单神经元自适应PID控制器的研究及MATLAB仿真
- 格式：pdf
- 大小：687.80 KB
- 文档页数：2
《自动化技术与应用》２００７年第２６卷第０９期52 | Techniques of Automation & Applications工业控制与应用Industry Control and Applications
单神经元自适应PID控制器的研究
及MATLAB仿真
张学燕，张建峡（贵州大学电气工程学院 贵州 贵阳 ５５０００３）
摘 要：在分析传统的ＰＩＤ控制器的基础上，提出了一种单神经元自适应ＰＩＤ控制器，这种控制器，不仅结构简单，且具有较好的适应性和鲁棒性。本文主要讨论了单神经元自适应ＰＩＤ控制器的结构，控制算法，并用ＭＡＴＬＡＢ仿真软件给出了实例仿真，证明了单神经元自适应ＰＩＤ控制器控制效果优于传统的ＰＩＤ控制器。关键词：单神经元；ＰＩＤ控制器；仿真中图分类号：ＴＰ１８３ 文献标识码：Ｂ 文章编号：１００３－７２４１（２００７）０９－００５２－０２
The Design of a Single Neuron Adaptive PID Controller
and The Simulation of Matlab
ZHANG Xue-yan, ZHANG Jian-xia(Electronic Engineering College of Guizhou University Guiyang 550003 China)Abstract: A single neuron adaptive PID controller is designed based the traditional PID controller, this controller not only have asimple structure but also has a better adaptability and good robustness. This paper presents the structure of thecontroller and the results of simulation are also given.Key words: single neural element; PID controller; simulation
收稿日期：２００７－０２－０１１ 引言ＰＩＤ控制是最早发展起来的控制策略之一，由于其算法简单，鲁棒性好，结构简单，易于实现，因此广泛的应用于工业控制过程中。但是传统的ＰＩＤ控制也有其自身弱点，传统的ＰＩＤ控制用于可建立精确数学模型的确定性系统。然而在实际的应用中，尤其是在工业过程控制中，由于被控对象的严重非线性，数学模型的不确定性，系统工作点变化激烈等因素，传统控制理论已不能满足被控对象的要求，这就促使人们提出新的控制技术和方法来适应这种变化。由于神经网络具有自学习、自适应、自组织的能力，本文提出了单神经元自适应ＰＩＤ控制器，使人工神经网络与传统的ＰＩＤ控制相结合，并将其进行了仿真。实验证明，本文设计的自适应ＰＩＤ控制器具有良好的控制效果，控制品质优于传统的ＰＩＤ控制器。
２ 单神经元自适应PID控制器及其学习算法２．１ 单神经元PID控制器的结构有单神经元构成的ＰＩＤ控制系统结构如图１所示：图１ 单神经元PID控制结构图图中转换器的输入分别为设定值ｒ（ｔ）和输出值ｙ（ｔ），转换器的输出ｘ１，ｘ２，ｘ３，分别为神经元学习控制所需的状态量，也即为单神经元的输入，控制信号ｕ（ｋ）由神经元通过关联搜索和自学习产生，在这里有［１］：ｘ１（ｋ）＝ｒ（ｋ）－ｙ（ｋ）＝ｅ（ｋ）ｘ２（ｋ） ＝ｅ（ｋ）－ｅ（ｋ－１）ｘ３（ｋ）＝ｅ（ｋ）－２ｅ（ｋ－１）＋ｅ（ｋ－２）ｚ（ｋ）＝ ｒ（ｋ）－ｙ（ｋ）＝ｅ（ｋ）ｚ（ｋ）为性能指标或递进信号，Ｋ为神经元的比例系数且Ｋ＞０。控制器的输出量为：ｕ（ｋ）＝ｕ（ｋ－１）＋Ｋ∑=31i ｗｉ（ｋ）ｘｉ（ｋ）式中ｗｉ（ｋ）为对应于ｘｉ（ｋ）的加权系数。２．２ 单神经元PID控制器的控制算法在本文中采用有监督的Ｈｅｂｂ学习规则，Ｈｅｂｂ学习规则为：《自动化技术与应用》２００７年第２６卷第０９期Techniques of Automation & Applications | 53工业控制与应用Industry Control and Applications△ｗｉｊ＝η（ｄｊ（ｋ）－ｏｊ（ｋ））ｏｉ（ｋ）ｏｊ（ｋ）式中：ｏｉ表示神经元ｉ的激活值，ｏｊ表示神经元ｊ的激活值，△ｗｉｊ表示神经元ｉ和神经元ｊ的连接权值的增量，ｄｊ为网络目标的期望输出值，η为学习效率。单神经元ＰＩＤ控制器是通过对状态量的权系数的调整来实现自适应、自组织功能的。为了保证单神经元自适应控制系统学习策略的的收敛性化控制的鲁棒性，对有监督的Ｈｅｂｂ学习算法进行规范化处理可以得到：ｕ（ｋ）＝ｕ（ｋ－１）＋Ｋ∑=31iｗｉ’（ｋ）ｘｉ（ｋ）ｗｉ’（ｋ）＝ｗｉ（ｋ）／∑=31i｜ ｗｉ（ｋ）｜ｗ１（ｋ）＝ｗ１（ｋ－１）＋ ηＩ ｚ（ｋ）ｕ（ｋ）ｘ１（ｋ）ｗ２（ｋ）＝ｗ２（ｋ－１）＋ ηＰ ｚ（ｋ）ｕ（ｋ）ｘ２（ｋ）ｗ３（ｋ）＝ｗ３（ｋ－１）＋ ηＤ ｚ（ｋ）ｕ（ｋ）ｘ３（ｋ）式中：ηＩ、ηＰ、ηＤ分别为积分、比例、微分的学习效率。
３ 单神经元自适应PID控制器的SIMULINDK仿真实现３．１ 转换器的实现由图１可知，转换器的输入设定值ｒ（ｔ）和输出值ｙ（ｔ），经过转换器后输出神经元学习控制所需的状态量控制信号ｘ １，ｘ２，ｘ３，且 ｘ１（ｋ）＝ｒ（ｋ）－ｙ（ｋ）＝ｅ（ｋ），ｘ２（ｋ） ＝ｅ（ｋ）－ｅ（ｋ－１），ｘ３（ｋ）＝ｅ（ｋ）－２ｅ（ｋ－１）＋ｅ（ｋ－２），在ＳＩＭＵＬＩＮＫ仿真环境中，可以通过零阶保持器来保存其前一个状态ｅ（ｋ－１），具体的状态转换器的仿真图如下所示［２］：
３．２ 单神经元控制器的SIMULINK实现单神经元控制器的学习算法，用Ｓ函数实现［３］，在控制器中神经元权值的初始值分别取０．３，０．３，０．３，积分学习速率为Ｐ＝６８０，微分学习效率Ｄ＝１００，比例学习效率为Ｉ＝６５，神经元比例系数Ｋ＝２０。３．３ 在工业控制系统中的仿真在工业生产过程中，控制的生产过程复杂多样，在这里对经常遇到的二阶系统进行仿真，设二阶系统的传递函数为：Ｇ（ｓ）＝2322++SS，以下分别用传统的ＰＩＤ控制器和单神经元自适应ＰＩＤ控制器分别对其进行仿真，并分析仿真结果。单神经元自适应ＰＩＤ控制器仿真的结构图如下图所示：图２ 状态转换器的仿真图
图３ 单神经元自适应PID控制器仿真的结构图 单神经元自适应ＰＩＤ控制器仿真结果：
在传统的ＰＩＤ控制器中，选择比例、积分、微分系数分别为１，０．０２和０．５传统ＰＩＤ控制器的仿真结果：
由上图可以看出，由传统的ＰＩＤ控制器所得到的仿真波形图在一开始会出现不稳定的状态，且过渡时间较长，约需要２０左右才能够达到稳定，而采用单神经元网络自适应的ＰＩＤ控制器没有超调量且过渡时间仅需要５秒左右，由此可以看出单神经元网络自适应的ＰＩＤ控制器有较强的自适应性和较高的控制精度。
４ 结束语仿真结果证明：传统的ＰＩＤ控制具有结构简单，调整方便等优点，但是其控制效果一般不是特别的理想，尤其是当对象为非线性时，通常会出现超调量较大，调节时间较长等弱点；而单神经元自适应ＰＩＤ控制方法具有优于传统的ＰＩＤ控制的效果，本文提出的单神经元自适应ＰＩＤ控制器结构简单，控制算法简便，由于其具有很好的自适应型，所以系统可以自动地对ＰＩＤ参数进行适时的调整，以达到较为理想的控制效果。同时，也能够减小超调量和缩短调节时间，因此其控制效果明显的优于传统的ＰＩＤ控制器。
参考文献：［１］ 刘金琨．先进ＰＩＤ控制ＭＡＴＬＡＢ仿真（第二版）［Ｍ］．北京；电子工业出版社，２００４［２］ 朱必刚．单神经元控制算法的ＭＡＴＬＡＢ仿真［Ｊ］．科技资讯．２００６，（１）：７－８［３］ 李国勇．谢克明．控制系统数字仿真与ＣＡＤ［Ｍ］．北京；电子工业出版社．２００３，９［４］ 李传琦．电力电子技术计算机仿真实验［Ｍ］．北京；电子工业出版社２００６图４ 单神经元自适应PID控制器的仿真结果
图５ 传统PID控制器的仿真结果
作者简介：张学燕（１９８１－），女，山东泰安人，在读硕士研究生，研究方向：电力电子与电力传动。
