（电工理论与新技术专业论文）基于软开关功率变换器的pid神经网络控制方法的研究.pdf

a b s t r a c t i nt h er e c e n ty e a r s ，w i t ht h er a p i dp r o g r e s so fp o w e re l e c t r o n i c s ，d cp o w e r s u p p l yh a sb e e na p p l i e dt ot h ef i e l d so fc o m p u t e r , c o m m u n i c a t i o n ，e l e c t r i c a ls y s t e m s ， a e r o n a u t i c sa n ds oo n d u et ot h em i n i a t u r i z a t i o n ，h i g h 疔e q u e n c ya n dh i 曲e f f i c i e n c y r e q u i r e m e n t s o fe l e c t r o n i ce q u i p m e n t ，s o f t s w i t c h i n gt e c h n i q u eh a sb e c o m et h e h o t t e s tr e s e a r c hd i r e c t i o no fp o w e re l e c t r o n i c s ，a n da l s oh a sb e e nw i d e l ya p p l i e d b e c a u s eo ft h es t r o n gn o n - l i n e a r i t yo ft h es y s t e m st h e m s e l v e sa n dt h ea d d i t i o no ft h e r e s o n a n tc o m p o n e n t s ，t h em o d e l i n go ft h e s es y s t e m sb e c o m em o r ed i f f i c u l t ，a n dt h e t r a d i t i o n a lc o n t r o lm e t h o d sw o u l dn o tf u l f i l lt h er e q u i r e m e n to ft h es y s t e m w i t ht h e d e v e l o p m e n to ft h ea r t i f i c i a li n t e l l i g e n c et h e o r y , m o r ea n dm o r ep e o p l eb e g i nt of o c u s o nt h en e u r a ln e t w o r ka n de s p e c i a l l yi t sc a p a c i t yo fd r a w i n gu pa n yn o n - l i n e rs y s t e m t h e s eh a v em a d ei tb e c o m et h ef a s h i o n a b l ep r o j e c to ft h ec o n t r o lt h e o r y i nt h i s p a p e r ，1w i l lc o m b i n et h en e u r a l n e t w o r kw i t ht h et r a d i t i o n a lp i dc o n t r o ll a wa n dt h e n d e s i g nap i d - n nc o n t r o l l e rt h a tw i l lb ep u ti nt h es o f ts w i t c hp o w e rc o n v e r t e rs y s t e m t oc o n t r o lt h eo u t p u tv o l t a g e 、 t h em a i nc o n t e n to f p a p e ri sa sb e l o w ： ( 1 ) i nt h i sp a p e r , i ts u m m a r i z e st h ed e v e l o p m e n to fd c d cc o n v e n e rf i r s t l y , a n d t h e na n a l y s i so ft h e i ra d v a n t a g ea n dd i s a d v a n t a g eo ft h e s ec o n t r o l l e dm e t h o d s ( 2 ) i n t r o d u c et h ec h a r a c t e ro ft h et r a d i t i o n a la n dt h ea d a p t i v ep i dc o n t r o l l e ri n b r i e fa l o n g 、航mt h en e u r a ln e t w o r kt h a ti su s e di nt h ec o n t r o l l e ds y s t e m ( 3 ) c h o o s i n gt h ez c sq r cb u c ka st h ee x a m p l e ，i tl a b o r st h ew o r k i n g p r i n c i p l eo fd c d cc o n v e r t e r a n di tb u i l d st h ea v e r a g ec i r c u i tm o d e lb yu s i n gt h e m e t h o do fh i g hf r e q u e n c yn e t w o r ka v e r a g i n g a n dt h es t a t ee q u a t i o na n dt h es m a l l s i g n a lm o d e la r eb o t hb u i l to nt h eb a s e o ft h a tm o d e l ( 4 ) a c c o r d i n g t ot h ep i d - n nt h e o r y , i t d e s i g n san o v e lp i d - n nc o n t r o l l e rt h a ti s b a s e do nt h eb pn e u r a ln e t w o r k t h i sc o n t r o l l e r ss t r u c t u r ea n di t sl e a r n i n gm e t h o d a r ea l s oi n t r o d u c e di nd e t a i l ( 5 ) t h ep i d - n nc o n t r o l l e rh a sb e e nu s e di nt h es o f ts w i t c hc o n v e r t e rs y s t e mb y s i m u l a t i o n ，a n di t se f f e c to nt h ed y n a m i ca n ds t a t i cc h a r a c t e ro ft h eo u t p u ti sa l s ob e e n a n a l y s e d a tt h es a m et i m e ，t h i sc o n t r o l l e ri sc o m p a r e dw i t ht h eo p e na n dt r a d i t i o n a l p i dc o n t r o l l e r , a n di t sr e s u l tt e s t st h a tp i d - n nc a nm a k eb e t t e rp e r f o r m a n c e k e yw o r d s ：s o f t - - s w i t c h i n g ，p i d - n n ，q u a s ir e s o n a n tc o n v e r t e r ，h f n a ， s m a l l s i g n a l 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得墨鲞盘堂或其他教育机构的学位或证 书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中 作了明确的说明并表示了谢意。 学位论文作者签名：越遂缸 签字日期： 伽年y 月诟日 学位论文版权使用授权书 本学位论文作者完全了解叁鲞盘堂有关保留、使用学位论文的规定。 特授权苤鲞盘堂可以将学位论文的全部或部分内容编入有关数据库进行检 索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校 向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名：起血 签字日期：珈6 年月“日 导师虢椒 签字日期：衫b 年月日 天津大学硕士学位论文第一章绪论 1 1 引言 第一章绪论 近年来，电力电子技术发展迅猛，直流开关电源广泛应用于计算机、邮电通 讯、电力系统和航空航天等领域。软开关技术尤其是软开关谐振变换器以其优越 的性能已经成为直流开关电源研究中极其热门的研究方向并且得到了广泛的应 用【l 】。由于在许多场合中，对于输出电压的动态响应性能要求很高，这就要求软 开关功率变换器系统要具有较好的动态响应能力而且能够实时地适应系统的变 化。 神经网络源于对脑神经的模拟，具有很强的适应复杂环境变化和多目标控制 要求的自学习能力，并有以任意精度逼近任意非线性连续函数的特征【2 l 。因此， 本论文结合神经网络与软开关功率变换器的特点，探讨将神经网络应用在软开关 功率变换器中，对其进行分析研究。本章主要介绍论文的相关研究背景和论文的 主要内容及创新点。 1 2 开关电源技术的研究现状 1 2 1 开关电源技术的研究现状 一、开关电源的分类 开关电源技术属于电力电子技术，它利用功率变换器进行电能变换，经过变 换电能，可以满足各种用电要求。由于其高效节能可以带来巨大经济效益，因而 引起社会各方面的重视而得到迅速推广。现代开关电源分为直流丌关电源和交流 开关电源两类，前者输出质量较高的直流电，后者输出质量较高的交流电。 二、直流变换器的分类 按开关管的开关条件，直流变换器可分为硬开关和软开关两种。硬开关直流 变换器的开关器件是在承受电压或流过电流的情况下接通或断开电路的，因此在 开通或关断过程中伴随着较大的损耗，即所谓的开关损耗。变换器工作状态一定 时，开关管开通或关断一次的损耗也是一定的，因此开关频率越高，开关损耗就 越大。同时，开关过程中还会激起电路分布电感和寄生电容的振荡，带来附加损 耗，因此，硬开关直流变换器的开关频率不能太高。软开关直流变压器的开关管 在开通或关断过程中，或是加于其上的电压为零，即零电压开关，或是通过器件 天律人学硕士学位论文第一章绪论 的电流为零，即零电流开关。这种开关方式显著减小了开关损耗和开关过程中激 起的振荡，可以大幅度提高开关频率，为变换器的小型化和模块化创造了条件。 现在，直流丌关电源正在向着高频化、小型化、模块化和智能化的方向发展。高 频化是小型化和智能化的基础，目前开关频率为数百k h z 至数m h z 的开关电源 已有使用。功率重量比或功率体积比是表征电源小型化的重要指标，5 0 w i n 3 的 开关电源早已上市，目前已向1 2 0 w i n 3 发展。模块化与小型化分不开，同时模 块化可显著提高电源的可靠性和使用灵活性，简化生产和使用。模块电源的并联、 串联和级联既便于用户使用，也便于生产。智能化是便于使用和维修的基础，无 人值守的电源机房、航空和航天器的电源系统等都要求高度智能化，以实现正常、 故障应急和危急情况下对电源的自动管理。 三、直流变换器主电路的发展 基本的d c d c 开关变换器包括b u c k ( 降压型) 、b o o s t ( 升压型) 、b u c k - b o o s t ( 升降压型) 、c u k 型、s e p t i c 型z e t a 型等六种。这些基本的拓扑结构具有结构 简单、容易进行分析和控制的优点。近几年来，随着个人电子计算机、通信设备、 微小型电器设备的发展，以及空间技术实际应用的需要，要求d c d c 变换器具 有更小的体积、重量和更高的功率密度，这就要求功率变换器要具有更高的开关 频率，在一些要求较高的应用场合，传统的d c d c 变换器的应用效果不是很理 想。由于传统的d c d c 变换器在进一步提高丌关频率方面很难再有突破，因此， d c d c 变换器的发展方向主要集中在软开关技术的研究上，软开关技术代表着 d c d c 变换器在主电路设计上的发展趋势。 1 2 2d c d c 软开关功率变换器的现代控制方法 由于d c d c 软开关功率变换器是一个强非线性的对象，其模型的建立是相 当困难的，采用经典控制方法是难以达到控制要求的i 因此在经典控制理论发展 阶段，d c d c 软开关功率变换器的控制方式的发展是缓慢的。随着现代控制理 论的发展和实现方法的改进，在d c d c 软开关功率变换器控制方法的研究方面 有了长足的进步，出现了许多新的控制方法，它们都是以现代控制理论为基础， 同时又有一部分采用了新的智能控制方法，j 斤有这一切都使d c d c 软丌关功率 变换器的研究进入了一个崭新的阶段。 下面将对这些d c d c 软开关功率变换嚣的新的控制方法进行简要的介绍： 一、双线性理论 双线性理论属于非线性理论范畴，对于d c d c 软开关功率变换器这种强非 线性对象来说，其双线性模型的标准形式可以与成( 1 - 1 ) 式的形式： 天津大学硕士学位论文 第一市绪论 宝( f ) = 彳殳( f ) + b o o + 窆毫e d “ x o ) = 彳x o ) +d + 芝：置e 1 2 l 式中e 为4 4 的行向量，而4 和4 则分别为变换器在导通和关断期间模型的 状态转移矩阵。 对于传统的低频小信号的线性化模型的状态方程为： 叠( f ) = 彳x ( f ) + 【( 4 4 ) x + ( 岛一也) u 】d ( 1 - 2 ) 比较两式可以看出，双线性模型比低频小信号模型保留了一个非线性项，因此具 有更大的适用范围。 文献【3 】中在上述模型的基础上，应用l y a p u n o v 方法，采用状态反馈控制， 该控制系统对负载扰动具有较强的抗扰能力，但这种控制方案同样没有考虑输入 扰动的影响，若考虑输入扰动的影响，分析将变得十分复杂，因此，这种控制方 案对d c d c 软开关功率变换器特性的改进也只是表面上的。 二、滑模变结构控制 变结构控制系统的结构在整个控制过程中是不断变化的，返一点与开关变换 器的开关动作相似，因此可以考虑用滑模变结构的控制方式来进行d c d c 软开 关功率变换器的控制。 滑模变结构控制的基本思想就是利用d c d c 软丌关功率变换器在导通和关 断期间状态各不相同，通过合理的选择切换面，寻求一控制集使系统在较短的时 间内到达切换面，并且在满足渐进稳定的同时，具有良好的动态品质，并有对外 界扰动不变性的特点。 在d c d c 软开关功率变换器的研究实例中，文章【4 】中提出了一种滑模控制 方式，并在c u k 型d c d c 软开关功率变换器中得到了较理想的应用，文献【5 】 介绍了一种应用变结构实现d c d c 软开关功率变换器的控制方法。它是将具有 串并电容组合结构的开关电容网络与传统的c u k 型d c d c 软开关功率变换器 相结合，并采用变结构控制方法，令串并电容组合结构的阶数随输入电压丽变化， 以确保c u k 型d c - d c 软开关功率变换器在很宽的输入电压动态范围内具有较 高的转换效率，使d c - d c 软开关功率变换器的拓扑结构随输入电压的变化而变 化，从而解决了开关电容在d c d c 软开关功率变换器中输入电压的动态范围和 转换效率之间的矛盾，但其主要的缺点是开关频率不确定，输出纹波较大，对滤 波器的设计要求较高，同时参数的选择和设计有一定的难度。 三、自适应控制 天津大学硕十学位论文 第一章绪论 传统的非线性自 适应反馈控制规律的 设计依赖于电路的系 统参数，当系统的模型 参数是不精确的或是 变化的时候，传统的反 馈控制效果不理想，甚 至会导致系统性能恶 化。而d c d c 软开关 图卜1d c - i 】c 变换器的自适应框圈 功率变换器就是属于参数不断变化的这一类对象，因此可以考虑采用自适应控制 方式。自适应控制对系统参数的变化具有很强的自适应性，其基本思想就是按照 “不确定性等价原理”，先按照理想情况设计，同时控制器参数可以通过设计参 数更新率实现在线可调，因此能同时保证稳定性和精确性的要求，d c d c 软开 关功率变换器的自适应框图如图1 - 1 所示： 文献 6 】中基于状态空间平均模型给出了占空比合成器和参数更新率的表达 式。该参数更新率可以实时更新所有模型参数，在线调节占空比合成器的参数。 该系统对电路参数、输入电压和负载的扰动具有强抗扰能力。但由于d c d c 软 开关功率变换器的高开关频率，实时性成为其实现的主要难点。 四、鲁棒控制 鲁棒控制是处理外加扰动和不确定性模型的主要工具。d c d c 软开关功率 变换器的线性化的小信号模型，是基于某一特定的工作状态的、其模型参数和结 构依赖于变换器的模型参数、输入电压、负载以及变换器的工作方式。模型结构 的改变主要是因为变换器的连续和非连续的两种工作模式的存在。如电流程控式 的b u c k 变换器在c c m ( 连续导电模式) 和d c m ( 不连续导电模式) 的两种 工作模式下，其占空比到输出电压的传递函数分别为二阶和三阶。因此，d c d c 软开关功率变换器具有不确定性模型的这一特点，可以考虑采用鲁棒控制方式实 现d c d c 软开关功率变换器的控制。鲁棒控制的基本思想是，在通常情况下， 可以直接将输入和负载扰动看作是对非线性化小信号模型的扰动信号，从灵敏度 最小化的角度出发，将对控制的设计转变为标准的l 问题。 文献 7 仲使用l q g l t r 方法和k h a r i t o n o v 原理设计了鲁棒控制器，这种对 负载扰动的补偿，控制效果要好得多。近年来，由d o y l e 于1 9 8 2 年提出的结构 奇异值理论( 又称为u 理论) 受到重视。它是把系统的确定部分和摄动部分进行 关联重构，以隔离所有摄动，转而控制块对角有界摄动问题，该方法将鲁棒性能 问题转换为鲁棒稳定性问题，因此u 理论很好的补充了哆。控制的不足。在最近 天津大学硕上学位论文 第一章绪论 在最近的发展中，结构奇异值理论也被应用于d c d c 软开关功率变换器的控制， 来处理结构不确定问题。 总之，随着现代控制理论的发展，出现了上述一些新的d c d c 软开关功率 变换器的控制方法，但是现代控制理论虽然在理论已经趋于发展成熟，但是其在 实际应用中却难于采用，而且随着智能控制理论的产生与发展，d c d c 软开关 功率变换器的智能控制方式又成了一个新的研究课题。 1 2 3d c d c 软开关功率变换器的智能控制方法 一、综述 智能控制是控制理论发展的高级阶段，它是多门学科的高度集成。例如，生 命科学、脑科学、人工智能、模糊集合论、粗糙集理论、人工神经网络、进化论 以及耗散结构论、混沌学等理论，都对智能控制理论的形成与发展起着重要的作 用。广义上讲，模糊控制、人工神经网络、遗传算法、专家系统都属于智能控制 的范畴。 智能控制的研究领域是十分广泛的，从广义上讲，智能控制是研究对复杂的 不确定性被控对象( 过程) 采用人工智能的方法，有效的克服系统的不确定性， 使系统从无序到期望的有序状态的方法及其规律，这里的不确定性对象可以是工 业上的某一个生产过程，也可以是社会经济系统；它的规模可以很大，但也可以 是很小的一个精密复杂的智能电子仪器等。正是因为智能控制研究的广泛性，而 且它也代表着目前控制理论的发展方向，囚此很自然地会想到采用智能控制来实 现d c d c 变换器的控制问题。 二、智能控制在d c - d c 软开关功率变换器中的应用展望 智能控制在d c d c 变换器中的应用主要局限在模糊控制，即用语占描述和 规则的形式直接表达操作人员、设计人员和研究人员的直觉和经验，在不需要建 模的情况下直接控制系统。图1 2 给出了d c d c 变换器的模糊控制方案结构图。 图中给出了模糊控制器的各个组成部分。 天津大学硕士学位论文第一章绪论 图1 - 2d c d c 变换器模糊控制结构图 尽管模糊控制的优点很突出，但仍然有一些不足，其主要的缺点是缺乏分 析和设计控制系统的方法且模糊规则库的设计和实现相当困难。近年来，神经网 络控制已成为一种全新的智能控制方法，为解决高度不确定性和严重非线性的复 杂动态系统的控制问题开辟了一条新的途径。神经网络与现有的控制方法相结 合，在提高控制精度的同时也为神经网络的实现创造了条件。本文将着重介绍神 经网络与传统的p i d 控制相结合，应用在d c d c 软刀= 关功率变换器中，并且能 满足一定的控制要求。 1 3 本文的主要研究内容及创新点 本文提出了将传统的p 1 ) 控制思想与神经网络相结合，构建一种新型的p i o 神经网络控制器，并将此控制器应用在软开关谐振功率变换器中进行研究，分析 其控制效果。同时，还利用高频网络平均法建立准谐振功率变换器的状态方程， 在此状态方程的基础上，建立了准谐振功率变换器的交流小信号模型。 本论文分为5 部分，本章为第一部分主要介绍了论文的相关研究背景、选题 意义以及本文的主要工作及结构安排。 第二章主要介绍了传统p i d 控制与神经网络的发展与融合，详细介绍了传 统p i d 与自适应p i d 控制的优缺点以及p i d 控制与神经网络相结合的理论，奠定 了p i d 神经网络控制器的理论基础。 第三章主要介绍了以b u c k 电路为例的软开关谐振功率变换器的工作原理并 且对软开关谐振功率变换器b u c k 电路建立了交流小信号模型。 第四章主要介绍了b p 神经网络理论并构建了基于b p 神经网络的p i d 神经 网络控制器，详细介绍了该控制器的具体结构和学习算法。 第五章将以建好的p i d 神经网络控制器在i c t a t l a b 中进行仿真实验，并与传 统的p i d 控制、开环控制进行比较分析，结果表明p i d 神经网络具有更好的控制 6 - 天津人学硕t 学位论文 第章绪论 效果。 最后对本文的控制方法作了总结，并提出了p i d 神经网络控制器的应用前 景，以及应用在软开关功率变换器中时存在的一些问题。 本论文主要包括以下三个创新点： ( 1 ) 本文采用高频网络平均法建立了软开关状态下b u c k 开关变换器的状 态方程，并在此基础上建立了交流小信号模型。 ( 2 ) 将传统的p i d 控制规律和神经网络相结合，构建了新型的p i d 神经网络 控制器，并将该控制器应用在软开关功率变换器中，分析该控制器的性能。 ( 3 ) 设计了电压反馈式零电流准谐振b u c k 变换器的m a t l a b 仿真模型，由 此模型获得的仿真结果验证了该控制器具有良好的控制性能。 天津人学硕士学位论文第一二章传统p i d 控制与神绎网络的发展与融合 第二章传统p i d 控制与神经网络的发展与融合 2 - 1 常规p i d 与自适应p i d 一、常规p i d 控制的优缺点 在工业过程控制中，9 5 以上的控制回路具有p i d 结构。p i d 被广泛应用的 原因是因为它结构简单、稳定性好、可靠性高等优点，在实际应用中容易被理解 和实现，而且许多高级控制都是以p 1 d 控制为基础的。另外，需要加以控制的 对象和过程变得越来越复杂，过程的动态性大都具有高阶、非线性、大延迟及时 变等特点，给以精确数学模型为基础的经典控制理论的应用带来了困难，大多数 情况下只好用p i d 控制。 尽管p i d 应用非常广泛，但p i d 控制器也有许多不足之处，对于大滞后对 象、非线性对象及参数慢时变且受随机干扰的系统，常规p 1 d 就显得无能为力。 然而，实际上大多数的生产过程都是非线性的，而且生产过程的特性随时间变化。 而常规的p i d 控制器结构是固定的，整定的参数只适应某一情况。当过程特性 或环境发生变化时，需重新对控制器参数进行调整，以保证控制质量，p i d 控制 器本身没有这种“自调整”能力。可以说p i d 控制质量的好坏关键取决于其参 数的整定，生产过程是连续的，参数整定需要时间和经验，这种在线重新整定在 实际生产中几乎是不可能的。所以，实现p i d 控制器参数的在线自适应整定一 直是人们非常关注的课题。 一、自适应p i d 控制 卣适应p i d 控制器可以分为两大类1 8 l ：第一类是基于被控制过程参数辩识的 方法；第二类是基于被控过程某些特征参数的方法，不存在辩识问题。 第一类方法具体又可分为：极点配置自适应p i d 控制器，相消原理自适应 p i d 控制器，基于二次型性能指标的参数优化自适应p i d 控制等。这类方法对特 性分明的控制过程在线自适应非常有效，但由于它对被控制对象有较强的限制， 因而对不能或难以用精确数学模型描述的复杂过程没法应用，这也是目前阻碍这 类自适应p i d 控制器广泛应用的主要原因之一。 第二类方法又可以分为以下两种： 1 、改进型z i e g i o r - n i o h o ls 法 z i e g l e r - n i c h o l s ( 1 9 4 2 ) 提出的方法是基于开环系统乃奎斯特曲线上的一个 特征点的条件来整定p i d 参数的。它的最大特点是不需要辩识对象的数学模型， 通过系统的闭环实验进行p i d 参数整定，其关键是系统必须产生等幅振荡，然后 天津人学硕上学位论文 第二章传统p i d 控制上了神绎网络的发展l 丁融合 再按照给定的公式计算p i d 参数，这种方法常称为临界比例度法。过程工业系统 存在许多不确定因素，要得到真正的等幅振荡并保持一段时间是相当困难的，并 且常常引起增幅振荡。对于要求较严格的生产过程，这个方法是不实用的。为了 克服这些缺点，a s t r o m ( 1 9 8 4 ) 提出了用继电特性的非线性环节来代替比例控制 器。它能使闭环系统自动地稳定在等幅振荡状态，振荡的幅值也可通过改变继电 特性的特征值控制，对生产过程不会造成太大影响，达到了实用化的要求。 2 、模式辩识法 以模式识别技术为基础的“专家系统”自整定方法是以熟练控制工程师的经 验知识为基础的，通过对系统过渡过程模式的在线识别，对p i d 参数进行自整 定的。“即通过对系统误差的模式识别，分别识别出过程响应曲线的超调量、阻 尼比和衰减振荡周期，然后根据用户事先设定好的超调量、阻尼比等约束条件在 线校定p 、i 、d 三个参数，直至过程的响应曲线为某种指标下的最佳响应曲线【引。” 改进型z i e g l e r - n i c h o l s 方法是具有生命力的，适用于大多数过程工业的应用场合， 是一种较好的控制器参数初步整定方法，模式识别自整定方法具有适应性强、性 能好的特点，他们都不需要对象的数学模型。但他们都有各自的局限性，只根据 频率特性上的信息在整定p i d 参数并不适应所有的对象。此外，当“专家系统” 不具备判断某种模式的知识，或者由于噪声使得“专家系统”产生模式误判断时， 整定后的控制系统往往会发散。而且，他们都不适用于对级特性变化快的场合。 上述所有这些问题和缺点都限制了自适应p 1 d 控制器的应用。并且，现有 的自适应p i d 控制还远未达到严格意义上的“自适应”。但这并不妨碍我们对这 个目标的追求，这也正是我们要着手解决的问题。 2 2 神经网络在控制系统中的应用 一、人工神经网络概述 2 2 1 人工神经网络的定义 人工神经网络是生理学上的真实人脑神经网络的结构和功能，以及若干基本 特性的某种理论抽象、简化和模拟而构成的一种信息处理系统。从系统观点看， 人工神经网络是由大量神经元通过极其丰富和完善的连接而构成的自适应非线 性动态系统。由于神经元之间有着不同的连接方式，所以组成不同结构形态的神 经网络系统是可能的。 9 天津大学硕士学位论文第二章传统p i d 控制与神绎网络的发展与融合 2 2 2 人工神经网络的发展 1 9 4 3 年心理学家m c c u l l o c h 和数学家p i t t s 首先提出了形式神经元模型( 简 称m p 模型) ，它预示了人工神经网络的诞生，1 9 4 9 年，心理学家h e b b 提出了 神经元的学习规则，使神经网络具有了可塑性。到目前为止，大部分神经网络的 学习舰则仍采用h e b b 规则或它的改进型。1 9 5 8 年，r o s e n b l a t t 提出了感知器 ( p e r c e p t i o n ) 模型，指出了感知过程具有统计分离性，利用教师信号可以对感 知器进行训练，试图模拟人脑感知能力和学习能力；还有日本的小野在1 9 6 9 年， 提出了一个联想记忆模型，等等这些都代表了人工神经网络在其产生初期的研究 成果。 从1 9 7 0 年到1 9 8 6 年，r u m e l h a r t 提出了b p 算法，人工神经网络经历了一 个发展低潮期，在这一时期人工神经网络的研究成果较少。值得一提的是一种基 于误差反传训练算法，它对2 0 世纪8 0 年代研究人工神经网络新高潮的到来起了 巨大的推动作用。b p ( b a c kp r o p a g a t i o n ) 网络实际上是一个多层前馈网络，它 是当今广泛使用并有许多成功应用的网络模型之一。在人工神经网络的发展过程 中具有重要的地位。 从1 9 8 7 年到现在人工神经网络进入了其健康发展的时期。特别是1 9 8 7 年6 月在美国圣地亚哥召丌了第届世界神经网络会议，标志着神经网络研究在世界 范围内形成了高潮。目的人工神经网络有了长足的进步，但还有许多问题需要解 决。总之，神经网络经过6 0 年来的发展从初创期、过渡期、发展期三个阶段已 经进入了个健康发展的新阶段。但是，人工神经网络的发展还只是局限在理论 研究上，虽然在p c 机上使用的神经网络产品很多，但这些神经网络产品只是一 些软件产品，针对性较强，只能限制在财政金融和公众信息服务等领域，在控制 领域采用神经网络控制器要想实现在线训练，必须有相应的神经网络硬件产品， 目前正处在研究中，因此神经网络在控制领域中的研究目前还大都停留在理论上 的研究，而且也不是十分完善，有待于迸一步发展。 2 2 3 人工神经网络在控制系统中的应用 所谓神经网络控制系统，就是利用神经网络这一工具的控制系统。迄今为止， 人们提出了各种各样的神经网络控制系统i g h l 5 】。在这些系统中，神经网络所起 的作用大致可以分为以下几类：第一类是在基于模型的各种拧制系统结构中充当 对象的模型；第二类是直接充当控制器；第三类是在控制系统中起优化计算的作 用；第四类是与其他智能控制方法如专家系统、模糊控制等卡日融合，为其提供参 数化对象模型或推理模型。下面给出几种较为成熟的应用情况【1 6 】。 天津大学项上学位论文 第二章传统p i d 控制与神经网络的发展与融合 1 、监督控制对于许多需要人参与的控制系统，用传统的控制技术去设计能代 替人的控制器相当困难。由于神经网络具有逼近任意非线性函数的能力，因此训 练神经网络使其逼近从人的感观到人的决策输出的映射，就可以获得能代替人的 神经网络控制器，g r a n t ( 1 9 8 9 ) 的倒摆控制系统，n a i d u ( 1 9 9 0 ) 的化工过程控 制系统中传感器的神经网络故障诊断系统，n a r e n d r a ( 1 9 9 2 ) a i 控制中决策系统 等均属于此类，这类控制的缺点为无反馈动力学。 2 、逆动态控制系统把被控对象的逆动态神经网络模型作为控制器，将其串联 在被控对象之前，那么神经网络的输入就等于被控对象的输出，这就是神经网络 逆动态控制系统。逆动态控制系统在机器人控制方面应用较多，m i l l e r ( 1 9 9 0 ) 编辑的书中有不少成功的实例。此类控制结构要求对象动态可逆，而对非线性系 统可逆性的研究仍是当前的一个难点。 3 、自适应线性控制神经网络方法不仅可用于非线性控制，而且还可作为线性 系统控制器的一部分。如h o p f i e l d 网络即可作为线性系统的一个动态控制器。此 时，可用变结构理论来建造控制器，并用鲁棒性刻画其特性，在这种结构中，可 利用标准方法进行自适应训练。c 址( 1 9 9 0 ) 在对线性被控对象进行辩识对，利 用h o p f i e l d 网络的优化计算能力，成功地实现了对一时变线性系统的自适应控 制。g u e z ( 1 9 8 8 ) 利用h o p f i e l d 网络的联想记忆能力实现了根据系统状态变化 调整p i d 控制器参数。在这些结构中，神经网络的非线性力学及其相应设计仍是 有待进一步研究的课题。 4 、内模控制近年来，内模控制以其较强的鲁棒性和易进行鲁棒性分析的特点， 在过程控制中获得了广泛应用。h u n t ( 1 9 9 1 ) 将其推广到非线性系统控制中，其 结构与线性系统的内模控制一样，只是被控对象的辩识模型为神经网络，控制器 为被控对象的逆动态神经网络模型。仿真结果表明，该系统具有良好的控制效果。 神经网络控制系统用于控制非线性对象，由于神经网络的自学习、自适应性 使其与线性系统的自适应控制系统有许多相似之处，许多概念与理论从直观上 看，似乎可以平移，但它本质上是一非线性系统，因而与非线性系统一样存在稳 定性问题、结构设计问题及鲁棒性问题等，这些问题的解决有赖于非线性理论的 发展。 目前神经网络控制的研究方向主要有以下两个方面： 1 、神经网络模型理论本身的研究现有的神经网络学习算法大多收敛速度 太慢，而且在许多情况下存在局部极小问题。因此研究的重点应集中在神经网络 快速学习算法和新的寻优方法的选取上。此外，在逼近非线性函数的问题上，现 有理论只解决了存在性问题，对不同的被控对象，如何选择适当的神经网络结构 尚无理论指导。 天津大学硕士学位论文第二章传统p i d 控制与神经掰络的发展与融合 2 、神经控制稳定性和鲁棒性的研究对控制系统束说，从原理和结构上看， 神经网络与自适应控制十分相似，不同的是神经网络一般用于非线性系统的控 制，而目前比较成熟的自适应控制一般用于控制线性对象，这类系统都必须是全 局稳定的。现在线性自适应控制的稳定性已经解决，而神经控制稳定性的研究成 果还比较少，解决这一问题必须考虑对象与神经网络的双重非线性特性。此外， 神经网络控制的鲁棒性仍是一个有待解决的问题。 2 3p i d 与神经网络相结合的理论 神经网络在自动控制系统中的应用提高了整个系统的信息处理能力和适应 能力，提高了系统的智能水平。神经网络与各类控制系统的结合，也是多种多样， 几乎无所不包。神经网络与p i d 控制相结合的方法也有多种，本文将其分为两 大类：基于神经元的p i d 控制和基于神经网络的p i d 控制。 2 3 1 基于单神经元的p i d 控制原理 在神经网络控制中，神经元是最基本的控 制元件，结合常规p i d 控制，将误差的比例、 微分和积分作为单个神经元的输入量，就构成 了单神经元p i d 控制器，其结构如图2 - 1 所 示。 图中w o = 1 ，2 ，3 ) 为神经元权值， ( f = 1 ，2 ，3 ) 为神经元输入量，分别为 x l ( k ) = p ( 尼) x 2 ( k ) = p ( 后) 一e ( k 一1 ) k 恐( 尼) = p ( f ) l = l 控制器输出为 甜( 后) = k ( 七) - k z 瓦( 七) ( 尼) s = l x 2 ( k ) x 2 ( k ) 图2 _ l 举神经元p i n 控制器 ( 2 1 ) ( 2 2 ) 一 竺 翌， 天津人学硕l 学位论文 第二章传统p i d 拧制与神经 6 i 络的发展与融合 式中，万( 七) ：_ 了兰型堕一 蕃1 w l ( 后) i 神经元权值的调整规则为 w f ( j + 1 ) = 嵋( 后) + w l ( i ) 式中，w ( 后) 由不同的学习算法确定。 将式2 - 3 展开 ( 2 3 ) “( 后) = k 可 ) ( 后) + k 瓦( 七) 吃 ) + k 巧( 尼) 屯( 七) k ( 2 - 4 ) = 耳p ( 后) + 巧 e ( k ) - e ( k 1 ) 】+ 巧“f ) l = j 式中，辱= k 可( 七) ，蜀= k 瓦( 后) ，巧= k 巧( 七) 。上式表明，单神经元 p i d 控制器类似于一个变参数p i d 控制器，其比例、积分、微分系数可以通过神 经元在线学习进行自适应整定，既发挥了神经元的学习功能，又保持了传统的 一p i d 控制器的特点，因而可以增强系统的鲁棒性，提高控制性能。 选择性能指标函数为 ，i 后) ：耳1 ，( 七+ 1 ) 一y ( 后+ 1 ) 】2 ：要8 2 ( 后+ 1 ) ( 2 5 ) 权值系数w l ( 尼) 的修正应沿着，( 七) 对w ( 后) 的负梯度方向搜索调整，即 w l = 叩丽o j ( k ) = r l e ( k + 1 ) 鬻器 浯6 ) 式中，r 为学习速率，( 需要时，每一权值都可取不同的学习速率) 。 在具体计算时，由于1w i ( 忌) i 变化比较平缓“”，在求导过程中，可将其近 似为一常数，砂( 七十1 ) a 甜( 七) 可以用其符号函数s g n 【砂( k + 1 ) o u ( k ) 】近似代 替，或用差分嚣渊代替。 此学 - 3 算法物理意义明确，计算量较小，但由于在性能指标函数中仅有输出 误差平方项，因而容易出现控制量变化过大的情况，这在实际控制系统中一般是 不允许的。为此可在性能指标函数中引入对控制量的要求，即 天津人学硕十学位论文第一二章传统p i d 控制与神经网络的发展与融合 八舻争凡2 ( 七删+ q a 识纠 ( 2 _ 7 ) 式中，d 为过程总滞后，尸、q 为加权系数，p ( 后+ d ) = ，( 膏+ j ) y ( 后+ d ) 为 k + d 时刻的误差，可以用e ( k ) 代替，或由预测算法求得。 2 3 2 基于神经网络的p i d 控制 根据神经网络在控制系统中的不同作用，本文将基于神经网络的p i d 控制 分为神经网络间接自校正p i d 控制和神经网络直接自校正p i d 控制。 2 3 2 1 神经网络间接自校正p i d 控制 1 控制结构原理 基于神经网络的间接自校正p i d 控制，主要利用了神经网络的非线性映射 能力和自适应能力。系统结构如图2 2 所示，控制器由两个部分组成：a 参数可 调的p i d 控制器，直接对被控对象进j jl 利环控制；b 神经网络n n ，根据系统的 运行状态，实现自适应算法，调节p 1 d 控制器参数，以达到某种性能指标的最 优化要求。 图2 2 神经网络间接自校正p i i ) 控制系统结构图 常规p i d 控制器的增量式算法为 u ( k ) = “( 七一1 ) + k p 【p ( 1 | ) 一e ( k 一1 、l + 鹭“尼) + k d 【p ( 尼) 一2 e ( k 1 ) + e ( 七一2 ) 】 ( 2 8 ) 可以将常舰p d 控制品，0 增量式算法t2 8 ) 表示勾 “( 庀) = f u ( k 1 ) ，k 0 ，q ，k d ，e ( 七) ，e ( k 1 ) ，8 ( 七一2 ) 】 ( 2 9 ) 天津大学硕上学位论文第二章传统p i d 拧制j 神绎网络的发展与融合 式中，厂( ) 是与砗，蟛，k d ，u ( k 一1 ) ，e ( k ) 等有关的非线性函数。由于神经网络 具有逼近任意非线性函数的能力，因此可以采用神经网络实现这个函数，通过训 练和学习找到一个最佳控制效果。目前应用较多的是b p 网络( 本文在第四章将 详细介绍b p 网络的结构和学习规则) ，在这里作一简单的示意结构图。 此处的b p 网络为m x q x 3 的三层网络，其结构如图2 3 所示： n e l l 2 i 嗡古屡 | 璺| 2 - 3b p 网络结构图 晒 硒 网络的输入节点对应所选的系统运行状态量，必要时应对其进行归一处理， 各节点状态为 o j o ) ( k ) = n e t j ( 1 ) ( 后) = _ ( 后) ，( ，= l ，2 ，m ) ( 2 一l o ) 式中，输入变量的个数取决于被控系统的复杂程度。 网络隐层的输入输出关系 m 衅( 尼) = 1 = 1 垆以后) 一班，( f ：1 ，2 ，q ) ( 2 11 ) 、，。v ， 17 q t 2 ( 尼) = 厂 门p ( 2 ( 庀) 】 式中，峋2 为隐层权值系数，包2 为隐层阈值，厂( ) 是输出变量函数，此处取 为f ( x ) = t a n h ( x ) 。 网络的输出节点分别对应可调p i d 控制器的三个参数绵、局、k d ，即 0 1 3 ( 蠡) = k e ，0 2 ( 3 ) ( 尼) = 巧，0 3 ( 3 ) ( 后) = k o 。各节点输入输出关系为 天律大学硕士学位论文第二幸传统p i d