基于RBF神经网络整定Smith-PID控制及应用.pdfVIP

基于 RBF 神经网络整定的 Smith-PID 控制及其应用 刘勇 赵子先 （内蒙古大学 理工学院，内蒙古 呼和浩特 010021） 摘要：针对大时滞时变对象，把 Smith 补偿原理和 PID 参数的自适应调整方法结合起 来，提出了基于 RBF 神经网络整定 Smith—PID 控制算法，即在 Smith 预估补偿控制中，利 用 RBF 神经网络在线自学习整定PID 参数，使 PID 参数实现最佳的非线性组合，从而克服了 常规 PID 算法不适应大时滞系统控制和常规 Smith 算法过于依赖模型精度的缺陷。仿真研究 和实际应用表明，本算法具有很强的鲁棒性和良好的控制品质. 关键词：RBF 神经网络；Smith-PID;双容水箱液位 Smith-PID control based on RBF NN tuning and Its application LIU Yong, ZHAO Zi-xian (College of Sciences and Technology, Inner Mongolia University Hohhot 010021, Inner Mongolia. ) Abstract: Aiming at the big delayed time, big burthen fluctuating and mutable characteristic of the controlled object, combining Smith compensated theory with self-adaptive tuning method of PID parameter, the RBF neural network tuning Smith-PID controlling policy is presented，that is in the Smith estimator control, makes use of RBF NN self-learning tuning the PID parameter on line, achieving optimal non-linear fabrication and overcoming the defect of conventional Smith-PID controller. The results of simulation and actual application indicate the algorithm has a strong robustness and better controlling character. Keywords : RBF NN; Smith-PID; two-volumes water tank liquid 1 引言 在工业过程 （如热工、化工）控制中，由于物料或能量的传输延迟，许多被控对象具有 纯滞后性质，针对大时滞时变对象的控制，把Smith预估补偿控制原理和PID调节控制方法结 合起来，提出了基于RBF网络整定Smith-PID控制算法，即在Smith补偿控制系统中，运用RBF 神经网络在线自学习整定PID参数，使既相互配合又相互制约的比例、积分和微分控制作用， 实现最佳的非线性组合，以期适应对象特性的变化。文献[1]提出了基于BP算法整定的基于 Smith-PID控制算法，但是BP网络用于函数逼近时，权值的调节采用的是负梯度下降法，这 种调节权值的方法有它的局限性，即存在着收敛速度慢和易陷入局部极小值。而径向基函数 网络无论在逼近能力、分类能力和学习速度等方面均优于BP网络[2]，因此本文采用RBF网络。 2 施密斯（Smith）预估控制原理[3] 施密斯预估控制原理是：与 D(s)并接一补偿环节，用来补偿被控制对象中的纯滞后部 分。这个补偿环节称为预估器，其传递函数为 Gp (s)（1－e −τs ），τ 为纯滞后时间，补偿后的系 统框图示于图 1 中。