基于神经网络辨识的自适应PID控制器.pdfVIP

( ) 第 29 卷 　第 1 期 西 南 师 范 大 学 学 报 自然科学版 2004 年 2 月 Vol. 29 　No. 1 Journal of Southwest China Normal University (Natural Science) Feb. 2004 ( ) 文章编号 : 1000 5471 2004 01 0041 04 基于神经网络辨识的自适应 PID 控制器① 王　艺 , 　胡伟平 , 　邓辉文 西南师范大学 计算机与信息科学学院 , 重庆 400715 摘要 : 根据实际生产现场对控制的要求 , 提出了一种将 PID 控制与神经网络相结合 , 采用 BP 网络辨识未知的被控 对象 , 使用单纯形算法寻找最优的 PID 控制参数 , 控制与学习并行的控制方案. 并对二阶对象进行仿真研究 , 将 其与单位阶跃响应进行了比较. 关 　键 　词 : PID 控制 ; 神经网络 ; BP 神经网络 ; 系统辨识 ; 单纯形寻优 中图分类号 : TP273+ 4; TP273 + 5 文献标识码 : A PID 控制是最早发展起来的控制策略之一 , 由于其算法简单、鲁棒性好和可靠性高, 被广泛应用于工 业过程控制 , 尤其适用于可建立精确数学模型的确定性控制系统. 而实际工业生产过程往往具有非线性、 时变性以及不确定性 , 难以建立精确的数学模型 , 应用常规 PID 控制参数整定方法不能达到理想的控制效 果. 同时 , 由于生产现场被控对象的时变性, 还需要在线对 PID 控制参数进行寻优. 本文针对传统 PID 控制中遇到的上述问题 , 将 PID 控制与神经网络相结合 , 使用BP 网络来辨识对象的 动态特性 , 使用单纯形算法寻找最优的 PID 控制参数. 根据对象的时变性以及在控制过程中要对 PID 控制 参数进行在线寻优的要求 , 设计了一个将学习和控制并行进行的控制方案. 1 　控制系统结构 控制系统结构如图 1 所示. 图 1 　控制系统结构 Fig1 　Structure of the Proposed Control System 首先对被控对象进行控制 , 利用神经网络在线辨识控制对象的特性 , 设置一监控器对控制效果进行监 视. 由于被控对象具有时变性, 通过监控器发现控制效果不佳的时候需要对 PID 控制参数寻优. 实际工业 ① 收稿日期 : 2003 05 12 ( ) 作者简介 : 王　艺 1978 - , 女 , 重庆万盛人 , 硕士研究生 , 主要从事神经网络及模糊控制的研究. 通讯作者 : 邓辉文 , 教授. © 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved. ( ) 42 西南师范大学学报 自然科学版 　　　　　　　　　　　　第 29 卷 控制中 , 被控对象一般是不能被反复重置的. 因此对参数的寻优不能直接通过对象完成. 本文提出在满