自适应单神经元控制器地研究.pdfVIP

自适应单神经元控制器的研究‘ 张建明 王宁 王树青 (浙江大学工业控制技术国家重点实验室，杭州，310027) 摘要：对于参数变化且含有时滞的被控对象，传统控制方法滩以获得理想的控 制效果。基于文[1]的神经元模型及学习策略，本文提出了采用不同学习速率的 ● 神经元学习方法．由此构成的神经元控制器能加速神经元权值收敛和改善神经元 控制品质，从而对这～类被控对象取得满意的控制效果。仿真结果表明只要选择 适当的神经元参数，神经元控制器的超调量较小，并有很强的鲁棒性和抗干扰 性，与PID控制器相比更具优越性，可方便地用于实际工业控制中。 ● 关键词：神经元控制器，不同学习速率，参数变化，时滞特性 1 引言 由于具有结构简单，鲁棒性强等优点．PID控制器成为目前在工业控制中使用最广泛 的一类控制器。但是．当对象参数变化且有时滞特性时，PID控制难以获得理想的控制效 果。虽然有许多学者致力于自适应控制、预测控制等传统控制方法的研究，但这些方法需 要精确建立对象的模型，难以在实际应用中取得满意的控制效果。 近年来，神经网络的研究引起了控制界的高度重视，这使得它在控制中的应用研究取 得了较大的进展口J。但是，直观套用现有人工神经网络模型的神经控制方法算法复杂、学 习过程时间长、收敛速度慢、存在局部极小点等缺陷，因而在工业控制中的应用受到很大 限制。探索实用而有效的神经控制理论和方法成为研究者关注的热点I”J。文【l】提出的面 向控制的神经元模型及学习控制力法。是在这方面进行的一个有成效的尝试”J。 本文在文【l】的基础上提出了使用不同学习速率的神经元学习方法，并使用由此构成的 神经元控制器以一个两阶惯性环节加时滞的受控对象为例．进行了仿真研究。 2单神经元控制器的设计 ● 2l面向控制的神经元模型及控制系统… 文【l】针对人工神经网络应用于自动控制过程中存在的缺陷，提出了一种适用于控制的 自适应神经元模型，它有11个输入量xi(i=l，2，…，n)，神经元的输出可表示为： ” ● “(f)=七∑W，(f)一(f) (1) ，=1 式中kO是神经元的输出放大倍数t w，(t)为相应于神经元输入Xi的权值，其值由神经元 ‘国家自然科学基金资助项目(N 一257 通过学习得到。 采用这种神经元模型构成的控制系统如图l所示，图中转换器的输入为反映受控对象 及控制指标等的状态量，如设定值r(O、输出y(t)等。转换器的输出为神经元学习控制所需 要的状态，如设定值哟、误差e(1)、误差的变化率△e(O等，控制信号u(I)由神经元通过关 联搜索产生。 童 ● 图1单神经元控制系统 2．2神经元控制学习算法 一般认为神经元通过改变自身的突触加权值进行自组织。根据D．0．Hebb提出的著名 假设，可以得到以下学习规则； M(f十1)=Wi(f)十d’只(f)