基于神经网络在线自学习自适应PID控制研究.pdfVIP

2000中国技喇与决 策学术 年会论丈 集 基于神经网络的在线自学习自适应PID控制 赵 林 王落苦 谈抓落 (哈尔故工怪大学自动化掌沈 150001 摘 共 提出一种龚子BP神经网络的在线自学习自适应PM控刹方法，控制界由一经典PM 控侧界和一神经网络补偿界组成。控制怪的设计不依族于系忱的先脸知识，控制参数的调共是 签于被拉过租的侧f信息，利用反馈误羞学习算法来实现的.仿真结果表明该方法结构简单，技 侧品质优良。 关健词 Br神经网络,PID控制毖，在线自学习1I适应，扩充比例带法 1 引 言 在工业过程控制中，PID控制方式是最早发展起来的控制策略之一，也是目前采用最多的 . 控制方式。这是由于PID控制器具有简单而固定的形式，在很宽的操作条件范围内都能保持较 好的每棒性;另外，PID控制器允许工程技术人员以一种简单而直接的方式来调节系统.然而， 一 现代工业控创过程中的许多被控过程机理复杂，而且具有高阶的非线性、慢时变和纯滞后等特 到 点，在嗓声、负载扰动和其他一些环境条件变化的影响下，过程参数、模型结构均将发生变化。 在这种情况下，采用常规的PID控制器，难以获得满惫的效果。为了克服常规PID调节器的不 . | | | J 足，提高其性能，人们进行了广泛研究，提出了许多PID自适应调整方案。由于BP网络可以表 ， J 示任愈非线性函数川，并具有自适应学习、并行分布处理和较强的鲁棒性及容错性等特点，因 知 ， 此适用于结合PID实现在线自适应控制. 本文利用神经网络的学习能力和非线性映射能力，设计一种新的荃于BP神经网络的在线 e e 自学习自适应PID控制器，该控制器由一经典PID控制器和一神经网络补偿器组成.神经网络 补偿器以e(的,e(k一D,e(k一2)作为物人环节，以参数凡，凡，凡为抽出，进行在线学习和控 制。开始时仅由一简单的基于经验的PID环节控制系统，随着误差的减小和神经网络的训练， 神经网络PID控制环节的作用越来越大，最后完全补偿了由于经验PID不完善而造成的误差. 其结构和学习算法相对简单，翰入层和枪出层神经元物理意义明确。根据某一设定的控制律， 通过网络的自学习，调整PID控制器的比例、积分和微分参数，得到相应的补偿控制最，仿真结 果表明，本文提出的控制算法具有结构简单、鲁棒性强、动态品质优等特点. 2 神经网络PID在线自学习自适应控制 墓于神经网络的在线自学习自适应PID控制算法: 神经网络控制器是由一个普通的反馈控钊器和一个类似于前馈控制器的神经网络在线自 学习控制器组成的，将二者的输出信号之和作为实际控制量对系统进行控制