神经智能PID控制算法应用

《神经智能PID控制算法应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、神经智能PID控制算法应用摘要：提出将PID继电自整定与神经元自适应PID控制相结合，利用PID继电自整定法获取神经元自适应PID控制器权系数的初值，实现对一般工业对象(一阶惯性加纯滞后环节)的智能控制．仿真和实时控制结果表明，这种控制策略是对实现全自动型工程控制器的有益尝试．该智能控制算法切实可行，鲁棒性强．关键词：继电整定法；神经元自适应控制；PID控制；智能控制器中图分类号：TP273．2　　　文献标识码：　AApplicationofanalgorithmofneuralintelligentPIDcontrolDUHai-shu,YANGZhi,QIURong-sheng,

2、WANGJun(Dept.ofElectricalandInformationEngineering,GansuUniv.ofTech.,Lanzhou　730050，China)Abstract:　CombiningtwokindsofPIDcontrolsrespectivelywithrelayedautomatictuningandadaptiveneuronsandgainingtheinitialvaluesofweightingcoefficientsforneuraladaptivePIDcontrollerthroughPIDrelayedautomatictuni

3、ng,intelligentcontrolofgeneralindustrialobjectsfirst-orderwithpuredelaylinks)isrealized.Theresultsofsimulationandreal-timecontrolshowthatthiscontrolstrategyisausefulattempttorealizeafull-automaticindustrialcontroller.Thisintelligentcontrolalgorithmisfeasibleandfeaturesstrongrobustness.Keywords:

4、　relayedtuning;adaptiveneuroncontrol;PIDcontrol;intelligentcontroller　　目前，工业过程控制大都采用PID控制模式，其控制器参数依照试验而整定，这种简捷易行的控制方法能满足大多数工业过程控制的需要．但对一些复杂、参数慢时变并受随机干扰影响的系统，要求在PID控制中不仅PID参数的整定不依赖于对象数学模型，而且PID参数能在线调整，这样才能满足实时控制的要求．而以前提出的种种PID控制策略不具有通用性，只能针对某些具体对象适用．另外，PID初值的确定在许多自整定算法中往往被忽略，由此造成以这些算法为基础的控制器就往往需

5、要现场投运人员输入较多的初值信息．　　针对上述情况，本文提出将PID继电自整定［1，2］与神经元自适应PID控制［3］相结合，实现PID智能控制系统，如图1所示．首先采用开环控制，利用PID继电自整定法整定出Kp，Ti，Td3个参数，将3个参数作为神经元自适应PID控制器权系数的初值w1（0），w2（0），w3（0），然后切换到神经元PID控制器对对象进行控制．图1　神经PID智能控制系统1　PID继电自整定基本原理　　到目前为止，已有多种PID参数整定方法，如阶跃响应法、极点配置等方法．继电自整定是一种简便、可靠的整定方法，市场上也有采用这种方法的产品．其基本原理是：利用继电反馈所

6、引起的极限环周期振荡来确定系统的临界增益和临界周期，然后再采用Ziegler-Nichols等方法来整定PID参数，系统分析的基本方法是描述函数法．本文是在假设对象为一阶惯性加滞后的前提下，利用继电反馈产生极限环周期振荡从而辨识出对象特征参数而达到自整定的目的．　　设继电器特征幅值为d，继电器滞环宽度为h，被控对象为G(s），用N表示非线性元件的描述函数，则对元滞环的继电器有对于具有滞环的继电器非线性有式中，a为继电器型非线性环节输入的一次谐波振幅，只要满足方程则系统将出现极限环，临界增益Ku为临界振荡周期可根据此时输出产生的峰-谷-峰时间求出．如果提高精度，可多次求出平均值［4］．

7、由于神经元自适应PID控制器自身具有在线学习和自适应调整PID参数的功能，这里无需再对整定出特征参数初始值作精确计算，故本文采用简单的Z-N临界比例法即可，即Kp＝0．6Ku　　Ti＝0．5Tu　　Td＝0．125Tu式中，Kp为比例增益，Ti，Td分别为积分、微分时间．2　神经元自适应PID控制器　　图2中转换器的输入为设定值r（t），输出为神经元学习控制所需要的状态量x1（t），x2（t），x3（t）．系统的输出为y（t）．Z（t）是教师信号，Z（t）