基于搜寻者优化算法的 PID神经网络解耦控制.pdf

《基于搜寻者优化算法的 PID神经网络解耦控制.pdf》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、2015年第5期工业仪表与自动化装置·97·基于搜寻者优化算法的PID神经网络解耦控制刘俊(商洛学院电子信息与电气工程学院，陕西商洛726000)摘要：传统的PID神经网络，由于初始权值随机选择，权值学习采用BP算法，所以容易陷入局部极值，进而导致该方法无法得到高精度的控制结果。该文提出采用搜寻者优化算法优化PID神经网络初始权值，再把最优初始权值带入PID神经网络，实现解耦控制。对一个耦合系统进行仿真实验，结果表明，与目前控制效果较好的粒子群算法优化PID神经网络相比，该算法收敛速度更快、稳态误差更小，同时也具有良好的自适应和抗干扰能力

2、，能够实现快速、高精度、稳定的解耦控制。关键词：搜寻者优化算法；PID；解耦控制；神经网络中图分类号：TP183文献标志码：A文章编号：1000—0682(2015)05—0097—04PIDneuralnetworkdecouplingcontrolbasedonseekeroptimizationalgorithmLIUJun(ElectronicInformationandElectricalEngineeringCollege，Shangl∞University，ShaanxiShangluo726000，China)Abstra

3、ct：TraditionalPIDneuralnetwork，inwhichinitialweightsarerandomlyselectedandweightlearningmethodusesBPalgorithm，tendstofallintolocalextremum，SOthemethodcannotgetprecisecontro1．Seekeroptimizationalgorithm(SOA)isadoptedtooptimizetheinitialweightsofPIDneuralnet—work，andthedeco

4、uplingcontrolisrealizedbyputtingtheoptimalinitialweightsintoPIDneuralnet-work．Acouplingsystemissimulated，andtheresultshowsthat，comparedwithPIDneuralnetworkwhichisbasedonparticleswarmalgorithm(PSO)，PIDneuralnetworkwhichisbasedonSOA(SOA—PIDNN)sharesbettercontroleffectandsma

5、llersteady—stateerror；moreover，SOA—PIDNNisendowedwithadaptiveandanti—interferenceability，whichfacilitaterapid，accurateandstabledecouplingcon—tro1．Keywords：seekeroptimizationalgorithm；PID；decouplingcontrol；neuralnetwork定，利用最速下降法，通过控制量误差反向传播的方0引言式修正网络权值，所以，该方法全局搜索能力差，容在工业控制

6、过程中，存在大量的非线性、多变易得到局部极值。对于很多复杂系统，单一使用量、强耦合的控制系统。由于被控系统的数学模型PID神经网络的控制效果并不理想。为此，近几年无法确定，被控对象内部参数有时还随时间不断变多位学者在PID神经网络权值优化方面做了一些研化，采用传统方法(如PID控制)不能获得满意结究。文献[3]利用遗传算法(简称GA)优化PID神果，甚至完全无法实现控制。经网络的权值，一定程度上解决了PID神经网络全为了实现复杂系统的有效控制，文献[1]将学局搜索能力差的缺点，在控制精度上有一定提高。习能力及非线性映射能力较强的神经网络与

7、PID控文献[4]把粒子群算法(简称PSO)应用到PID神经制算法相结合，设计了PID神经网络模型，较好地解网络解耦控制中，可以更快逼近控制目标，得到较高决了多变量非线性系统的解耦控制问题。该方法区的精度。文献[5]实现了人工鱼群算法(简称AF．别于用神经网络优化PID控制器参数的传统SA)对PID神经网络初始权值的优化，加快了PID方法。神经网络的收敛速度，保证了系统的稳定性。PID神经网络(简称PIDNN)的初始权值随机给为了解决PID神经网络对多变量强耦合系统控制效果较差的问题，该文提出采用搜寻者优化算法(简称SOA)对PID神经网

8、络初始权值进行离线优收稿日期：2015—02—05作者简介：刘俊(1986)，男，山西省大同市人，硕士研究生，助化，并在网络权值修正算法中引入动量项，加快权值教，主要研究智能控制和智能算法。修