基于单神经元的自适应PID控制研究.docVIP

基于单神经元的自适应PID控制研究 赵建辉1，赵建平1，徐弋1，许利亚1 （1.中国卫星海上测控部，江苏 江阴 214431） 摘 要：本文对基于单神经元的PID控制算法进行了研究，以解决伺服系统的非线性、自适应问题，并用MATLAB对某大型雷达伺服系统位置环进行了仿真，仿真结果表明采用单神经元自适应PID控制器，比传统的PID控制器具有更好的适应性、鲁棒性。 关键词:PID控制 神经网络 单神经元 参数调整 中图分类号：TP918 文献标识码：A The Research of the Single- -based Auto Adapted PID Control ZHAO Jian-hui1, ZHAO Jian-ping1, XU-yi1, XU Li-ya1 (Satellite Marine Tracking and Control Department of China, Jiangyin 214431，China) Abstract: By the study of the PID control algorithm based on single , we have solved the non- and adapted problems of the system,and simulated to a radar system. The result of simulation means the auto-adapted PID Controller based on single is to more adapted and than a PID Controller. Key Words: PID Control ;Networks t;Single;Parameter Adjust 0 引言 近十年来，以人工神经网络为代表的人工智能技术取得了长足进展。目前在图象处理、语音处理、信号处理、模式识别、故障诊断等一些实时性要求不高的领域，获得了成功应用。神经网络在控制领域主要有两个用途：模型辨识和系统控制。利用神经网络非线性映射的能力可逼近任何线性和非线性模型；利用自学习、自收敛性可作为自适应控制器。神经网络控制器与传统自适应控制器在原理与结构上有相似之处，传统自适应控制只能用于线性对象，但神经网络控制器既可用于线性对象，又可用于非线性对象，对被控对象无须精确建模，对参数变化有较强的鲁棒性。在数字伺服系统中，常常是参数变化范围大、存在着非线性及耦合关系，往往要求精度高、响应速度快，常规的控制算法有一定局限性。因此采用神经网络控制以解决数字伺服系统的非线性、自适应问题。 1人工神经网络特点与神经元模型 图1-1 人工神经元模型 为神经元的阀值，则神经元的内部状态(或称静输入)为： （1-1） 神经元的输出为： （1-2） f(s)为响应函数(激活或输出函数)，可取阶跃(硬限幅、阀值、符合)函数、线性或非线性函数。非线性函数有S型(Sigmoid)函数和双曲正切函数等。 2神经网络PID控制器 离散形式的位置PID控制算法表达式[2]为: （2-1） 根据公式（2-1），用一个单神经元构造控制器如图2-1所示： 图2-1 神经元PID控制器 （2-2） 即三个输入分别对应于误差的比例、积分(求和)与微分(差分)。神经元响应函数采用线性函数，其输出为： （2-3） 公式（2-3）中，Wi(k)(i=l,2,3)为加权系数，可在线修正。可见，此神经元控制器具有PID控制器结构，其加权系数分别相当于PID控制器的比例、积分与微分系数，通过对加权系数的调整来实现自适应、自调整的功能。而权系数的调整采用有监督的学习算法，与神经元的输入、输出和偏差三者的相关函数有关，即： （2-4） 式中，ri(k)－学习信号，它随过程逐渐衰弱； e(k)－输出误差信号为教师信号，即采用有监督的学习算法； －学习速率； c－充分小的常数，0≤c≤1，通常可取c为0。 3单神经元自适应PID控制器的设计 采用单神经元自适应PID控制器的结构框图如图3-1所示[3]： 图3-1 单神经元自适应PID控制器结构 （3-1） 其中K为神经元比例系数，Wi(k)(i=l,2,3)为神经元权值系数，KWi(k)相当于PID控制器的参数Kp、KI、KD。可见这样建立的神经元控制器具有PID控制器结构，由于神经元的权系数具有自调整功能，故该神经元控制器为具有参数自调整功能的PID控制器。 4系统仿真实验 某大型雷达伺