基于人工神經網絡與PID的復合控制研究.pdf

1、傳統(tǒng)的PID控制器由于結構簡單、易于調整等優(yōu)點，至今仍廣泛應用于控制領域。但在實際的應用中，許多被控過程機理復雜，具有高度非線性、時變不確定性和純滯后等特點。在噪聲、負載擾動等因素的影響下，過程參數甚至模型結構均會隨時間和工作環(huán)境的變化而變化，這時采用傳統(tǒng)的PID控制就不能取得令人滿意的控制效果。 人工神經網絡ANN(Artificial Neural Network)具有自學習、自適應和自組織的能力，將ANN與傳統(tǒng)的PID控制

2、結合，構成智能型的神經網絡PID控制器，能夠自動辨識被控過程參數、自動整定控制參數、適應被控過程參數的變化，是解決傳統(tǒng)PID控制器參數整定難、不能實時調整參數和魯棒性不強的有效措施。 本文在分析研究了國內外神經網絡PID復合控制結構方案的基礎上，針對神經網絡在線調整PID參數以及CMAC(Cerebellar Model Articulation Controller)與PID的復合控制這兩種控制方案，采用理論加仿真的方法進行研

3、究。主要的工作和結論如下： (1)指出基于神經網絡在線調整PID參數的控制方案中一般采用全局學習神經網絡(如BP網絡)，存在學習速度慢，并且容易陷入局部極小的缺點。通過一個具體實例的仿真結果，在跟蹤方波信號時，反應比較“遲鈍”，跟蹤誤差大，不能滿足實時控制的要求。 (2)提出一種CMAC概念映射算法，給出了算法公式。 (3)提出了改進型CMAC-PID控制方案。改進型CMAC-PID控制器中，通過系統(tǒng)誤差調整聯(lián)想

4、存儲空間中的權值，并采用變學習速率的結構，使得CMAC的學習為包含了PID控制器在內的整個系統(tǒng)的逆動態(tài)模型，有效克服原有控制結構，在跟蹤連續(xù)變化信號時，由于CMAC和PID相互作用，產生過學習導致系統(tǒng)不穩(wěn)定的現象。另外，把狀態(tài)相量引入CMAC網絡的輸入空間，充分利用了CMAC中已存儲的信息，提高了抗干擾能力，在跟蹤方波信號時，學習速度快，輸出誤差小，體現了良好的控制性能。 (4)將改進型CMAC-PID控制器用于非線性及時變性非