模糊神经网络和PID的混合控制.pdfVIP

模糊神经网络与PID的混合控制+ 王晓兰杨智王惠中 甘肃工业大学电信系，兰娴730050 摘要本文提出了一种模糊神经用络与PID混台的控制结构，模糊神经弼络用于学习和优化PID调整的 规则，把PID参数扮调整归结为对给定信号上酣加的一个j#线性函数的调整。仿真结果表明了i柳方法 得到的调整舰则和控制结构可以有效地改善系统的动态性能。 关键词模辫神经两络，PID控制，学习算法 Controlwith andPID Hyb订d Neurofuzzy Compensatory Zhi XiaolanYang QiuRongshenWangHuizhong Wang and 730050 Infm-mation口垂m商ng，GaIlmUniv．ofTcch．，LanZhou ‘Dept．ofEl％trical AbstractThis a andPIDA view compensatoryhybridcon廿oⅡ盯谢也neurofuzzygea黜al pap口proposed used wa8 PID cartbcthe modificatiorLSoa canbe to that瞄f-toningcontrollex set-pint neurofuzzy provided learnand Simlllationresults optimizefuzzynlkforthemodification the ofconsidexedsystem improveper／ornmnce words Key neurofuzzy，PIE)control，learningalgofiLhm， 1引言 近年来．模糊控制与神经网络技术得到了长足的发展，已成为处理复杂的非线性系统 控制问题的有力工其。而模糊逻辑与神经网络技术的结台更显示出强大的生命力，并在近 几年来得到了较为广泛的研究0112t。PID控制以其结构简单、易于实现等特点，在工业控 制中得到了广泛的应用，并出现了一系列PID参数整定和自调整方法，但这些方法在处理 具有较强非线性的系统时，往往会遇到一些问题。随着模糊控制技术的发展，已有学者提 出了模糊逻辑与PID混台控制的方法13】【”，用模糊逻辑指导PID参数的调整，并取得了一 定的效果。但这些方法面临的共同问题是，模糊规则来源于人类专家的经验知识，针对特 定系统，这些知识的调整、优化需要花费大量的时间，并且不能保证得到最优规则。如何 寻找系统的、易于实现的模糊规则产生方法是一个重要韵研究课题。模糊逻辑与神经网络 技术结合，利用神经网络的学习能力从实际过程中抽去、优化模糊规则是解决上述问题的 有效方法。本文将PID参数的自调整归结为对希望信号上附加的一个非线性函数的调整， ．甘肃省自然科学基金资助 一185— 并用模糊神经网络在线学习该非线性函数，从而产生了描述该非线性函数的模糊规则，指 导系统尽快向误差减小的方向运动。 2模糊神经网络与PID的混合控制 一个PID控制器常可用下式实现 Ⅳ(r)：k,e(O+TK,∑te(J|})+妻≥Io)一e(f—1)】 k=1 』 期；K，，K，