PID梯度优化法和动态系统参数估计.pdfVIP

第 20 卷　第 4 期 桂　林　电　子　工　业　学　院　学　报 . 20, . 4 V o l N o 　2000 年 12 月 JOURNAL OF GU IL IN INSTITUTE OF EL ECTRON IC TECHNOLO GY . 2000　 D ec P ID 梯度优化法与动态系统参数估计 谭永红 (桂林电子工业学院 智能系统与工业控制研究室, 广西 桂林　54 1004) 摘　要: 通过对梯度优化方法进行分析, 指出梯度法实际上是一种纯积分控制器。由此可以解释在应用 梯度法时, 当优化步长小时, 收敛慢; 而当优化步长大时往往引起不稳定的现象。在此基础上, 根据反馈 控制的思想, 提出了一种称之为 P ID 梯度优化方法以改进梯度法的收敛性和稳定性。然后, 进一步提出 了带动量项的P ID 梯度法以逃避局部极值并讨论了算法的收敛特性。进而给出了在梯度一定的条件下, 所提出的算法比传统的带动量的梯度法收敛快的条件。 关键词: 梯度; 优化; P ID 控制; 系统辨识; 收敛 中图分类号: T P 273　　　　文献标识码: A 　　　　文章编号: 100 17437 (2000) 040405 引言 梯度法的一种近似。在寻优时, 首先选择一个随机搜 索方向, 并沿着该局部梯度方向前进一小步。然后又 在传感器信息融合过程中, 人们会遇到信息分类 在此基础上朝着极小值方向开始新的搜索, 该过程如 问题。常用的条件混合模型分类器, 往往涉及到参数 此重复进行直到至少搜索到一个局部极小值为止。 [2 ] 估计的问题 。例如可通过梯度优化技术对模型的参 对于在线的建模与控制而言, 假定学习是局部的 数进行估计。在 目标跟踪问题上, 目标运动模型实际 似乎更为现实, 因为模型以及控制器的参数的调整通 [3 ] 上是一类动态系统模型 , 为确定其模型的参数, 基 常只对系统的输出产生局部的影响。在这种情况下, 于梯度参数估计技术也是常用的一种方法。 人们难以找到一种输入能够激励系统的所有状态。 众所周知, 梯度法是优化技术中结构简单、应用 设性能指标函数为 十分广泛的一种方法。特别是在近年来用于训练神经 1 2 J = [y ( ) ( ) ( ) t - y