混合PID控制算法对于非线性过程控制.docxVIP

混合PID控制算法对于非线性过程控制 Albena Taneva — Michail Petrov — Ivan Ganchev? 摘要：提出了一种基于自适应神经模糊体系结构(ANFA)的经典PID控制算法的改进。本文的主要目的是设计一种结构灵活的模糊PID控制器，对其参数进行自适应调整，并对算法进行修改，从而提高系统的性能。这样，控制过程和系统就避免了系统输入信号的非预期和非预期的变化。应用模糊规则的前题部分包含一个线性函数，类似于相应的传统PID控制器的修正离散方程。仿真结果表明，该方法具有良好的控制效果，并应用于某非线性电厂。 关键词：自适应控制算法，混合模糊PID 1介绍 模糊逻辑控制器(FLC)已经成为模糊控制理论中最活跃和最有用的研究领域之一。因此，模糊逻辑控制器已成功地应用于各种物理过程的控制。另一方面，最著名的工业过程控制器是比例-积分-微分(PID)控制器，因为其简单的结构和鲁棒性能在广泛的操作条件。研究了FLC与PID控制器的相似性及其改进。本文针对这一问题，阐述了模糊PID控制器在非线性工厂中的应用。 三种类型的结构的方法研究了:第一个是众所周知的模糊PD con -曳绳钓渔船,它生成一个控制动作(u)从系统错误(e)和误差的变化(?e),第二个是模糊PI控制器,它生成一个增量控制动作(?e)的错误(e)和错误(?e)的变化。模糊PD控制器为定位型控制器，模糊PI控制器为速度型控制器。第三个是模糊PID控制器,它生成一个控制动作(u)的错误(e),误差的变化(?e)和错误的总和(δe)或模糊PID控制器,它生成一个增量控制动作(?u)错误(e),误差的变化(?e)和加速度误差(?2 e)。第一种模糊PID控制器及功率- tion控制器类型和第二种类型是一种速度控制器。这两种模糊PID控制器的难点在于都需要三个输入，这将极大地扩展规则库，使解签名过程更加复杂。因此，这类类型的PID控制器很少使用。基于Mamdani s[1]模糊系统的模糊PD和模糊PI控制器更简单、更适用。模糊PI型控制比PD型控制更为实用，因为PD型控制难以消除系统稳态误差。另一方面，由于内部集成操作，PI型控制在高阶过程的系统传讯响应中性能较差。因此，本文的主要目标是设计一种结构灵活的PID控制器，对其参数进行自适应调优，并在一定的修改基础上，适用于具有可变系统参考输入的非线性控制系统。 2 ANFA PID控制器的控制系统的结构 采用ANFA PID控制器的控制系统结构如图1所示。针对Gomi和Kawato[2]研究的神经网络学习方法，提出了一种新的PD控制器与主模糊PID控制器并行工作的方法。针对自适应非线性反馈控制器的神经网络模型，提出了一种利用反馈误差学习的学习方案。在这些学习方案中，传统的反馈控制器(CFC)既作为普通的反馈控制器，以保证在特定空间内的全局渐近稳定，又作为被控对象[11]响应的逆参考模型。为了优化模糊神经网络，本文实现了该方法。 图1 改进的ANFA PID控制器控制系统的结构 传统的方法适用于输入信号的系统误差的变化?e e和错误。系统误差定义为设定点r(k)与工厂输出y(k)在k时刻的差值 e(k) = r(k) ? y(k) （1） 和误差的变化?e目前k对传统PID控制算法计算如下: ?e = e(k) ? e(k ? 1) (2) 对于一种改进的PID控制算法，可以将设定值排除在导数部分之外，利用系统输出信号进行计算 ? m (k) = ? （y(k) ? y(k ? 1)） （2a） 错误的和δe或加速度误差?2 e可以用作第三ANFA PID的输入信号。根据公式计算: 修改后的算法加速度误差?2 e m计算如下 ? 2 e m (k) = ?y(k) + 2y(k ? 1) ? (k ? 2). (4a) 第一(3)附着在定位型FPID控制器上，第二(4)附着在速度型FPID控制器上，如下图所示。从数字控制理论可知，最常用的数字PID控制算法可以用差分方程表示为[3] ?定位式PID控制器:标准及修改形式 u(k) = k p e(k) + k i δe(k) + k d ?e(k), (5) u(k) = k p e(k) + k i δe(k) + k d ?e m (k). (5a) ?速度型PID控制器:标准型和修改型 ?u(k) = k p ?e(k) + k i e(k) + k d ? 2 e(k), (6) ?u(k) = k p ?e