2PID神经元网络控制模型.PDF

复杂温度系统的 PID 神经元网络控制研究 Study on PID Neural Networks for Complicated Temperature System (广州大学) 肖忠, 陈怡,舒华 Xiao zhong , Chen yi ,Shu hua 摘要：针对工业对象中普遍存在的大滞后、非线性、时变等复杂特性，本文结合 PID 与神 经网络的特点，设计了 PID 神经元网络控制器，仿真结果表明, 该控制器具有很高的灵活 性与鲁棒性，能取得较好的控制效果。 关键词：PID ；神经网络；复杂温度； 中图分类号：TP273 文献标识码：A Abstract ： The PID neural networks controller with PID and neural networks is designed in view of the complicated properties of large delay-time , nonlinear and time-variant in the industry. The simulation example shows that the PID neural networks controller is of high flexible and robust and good control effect. Key Words ：PID; Neural Networks; Complicated Temperature 1 引言 现代工业控制领域, 许多工业对象具有大滞后、非线性、时变等特性,一般很难精确地 对它进行数学描述, 其控制对象参数也往往会随着工况和环境的变化而发生变化。虽然运 用模糊控制, 同时引入自适应算法及参数反馈,可在不需要对象精确数学模型的情况下,对非 线性时变对象取得较好的控制效果[1~2] 。但是仿真表明,当对象滞后较大时,模糊控制的效果 会急剧变差,直至产生振荡或发散,这是由于系统时滞造成了模糊输出的控制量与系统实时 所需控制量严重不符,时滞越大,被控对象输入输出之间的相关性越小,造成闭环控制的信息 混乱[3] 。针对这一问题,本文设计了一种基于 PID 神经元网络的控制器,并以复杂温度为被 控对象进行实物仿真,取得了较好的控制效果。 2 PID神经元网络控制模型 PID 神经元网络是将 PID 控制规律融进神经元网络之中构成的,是一种由比例(P)、积分 (I)、微分(D)神经元组成的多层神经网络[4~6],其各层神经元个数、连接方式、连接权值是按 PID 控制规律的基本原则和已有的经验确定的, 以保证系统稳定和快速收敛。如图 1 所示， PID 神经元网络控制模型由输入层、隐含层、输出层三层构成。输入层有两个神经元, 分 j i wij u ’ x ’ 1 1 r w u1 x1 jh h ’ ’ ” ” 被控 y u 2 x 2 u 1 x 1 对象 u2 x2 ’ ’ u 3 x