基于人工神經(jīng)網(wǎng)絡(luò)與PID的復(fù)合控制研究.pdf

1、傳統(tǒng)的PID控制器由于結(jié)構(gòu)簡(jiǎn)單、易于調(diào)整等優(yōu)點(diǎn)，至今仍廣泛應(yīng)用于控制領(lǐng)域。但在實(shí)際的應(yīng)用中，許多被控過(guò)程機(jī)理復(fù)雜，具有高度非線性、時(shí)變不確定性和純滯后等特點(diǎn)。在噪聲、負(fù)載擾動(dòng)等因素的影響下，過(guò)程參數(shù)甚至模型結(jié)構(gòu)均會(huì)隨時(shí)間和工作環(huán)境的變化而變化，這時(shí)采用傳統(tǒng)的PID控制就不能取得令人滿意的控制效果。 人工神經(jīng)網(wǎng)絡(luò)ANN(Artificial Neural Network)具有自學(xué)習(xí)、自適應(yīng)和自組織的能力，將ANN與傳統(tǒng)的PID控制

2、結(jié)合，構(gòu)成智能型的神經(jīng)網(wǎng)絡(luò)PID控制器，能夠自動(dòng)辨識(shí)被控過(guò)程參數(shù)、自動(dòng)整定控制參數(shù)、適應(yīng)被控過(guò)程參數(shù)的變化，是解決傳統(tǒng)PID控制器參數(shù)整定難、不能實(shí)時(shí)調(diào)整參數(shù)和魯棒性不強(qiáng)的有效措施。 本文在分析研究了國(guó)內(nèi)外神經(jīng)網(wǎng)絡(luò)PID復(fù)合控制結(jié)構(gòu)方案的基礎(chǔ)上，針對(duì)神經(jīng)網(wǎng)絡(luò)在線調(diào)整PID參數(shù)以及CMAC(Cerebellar Model Articulation Controller)與PID的復(fù)合控制這兩種控制方案，采用理論加仿真的方法進(jìn)行研

3、究。主要的工作和結(jié)論如下： (1)指出基于神經(jīng)網(wǎng)絡(luò)在線調(diào)整PID參數(shù)的控制方案中一般采用全局學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)(如BP網(wǎng)絡(luò))，存在學(xué)習(xí)速度慢，并且容易陷入局部極小的缺點(diǎn)。通過(guò)一個(gè)具體實(shí)例的仿真結(jié)果，在跟蹤方波信號(hào)時(shí)，反應(yīng)比較“遲鈍”，跟蹤誤差大，不能滿足實(shí)時(shí)控制的要求。 (2)提出一種CMAC概念映射算法，給出了算法公式。 (3)提出了改進(jìn)型CMAC-PID控制方案。改進(jìn)型CMAC-PID控制器中，通過(guò)系統(tǒng)誤差調(diào)整聯(lián)想

4、存儲(chǔ)空間中的權(quán)值，并采用變學(xué)習(xí)速率的結(jié)構(gòu)，使得CMAC的學(xué)習(xí)為包含了PID控制器在內(nèi)的整個(gè)系統(tǒng)的逆動(dòng)態(tài)模型，有效克服原有控制結(jié)構(gòu)，在跟蹤連續(xù)變化信號(hào)時(shí)，由于CMAC和PID相互作用，產(chǎn)生過(guò)學(xué)習(xí)導(dǎo)致系統(tǒng)不穩(wěn)定的現(xiàn)象。另外，把狀態(tài)相量引入CMAC網(wǎng)絡(luò)的輸入空間，充分利用了CMAC中已存儲(chǔ)的信息，提高了抗干擾能力，在跟蹤方波信號(hào)時(shí)，學(xué)習(xí)速度快，輸出誤差小，體現(xiàn)了良好的控制性能。 (4)將改進(jìn)型CMAC-PID控制器用于非線性及時(shí)變性非