神经网络自适应PID控制的研究.pdfVIP

神经网络 自适应PID控制研究 华中科技大学 龚菲 王永骥 摘要:文章将Bang-Bang控制与神经网络自适应控制相结合 利用神经元的学习功能构成了一种自适应Pm控制器.控制器 在Bang-Bang控制阶段进行系统辨讽利用系统参数整定PID控制参数.作为神经网络权系数的初值。仿真试验和应用结果表明. 这类神经网络自适应控制器可有效地月于电加热炉系统的控制。 丫 关皿词:Bang-Bang控制 系统册识 PID参教 自整定 神经网络泊适应控制 电加热炉 TheResearchofAdaptivePIDControlBasedonNeuralNetworks GongFei WangYongji Abstrsot:IncorporatingtheBang-Bangcontrolendad叩tivecontrolbasedonneuralnetworks,anewtypeofadaptivePIDcontroller isproposedPIDparametersareadjustedaccordingtothesystemmodelandcanbeautomaticallytunedvialearningofneuralnetwork weights.衍 applyingthiseontrollertocontrolthetemperatureoftheelmnic~ 一 stovesystems,theresultsaresatisfiedwithfast responsespeedandbetterrobustness. Keywords:Bang-Bangconrtol system Identification parameter;self-tuning adaptiveconrtol neuralnetworkselectric w山m-upstove 1 引言 G(s)=一K 。一 (1) 几s+1 在工业控制中，传统的PID控制至今仍处于 主导地位。其缺点主要是PID参数一般由人工整 式中，:为等效纯滞后时间，Tp为等效时间常 定，且一次性整定得到的PID参数很难保证其控 数，K为静态增益。 制效果始终处于最佳状态。随着工业的发展，被 采用Bang-Bang控制与神经网络PID调节相 控对象的复杂程度不断加深，仅采用常规PID调 结合的方法，如图1所示，两种控制方式的切换 节往往不能满足控制要求。 由基于系统偏差大小的软件开关实现。当偏差较 针对电加热炉大惯性、纯滞后特性，本文将 大时，对象由Bang-Bang控制，依据其响应的输 Bang-Bang控制与神经网络自适应PII)控制相结 出响应，可在线获取对象 “一阶加纯滞后”模型 合，利用神经网络的自学习能力在线调整PID参 的特性参量，进而自整定出采用常规PID调节时 数值。在控制的初期阶段，采用Bang-Bang控制 的参数优化组合值伊ID参数基本值)。当偏差较 作为引导控制，根据在该阶段得到的信息进行对 小时，采用神经网络自适应PID算法，它根据对 象参数辨识。在该阶段结束时，利用辨识出的模 象的动态响应过程，通过改变神经网络权系数的 型参数整定出PID控制参数，作为神经网络权系 大小实现对被控对象的有效控制。 数初值，并动作控制开关，投入神经网络自适应 PID控制，实现对对象的有效控制。 *一，一e{ntt?tt,, (2) 控制 2 控制方案设计 2.1 控制原理 式中，R为对象的设定输入，Y为对象的实际输 工业电炉是一种具有大惯性、大时滞和非线