基于单神经元的自适应PID控制研究

《基于单神经元的自适应PID控制研究》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、基于单神经元的自适应PID控制研究赵建辉1，赵建平1，徐弋1，许利亚1（1.中国卫星海上测控部，江苏江阴214431）摘要：本文对基于单神经元的PID控制算法进行了研究，以解决伺服系统的非线性、自适应问题，并用MATLAB对某大型雷达伺服系统位置环进行了仿真，仿真结果表明采用单神经元自适应PID控制器，比传统的PID控制器具有更好的适应性、鲁棒性。关键词:PID控制神经网络单神经元参数调整中图分类号：TP918文献标识码：ATheResearchoftheSingle--basedAutoAdaptedPIDControlZHAOJian-hui1,ZHAOJian-pin

2、g1,XU-yi1,XULi-ya1(SatelliteMarineTrackingandControlDepartmentofChina,Jiangyin214431，China)Abstract:BythestudyofthePIDcontrolalgorithmbasedonsingle,wehavesolvedthenon-andadaptedproblemsofthesystem,andsimulatedtoaradarsystem.Theresultofsimulationmeanstheauto-adaptedPIDControllerbasedonsingl

3、eistomoreadaptedandthanaPIDController.KeyWords:PIDControl;Networkst;Single;ParameterAdjust40引言近十年来，以人工神经网络为代表的人工智能技术取得了长足进展。目前在图象处理、语音处理、信号处理、模式识别、故障诊断等一些实时性要求不高的领域，获得了成功应用。神经网络在控制领域主要有两个用途：模型辨识和系统控制。利用神经网络非线性映射的能力可逼近任何线性和非线性模型；利用自学习、自收敛性可作为自适应控制器。神经网络控制器与传统自适应控制器在原理与结构上有相似之处，传统自适应控制只能用于线性

4、对象，但神经网络控制器既可用于线性对象，又可用于非线性对象，对被控对象无须精确建模，对参数变化有较强的鲁棒性。在数字伺服系统中，常常是参数变化范围大、存在着非线性及耦合关系，往往要求精度高、响应速度快，常规的控制算法有一定局限性。因此采用神经网络控制以解决数字伺服系统的非线性、自适应问题。41人工神经网络特点与神经元模型图1-1人工神经元模型为模拟人类大脑神经网络系统的生物神经元，人们提出了人工神经元，由神经元相互连接构成神经网络。神经元模型如图1-1所示[1]。设xi(i=l，…，n)为加于神经输入端的输入信号，wi为相应的连接权系数，用于模拟生物神经元突触的连接强度，连

5、接权可以为正(激励)和负(抑制)。为神经元的阀值，则神经元的内部状态(或称静输入)为：（1-1）神经元的输出为：（1-2）f(s)为响应函数(激活或输出函数)，可取阶跃(硬限幅、阀值、符合)函数、线性或非线性函数。非线性函数有S型(Sigmoid)函数和双曲正切函数等。2神经网络PID控制器离散形式的位置PID控制算法表达式[2]为:（2-1）根据公式（2-1），用一个单神经元构造控制器如图2-1所示：图2-1神经元PID控制器神经元的三个输入分别为（2-2）即三个输入分别对应于误差的比例、积分(求和)与微分(差分)。神经元响应函数采用线性函数，其输出为：（2-3）公式（2

6、-3）中，Wi(k)(i=l,2,3)为加权系数，可在线修正。可见，此神经元控制器具有PID控制器结构，其加权系数分别相当于PID控制器的比例、积分与微分系数，通过对加权系数的调整来实现自适应、自调整的功能。而权系数的调整采用有监督的学习算法，与神经元的输入、输出和偏差三者的相关函数有关，即：（2-4）式中，ri(k)－学习信号，它随过程逐渐衰弱；e(k)4－输出误差信号为教师信号，即采用有监督的学习算法；－学习速率；c－充分小的常数，0≤c≤1，通常可取c为0。3单神经元自适应PID控制器的设计采用单神经元自适应PID控制器的结构框图如图3-1所示[3]：图3-1单神经元

7、自适应PID控制器结构图3-1中神经元有3个输入量Xi(k)(i=l,2,3)，转换器的输入反映被控制过程及控制给定的偏差状态。若设给定为r(k)，输出为y(k)，偏差为e(k)，经转换器后转换成为神经元学习控制所需要的状态X1(k)、X2(k)、X3(k)。神经元PID控制器的输出为：（3-1）其中K为神经元比例系数，Wi(k)(i=l,2,3)为神经元权值系数，KWi(k)相当于PID控制器的参数Kp、KI、KD。可见这样建立的神经元控制器具有PID控制器结构，由于神经元的权系数具有自调整功能，故该神经元控制器