單神經(jīng)元PID多變量解耦控制研究_百度文庫(kù)

1、單神經(jīng)元PID 多變量解耦控制研究摘 要對(duì)于具有非線(xiàn)性、大遲滯、強(qiáng)耦合特點(diǎn)的多變量系統(tǒng)，研究人員很難找到理想方法解決控制中的諸多問(wèn)題。對(duì)于多變量系統(tǒng)之間的耦合，有些可以采取被調(diào)量和調(diào)節(jié)量之間的適當(dāng)匹配，和重新整定調(diào)節(jié)器的方法加以克服。PID 控制方法是經(jīng)典控制算法中的典型代表，并在多種控制場(chǎng)合取得了很好的效果，但隨著生產(chǎn)工藝的日益復(fù)雜和人們對(duì)工業(yè)過(guò)程總體性能要求的不斷提高，傳統(tǒng)的PID 控制方法往往難以滿(mǎn)足閉環(huán)優(yōu)化控制的要求。基于知識(shí)且不依賴(lài)于模型的智能控制為解決這類(lèi)問(wèn)題提供了新的思路，成為目前提高過(guò)程控制質(zhì)量的重要途經(jīng)。而神經(jīng)網(wǎng)絡(luò)作為現(xiàn)代信息處理技術(shù)的一種，正在很多應(yīng)用中顯示它的優(yōu)越性，它在

2、自動(dòng)控制領(lǐng)域的應(yīng)用成果-神經(jīng)網(wǎng)絡(luò)控制也成為令人矚目的發(fā)展方向。單神經(jīng)元作為構(gòu)成神經(jīng)網(wǎng)絡(luò)的基本單位，具有很強(qiáng)的信息綜合、學(xué)習(xí)記憶和自學(xué)習(xí)、自適應(yīng)能力，可以處理那些難以用模型和規(guī)則描述的過(guò)程，而且結(jié)構(gòu)簡(jiǎn)單易于計(jì)算。若將這兩者結(jié)合，則可以在一定程度上解決傳統(tǒng)PID 調(diào)節(jié)器不易在線(xiàn)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。正是利用它們的優(yōu)點(diǎn)做成單神經(jīng)元自適應(yīng)PID 控制器對(duì)多變量系統(tǒng)進(jìn)行解耦控制會(huì)起到一個(gè)很好的控制效果。關(guān)鍵字：解耦控制系統(tǒng)；多變量解耦；單神經(jīng)元自適應(yīng)PIDThe Research Of Single Neuron PIDMultivariable Decou

3、pling ControlAbstractFor the nonlinear, heavy delay, the strong coupling characteristics of multivariable systems, Researchers are difficult to find an effective control strategy. For multivariable systems, the coupling, and some can be taken to adjust capacity and transfer the appropriate amount of

4、 matching, and re-tuning regulator approaches to overcome. PID control method is one of the traditional control methods and gets good effects under many application situations. But with the increase in complexity of manufacture technology and demands of industrial process performance, the convention

5、al PID control can not meet the requirement of closed loop optimized control, Intelligent control independent of model of a plant and based on knowledge offers a new idea for improving the process control quality, of which neural network as one of modern information process technologies, has some ad

6、vantages in many applications. Neural network control became a regarded research direction. Single neuron as a neural network the basic unit, has the very strong ability in information synthesis, study memory, self-study, and adaptation, so, it can deal with some processes that are difficult to desc

7、ribe with the model or rule, structure is simple and calculation is very easy. * If they combination, they can to some extent solve the traditional PID controller difficult online real-time setting parameters, some difficult to deal with complex process and parameters slow time-varying systems for e

8、ffective control inadequate. It is use the single neuron adaptive PID controller's advantages for multivariable control systems decoupling will play a very good control effect.Keywords : Decoupling Control System; Multivariable Decoupling;Single Neuron Adaptive PID目 錄摘 要 . I Abstract. II1. 緒論 .

9、11.1 課題研究背景 . . 11.2 解耦控制的國(guó)內(nèi)外研究現(xiàn)狀 . . 32. 數(shù)字PID 控制簡(jiǎn)介 . 42.1 PID控制的基本原理 . 42.2 數(shù)字PID 控制算法 . 53. 單神經(jīng)元PID 控制系統(tǒng) . 73.1 單神經(jīng)元簡(jiǎn)介 . . 73.2 基于單神經(jīng)元的PID 控制 . 84. 多變量解耦控制 . 124.1 多變量過(guò)程控制系統(tǒng)解耦控制 . . 124.2 單神經(jīng)元自適應(yīng)PID 多變量解耦控制 . 17結(jié) 論 . 22致 謝 . 23參考文獻(xiàn) . 24第1章 緒論多輸入多輸出(MIMO系統(tǒng)內(nèi)部結(jié)構(gòu)復(fù)雜，往往存在有一定程度的耦合作用，一個(gè)輸入信號(hào)的變化可能會(huì)使多個(gè)輸出量發(fā)生

10、變化，每個(gè)輸出量也不只受一個(gè)輸入信號(hào)的影響。對(duì)于這種存在耦合的對(duì)象，工業(yè)過(guò)程控制要求系統(tǒng)能夠安全穩(wěn)定地運(yùn)行，又有較好的調(diào)節(jié)性能，能以較小的誤差跟蹤設(shè)定值的變化，并使穩(wěn)態(tài)誤差為零。為了達(dá)到高質(zhì)量的控制性能，必須進(jìn)行解耦設(shè)計(jì)，構(gòu)成一個(gè)解耦控制系統(tǒng)。解耦控制一直是過(guò)程控制中的一個(gè)難點(diǎn)。1.1 課題研究背景耦合是生產(chǎn)過(guò)程控制系統(tǒng)普遍存在的一種現(xiàn)象，是避免不了的，生產(chǎn)過(guò)程是一種有序過(guò)程，環(huán)環(huán)相扣，變量間關(guān)系錯(cuò)綜復(fù)雜，一個(gè)過(guò)程變量的波動(dòng)往往會(huì)影響多個(gè)變量的變化，圖1.1是雙變量耦合對(duì)象方框圖，1M 的改變對(duì)1Y 、2Y 同時(shí)發(fā)生影響，同樣，2M 的改變也同時(shí)對(duì)1Y 、2Y 發(fā)生影響。稱(chēng)被控制變量與操作變量

11、在調(diào)整過(guò)程互相影響的對(duì)象為耦合對(duì)象，而解除這種耦合關(guān)系的過(guò)程稱(chēng)之為解耦。 圖1.1 雙變量耦合對(duì)象方框圖隨著科學(xué)研究的發(fā)展與技術(shù)的進(jìn)步，生產(chǎn)向快速、大容量、高品質(zhì)的方向發(fā)展，對(duì)這種牽一發(fā)而動(dòng)全身的耦合現(xiàn)象，要求控制系統(tǒng)越來(lái)越復(fù)雜，需要控制的變量通常不止一對(duì)而且相互關(guān)聯(lián)。例如，發(fā)電廠的中間儲(chǔ)粉倉(cāng)式制粉多變量控制系統(tǒng)，給煤機(jī)的括板位置，熱風(fēng)的送風(fēng)量，二次循環(huán)門(mén)的開(kāi)度(引風(fēng)量 控制磨煤機(jī)裝入的煤量，煤粉溫度及磨煤機(jī)的負(fù)壓，構(gòu)成了3 3的耦合系統(tǒng)；冶金工業(yè)的熱處理爐溫度控制系統(tǒng)，要求工件均勻受熱，每個(gè)加熱區(qū)都有一個(gè)溫度控制系統(tǒng)，由加入的燃料來(lái)調(diào)節(jié)溫度，燃料控制會(huì)影響著電加熱爐內(nèi)負(fù)壓，所以還需控制煙囪廢

12、氣的流量，由此構(gòu)成了負(fù)壓與溫度場(chǎng)的耦合系統(tǒng)；軋鋼系統(tǒng)的厚度控制和板型控制也存在著相互關(guān)聯(lián)。還有電力系統(tǒng)的頻率、功率與電壓是三個(gè)需要控制又彼此相關(guān)的量精餾塔的頂部產(chǎn)品成分和回流量壓力與溫度關(guān)聯(lián)，底部產(chǎn)品的成分、回流、送料速度以及塔板溫度等，都是一些彼此有關(guān)聯(lián)的量；因此，多變量系統(tǒng)的控制問(wèn)題是有豐富內(nèi)涵和實(shí)際工程背景的課題1。自動(dòng)化技術(shù)是當(dāng)代發(fā)展迅速，最引人矚目的高技術(shù)之一，是推動(dòng)新的技術(shù)革命和新的產(chǎn)業(yè)革命的核心技術(shù)。在某種程度上，可以說(shuō)自動(dòng)化是現(xiàn)代化的同義詞。由于自動(dòng)化技術(shù)的不斷發(fā)展和成熟，應(yīng)用范圍越來(lái)越廣泛，已滲透到社會(huì)經(jīng)濟(jì)各個(gè)部門(mén)和人們生活的各個(gè)方面。自動(dòng)化專(zhuān)業(yè)畢業(yè)生面臨的是一個(gè)五彩紛呈、擇

13、業(yè)范圍廣闊的人才市場(chǎng)，具有豐富的多樣性選擇，為了適應(yīng)各種工作的需求，自動(dòng)化專(zhuān)業(yè)的學(xué)生需要學(xué)習(xí)的自動(dòng)化領(lǐng)域中的知識(shí)愈來(lái)愈多，要求掌握的自動(dòng)化技術(shù)范圍越來(lái)越寬。自動(dòng)化技術(shù)又是一門(mén)工程實(shí)踐性很強(qiáng)的技術(shù)，掌握自動(dòng)化技術(shù)既要有扎實(shí)的專(zhuān)業(yè)理論基礎(chǔ)，還要有工程實(shí)踐解決實(shí)際問(wèn)題的能力。一段時(shí)間以來(lái)，由于各種原因，學(xué)生的認(rèn)識(shí)實(shí)習(xí)和生產(chǎn)實(shí)習(xí)在生產(chǎn)現(xiàn)場(chǎng)受到條件限制，能學(xué)到的實(shí)際知識(shí)非常有限，自己動(dòng)手解決實(shí)際問(wèn)題的機(jī)會(huì)幾乎沒(méi)有。作為當(dāng)代大學(xué)生的我們應(yīng)該掌握好本專(zhuān)業(yè)的知識(shí)、增強(qiáng)自己的動(dòng)手能力、解決實(shí)際問(wèn)題的能力、增強(qiáng)自己的創(chuàng)新意識(shí)。為我們?cè)谝院蟮膶W(xué)習(xí)和工作打下一個(gè)良好的基礎(chǔ)，使我們畢業(yè)以后能更好、更快的融入社會(huì)。自動(dòng)化

14、專(zhuān)業(yè)是實(shí)踐性很強(qiáng)的專(zhuān)業(yè)，培養(yǎng)和提高學(xué)生工程動(dòng)手能力一直是該專(zhuān)業(yè)培養(yǎng)計(jì)劃的一個(gè)重要環(huán)節(jié)。耦合是生產(chǎn)過(guò)程、機(jī)電通訊設(shè)備或儀器儀表裝置普遍存在的現(xiàn)象，對(duì)于極弱耦合度的對(duì)象控制系統(tǒng)品質(zhì)尚可保證。隨著耦合度增加，系統(tǒng)品質(zhì)也會(huì)有明顯惡化，嚴(yán)重影響生產(chǎn)過(guò)程的正常運(yùn)行。因此，解耦控制的研究不僅具有重要的學(xué)術(shù)價(jià)值、更具有直接應(yīng)用的重大經(jīng)濟(jì)價(jià)值。我們可以用傳統(tǒng)的PID 控制器，神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)多變量系統(tǒng)進(jìn)行等進(jìn)行解耦，使多變量系統(tǒng)的控制達(dá)到最優(yōu)狀態(tài)。1.2 解耦控制的國(guó)內(nèi)外研究現(xiàn)狀解耦控制是控制理論中最早的問(wèn)題之一，它的設(shè)計(jì)思想幾乎與控制學(xué)科同時(shí)產(chǎn)生, 解耦控制思想最初狹義的提法是不相干控制原則。它是由Roksenb

15、om 和Hoodllol 提出來(lái)的，他們最先將矩陣分析法應(yīng)用于多變量控制系統(tǒng)分析，分析了有關(guān)飛行器控制的問(wèn)題，即如何通過(guò)分別控制燃料與推進(jìn)器葉片角度來(lái)控制飛行器發(fā)動(dòng)機(jī)的速度與功率，并使這兩個(gè)控制系統(tǒng)互不干涉。1964年Morgan 在現(xiàn)代控制理論的框架下正式提出了MIMO 多輸入多輸出線(xiàn)性系統(tǒng)的輸入輸出解耦問(wèn)題，即無(wú)交互系統(tǒng)的設(shè)計(jì)問(wèn)題。在多變量控制理論和實(shí)踐中，人們提出了解耦控制問(wèn)題，即如何通過(guò)外部控制手段(如狀態(tài)反饋 將多變量系統(tǒng)解耦，變成若干個(gè)互相獨(dú)立的單輸入單輸出(SISO系統(tǒng)，從而可用單變量控制的各種成熟技術(shù)來(lái)完成系統(tǒng)的設(shè)計(jì)。目前研究較多的是針對(duì)線(xiàn)性多變量離散系統(tǒng)和針對(duì)較特殊的一類(lèi)非線(xiàn)

16、性多變量離散系統(tǒng)的一些解耦控制方法，而且大多僅考慮實(shí)現(xiàn)靜態(tài)解耦，對(duì)于較一般非線(xiàn)性多變量離散系統(tǒng)的線(xiàn)性化解耦控制的研究成果很少，主要是由于離散非線(xiàn)性MIMO 系統(tǒng)的線(xiàn)性化解耦理論本身不成熟，而且由于離散系統(tǒng)和連續(xù)系統(tǒng)之間存在著的差異，也很難將連續(xù)系統(tǒng)線(xiàn)性化和解耦控制領(lǐng)域中的一些研究成果直接推廣到離散系統(tǒng)中。利用神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)本身以及連續(xù)和離散非線(xiàn)性解耦理論，神經(jīng)網(wǎng)絡(luò)線(xiàn)性化和解耦控制就比較容易實(shí)現(xiàn)。而且神經(jīng)網(wǎng)絡(luò)可處理模型完全未知或部分未知的非線(xiàn)性系統(tǒng)，使得逆系統(tǒng)線(xiàn)性化和解耦控制真正走向工程應(yīng)用。多變量系統(tǒng)的解耦控制的方法可分為四大類(lèi):(1經(jīng)典解耦控制方法；(2自適應(yīng)解耦控制方法；(3模糊解耦控制方法

17、；(4反饋線(xiàn)性化解耦控制方法。解耦控制主要研究怎樣將一個(gè)多輸入多輸出(MIMO系統(tǒng)解耦劃分為多個(gè)相互獨(dú)立的單輸入單輸出系統(tǒng)。本文主要講解一下單神經(jīng)元PID 是如何對(duì)多變量系統(tǒng)進(jìn)行解耦的。第2章 數(shù)字PID 控制簡(jiǎn)介2.1 PID控制的基本原理PID 控制器也就是比例、積分、微分控制器，是一種最基本的控制方式2。在模擬控制系統(tǒng)中，控制器最常用的控制規(guī)律就是PID 控制。圖2.1為模擬PID 控制系統(tǒng)原理圖 圖2.1 模擬PID 控制系統(tǒng)原理框圖PID 控制器根據(jù)給定值 (t r 與實(shí)際輸出值 (t y 構(gòu)成控制偏差 (t e ，從而針對(duì)控制偏差進(jìn)行比例、積分、微分調(diào)節(jié)的一種方法, 其連續(xù)形式為2

18、：u (t =P K (t e +I T 1t dt t e 0 (+D T dtt de ( (2.1 其中 (t e = (t r - (t y 為系統(tǒng)誤差，P K 、I T 、D T 分別為比例系數(shù)、積分時(shí)間常數(shù)和微分時(shí)間常數(shù)。下面簡(jiǎn)單介紹一下PID 控制器各校正環(huán)節(jié)的作用：1）比例環(huán)節(jié)即時(shí)成比例地反映控制系統(tǒng)的偏差信號(hào) (t e ，偏差一旦產(chǎn)生，控制器立即產(chǎn)生控制作用，以減少偏差。2）積分環(huán)節(jié)主要用于消除靜差，提高系統(tǒng)的無(wú)差度。積分作用的強(qiáng)弱取決于積分時(shí)間常數(shù)I T ，I T 越大，積分作用越弱，反之則越強(qiáng)。3）微分環(huán)節(jié)能反映偏差信號(hào)的變化趨勢(shì)（變化速率），并能在偏差信號(hào)值變得太大之前

19、，在系統(tǒng)中引入一個(gè)有效的早期修正信號(hào)，從而加快系統(tǒng)的動(dòng)作速度，減小調(diào)節(jié)時(shí)間。2.2 數(shù)字PID 控制算法由于計(jì)算機(jī)技術(shù)的發(fā)展，數(shù)字 PID 控制器將逐漸取代傳統(tǒng)的模擬 PID 控制器。數(shù)字PID 控制算法又分為位置式PID 控制算法和增量式PID 控制算法。位置式PID 控制算法中必須將式(2.1進(jìn)行離散化處理。現(xiàn)以一系列的采樣時(shí)刻點(diǎn)kT 代表連續(xù)時(shí)間t ，以和式代替積分，以增量式代替微分，即-=-=T k e k e T T k e kT e dtt de j e T jT e T t e n k kT t t k j k j 1( ( 1( ( ( ( ( ( 3, 2, 1(000 (2

20、.2 式中 T 采樣周期采樣周期T 必須足夠短，才能保證足夠的精度，為書(shū)寫(xiě)方便，把 (kT e 簡(jiǎn)化表示成 (k e ，將式(2.2代入(2.1可得位置式PID 表達(dá)式-+=1( ( ( ( (0k e k e T T j e T T k e K k u D k j I p (2.3 或u (k =P K (k e + I K =k j j e 0 (+D K (k e - 1(-k e (2.4式中k 為采樣序號(hào)，u (k 第k 次采樣計(jì)算機(jī)輸出值， (k e 和 1(-k e 分別為第k 次和第 1(-k 次采樣時(shí)刻輸入的偏差值。積分系數(shù)I K =P K T /I T ，微分系數(shù)D K =

21、P K D T /T 。這種算法也有它的缺點(diǎn)，由于是全量輸出，所以每次輸出均與過(guò)去的狀態(tài)有關(guān)，計(jì)算時(shí)要對(duì) (k e 進(jìn)行累加，計(jì)算機(jī)運(yùn)算工作量很大。而且，因?yàn)橛?jì)算機(jī)輸出的 (k u 對(duì)應(yīng)的是執(zhí)行機(jī)構(gòu)的實(shí)際位置，如計(jì)算機(jī)出現(xiàn)故障， (k u 的大幅度變化，這種情況往往是生產(chǎn)實(shí)際中不允許的，在某些場(chǎng)合，還可能造成重大的生產(chǎn)事故，因而產(chǎn)生了增量式PID 控制器的控制算法。所謂增量式PID 是指數(shù)字控制器的輸出只是控制量的增量u (k 。增量式PID 是指數(shù)字控制器的輸出只是控制量的增量u (k 。當(dāng)執(zhí)行機(jī)構(gòu)需要的是控制量的增量時(shí)，可由式(2.5推導(dǎo)出來(lái)：u 1(-k =P K 1(-k e +IK

22、-=10 (k j j e +D K 1(-k e - 2(-k e (2.5用式（2.4）減式（2.5），可得 u (k =P K (k e - 1(-k e +I K (k e +D K (k e -2 1(-k e + 2(-k e =P K (k e +I K (k e +D K (k e - 1(-k e (2.6 式中 (k e = (k e - 1(-k e增量式控制雖然只是算法上作了一點(diǎn)改進(jìn)，卻帶來(lái)了小少的優(yōu)點(diǎn)：1 由于計(jì)算機(jī)輸出增量，所以誤動(dòng)作時(shí)影響小，必要時(shí)可用邏輯判斷的方法去掉。2 手動(dòng)/自動(dòng)切換時(shí)沖擊小，便于實(shí)現(xiàn)無(wú)擾動(dòng)切換。此外，當(dāng)計(jì)算機(jī)發(fā)生故障時(shí)，由于輸出通道或執(zhí)行裝

23、置具有信號(hào)的所存作用，故仍能保持原值。3 算式中不需要累加?？刂圃隽?(k u 的確定僅與最近k 次的采樣值有關(guān)，所以較容易通過(guò)加權(quán)處理而獲得比較好的控制效果。但是增量式控制也有其不足之處：積分截?cái)嘈?yīng)大，有靜態(tài)誤差；溢出的影響大。因此，在選擇時(shí)不可一概而論，一般認(rèn)為在以晶閘管作為執(zhí)行器或在控制精度要求高 的系統(tǒng)中，可采用位置式控制算法，而在以步進(jìn)電動(dòng)機(jī)或電動(dòng)閥門(mén)作為執(zhí)行器的系統(tǒng) 中，則可采用增量式控制算法3。第3章 單神經(jīng)元PID 控制系統(tǒng)3.1 單神經(jīng)元簡(jiǎn)介人腦神經(jīng)元是組成人腦神經(jīng)系統(tǒng)的基本單元。神經(jīng)元由細(xì)胞體及其發(fā)出的許多突起組成。細(xì)胞體內(nèi)有細(xì)胞核，突起的作用是傳遞信息。作為輸入信號(hào)的若

24、干個(gè)突起，稱(chēng)為樹(shù)突；作為輸出端的只有一個(gè)突起，稱(chēng)為軸突。樹(shù)突與軸突一一對(duì)接，從而把眾多的神經(jīng)元連成一個(gè)神經(jīng)元網(wǎng)絡(luò)3。在神經(jīng)網(wǎng)絡(luò)控制器中，單神經(jīng)元是最基本的控制器部件，其模型如圖3.1所示。圖中i x ，i w (i =1,2,3n 分別為控制器的輸入量及相應(yīng)的權(quán)重，K 為比例系數(shù)，u 為單神經(jīng)元控制器的輸出, 其中u (k =K i n i =1i x (k / (3.1式中用權(quán)重向量除以權(quán)重值向量的歐幾里德范數(shù)，即在權(quán)重值向量空間中，將權(quán)重值向量進(jìn)行單位化處理，以保證學(xué)習(xí)算法的收斂性和系統(tǒng)的穩(wěn)定性。 圖 3.1 單神經(jīng)元模型圖單神經(jīng)元控制器的自適應(yīng)功能是通過(guò)改變權(quán)重i 來(lái)實(shí)現(xiàn)的，學(xué)習(xí)算法就是

25、調(diào)整權(quán)重的規(guī)則，它是單神經(jīng)元控制器的核心，并反映其學(xué)習(xí)能力。學(xué)習(xí)算法如下：i 1(+k =i (k +i i r (k (3.2i y 2x式中， (k r i 為隨過(guò)程遞減的學(xué)習(xí)信號(hào)，i >0為學(xué)習(xí)速率。學(xué)習(xí)規(guī)則常用的有一以下幾種類(lèi)型：1）無(wú)監(jiān)督的Hebb 學(xué)習(xí)型( ( (k x k u k r i i = (3.3Hebb 學(xué)習(xí)型反映單神經(jīng)元控制器的輸入和輸出作用。2）誤差校正學(xué)習(xí)型( ( (k x k e k r i i = (3.4誤差校正學(xué)習(xí)型表示單神經(jīng)元控制器在誤差信號(hào) (k e 指導(dǎo)下進(jìn)行強(qiáng)迫學(xué)習(xí)，從而對(duì)外界做出反映及作用，也就是在無(wú)監(jiān)督的Hebb 學(xué)習(xí)規(guī)則中引入了教師信號(hào)

26、 (k e 。3）有監(jiān)督的Hebb 學(xué)習(xí)( ( ( (k x k u k e k r i i = (3.5 有監(jiān)督的Hebb 學(xué)習(xí)型表示單神經(jīng)元控制器采用無(wú)監(jiān)督的Hebb 學(xué)習(xí)型與誤差校正學(xué)習(xí)型相結(jié)合的學(xué)習(xí)方式，這意味著在誤差信號(hào)指導(dǎo)下對(duì)環(huán)境信息進(jìn)行相關(guān)學(xué)習(xí)和自組織來(lái)產(chǎn)生控制作用4。3.2 基于單神經(jīng)元的PID 控制在神經(jīng)網(wǎng)絡(luò)控制中，神經(jīng)元是最基本的控制元件，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。而傳統(tǒng)的PID 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)。若將兩者結(jié)合，則可以在一定程度上解決傳統(tǒng)PID 調(diào)節(jié)器不易在線(xiàn)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

27、效控制的不足。單神經(jīng)元結(jié)合常規(guī)PID 控制，將誤差的比例、積分和微分作為單個(gè)神經(jīng)元的輸入量，就構(gòu)成了單神經(jīng)元自適應(yīng)PID 控制器，其控制系統(tǒng)框圖如圖3.4所示：轉(zhuǎn)換器的輸出為神經(jīng)元學(xué)習(xí)控制所需要的狀態(tài)變量1x ，2x ，3x 。i w 為神經(jīng)元權(quán)值，神經(jīng)元的輸入輸出描述為：I =31i i w i x (3.6Y = (f (3.7 圖3.4 單神經(jīng)元自適應(yīng)PID 控制原理框圖若取 (f =u ，其中 (f 取線(xiàn)性截?cái)嗪瘮?shù)，則神經(jīng)元控制器輸出可寫(xiě)成：332211 (x w x w x w k u += (3.8由PID 控制器的增量算式：2( 1(2 ( (1( ( (-+-+-=k e k

28、e k e K k e K k e k e K k u D I P (3.9 如果取 (1k x = (k e , (2k x = (k e - 1(-k e , (3k x = (k e -2 1(-k e + 2(-k e ，則式（3.8）變?yōu)椋?(k u =w 1 (k e - 1(-k e +w 2 (k e +w 3 (k e -2 1(-k e + 2(-k e (3.10 比較式(3.9和式(3.10，可見(jiàn)兩式形式完全相同，所不同的只是式(3.10中的系數(shù)wi (i =1,2,3可以通過(guò)神經(jīng)元的自學(xué)習(xí)功能來(lái)進(jìn)行自適應(yīng)調(diào)整，而式(3.9中的參數(shù)P K , I K , D K 。是預(yù)

29、先確定好且不變的。正是由于i w 能進(jìn)行自適應(yīng)調(diào)整，故可大大提高控制器的魯棒性能。與常規(guī)PID 控制器相比較，無(wú)需進(jìn)行精確的系統(tǒng)建模，對(duì)具有不確定性因素的系統(tǒng)，其控制品質(zhì)明顯優(yōu)于常規(guī)PID 控制器。其中，神經(jīng)元的學(xué)習(xí)功能是通過(guò)改變權(quán)系數(shù)wi 來(lái)實(shí)現(xiàn)的，學(xué)習(xí)算法即是如何調(diào)整wi 規(guī)則，它是神經(jīng)元控制的核心，反映了學(xué)習(xí)方式與學(xué)習(xí)功能。神經(jīng)網(wǎng)絡(luò)的工作過(guò)程主要由兩個(gè)階段組成：一個(gè)階段是工作期，此時(shí)，各連接權(quán)值固定，計(jì)算單元的狀態(tài)變化，以求達(dá)到穩(wěn)定狀態(tài)；另一個(gè)階段是學(xué)習(xí)期，此時(shí)可以對(duì)連接權(quán)值進(jìn)行修改。下面介紹兩種學(xué)習(xí)算：有監(jiān)督的Hebb 學(xué)習(xí)算法和基于二次型性能指標(biāo)的學(xué)習(xí)算法。1 有監(jiān)督的Hebb 學(xué)習(xí)

30、算法由PID 的增量式算法(3.10有，控制器的輸出為( ( 1( (31k x k w K k u k u i i i =+-= (3.11權(quán)值w i 權(quán)的修改學(xué)習(xí)規(guī)則如下：+=+=+=+ ( ( ( ( 1( ( ( ( ( 1( ( ( ( ( 1(333222111k x k e k u k w k w k x k e k u k w k w k x k e k u k w k w D P I (3.12 為保證這種學(xué)習(xí)算法的收斂性和控制的魯棒性，將上述學(xué)習(xí)算法進(jìn)行規(guī)范化處理后可得6。+=+=+=+= ( ( ( ( 1( ( ( ( ( 1( ( ( ( ( 1( ( ( ( ( (

31、3332221113131k x k e k u k w k w k x k e k u k w k w k x k e k u k w k w k w k w k w k x k w K k u D P I i i i i i i i (3.13K 為神經(jīng)元的比例系數(shù)，K >0；P ，I ，D ，分別為比例、積分、微分的學(xué)習(xí)速率。這里參數(shù)選取的一般規(guī)則如下：K 是系統(tǒng)最敏感的參數(shù)。K 值的變化，相當(dāng)于P ，I ，D 三項(xiàng)同時(shí)變化，因此K 值的選擇非常重要，應(yīng)在第一步先調(diào)整K 。K 越大，則快速性越好，但超調(diào)量大，甚至可能使系統(tǒng)不穩(wěn)定。當(dāng)被控對(duì)象時(shí)延增大時(shí)，K 值必須減少，以保證系統(tǒng)穩(wěn)定

32、。K 值選的過(guò)小，會(huì)使系統(tǒng)的快速性變差。然后根據(jù)“一”項(xiàng)調(diào)整規(guī)則調(diào)整P ，I ，D 。對(duì)于階躍輸入，若被控對(duì)象產(chǎn)生多次正弦衰減現(xiàn)象，應(yīng)減少P ，其他參數(shù)不變。 若被控對(duì)象響應(yīng)特性出現(xiàn)上升時(shí)間短、震蕩現(xiàn)象，應(yīng)減少I(mǎi) ，其他參數(shù)不變。 若被控對(duì)象上升時(shí)間長(zhǎng)，增大I 又導(dǎo)致超調(diào)過(guò)大，可適當(dāng)增加D ，其他參數(shù)不變。在開(kāi)始調(diào)整時(shí)，D 選擇較小值，當(dāng)調(diào)整P ，I 和K ，使被控對(duì)象具有良好特性時(shí)，再逐漸增大D ，而其他參數(shù)不變，使系統(tǒng)輸出基本無(wú)波紋。2）基于二次型性能指標(biāo)的學(xué)習(xí)算法選擇性能指標(biāo)函數(shù)為1J =21 1(+k r - 1(+k y 2=e 2 1(+k (3.14權(quán)值系數(shù) (k w i 的修正

33、應(yīng)沿著1J 對(duì) (k w i 的負(fù)剃度方向搜索調(diào)整, 即(k w i = 1(+k w i - (k w i =-( (k w k J i i = ( ( ( 1( 1(k w k u k u k y k e i i + (3.15 式中i (i =P,I,D為學(xué)習(xí)速率, 需要時(shí)每一權(quán)值都可以取不同的學(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。 在具體計(jì)算時(shí)，由于( 1(k u k y +未知, 在求導(dǎo)過(guò)程中，可將其近似為一常數(shù)， ( 1(k u k y +可以用其符號(hào)函數(shù)( 1(sgnk u k y +近似代替。 <-+=0101 sgn(x x x (3.16 此學(xué)習(xí)算法物理意義明確

34、，計(jì)算量較小，但由于在性能指標(biāo)函數(shù)中僅有輸出誤差平方項(xiàng)，因而容易出現(xiàn)控制量變化過(guò)大的情況，這在實(shí)際控制系統(tǒng)中一般是不允許的。為此，可在性能指標(biāo)函數(shù)中引入控制量的要求，即2J =21Pe 2 (d k +Q u 2 (k (3.17 式中d 為過(guò)程總滯后，P 、Q 分別為輸出誤差和控制增量的加權(quán)系數(shù)， (d k e += (d k r +- (d k y +為 (d k +時(shí)刻的誤差，可以用 (k e 來(lái)代替5，或由預(yù)測(cè)算法求得6。本論文就采用這種有監(jiān)督的Hebb 學(xué)習(xí)算法。第4章 多變量解耦控制4.1 多變量過(guò)程控制系統(tǒng)解耦控制六十年代以來(lái)，過(guò)程控制工程在理論上和實(shí)踐中都取得了顯著進(jìn)步，許多復(fù)

35、雜而成功的控制方案已經(jīng)在工業(yè)生產(chǎn)過(guò)程中被采用。但是，工業(yè)生產(chǎn)過(guò)程中的被控對(duì)象往往是多輸入多輸出系統(tǒng)(MIMO，如活套高度和張力，軋制中的板形與板厚，鋼坯加熱爐中的多段爐溫控制等，對(duì)這樣多變量系統(tǒng)的控制就是調(diào)整被控系統(tǒng)中的多個(gè)輸入作用使系統(tǒng)輸出達(dá)到某些指定的目標(biāo)，而多變量系統(tǒng)的回路之間又存在著耦合，因此為了獲得滿(mǎn)意的控制效果，必須對(duì)多變量系統(tǒng)實(shí)現(xiàn)解耦控制。假設(shè)在一個(gè)生產(chǎn)過(guò)程中采用了兩個(gè)控制回路，就會(huì)產(chǎn)生這樣的問(wèn)題：哪個(gè)控制器(如閥門(mén) 應(yīng)該由哪個(gè)測(cè)量值來(lái)控制？對(duì)于有的工藝過(guò)程，回答是明顯的。但是有時(shí)卻不然，必須有某種依據(jù)才能做出正確的決定。值得指出的是這些調(diào)節(jié)量、被調(diào)節(jié)量之間往往還存在著某種程度的

36、相互影響，它將妨礙各變量的獨(dú)立控制作用，有時(shí)甚至?xí)茐母飨到y(tǒng)的正常工作，使之不能投入運(yùn)行。這種關(guān)聯(lián)性質(zhì)完全取決于被控對(duì)象。因此如果對(duì)工藝生產(chǎn)不了解，那么設(shè)計(jì)的控制方案不可能是完善的和有效的。所以，對(duì)于多變量過(guò)程控制系統(tǒng)，工程界和理論界都一致認(rèn)為它是既高級(jí)又復(fù)雜的過(guò)程控制系統(tǒng)。說(shuō)它高級(jí)，它能有效的對(duì)一些含有多個(gè)相關(guān)聯(lián)的變量生產(chǎn)過(guò)程實(shí)現(xiàn)統(tǒng)一的控制，而這種功能常常是不能借助于一些人為地簡(jiǎn)化了的單變量過(guò)程控制系統(tǒng)來(lái)完成的；說(shuō)它復(fù)雜，主要是因?yàn)樗葐巫兞窟^(guò)程控制系統(tǒng)需要一些更復(fù)雜的設(shè)備，從而使系統(tǒng)的結(jié)構(gòu)變的復(fù)雜。另一方面，從控制論的觀點(diǎn)來(lái)看，高級(jí)和復(fù)雜意味著這種控制系統(tǒng)能滿(mǎn)足一些更高的控制要求或者控制指

37、標(biāo)，從而在理論分析的深度與廣度上，都超過(guò)了常規(guī)的單變量過(guò)程控制理論。美國(guó)著名的化工控制學(xué)者Thomas. F. Edgar 曾在80年代指出，多變量控制是70年代以來(lái)一直受到自動(dòng)控制學(xué)術(shù)界和工業(yè)界的廣泛重視并競(jìng)相研究的重要課題。而多變量過(guò)程變量之間的關(guān)聯(lián)性，即耦合是目前許多控制系統(tǒng)投運(yùn)不好的重要原因。所謂耦合就是一個(gè)過(guò)程變量的變化必然會(huì)波及到其它過(guò)程變量的變化，它是生產(chǎn)過(guò)程動(dòng)態(tài)特性普遍存在的一種現(xiàn)象，因?yàn)樯a(chǎn)過(guò)程都是各個(gè)環(huán)節(jié)協(xié)調(diào)的進(jìn)行工作，一個(gè)過(guò)程變量的變化必然涉及到其它過(guò)程變量的變化。圖4.1表示系統(tǒng)的耦合對(duì)象方框圖。這是一個(gè)22的耦合對(duì)象，如果采用1Y -1M , 2Y -2M 構(gòu)成兩個(gè)單

38、獨(dú)的單回路控制系統(tǒng)，如圖4.2所示，其中1C G , 2C G 分別代表1C , 2C 的調(diào)節(jié)器，11G , 21G , 12G , 22G 分別對(duì)應(yīng)于圖4.1中的環(huán)節(jié)，則兩個(gè)系統(tǒng)在控制過(guò)程中形成互相干涉振蕩，結(jié)果兩個(gè)系統(tǒng)都控制不好。 圖 4.1系統(tǒng)的耦合對(duì)象方框圖 圖 4.2 1y -1m 、2y -2m 構(gòu)成兩個(gè)單獨(dú)的單回路控制系統(tǒng)原理圖所以，如果對(duì)象存在耦合，會(huì)明顯降低控制系統(tǒng)的調(diào)節(jié)品質(zhì)，在耦合嚴(yán)重的情況時(shí)會(huì)使各個(gè)系統(tǒng)均無(wú)法投入運(yùn)行。分析目前許多難于投入運(yùn)行的系統(tǒng)，許多是由耦合的原因造成的。如果設(shè)計(jì)者回避了事實(shí)上存在的回路之間的耦合而采用近似處理的辦法，仍然采用單變量PID 控制方式。這

39、種人為的簡(jiǎn)化會(huì)導(dǎo)致以下一些問(wèn)題：(1由于沒(méi)有考慮被控對(duì)象中各回路間的關(guān)聯(lián)，因而很難同時(shí)使各個(gè)單變量系統(tǒng)穩(wěn)定地運(yùn)行，也就無(wú)法有效地對(duì)這種多輸入-多輸出、變量間緊密關(guān)聯(lián)的系統(tǒng)實(shí)現(xiàn)統(tǒng)一的控制。(2對(duì)于存在耦合的系統(tǒng)，由于各回路不能獨(dú)立考慮，因而各回路PID 參數(shù)不得不多次進(jìn)行整定，以便找到一個(gè)合適值，而在很多實(shí)際場(chǎng)合，很難得到一個(gè)令人滿(mǎn)意的整定。(3從理論上講，PID 控制器具有較好的魯棒性，但是當(dāng)多個(gè)單回路之間存在耦合的情況下，整個(gè)系統(tǒng)的魯棒性無(wú)法得到保證。因此，研究如何實(shí)現(xiàn)解耦控制是多變量過(guò)程控制理論與實(shí)踐中的一個(gè)突出的問(wèn)題。 所謂解耦控制就是討論應(yīng)當(dāng)采取何種措施，能夠把一個(gè)有耦合影響的多變量過(guò)

40、程，化成為一些無(wú)耦合的單變量過(guò)程來(lái)處理。假如能做到這一點(diǎn)，則解除耦合以后的系統(tǒng)，或者有根據(jù)的允許一定耦合存在的系統(tǒng)，就可以用我們所熟知的單變量系統(tǒng)理論來(lái)處理了。要想實(shí)現(xiàn)這一目標(biāo)，直觀地說(shuō)，下面兩種方法最簡(jiǎn)單，第一種方法是切斷耦合通道，但這種方法只是在方框圖上有意義，因?yàn)槿魏螌?shí)際的耦合總是某種物理(或者化學(xué)物理 過(guò)程的顯示，從而它不可能按主觀想象而切斷。第二個(gè)直觀方法是連接補(bǔ)償通道，并且讓這個(gè)補(bǔ)償通道并聯(lián)地接入耦合通道，當(dāng)然耦合通道的影響就會(huì)被消除，但是，這種方法也只是在方框圖上適用。因?yàn)樵趯?shí)際的系統(tǒng)中耦合常常發(fā)生在輸出變量上，而這些輸出變量經(jīng)常是一些具有一定容量的對(duì)象的某些實(shí)際參數(shù)。所以很顯然

41、，要想用這種方法來(lái)消除系統(tǒng)中的耦合影響是不切實(shí)際的。因此，對(duì)于具有耦合的多變量過(guò)程控制系統(tǒng)，為了實(shí)現(xiàn)解耦控制，必須進(jìn)行解耦設(shè)計(jì)，并且在這個(gè)系統(tǒng)中設(shè)置某種解耦環(huán)節(jié)。解耦環(huán)節(jié)是以補(bǔ)償環(huán)節(jié)形式設(shè)置于系統(tǒng)中，很顯然，它們僅能接受并傳輸十分有限的能量，因而它們應(yīng)當(dāng)安置在用有限能量就能對(duì)整個(gè)系統(tǒng)發(fā)生顯著的影響的地方。因此，解耦環(huán)節(jié)應(yīng)當(dāng)設(shè)置在控制對(duì)象之前或者在反饋通道上，用于解除系統(tǒng)中各輸入量和輸出量之間的耦合關(guān)系7。 圖4.3解耦控制系統(tǒng)補(bǔ)償方法之一是對(duì)角矩陣法，其基本思想是，進(jìn)行適當(dāng)?shù)脑O(shè)計(jì)，使得聯(lián)系多變量控制系統(tǒng)輸入變量與輸出變量之間的系統(tǒng)傳遞函數(shù)矩陣為一個(gè)對(duì)角矩陣。針對(duì)圖4.3所示的系統(tǒng)，設(shè)11G ，

42、21G ，12G , 22G 分別為1111g K , 2121g K , 1212g K , 2222g K ，而 (11s D ， (21s D ，(12s D ， (22s D 均為解耦器。為了計(jì)算出解耦器的數(shù)學(xué)模型，先寫(xiě)出該系統(tǒng)的傳遞矩陣 (s G , 被調(diào)量 (s Y i 和調(diào)節(jié)量 (s M i 之間的矩陣為 ( (21s Y s Y = ( ( ( (22211211s G s G s G s G ( (21s M s M (4.1 調(diào)節(jié)量 (s M i 與調(diào)節(jié)器輸出 (s M Ci 之間的矩陣為 ( (21s M s M = ( ( ( (22211211s D s D s D

43、s D ( (21s M s M C C (4.2 將（4.1）式代入（4.2）式得系統(tǒng)的傳遞函數(shù)為 ( (21s Y s Y = ( ( ( (22211211s G s G s G s G ( ( ( (22211211s D s D s D s D ( (21s M s M C C (4.3 對(duì)角矩陣綜合法即要使系統(tǒng)傳遞矩陣成為如下形式： ( (21s Y s Y = (00 (2211s G s G ( (21s M s M C C (4.4 將（4.3）式和（4.4）式相比較可知，欲使傳遞矩陣成為對(duì)角矩陣，則要使 ( ( ( (22211211s G s G s G s G ( (

44、( (22211211s D s D s D s D = (00 (2211s G s G (4.5 如果傳遞函數(shù)的逆存在，則將式（4.5）兩邊左乘 (s G 之逆矩陣得到解耦數(shù)學(xué)模型為 ( ( ( (22211211s D s D s D s D = 122211211 ( ( ( (-s G s G s G s G (00 (2211s G s G (4.6 =(s(sGG -(s(sGG 121122211- ( ( ( (22211222s G s G s G s G (00 (2211s G s G (4.7 =(s(sGG -(s(sGG 1(s(sGG -(s(sGG 1(1s

45、Y = (11s Y + (12s Y = (12s D (11s G + (22s D (12s G (2s M C (4.10 將(4.9式中 (12s D 和 (22s D 代入, 可以看到(4.10式中這兩項(xiàng)數(shù)值相等, 而符號(hào)相反。同時(shí) 圖4.4 利用對(duì)角矩陣法解耦得到的兩個(gè)彼此獨(dú)立的系統(tǒng)對(duì)于兩個(gè)變量以上的多變量系統(tǒng)，經(jīng)過(guò)矩陣運(yùn)算都可以方便地求得解耦器的數(shù)學(xué)模型，只是解耦器越來(lái)越復(fù)雜，如果不予以簡(jiǎn)化難以實(shí)現(xiàn)。目前，有很多方法可以用來(lái)解決多變量控制系統(tǒng)的解耦問(wèn)題。但總的來(lái)說(shuō)，下列幾種是普遍認(rèn)為成功的方法：(1由Boksenbom 、Hood 、錢(qián)學(xué)森、Kavanagh 、Mesarovi

46、c 和Schwarz 等人建立和發(fā)展起來(lái)的對(duì)角矩陣法；(2首先由Bristol 提出，然后主要有Shinskey 、Nisenfeld 、McAvoy 等人發(fā)展起來(lái)的相對(duì)增益分析法；(3由Rosenbrock 提出的反Nyquist 曲線(xiàn)法以及由MacFar1ane 和Belletrutti 提出的特 征曲線(xiàn)分析法；(4由Falb 、Wolovich 、Gilbert 等人發(fā)展起來(lái)的狀態(tài)變量法。這幾種方法應(yīng)用比較廣泛，但不能說(shuō)哪種方法最好，因?yàn)閼?yīng)用這些方法的人各自有不同的要求，研究的對(duì)象與目的也可能不同?，F(xiàn)代控制理論家都十分欣賞狀態(tài)變量，目前有大量的文章都是討論這個(gè)方法的。對(duì)于變量數(shù)目相當(dāng)多的

47、高階大系統(tǒng)，很易于應(yīng)用這種方法進(jìn)行理論上的分析，其研究的對(duì)象常常是抽象化的；然而，過(guò)程控制理論家和工程師們卻格外喜歡對(duì)角矩陣法與相對(duì)增益分析法，因?yàn)檫@兩種方法能十分方便地應(yīng)用于多變量過(guò)程控制系統(tǒng)的解耦合設(shè)計(jì)，而且由此引出來(lái)的結(jié)論都能很容易的在實(shí)際中得到應(yīng)用，從而這兩種方法是過(guò)程控制實(shí)踐中目前應(yīng)用最廣的方法。狀態(tài)變量法目前在過(guò)程控制實(shí)踐中應(yīng)用不多，而反Nyquist 曲線(xiàn)法和特征曲線(xiàn)分析法雖然應(yīng)用于實(shí)踐，但這些方法本身引用的理論概念較多，計(jì)算也較復(fù)雜，因此應(yīng)用起來(lái)不甚方便，這就限制它們的廣泛流行。應(yīng)當(dāng)指出，我們常常有些錯(cuò)覺(jué)，以為這些方法是都是毫不相干的，并且，甚至把某些個(gè)別的設(shè)計(jì)方法與對(duì)角矩陣法

48、相比或相提并論。這些理論上的混亂必須澄清。對(duì)角矩陣法是解耦設(shè)計(jì)的最根本原則，任何具體的解耦設(shè)計(jì)方法都不過(guò)是在某些具體場(chǎng)合下以某種技巧來(lái)保證最終得到所要求的對(duì)角矩陣。同時(shí)，還應(yīng)了解解耦設(shè)計(jì)的兩個(gè)重要特性：(1當(dāng)只考慮解耦設(shè)計(jì)時(shí)，解是不定的。所有實(shí)際可行的解耦設(shè)計(jì)方法，在本質(zhì)上都是以某種方式對(duì)解耦設(shè)計(jì)加以某種附加條件，從而使不定的解具有確定性。所以，對(duì)角矩陣法是最基本的設(shè)計(jì)原則。(2解耦環(huán)節(jié)特性只與解耦要求有關(guān)，而對(duì)系統(tǒng)的控制要求則由其它環(huán)節(jié)來(lái)保證。盡管解耦理論研究己取得豐碩成果，但與最優(yōu)控制、自適應(yīng)控制等其它分支相比，解耦理論在工程的應(yīng)用卻不令人滿(mǎn)意，究其原因，上述的經(jīng)典解耦合方法屬于傳統(tǒng)控制理

49、論的應(yīng)用，而傳統(tǒng)控制理論在應(yīng)用中面臨以下難題困：傳統(tǒng)控制系統(tǒng)的設(shè)計(jì)與分析是建立在已知系統(tǒng)精確數(shù)學(xué)模型的基礎(chǔ)上的，而實(shí)際系統(tǒng)由于存在復(fù)雜性、非線(xiàn)性、時(shí)變性、不確定性和不完全性等，一般無(wú)法獲得精確的數(shù)學(xué)模型；(1研究這類(lèi)系統(tǒng)時(shí)，必須提出并遵循一些比較苛刻的假設(shè)，而這些假設(shè)在應(yīng)用中往往與實(shí)際不相吻合；(2對(duì)于某些復(fù)雜的和包含不確定性的對(duì)象，根本無(wú)法以傳統(tǒng)數(shù)學(xué)模型來(lái)表示，即無(wú)法解決建模問(wèn)題；(3為了提高性能，傳統(tǒng)控制系統(tǒng)可能變得復(fù)雜，從而增加了設(shè)備的初始投資和維修費(fèi)用，降低系統(tǒng)可靠性。（4）解決這一問(wèn)題的一條有效途徑是，把人工智能相關(guān)技術(shù)應(yīng)用于自動(dòng)控制系統(tǒng)，即采取智能控制的技術(shù)7。4.2 單神經(jīng)元自適

50、應(yīng)PID 多變量解耦控制在神經(jīng)網(wǎng)絡(luò)控制中，單神經(jīng)元是最基本的控制部件。因此，由單個(gè)神經(jīng)元構(gòu)成的PID 控制器引起了控制界的廣泛興趣。為了適應(yīng)被控系統(tǒng)的變化，在控制領(lǐng)域中引入單神經(jīng)元自適應(yīng)現(xiàn)性網(wǎng)絡(luò)控制器。單神經(jīng)元自適應(yīng)線(xiàn)性元件是一種連續(xù)取值的現(xiàn)性加權(quán)求和閾值網(wǎng)絡(luò)。其特點(diǎn)是輸入層具有多個(gè)處理單元，輸出層具有一個(gè)處理單元，實(shí)現(xiàn)對(duì)多個(gè)加權(quán)求和的功能。單神經(jīng)元自適應(yīng)線(xiàn)性網(wǎng)絡(luò)應(yīng)用于實(shí)時(shí)控制中，其權(quán)值可以根據(jù)偏差大小來(lái)進(jìn)行修正，因而其最后的控制精度比較高。這里我們用第三章所講的單神經(jīng)元自適應(yīng)PID 對(duì)多變量控制系統(tǒng)進(jìn)行解耦控制是一個(gè)有效的解決方法。圖4.5就是一個(gè)二變量單神經(jīng)元PID 控制系統(tǒng)框圖9。單神經(jīng)

51、元自適應(yīng)控制器是通過(guò)對(duì)加權(quán)系數(shù)的調(diào)整來(lái)實(shí)現(xiàn)自適應(yīng)、自組織功能，在這里我們選擇權(quán)系數(shù)的調(diào)整是按有監(jiān)督的Hebb 的學(xué)習(xí)規(guī)則實(shí)現(xiàn)的。以第一個(gè)單神經(jīng)元的PID 控制器為例，控制算法及學(xué)習(xí)算法為：+=+=+=+= ( ( ( ( 1( ( ( ( ( 1( ( ( ( 1( ( ( ( ( (3332221113131k x k e k u k w k w k x k e k u k w k w k x k e k u k w k w k w k w k w k x k w K k u D P I i i i i i i i 式中， (1k x = (k e ；(2k x = (k e - 1(-k e ；(3k x = (k e -2* 1(-k e + 2(-k e ；假設(shè)控制對(duì)象為：y1(k=0.2/(1+y1_12*(0.6*y1_1+u1_2+0.2*u2_3;y2(k=0.5/(1+y2_12*(0.7*y2_1+0.3*u1_3+u2_2;響應(yīng)曲線(xiàn)如圖4.6所示： 圖4.5 二變量