基于单神经元PID控制器的设计.docVIP

研究生课程期末论文 课程名称： 神经网络设计 任课教师： 论文题目： 基于单神经元的控制系统设计 姓 名： 学 号： 摘要 在控制理论和技术飞跃发展的今天，PID控制由于其结构简单、稳定性能好可靠性高等优点而被广泛应用。然而在实际的工业过程中，许多被控过程机理复杂，具有高度非线性。这就要求在PID控制中，不仅PID参数的整定不依赖于对象数学模型，并且PID参数能在线调整，以满足实时控制的要求。单神经元自适应PID控制将是解决这一问题的有效途径。利用神经网络具有自学习、自组织、联想记忆和并行处理等功能和对于复杂系统控制可以达到满意效果的优势，提出了具有自学习和自适应能力的单神经元来构成单神经元自适应PID控制器的策略。这种神经元构成的控制器不仅结构简单，且能适应环境变化，有较强的鲁棒性。使自适应PID控制达到最优。其仿真结果表明：该控制器与典型的PID控制器相比，系统输出能够很好地跟踪参考模型的输出显著提高了系统的动态响应 能力。 关键词：自适应；PID控制；神经元 第一章 引言 70年代以来，由于空间技术和过程控制发展的需要，特别是在微电子和计算机技术的推动下，自适应发展很快[1]。到了80年代，建立在状态空间概念上的现代控制理论取得了很大进展，它不仅能用来解决单输入单输出控制系统的分析与设计问题，同时还能处理多输入多输出的控制系统的情况。更为重要的是，在此期间内，线性系统，最优控制，最优估计，系统的辩识，随机控制等多个现代控制理论分支相继出现，并取得了有使用价值的成果，为自适应控制技术进一步发展提供了坚实的基础。 第二章 问题描述 随着工业和自动化技术的发展，自动化的应用领域日趋广泛，受控对象的复杂程度差异很大， 而且控制精度的要求也参差不齐。特别应该指出的是，对某些实际的工业受控对象来说，它们的数学模型（包括结构与参数）是很难事先提供的。因为在实际情况中可能会出现受控对象的数学模型未知的情况和受控对象参数要发生不可知的变化的情况。同时在实际的工业过程中，许多被控过程机理较复杂，具有高度非线性、时变不确定性和纯滞后等特点。在噪声、负载扰动等因素的影响下，过程参数，甚至模型结构，均会发生变化。这就要求在PID控制中，不仅PID参数的整定不依赖于对象数学模型，并且PID参数能在线调整，以满足实时控制的要求。 第三章 解决方案 3.1 模型建立 对于数学模型事先难以得到或事后又要发生变化的受控对象的控制问题，人们按照“仿生学”的思想，提出了一种新的控制方案——自适应控制方案。该方案摹仿自然界中存在的“适应”过程，从而使系统具有能自动适应环境变化的能力。 如果我们把受控对象的数学模型（结构形式或和参数）或其变化事先并不知道这一特性称之为受控对象的不确定性，那么，自适应控制方案的大致思路可归纳为：系统可随时检测出本身的特性（或其变化），并在此基础上，对控制器的工作加以适当修正，以使系统内不确定性对系统性能所产生的不良影响得以减小。 自适应控制系统是一个具有一定适应能力的系统，它能够认识环境条件的变化,并自动校正控制动作，使系统达到最优或次优的控制并自动校正控制使系统达到最优或次优的控制效果。自适应控制系统的原理框图如图3.1。这一系统在运行过程中，根据参数输入、控制输入、对象输出和已知外部干扰来测量对象性能指标进行比较，做出决策，然后通过适应机构来改变系统参数，或者产生一个辅助的控制输入量，累加到系统上，以保证系统跟踪上给定的最优性能指标，使系统处于最优或次优的工作状态。 图3.1自适应控制系统原理框图 单神经元作为构成神经网络的基本单位，具有自学习和自适应能力，而且结构简单易于计算。而传统的PID控制器也具有结构简单、调整方便和参数整定与工程指标联系密切等特点。若将这两者结合，则可以在一定程度上解决传统PID控制器不易在线实时整定参数、难于对一些复杂过程和参数慢时变系统进行有效控制的不足。用神经元实现的自适应PID控制器的结构框图如图3.2所示 图3.2 单神经元自适应PID控制的结构图 单神经元控制系统的结构如图4.1所示。图中转换器的输入为设定值和输出，转换器的输出为神经元学习所需要的状态量，K为神经元的比例系数。 单神经元自适应PID控制器运用有监督Hebb学习规则的控制算法及学习算 法为：