韓沖

摘 要：該文提出了一種神經(jīng)網(wǎng)絡(luò)直接自校正PID控制器。其主要特點(diǎn)是，在控制結(jié)構(gòu)上不再包含獨(dú)立的PID控制器，而是將神經(jīng)網(wǎng)絡(luò)和PID控制規(guī)律融為一體。并給出了這種神經(jīng)網(wǎng)絡(luò)控制器的學(xué)習(xí)算法和控制系統(tǒng)的穩(wěn)定性分析。仿真結(jié)果表明，該控制系統(tǒng)具有較強(qiáng)的適應(yīng)性和魯棒性。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò) PID控制 非線性 學(xué)習(xí)算法

中圖分類(lèi)號(hào)：TP27 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2015）11（c）-0041-03

Abstract：A new type of directly self-tuning PID controller based on neural network is proposed in this paper. its main characteristic is that it no longer includes independent PID controller and put neural network and the law of PID controller together. Showing the study algorithm of this neural network controller and analyzing the stability of this control system. The simulated results prove that this kind of control system is more adaptive and robust.

Key Words：Neural network； PID control； Nonlinearity； Study algorithm

PID控制是最早發(fā)展起來(lái)的控制策略之一，其算法簡(jiǎn)單、魯棒性好、可靠性高，被廣泛應(yīng)用于工業(yè)過(guò)程控制。但是，隨著科學(xué)技術(shù)的不斷發(fā)展，被控對(duì)象變得越來(lái)越復(fù)雜，實(shí)際工業(yè)生產(chǎn)過(guò)程往往具有非線性、時(shí)變性，存在許多不確定性，對(duì)象參數(shù)和環(huán)境常常隨時(shí)間發(fā)生變化，而且各類(lèi)不確定干擾也會(huì)影響控制效果。目前，人們對(duì)控制品質(zhì)的要求也越來(lái)越高，傳統(tǒng)的P1D控制缺陷逐漸暴露出來(lái)。主要表現(xiàn)在不適應(yīng)不確定性系統(tǒng)的控制、不適應(yīng)非線性系統(tǒng)的控制、不適應(yīng)時(shí)變系統(tǒng)的控制、不適應(yīng)多變量系統(tǒng)的控制等。

近些年來(lái)，人工神經(jīng)網(wǎng)絡(luò)的迅速發(fā)展引起了人們的關(guān)注。它能以任意精度逼近任意連續(xù)非線性函數(shù)，對(duì)復(fù)雜不確定問(wèn)題具有自適應(yīng)和自學(xué)習(xí)能力，可以處理那些難以用模型和規(guī)則描述的過(guò)程，具有很強(qiáng)的信息綜合能力。人們根據(jù)它的特點(diǎn)，提出了很多基于神經(jīng)網(wǎng)絡(luò)的PID控制算法，但還是無(wú)法克服“線性組合”存在的快速性和超調(diào)量之間的矛盾。該文正是從以上情況出發(fā)，提出了一種神經(jīng)網(wǎng)絡(luò)直接自校正PID控制器。這種控制器的特點(diǎn)是將誤差信號(hào)的比例、積分、微分運(yùn)算和PID參數(shù)的自適應(yīng)整定放在一個(gè)前向神經(jīng)網(wǎng)絡(luò)中完成。實(shí)驗(yàn)表明，它具有很好的自適應(yīng)、自學(xué)習(xí)功能，對(duì)提高具有強(qiáng)非線性和快速時(shí)變性的控制系統(tǒng)的控制效果和魯棒性有積極的意義。

1 神經(jīng)網(wǎng)絡(luò)直接自校正PID控制系統(tǒng)結(jié)構(gòu)

神經(jīng)網(wǎng)絡(luò)直接自校正PID控制系統(tǒng)如圖1所示。該文以圖2的網(wǎng)絡(luò)結(jié)構(gòu)為例，說(shuō)明其工作原理。輸入層兩個(gè)節(jié)點(diǎn)的輸入分別為給定值和被控對(duì)象輸出值。隱含層3個(gè)節(jié)點(diǎn)用于實(shí)現(xiàn)誤差信號(hào)的比例、積分、微分運(yùn)算。輸出層完成非線性PID控制規(guī)律的綜合。P、I、D系數(shù)由網(wǎng)絡(luò)的權(quán)重體現(xiàn)，網(wǎng)絡(luò)權(quán)值通過(guò)系統(tǒng)誤差按照選定的規(guī)則自適應(yīng)修正。其中，輸入層到隱含層權(quán)值的自適應(yīng)學(xué)習(xí)用于對(duì)系統(tǒng)輸出受到隨機(jī)干擾的濾波，隱含層到輸出層權(quán)值的自適應(yīng)調(diào)整用于尋找合適的PID參數(shù)。

設(shè)為輸入層第個(gè)單元到隱含層第個(gè)單元的權(quán)重，約定輸入層單元中=1對(duì)應(yīng)，=2對(duì)應(yīng)；為隱含層第個(gè)單元到輸出層單元的權(quán)重；為隱含層第個(gè)神經(jīng)元的總輸入，為隱含層第個(gè)神經(jīng)元的總輸出。

用該文給出的神經(jīng)網(wǎng)絡(luò)直接自校正PID控制系統(tǒng)進(jìn)行仿真。網(wǎng)絡(luò)各層權(quán)值系數(shù)的初始值分別為：均取+1，均取-1，取區(qū)間[-0.5，0.5]上的隨機(jī)數(shù)，學(xué)習(xí)速率取。參考輸入信號(hào)取方波，周期為100 s，系統(tǒng)跟蹤曲線如圖3所示。

由圖3可見(jiàn)，仿真對(duì)象的輸出能很好地跟蹤系統(tǒng)的輸入。

5 結(jié)語(yǔ)

從設(shè)計(jì)方法和仿真結(jié)果可以看出，該文提出的神經(jīng)網(wǎng)絡(luò)直接自校正PID控制系統(tǒng)既有常規(guī)PID控制器結(jié)構(gòu)簡(jiǎn)單、實(shí)現(xiàn)容易、參數(shù)物理意義明確的優(yōu)點(diǎn)，又具有神經(jīng)網(wǎng)絡(luò)很好的自學(xué)習(xí)、自適應(yīng)的能力，避免了人工手動(dòng)調(diào)節(jié)，提高了系統(tǒng)的平穩(wěn)性，有較強(qiáng)的適應(yīng)性和魯棒性。隨著研究的進(jìn)一步深入，這種控制方法將在工業(yè)控制領(lǐng)域中有著廣泛的應(yīng)用前景。

參考文獻(xiàn)

[1] 陶永華.新型PID控制及其應(yīng)用第二版[M].北京：機(jī)械工業(yè)出版社，2002：149-197.

[2] 牛玉剛，楊成梧.基于PID型神經(jīng)網(wǎng)絡(luò)的自適應(yīng)控制[J].兵工學(xué)報(bào)，2001，22（1）：109-111.

[3] Sang-Min Kim，Woo-Yong Han.Induction motor servo drive using robust PID-like neuro-fuzzy controller.Control Engineering Practice，2006，14（5）：481-487.

[4] 韓曾晉.自適應(yīng)控制[M].北京：清華大學(xué)出版社，1995.

[5] 胡守任，沈清，胡德文，等.神經(jīng)網(wǎng)絡(luò)應(yīng)用技術(shù)[M].長(zhǎng)沙：國(guó)防科技大學(xué)出版社，1993.

[6] 王敬志，任開(kāi)春，胡斌.基于BP神經(jīng)網(wǎng)絡(luò)整定的PID控制[J].工業(yè)控制計(jì)算機(jī)，2011，24（3）：72-73.