当前位置：文档之家 › 单神经元PID控制作业

单神经元PID控制作业

  • 格式：doc
  • 大小：135.71 KB
  • 文档页数：3

单神经元PID控制
一、目的
１．熟悉单神经元PID控制器原理。
２．通过实验进一步掌握有监督的Hebb学习规则及其算法仿真。
二、设备及条件
１．计算机系统。
２．MATLAB仿真软件。
三、原理
１．单神经元自适应PID控制器设计
图18中转换器的输入反映被控过程及控制器设定的状态，如设定为()ryk，
输出为()yk，经转换器后转换成为神经元学习控制所需要的状态量123xxx、、，
其中：

图18 单神经元PID控制系统结构

123
, 1, 212xkekxkekekxkekekek

神经元通过关联搜索来产生控制信号，即
3
1()(1)()(), 0iiiukukkkxkk


式中，()ik为对应于()ixk的权系数；k为神经元的比例系数，且0k。
2．有监督的Hebb学习规则
将无监督Hebb学习规则和有监督Delta学习两者结合起来就构成有监督的
Hebb
学习规则，如

ijjjji
dkokokok



以()iok表示神经元i的激活值，以()jok表示神经元j的激活值，以ij表示神经
元i和神经元j的连接权值。单神经元自适应控制器通过对加权系数的调整来实
现自适应、自组织功能，而加权系数的调整采用有监督的Hebb学习规则，它与
神经元的输入、输出和输出偏差三者的相关函数有关，即
(1)(1)()()()()()()iiiiikckrkrkzkukxk

式中()zk表示误差信号，即()()(),rzkykyk为学习效率，0，c为常数。
学习算法规范化处理后为
33
1

11311111222333()(1)()()()()()/()(1)()()()()(1)()()()()(1)()()()()iiiiiiiiiipdukukkkxkkkkkkkukzkxkkkukzkxkkkukzkxk










式中k为神经元的比例系数；i为积分学习速率；p为比例学习速率；d为微
分学习速率。
四、步骤
（1）假定具体的被控对象为：
()0.368(1)0.26(2)0.10(1)0.632(2)()ykykykukukk
式中，()k为干扰信号；()uk为过程输入信号；()yk为过程的输出。
（2）在控制过程中，开始加入幅度为1的单位阶跃信号，到第150周期开
始加入幅度为20%的阶跃干扰，在第300个周期干扰消失。
单神经元控制的各参数为：
0.12, 0.4, 0.35, 0.4pidk
（3）在MATLAB下依据整定原理编写仿真程序并调试。
（4）给定输入为阶跃信号，运行程序，记录实验数据和控制曲线。
五、报告要求
1．给出单神经元PID控制系统的设计过程和程序清单。
2．记录实验数据和曲线。
3．分析实验结果。
六、思考题
1．单神经元PID控制器的不足是什么？与什么因素有关？
2．在传统PID控制器设计的基础上还有什么办法可以改进？

合集下载

单神经元PID控制算法在智能车控制系统的应用_侯一民

单神经元PID控制算法在智能车控制系统的应用_侯一民

①
图1
智能车硬件整体结构框图
由寿命长、 污染小的额定电压为 7． 2V 的镍 以 镉充电 电 池 为 智 能 车 各 系 统 提 供 特 定 电 源， MK60DN512ZALQ10 单片机为控制核心［5］， 经线 阵 CCD 镜头采集的赛道信息成像在感光元件上， 量化后得到 128 个电压值， 经运算放大器传给单 并进行图像处理， 将结果传 片机的 A / D 转换器， 给控制器， 输出结果： a． 经 单 片 机 FTM 模 块 产 生 方 波， 传给 BTN7960 模块， 根据输入的占空比控制输出电压 ， 进而控制电机转速， 最终的控制目的是使智能车 以最快的速度沿赛道中心线稳定运行 ； b． 单片机 FTMPW 模块产生 PWM 方波， 方 ， 波的脉宽决定了舵机的输出转角 用于控制车轮 沿赛道中心线行驶， 最终的控制目的是使智能车 ， 能够做半圆周运动 即驶过弯道。
图2
智能车舵机运动力学分析
采用传统 PID 控制算法时， 智能车的行驶方 向和道路中心线之间的距离偏差， 经过 PID 控制 器的积分和微分环节处理后， 分别计算出积分值 再将积分值、 微分值和偏差按一定的线 和微分值， 性规律组合， 在比例环节作用下得到实际输出， 由 因 于 CCD 传感器是按一定周期获取道路信息的， 此必须将连续的 PID 控制算法离散化， 得到增量 型 PID 算法：
134
化 工 自 动 化 及 仪 表
第 42 卷
单神经元 PID 控制算法在智能车控制系统的应用
侯一民 朱志超
（ 东北电力大学自动化工程学院， 吉林 吉林 132000 ）
摘
要
针对传统 PID 控制算法对智能车的舵机和电机进行控制时 ， 其控制参数很难随环境变化进行
基于单神经元PID的电阻炉智能温度控制系统的开题报告

基于单神经元PID的电阻炉智能温度控制系统的开题报告

基于单神经元PID的电阻炉智能温度控制系统的开题报告1. 研究背景与意义随着工业自动化的发展，越来越多的生产过程需要通过智能温度控制系统来实现自动化调节，以提高生产效率、降低能耗和减少人工干预等方面的成本。

在这个背景下，电阻炉智能温度控制技术的研究和应用越来越受到重视。

PID控制技术是一种广泛应用于工业控制领域的自动控制算法，具有结构简单、操作方便、调节精度高等优点，在电阻炉智能温度控制系统中也被广泛应用。

而单神经元PID控制器结合了神经网络的一些特点，更加适合处理非线性系统，并且可以提高控制精度，因此本文将研究基于单神经元PID的电阻炉智能温度控制系统，以加深对此技术的理解和应用。

2. 研究内容和方法本文将研究基于单神经元PID的电阻炉智能温度控制系统，并分以下几个部分展开：1）电阻炉的建模与分析：根据电阻炉的物理特性，对电阻炉的特性进行建模与分析，确定系统的输入输出方式及特征。

2）单神经元PID控制器的设计与实现：基于该控制器的特点，设计并实现控制算法，建立系统模型，并开发相应的软件实现。

3）控制实验与算法优化：对系统进行实验验证，并根据实验结果，在算法的参数和控制规则上进行优化和改进。

4）应用和推广：将此技术应用于电阻炉智能温度控制系统，并在相关生产领域中应用和推广。

3. 预期结果通过本文的研究，预期可以达到以下结果：1）建立具有可行性的单神经元PID控制算法，适用于电阻炉智能温度控制系统。

2）可以对电阻炉的特性进行建模、分析，并采用该控制算法进行温度调节，达到较高的控制精度。

3）实现控制系统的自动化控制，减少人工干预，提高生产效率和质量，并满足工业生产环境中的各种要求。

4. 研究难点研究过程中存在以下难点：1）电阻炉物理特性具有一定的复杂性，需要针对其特性进行建模、分析和实验验证。

2）单神经元PID控制器中的参数优化和规则优化，需要综合考虑多个因素并进行系统化的思考和实验验证。

3）大规模应用和推广需要考虑到不同电阻炉的差异和特性，根据实际应用场景进行灵活调整。

单神经元自适应PID控制器的性能优化设计

单神经元自适应PID控制器的性能优化设计

２００７，４３（１２）１引言ＰＩＤ控制是最早发展起来的控制策略之一［１］，因为它所设计的设计算法和控制结构都是很简单的，并且十分适用于工程应用背景，此外ＰＩＤ控制方案并不要求精确的受控对象的数学模型，且采用ＰＩＤ控制的控制效果一般是比较令人满意的，所以工业界实际应用中ＰＩＤ控制器是应用最广泛的一种控制策略，且都是比较成功的。

ＰＩＤ控制对线形非时变的且是相当低阶的控制系统，其跟踪和抗干扰能力特别强，能获得期望的特性，特别是对低阶的系统，可以达到参数最优化控制。

然而，ＰＩＤ控制也有局限性，当系统参数是时变的，或者系统是跟踪一个参考轨迹而不是简单的设定点变化时，控制性能严重地变坏，这是可以应用自校正控制器。

此外，当系统存在有较大的滞后时，系统的性能也会严重地变坏，必须采取特别措施［２］。

人工神经元具有自适应、自学习、并行处理及较强的容错能力。

将人工神经元用于控制过程，给控制器赋予智能，在线调整ＰＩＤ参数，可以预见，将使被控系统具有较强的抗干扰能力和鲁棒性。

２神经元数学模型神经元是以生物神经系统的神经细胞为基础的生物模型。

人们在对生物神经系统进行研究，以探讨人工智能的机制时，把神经元数学化，从而产生了神经元数学模型（如图１）。

神经元是一个多输入、单输出的信息处理单元，它对信息的处理是非线性的［３］。

神经元的输入输出关系为：ｚｉ＝ｎｊ＝１!ＷｉｊＸｊ－!ｉ（１）ｙｉ＝ｆ（ｚｉ）（２）取其离散值后的公式为：ｚ（ｋ）＝ｎｉ＝１!Ｗｉ（ｋ）Ｘｉ（ｋ）－!（ｋ）（３）ｙＮ（Ｋ）＝Ｆ（ｚ（Ｋ））（４）当取ｎ＝３，且阀值!ｋ＝０，则：ｚ（ｋ）＝Ｘ１（Ｋ）Ｗ１（Ｋ）＋Ｘ２（Ｋ）Ｗ２（Ｋ）＋Ｘ３（Ｋ）Ｗ３（Ｋ）（５）３常规ＰＩＤ调节器ＰＩＤ控制器是一种线形控制器，用输出量和给定量之间的误差的时间函数的比例、积分、微分的线形组合，构成控制量ｕ（ｔ），称为比例积分微分控制，简称为ＰＩＤ控制，其算式为ｕ（ｔ）＝Ｋｐ［ｅ（ｔ）＋１ＴＩ"ｅ（τ）ｄ（τ）＋ＴＤｄ（ｅ（ｔ））ｄｔ］（６）将上式进行离散化后得：单神经元自适应ＰＩＤ控制器的性能优化设计宋道金ＳＯＮＧＤａｏ－ｊｉｎ山东理工大学，山东，淄博２５５０４９ＳｈａｎｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｚｉｂｏ，Ｓｈａｎｄｏｎｇ２５５０４９，ＣｈｉｎａＥ－ｍａｉｌ：ｄｊｓ＠ｓｄｕｔ．ｅｄｕ．ｃｎＳＯＮＧＤａｏ－ｊｉｎ．ＤｅｓｉｇｎｏｆｓｉｎｇｌｅｎｅｕｒｏｎａｄａｐｔｉｖｅＰＩＤｃｏｎｔｒｏｌｌｅｒ．ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２００７，４３（１２）：１９９－２０１．Ａｂｓｔｒａｃｔ：ＴｈｅｓｉｎｇｌｅｎｅｕｒｏｎａｄａｐｔｉｖｅＰＩＤｃｏｎｔｒｏｌｌｅｒｉｓｄｉｓｃｕｓｓｅｄ，ｉｎｃｌｕｄｉｎｇｉｔｓｍａｉｎｆｅａｔｕｒｅｓ，ｓｕｃｈａｓｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓ，ｔｈｅｃｏｎｔｒｏｌｌａｗ．ＡｒａｐｉｄａｎｄａｐｐｒｏｘｉｍａｔｅｍｅｔｈｏｄｆｏｒｃｏｎｔｒｏｌｌｉｎｇｔｈｅｄｅｌｉｃａｃｙｏｆｔｈｅｓｙｓｔｅｍｉｓａｌｓｏｇｉｖｅｎｔｏａｃｈｉｅｖｅｔｈｅＰＩＤｐａｒａｍｅｔｅｒｓｅｌｆ－ｓｔｕｄｙ．Ｉｔｉｓｖｅｒｉｆｉｅｄｔｈａｔｔｈｉｓｃｏｎｔｒｏｌｌｅｒｈａｓｆｅｗａｄｊｕｓｔａｂｌｅｐａｒａｍｅｔｅｒｓａｎｄｅｘｃｅｌｌｅｎｔｒｏｂｕｓｔｎｅｓｓｐｅｒｆｏｒｍａｎｃｅ，ａｎｄｉｔｃａｎｒｅｓｔｒａｉｎｔｈｅｐｒｏｃｅｓｓｔｉｍｅ－ｄｅｌａｙｅｆｆｅｃｔｉｖｅｌｙ．Ｋｅｙｗｏｒｄｓ：ｓｉｎｇｌｅｎｅｕｒｏｎ；ａｄａｐｔｉｖｅＰＩＤｃｏｎｔｒｏｌｌｅｒ；ＰＩＤ摘要：研究了单神经元自适应ＰＩＤ摔制器性能优化问题，阐述了该摔制器的特点、控制律；给出了一种控制灵敏度的快速近似求取方法，实现了ＰＩＤ参数的在线自学习；使单神经元控制器具有可调参数少、易于整定、控制输出平稳、鲁棒件强的独特优点，适用于大滞后且要求平稳控制输出的工业过程。

PID算法-从单级PID到单神经元自适应PID控制器

PID算法-从单级PID到单神经元自适应PID控制器

PID算法-从单级PID到单神经元⾃适应PID控制器⽬录0.0 写在前⾯的话这是⼀篇我在学习PID控制算法的过程中的学习记录。

在⼀开始学习PID的时候，我也看了市⾯上许多的资料，好的资料固然有，但是更多的是不知所云。

（有的是写的太过深奥，有的则是照搬挪⽤，对原理则⼀问三不知）这⼀直让我对PID摸不着头脑。

所以我打算从0开始去⼀层层学习它，直到⾃⼰掌握它的精髓。

我不认为我有多聪明，所以相当多的部分我都写的很详细，觉得过于冗余的⼩伙伴可以跳着看。

我并不是计算机科学\电控类专业的学⽣，所以对知识的理解可能有不到位的地⽅，还请⼤家指正。

最后，希望这篇长⽂对⼤家有所帮助，这也是我完成它的⽬标之⼀。

1.0 单级PID控制1.1 单级PID的原理理解单级PID也就是只使⽤⼀个PID控制块。

⼀般讲到PID，⼤家都喜欢⽤调节洗澡⽔的⽔温来举例：Kp（⽐例项），即希望调节到的温度与现在的温度差的越⼤，我们拧动加热旋钮的幅度就越⼤，这个差值越⼩，我们拧动加热旋钮的幅度就越⼩；Ki（积分项），即P⽐例调节控制了⼀段时间之后，发现实际值与期望值还是有误差，那就继续拧懂加热旋钮，这是⼀个在时间上不断累积的过程，故为积分项；Kd（微分项），当实际值与期望值的误差的导数，也就是⽔温变化的速度，这⼀项即控制达到期望值，即控制当前⽔温到达⽬标⽔温的速度。

然后将上⾯三项相加，就得到了基本的PID控制：\[Output=K_{P}*e+K_{I}*\int edt+K_{D}\frac{de}{dt} \]即下图谈谈我对于PID控制的⼀些理解：1. ⾸先⾯对⼀个需要PID的控制系统的时候，增⼤P（⽐例控制系数）可以使得系统的反应灵敏，但是相应地会⽆法避免地产⽣稳态误差并且单纯使⽤⽐例控制的系统⽆法消除这种误差；2. 在得到⼀个较为灵敏同时拥有较⼩的稳态误差的系统时，这时引⼊I（积分控制项），积分控制可以有效地消除稳态误差，但是会使得系统达到稳态的时间延长，也是就是出现了震荡；3. 在PI控制完成之后，⼀般来说对于⼀些对时间不是很敏感的系统都已经拥有较好的控制表现了，对于时间要求苛刻的系统就需要引⼊D（微分控制项）来进⼀步缩短系统达到稳态的时间（减少震荡）；4. D项的⼀个很不友好的特性就是对环境噪声极其敏感，引⼊D之后很容易就会使得先前已经稳定的系统突然变混乱起来，所以通常也需要较多的时间类来获取试验D的取值。