改进PID神经网络的辨识研究与建模应用

《改进PID神经网络的辨识研究与建模应用》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、改进PID神经网络的辨识研究与建模应用摘要：PID神经网络是一种将PID控制规律融入神经网络之中而形成的动态网络结构，本文针对一般PID控制策略存在的缺点，将变速积分和不完全微分思想引入PID神经网络隐含层的设计，提出了改进型PID神经网络，增强了神经元处理信息的能力，更适合于控制系统的建模和辨识。系统辨识的结构分析和仿真实验也说明了该改进方法的切实可行性和优越性。关键词：PID神经网络；变速积分；不完全微分；辨识IdentificationResearchonImprovedPIDNeuralNetworkandItsApplicationAbstract：P

2、IDneuralnetwork(PID-NN)isanewtypeofdynamicfeed-forwardnetworkwhichcombinesneuralnetworkwithPIDcontrolstrategy.ItperformsaperfectfunctioninprocesscontrolwiththemeritofbothgeneralPIDcontrollerandneuralnetwork.Inthispaper,theconceptsofvariableintegralandpartialdifferentialareintroducedi

3、nthedesignofhidden-layerofPID-NNtoimprovethecapabilitiesofneurons.Thestructureofsystemidentificationisanalyzed,andtheresultsofsimulationwithfielddataofwetFGDindicatethevalidityandsuperiorityofthisimprovedmodelingapproach.Keywords：PIDneuralnetwork;variableintegral;partialdifferential;

4、identification前言系统建模和辨识是控制理论的基本问题。系统辨识方法的建模方式是在输入输出数据的基础上，从一组给定的模型中，确定一个与所测系统等价的模型，它是控制系统设计的基础。过去几十年中，人们对线性系统的建模和辨识进行了深入的研究，总结出了一整套成熟的辨识算法，可以建立具有较高可靠性的模型。然而在现实世界中，非线性是普遍存在的，而线性模型只是对非线性对象的一种简化和近似。因此当系统非线性严重且期望得到高品质的控制效果时，建立性能良好的非线性模型就显得至关重要。然而，利用传统的辨识方法要做到这一点无论是在理论研究还是在工程实践中都存在着极大的困难。

5、相比之下，神经网络在这方面显示了明显的优越性。基于神经网络的系统建模和辨识是神经网络在控制领域中的重要应用之一。应用神经网络对系统进行辨识实质上就是选择一个适当的神经网络模型来逼近实际系统。它不需要过多的有关待辨识系统的先验经验，而是通过训练和学习对网络连接权值进行修正以达到系统辨识的目的，它为非线性系统的辨识提供了一条十分有效的途径。PID神经网络(PIDNeuralNetwork，PID-NN)是舒怀林教授[1]于1997年提出的一种新的动态网络结构。它将PID控制规律融入神经网络之中，实现了两者的本质结合。本文在原有网络结构的基础上，将变速积分和不完全微分

6、思想引入PID-NN隐含层的设计，得到改进型PID神经网络(I-PID-NN)，使其增强了神经元处理信息的能力，更适合于控制系统的建模和辨识。1PID神经网络及其改进1.1PID-NN的结构PID-NN是一种具有固定结构的3层前向神经网络，包括输入层、隐含层和输出层，其基本结构为2—3—1，如图1所示。网络的输入层有两个神经元，分别接收外部的输入信息：其中一个接收系统的目标值或给定值，另一个接收被控变量值。输入层神经元的输出经过连接权重，进入隐含层进行综合和处理。隐含层有三个神经元，各神经元的输出函数互不相同，分别对应比例(P)、积分(I)、微分(D)3个部分，

7、即分别对输入信号进行比例、积分和微分。隐含层的输出再通过连接权，进入输出层。网络的输出层完成PID-NN控制规律的综合。网络的前向计算实现PID-NN的控制规律，网络的反向算法实现PID-NN参数的自适应调整[2]。图1PID神经网络的结构模型Fig.1StructureofPIDneuralnetwork1.2PID-NN的改进PID-NN是将PID控制规律融入神经网络之中而构成的一种新的动态神经网络，两者取长补短，使其既具有常规PID控制结构简单、参数物理意义明确等优点，同时又具有神经网络的并行结构和学习记忆功能及非线性映射能力。但是，在常规PID控制中，其

8、积分环节易出现积分饱和现