基于PSO训练的NNPID控制器设计及其FPGA实现.pdfVIP

2005年全国自动化新技术学术交流会会议论文集 白瑞林，王利峰，王建 4 (江南大学控制科学与X-程研究中心无锡21012) 摘要：提出了一种基于PSO学习、VHDL描述和FPGA实现的NN—PID控制器设计方法。首先借助 Matlab系统仿真工具，在闭环控制系统中通过PSO优化算法训练前馈网络，得到优化的NN—PID控 制器参数。然后在FPGA集成开发环境下，进行控制器的VHDL层次化设计，重点研究单个神经元 和前馈网络的结构和实现方式。最后对该控制器进行了闭环时序测试，并在一个具体的FPGA器件上 实现。研究结果表明：PSO用于NN—PID控制器训练速度快，VHDL描述和FPGA实现该控制器时 序验证方便，而且控制器具有比较好的鲁棒性。 FPGA 关键词：PSO，NN—PID，VHDL， 中图分类号：TP273文献标志符：B 0 引言 智能控制策略一般具有实时信息处理量大和并行性的特点，较为理想的实现方式是基于硬件。 近些年，FPGA技术日趋成熟，使其不再仅是用于ASIC的快速原型，而且可以直接用作SoPC ona I。FPGA技术的快速发展与VHDL硬件描述语言的 (Systemprogrammablechip)器件{l 技术本身的大容量、粗粒度、信息并行处理特性，多功能复合、以及在线可重配置等适应产品变化 和快速上市的特点也是极为重要的原因。 由于VHDL与FPGA技术的强势发展和实用化，使得智能控制策略(模糊逻辑、神经网络、遗 CMAC估计与 传算法等)的VHDL描述和FPGA固核实现研究也随之活跃。基于BP在线学习[21 控制l3l、RBF特征辨识14l等多种神经网络已在FPGA器件中实现并得到应用。 swarm 在神经网络学习方面，PSO(particleoptimization)作为一种新的优化算法正在引 起人们的重视I引。PSO是模拟鸟类飞行的群体智能，算法具有全局优化性和收敛速度快的特点。PSO networks)训练，而且，PSO算法在学习次数和学习时间上优于 优化算法已被用于NN(neural BP算法吼 本项研究将PSO算法用于NN—PID控制器参数的闭环训练与设计，并将该NN—PID控制器通 过VHDL描述，以固核模块的形式在FPGA中实现。 1控制器原理 NN—PID控制器是通过神经网络实现PID系数的非线性实时调整，从而实现非线性控制。其控 制系统组成如图1所示 图1NN—PID控制系统原理图 基金项目：本文得到“国家自然基金项目”的资助。 作者简介：自瑞林(1955一)，男，黑龙江双城人，教授，主要从事智能控制与嵌入式系统研究；王利峰(1980一)， 男，浙江人，研究生，方向为智能计算与神经网络研究；王建(198i-)，男，fx,-苏,k，研究生，；h-N7白 嵌入式系统研究。 62 NN—PID控制算法： Au(k)=kp×(ek—ek一1)十k：×ek+kd×(ek-2el“+el。．2) (1) u(k+1)=u(k)+△u(k) (2) k，、k，、kd为非线性系数，由前馈网络拟合实现。为提高网络驱动能力，输出层网络特性函数 采用(1／1+e“3)。前馈网络结构为4—7—3形式，如图2所示。 n．， k。 Vo ki ek