神经网络P ID 控制及其Ma tlab 仿真

　　曾　军, 方厚辉

　　(湖南大学电气与信息工程学院　湖南长沙　410082)

　　摘　要: 讨论了基于神经网络的P ID 控制, 并将其作用于工业控制, 利用神经网络的自学习能力进行在线参数整定,并利用M at lab 软件进行仿真。仿真结果表明, 神经网络P ID 控制器具有较高的精度和较强的适应性, 可以获得满意的控制效果。

　　关键词: 神经网络; P ID 控制; M at lab 仿真; 工业控制

　　1　引　言

　　在工业控制中, P ID 控制是工业控制中最常用的方法。这是因为P ID 控制器结构简单、实现简单, 控制效果良好, 已得到广泛应用。据统计, 在目前的控制系统中, P ID 控制占了绝大多数。但是, 他具有一定的局限性: 当控制对象不同时, 控制器的参数难以自动调整以适应外界环境的变化。为了使控制器具有较好的自适应性, 实现控制器参数的自动调整, 可以采用神经网络控制的方法。利用人工神经网络的自学习这一特性, 并结合传统的P ID 控制理论, 构造神经网络P ID 控制器, 实现控制器参数的自动调整。

　　2　神经网络P ID 控制

　　神经网络P ID 控制是神经网络应用于P ID 控制并与传统P ID 控制相结合而产生的一种新型控制方法, 是对传统的P ID 控制的一种改进和优化。传统的P ID 控制器算式如下:u ( t) = K P [ e ( t) +1T I∫t0e ( t) dt + T Dde ( t)dt] (1)相应的离散算式为:u (k ) = K P e (k ) + K IΣkj= 0e ( j ) +KD [ e (k ) - e (k - 1) ] (2)其中: K P , K I , K D 分别为比例、积分、微分系数; e (k ) 为第k 次采样的输入偏差值; u (k ) 为第k 次采样时刻的输出值。根据式(2) , 用一个单神经元构造P ID 控制器, 如

　　图1 所示。

　　图1　神经网络P ID 控制器X 1 (k ) = e (k )

　　网络的输入为:X 2 (k ) = Σkj= 0e ( j ) (3)X 3 (k ) = $e (k ) = e (k ) - e (k - 1)

　　网络的输出为:

　　u (k ) = W 1X 1 (k ) + W 2X 2 (k ) + W 3X 3 (k ) (4)

　　其中: {W i} 为控制器的加权系数, 相当于P ID 控制器中的比例、积分、微分系数K P , K I , K D , 但与传统的P ID 控制器不同的是, 参数{W i} 可以进行在线修正。不断调整{W i}, 从而使之达到最优值{W3 } , 从而可以改善控制系统的控制性能。

　　3　神经网络的学习机理和控制算法

　　神经网络P ID 控制结构如图2 所示, 其中有2 个神经网络: NN I 系统在线辨识器、NNC 自适应P ID 控制器。系统的工作原理是: 在由NN I 对被控对象进行在线辨识的基础上, 通过实时调整NNC 的权系, 使系统具有自适应性, 达到有效控制的目的。

　　图2　神经网络P ID 控制框图

　　神经网络P ID 控制器NNC 的准则函数为:E 2 (k ) =12[ r (k + 1) - z(k + 1) ]2 (5)则网络权值调整算法为:$W i (k ) = - G25E 2 (k )5W i (k )(6)其中: G2 为学习步长。则神经网络控制器采用的算法如下:

　　u (k ) = W 1X 1 (k ) + W 2X 2 (k ) + W 3X 3 (k ) (7)

　　W i (k + 1) = W i (k ) + G

　　2 [ r (k + 1) - y

　　z

　　(k + 1) ]õ

　　X i (k )

　　5y

　　z

　　(k+ 1)

　　5$u (k )

　　(8)

　　4　神经网络的Ma tlab 仿真

　　实验中, 我们为了检验神经网络P ID 控制系统的性能, 进行了大量的仿真实验。下面我们以时滞缓变的一阶大时滞系统作为被控对象, 进行仿真实验。设被控对象为:G (s) =160s + 1e- 80s (9)相应的控制系统的阶跃响应曲线如图3, 图4 所示。

　　图3　普通P ID 控制阶跃响应

　　图4　神经网络P ID 控制阶跃响应

　　从图中可以看出, 神经网络P ID 控制比传统的P ID 控制具有更好的控制特性。神经网络P ID 控制方法简单, 从本文中我们可以得出, 神经网络P ID 控制有如下的优点:

　　(1) 无需建立被控系统的数学模型。

　　(2) 控制器的参数整定方便。

　　(3) 有很好的动静态特性。

　　参　考　文　献

　　[ 1 ] 　徐丽娜1 神经网络控制[M ] 1 北京: 电子工业出版社, 20031

　　[ 2 ] 　闻新周, 等1M at lab 神经网络应用设计[M ] 1北京: 科学出版社, 20001

　　[ 3 ] 　杜建凤, 等1 神经网络P ID 控制[J ] 1 北京科技大学学报, 1998, (6) 1

　　作者简介　曾　军　男, 1978 年出生, 湖南大学电气与工

　　程学院, 硕士研究生。