单神经元自适应PID 控制器设计方法研究

《单神经元自适应PID 控制器设计方法研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、http://www.elecfans.com电子发烧友http://bbs.elecfans.com电子技术论坛单神经元自适应PID控制器设计方法研究侯勇严，郭文强(陕西科技大学电气与电子工程学院，陕西咸阳712081)摘要：本文主要介绍了采用有监督Hebb学习算法的单神经元自适应PID控制器以及采用以输出误差平方为性能指标的单神经元自适应PID控制器的控制算法及其仿真实现，总结出了两种基于单神经元的自适应PID控制器的控制特点及其参数设计规律。关键词：单神经元；自适应；PID控制中图分类号：TP273文献标识码：AResearchonDesignofSingleNeuralElem

2、entSelf-AdaptivePIDControllerHouYongyan，GuoWenqiang(ElectronicEngineeringCollege,ShaanxiUniversityofScience&technology,Xianyang712081)Abstract：ThispaperintroducedcontrolalgorithmofsingleneuralelementSelf-AdaptivePIDcontrollerinsupervisoryHebbalgorithmandsingleneuralelementSelf-AdaptivePIDcontrol

3、leradoptedperformanceindexbaseduponthesquareoferrorandtheirsimulationrealizing.ControlcharacteristicsandlawsofParameterdesignoftwokindsofsingleneuralelementSelf-AdaptivePIDcontrollersareconcluded.Keywords：Singleneuralelement;Self-Adaptivecontrol;PIDcontrol1引言神经元网络（NeuralNetworks）是利用工程技术手段模拟人脑神经网

4、络和功能的一种大规模并[1]行的非线性系统，具有信息分布储存、并行处理以及自组织、自学习能力等优点，在信息处理、模式识别、智能控制等领域有着广阔的应用前景。而神经元是组成人脑神经系统的最基本单元，不同神经元的树突和轴突一一对接，就把众多的神经元连成一个神经元网络。本文主要介绍了两种基于单神经元的自适应PID控制算法，总结了单神经元自适应PID控制器的参数设计规律。2单神经元模型[2]单神经元的McCulloch-Pitts模型如图1所示。xwy11xw22y∑θuwNxN图1人工神经元模型示意图图2Sigmoid人工神经元活化函数x,x,⋅⋅⋅,x是神经元接收的信息，ww,,Lw为连接

5、权值。利用简单的线性加权求和运算12N12NN把输入信号的作用结合起来构成净输入input=∑wxjj−θ，其中θ是神经元的阈值。此作用引起j=1神经元的状态变化，而神经元的输出y是其当前状态的活化函数，即y=ginput()。控制中应用的1http://www.elecfans.com电子发烧友http://bbs.elecfans.com电子技术论坛神经元活化函数g(*)通常为Sigmoid函数(S型函数)，它使神经元的输出是限制在两个有限值之间的连续非减函数，如图2所示。3神经网络有监督的Hebb学习规则学习规则是修改神经元之间连接强度或加权系数的算法，使获得的知识结构适应周围环

6、境的变化。如果用o表示单元i的输出，o表示单元j的输出，w表示单元j到单元i的连接加权系数，ijijd表示网络期望目标输出，η为学习速率，则神经网络有监督的Hebb学习规则如式（1）所示。i∆w(k)=η[]d(k)−o(k)o(k)o(k)（1）ijiiij4基于单神经元的PID控制单神经元控制系统的结构如图3所示。图中转换器的输入为设定值r(k)和输出y(k)，转换器的输出为神经元学习所需要的状态量x,x,x，K为神经元的比例系数。123x1(k)x2(k)w1(k)u(k)被控w2(k)K对象x3(k)w3(k)...转换器图3单神经元自适应控制器结构图3神经元通过关联搜索来产生

7、控制信号ut()，将其离散化为u(k)=u(k−)1+k∑wi(k)xi(k)，i=1其中，w(k)为对应于x(k)的权系数，x()()()()kr=ky−=kek，ii1xk()=∆ek()()(1)=ekek−−，xk()()2(1)(2)=ek−−ek+−ek。234.1采用有监督Hebb学习算法的单神经元自适应PID控制器由于加权系数w(k)和神经元的输入、输出和输出偏差三者的相关函数有关，因此采用有监督iHebb学习算法时，为保证这种