (3.2) (3.3) (3.4) (3.5)式中 (3.6) (3.7

7、) (3.8)分別為積分、比例、微分的學(xué)習(xí)速率，K為神經(jīng)元的比例系數(shù)，K>0，為性能指標(biāo)或遞進(jìn)信號(hào)，對(duì)積分I、比例P和微分D分別采用了不同的學(xué)習(xí)速率，以使對(duì)不同的權(quán)系數(shù)分別進(jìn)行調(diào)整。3.2 改進(jìn)的單神經(jīng)元自適PID控制器 在大量的實(shí)際應(yīng)用中，通過(guò)實(shí)踐表明，PID參數(shù)的在線學(xué)習(xí)修正主要與和有關(guān)，基于此可將單神經(jīng)元自適應(yīng)PID控制算法中的加權(quán)系數(shù)學(xué)習(xí)修正部分進(jìn)行改進(jìn)，即將其中的改為，改進(jìn)后的算法如下 (3.9) (3.10) (3.11) (3.12) (3.13)式中 (4.14)采用改進(jìn)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(luò)學(xué)習(xí)原理，而是參考實(shí)際經(jīng)驗(yàn)制定的。3.3 轉(zhuǎn)換器的實(shí)

8、現(xiàn) 由圖4.1可知，轉(zhuǎn)換器的輸入設(shè)定值和輸出值，經(jīng)過(guò)轉(zhuǎn)換器后輸出神經(jīng)元學(xué)習(xí)控制所需要的狀態(tài)控制信號(hào)，且，在SIMULINK仿真環(huán)境中，可以通過(guò)零階保持器來(lái)保存前一個(gè)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(yīng)PID控制器仿真比較在工業(yè)生產(chǎn)過(guò)程中，考慮到大多數(shù)生產(chǎn)過(guò)程被控對(duì)象的普遍性和典型性，取廣義對(duì)象傳遞函數(shù)為將普通PID的響應(yīng)圖與采用有監(jiān)督Hebb學(xué)習(xí)規(guī)則的但神經(jīng)元自適應(yīng)PID控制器的響應(yīng)圖做出詳細(xì)的比較，以此來(lái)說(shuō)明但神經(jīng)元自適應(yīng)PID的優(yōu)越性。在對(duì)普通的PID仿真中，取=0.8，=4，=3。仿真波形如圖4.3所示。單神經(jīng)元控

9、制器的學(xué)習(xí)算法，用S函數(shù)實(shí)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(xué)習(xí)速率為P680,微分學(xué)習(xí)速率D=100,積分學(xué)習(xí)速率為I=65，神經(jīng)元比例系數(shù)為K=20。第4章 實(shí)驗(yàn)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(kāi)始會(huì)出現(xiàn)不穩(wěn)定的狀態(tài)，且過(guò)渡時(shí)間較長(zhǎng)，約需要20s左右才能達(dá)到穩(wěn)定，而采用單神經(jīng)元網(wǎng)絡(luò)自適應(yīng)的PID控制器沒(méi)有超調(diào)且過(guò)渡時(shí)間進(jìn)需5s左右，由此可以看出單神經(jīng)元網(wǎng)絡(luò)自適應(yīng)的PID控制器有較強(qiáng)的自適應(yīng)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(yīng)PID控制器仿真結(jié)構(gòu)圖圖4.3 常規(guī)PID

10、控制器仿真圖圖4.4 有監(jiān)督的Hebb學(xué)習(xí)規(guī)則階躍跟蹤曲線 單神經(jīng)元自適應(yīng)PID控制器學(xué)習(xí)規(guī)則可調(diào)參數(shù)的選取神經(jīng)元權(quán)系數(shù)的學(xué)習(xí)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(guò)程就會(huì)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(guò)關(guān)聯(lián)搜索保證了系統(tǒng)的無(wú)靜差。只要保證學(xué)習(xí)算法的收斂性，調(diào)節(jié)系統(tǒng)就可以實(shí)現(xiàn)無(wú)靜差和快速響應(yīng)得控制效果。通常學(xué)習(xí)效率對(duì)保證學(xué)習(xí)的收斂性有很大的關(guān)系，要由仿真分析來(lái)選擇適當(dāng)?shù)膶W(xué)習(xí)效率。單神經(jīng)元自適應(yīng)PID控制器學(xué)習(xí)算法的運(yùn)行效果與可調(diào)參等的選取有很大的關(guān)系。通過(guò)大量實(shí)例仿真和實(shí)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。(2)K值的選擇：一般K

11、值偏大，將引起系統(tǒng)響應(yīng)超調(diào)過(guò)大，而K值偏小，則使過(guò)渡過(guò)程加長(zhǎng)。因此，可先確定一個(gè)增益K，再根據(jù)仿真和實(shí)控結(jié)果進(jìn)行調(diào)整。(3)學(xué)習(xí)速率的選擇：由于采用了規(guī)范化學(xué)習(xí)算法，學(xué)習(xí)速率可取得較大。選取K使過(guò)程超調(diào)不太大，若此時(shí)過(guò)程從超調(diào)趨向平穩(wěn)的時(shí)間太長(zhǎng)，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(shí)間太長(zhǎng)，則可減少，增強(qiáng)積分項(xiàng)的作用。對(duì)于大時(shí)延系統(tǒng)，為了減少超調(diào)，應(yīng)選的大一些。第5章 結(jié)論單神經(jīng)元自適應(yīng)PID控制器實(shí)質(zhì)上為一變系數(shù)的比例、積分、微分復(fù)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(guò)一定的算法進(jìn)行在線學(xué)習(xí)獲得。同時(shí)，神經(jīng)元控制器的結(jié)構(gòu)簡(jiǎn)單，計(jì)算量小，易于實(shí)現(xiàn)。仿真實(shí)驗(yàn)和實(shí)際應(yīng)用結(jié)果表明，由于神經(jīng)元具有自學(xué)習(xí)特性，能夠適應(yīng)被控對(duì)象較大范圍內(nèi)的變化，具有較強(qiáng)的自適應(yīng)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(xiàn)1 韓曾晉. 自適應(yīng)控制M.北京:清華大學(xué)出版社，1995.2 陶永華. 新型PID控制及其應(yīng)用M.北京:機(jī)械工業(yè)出版社,2002.9.3 舒懷林. PID神經(jīng)元網(wǎng)絡(luò)及其控制系統(tǒng).北京:國(guó)防工業(yè)出版社，2005，1-6.4 周開(kāi)利，康耀紅.神經(jīng)網(wǎng)絡(luò)模型及其MATLAB仿真程序應(yīng)用M.北京:清華大學(xué)出版社,2004,1-9.5 諸靜.模糊控制原理