基于单神经元PID控制的温度控制系统.doc

基于单神经元PID控制的温度控制系统高文生1 刘普2 祝世兴2（北京飞机维修工程有限公司1，中国民航大学2）摘要：利用神经网络的自学习特性，将神经网络与PID控制方法相结合，实现对温度控制系统的在线智能控制。仿真结果表明，该温度控制系统具有令人满意的控制效果。关键词：单神经元；PID控制；温度控制Temperature Control SystemBased on Single Neuron PID Control Method(Beijing Aircraft maintenance and Engineering Corporation1; Civil Aviation University of China2)(Gao Wensheng1 Liu Pu2 Zhu Shixing2)Abstract: Making use of the neural works self-study ability, combining neural work with PID control method, the temperature control system achieves intelligent online control. The simulating result indicates the temperature control system has a satisfactory effect.Keyword: single neuron; PID control; temperature control0引言 PID控制由于其算法简单、鲁棒性好和可靠性高，被广泛用于工业控制过程。实际工业控制过程中，控制系统中往往存在各种非线性因素，并且存在系统模型难以辨识等原因，因此，基于系统数学模型的控制算法往往难以取得令人满意的控制效果。同时，传统PID控制算法也存在着参数人为经验输入偶然性大等问题。人工神经网络具有很强的信息综合、学习记忆和自适应能力，能够逼近任意非线性函数，可以处理那些难以用模型和规则描述的过程，在一些不确定的控制中已成功应用。本文将传统PID控制与神经网络有机地结合起来，构造了基于单神经元的PID控制器，实现了实时在线调节PID控制器的三个可调参数、和，仿真结果表明该方法具有很好的控制效果。1.基于单神经元的PID控制算法基于单神经元的PID控制结构明确、学习算法简单，通过神经元自身的学习，可以找到某一最优控制律下的PID参数。基于单神经元的PID控制系统如图1所示：图1 基于单神经元的PID控制系统框图如图1所示，PID控制器直接对被控对象进行闭环控制，根据系统的运行状态，控制算法在线调节PID控制器的三个参数、和，以期达到某种性能指标的最优化。离散的数字PID控制算式为1： （1）式中，、和分别为比例、积分和微分系数；e(k)为第k次采样的输入偏差值；u (k)为第k次采样时刻的控制量。图2所示的单神经元模型示意图，为神经元的输入，为各输入相应的权值，称为神经元的阈值，为神经元的输出。图2 单神经元模型示意图上述模型的数学表达式为： （2） （3）以上两式中：为神经元的净输入；为活化函数；为了应用神经元的模型，需要对数字PID控制算法公式即式（1）作如下变换，令： （4） （5）则式（1）可写为： （6）取性能指标函数为2： （7）使加权系数的修正沿的减小方向，即对的负梯度方向搜索调整。J对的梯度为： （8）所以的调整量为： （9）式中，（i=1、2、3）为权值的学习速率。根据式（6）与的关系可得 （10）2. 仿真结果及分析实验中，为了检验该控制系统的性能，进行了大量的仿真实验。下面以典型的温度控制传函一阶惯性纯滞后系统作为被控对象3，进行仿真实验。设被控对象为： （11）设目标温度为30，相应的控制系统的响应曲线如图3所示。从图3中可以看出，基于单神经元的PID控制比传统的PID控制具有更小的超调量，更短的调节时间。并且在仿真过程中，传统PID控制的控制参数需要经过多次的试输入才得到一个理想的控制效果，而基于单神经元的PID控制在一开始随机输入一组控制参数，通过控制算法的自我学习与修正，很快就会得到理想的控制效果。图3 不同PID控制方法下控制系统的响应曲线结论1基于单神经元PID控制的温度控制具有比传统PID更好的控制特性，并且不需要精确的数学模型；2.基于单神经元PID控制的温度控制可随意输入PID控制参数初值，控制算法能通过自身学习得到某一指标最优下的控制参数。参考文献：1 陶永华主编新型PID控制及其应用M北京：机械工业出版社，2002.92 朱海峰，李伟，张林基于BP神经网络整定的PID控制J 动力学与