单神经元自适应pid 控制器和其应用.pdfVIP

常运行必需的。你还会看到好些不是确保系统正常运行所必需的应用程序，你把这些程序前打 的钩去掉，使它们不再加载。这些应用程序，你用的时候再人工启动它也不迟。经过一番轻装 修格，Pill微机恢复了Pill应有的效率，运行起来得心应手了。作为维护人员和微机用户， 安装配置微机的程序时要考虑精简高效的原则，尽量不挂少挂常驻PC的程序;要经常进行维护， 如:删除不必要的文件、不得在 “网络配置”项目下配置用不着的 “网络用户”、“网络协议” 等内容:隔一段时间作一下硬盘碎片整理等等。相信如果经常做好这些切实有效的维护工作， 哪怕你用的是486.586档次的网络工作站，在一般办公和商务的网络应用中，比Pill档次的 机器也差不了多少。千里之行，始于足下。用心维护好每一台网络设备、每一台微机，才能保 证整个系统的高效运行。 姓名:张辉虎 职务:高级工程师 邮编:430082 地址:武汉市青山区武汉石油化工厂 单位:中国石化武汉石油化工厂 电话:02786515662传真:02786515043 电子邮件:mrhuihuz@public.wh.hb.cn 单神经元自适应PID控制器及其应用 丁 军 (北京和利时系统工程股份有限公司 北京海淀西三旗 100096) 摘 要:本文对单神经元自适应控制进行工程化研究，并在北京和利时系统工程股份有限公 司的SmartPro系统平台上开发出会榜性强、易于工程组态、调试整定极其方便的单神经元自适应 PID控制器.在SmartPro系统平台的大滞后闭环回路的仿真结果表明，该单神经元自适应控制算 法是有效的、可行的.该算法在制药厂发醉维SmartPro控制系统中取得成功应用. 关妞字:单神经元，自适应控制器，PID,Dcs 研究现状 神经网络控制是一种基本上不依赖于模型的控制方法，比较适用于具有不确定性或高度非线性 的控制对象，并具有较强的自适应和自学习功能。理论研究表明，只要有足够的隐层和隐节点， 神经网络能实现任意的非线性通近，自20世纪80年代后期以来，神经网络控制己取得飞速进 展。但是，基于神经网络的神经网络控制仍存在如下的困难:神经网络控制的计算量较大，多 数神经元的变换函数均采用S型函数，大型神经网络的隐层及隐层节点总数量增加后，计算负 荷的增加更为明显:神经网络权值学习的能力和效率问题有待于进一步的提高，文献 1【5]在此 问题上做出进一步的探讨，在Gram-Schmidt正交变换、Househoder正交变换的基础上，提出 一种有记忆功能的神经网络正交学习算法，可求解学习过程中的病态情况，学习速度明显提高， 且对新样本的学习具有记忆性:虽然只要有足够多的隐层和隐节点既可实现复杂的映射关系， 但如何根据特定的问题来具体确定神经网络的结构尚无很好的办法，仍需要经验和试凑。为适 应快速过程神经网络控制的要求，并将神经网络与常规PID调节器控制思路相结合，产生了神 经元自适应PID控制器。文献[6]采用单神经元构成PID控制器，并和预测控制相结合，克服时 271 滞对控制系统的影响，并在大时滞、大惯性的电加热炉上获得成功应用，缺点是要对过程进行辨识。 文献[7]使用单神经元控制器对过热汽温对象的串级控制回路进行了仿真，结果表明，控制品质由于 常规PID控制器，但尚未投入实际工业运行。文献D[IJ(类似的神经元控制论文[[12J[131[141)从常规 PID控制的机理得到启发.采用负反馈+反向BP算法，使用3层神经元节点(其中一层为隐层)，分 别将带权值修正后的比例分量、积分分量、微分分量 从〔物理意义上讲)的神经元的共6个权值分 别进行修正，使得总的能量函数最小，文中的仿真试验表明，此方法可以有效地在时滞系统上使用， 具有一定的启发意义，主要缺点为计算量相对较大，且易陷入局部极小值。 “赶1石1 二q业崛 ‘I石 }}(..15.丫I。 口 性今曰产 2.单神经元自适应PID控制器的设计 2.