基于单神经元的自适应PID控制研究.doc

基于单神经元的自适应PID控制研究赵建辉1，赵建平1，徐弋1，许利亚1（1.中国卫星海上测控部，江苏 江阴 214431）摘 要：本文对基于单神经元的PID控制算法进行了研究，以解决伺服系统的非线性、自适应问题，并用MATLAB对某大型雷达伺服系统位置环进行了仿真，仿真结果表明采用单神经元自适应PID控制器，比传统的PID控制器具有更好的适应性、鲁棒性。关键词:PID控制 神经网络 单神经元 参数调整中图分类号：TP918 文献标识码：AThe Research of the Single- -based Auto Adapted PID ControlZHAO Jian-hui1, ZHAO Jian-ping1, XU-yi1, XU Li-ya1(Satellite Marine Tracking and Control Department of China, Jiangyin 214431，China)Abstract: By the study of the PID control algorithm based on single , we have solved the non- and adapted problems of the system,and simulated to a radar system. The result of simulation means the auto-adapted PID Controller based on single is to more adapted and than a PID Controller.Key Words: PID Control ;Networks t;Single;Parameter Adjust40 引言近十年来，以人工神经网络为代表的人工智能技术取得了长足进展。目前在图象处理、语音处理、信号处理、模式识别、故障诊断等一些实时性要求不高的领域，获得了成功应用。神经网络在控制领域主要有两个用途：模型辨识和系统控制。利用神经网络非线性映射的能力可逼近任何线性和非线性模型；利用自学习、自收敛性可作为自适应控制器。神经网络控制器与传统自适应控制器在原理与结构上有相似之处，传统自适应控制只能用于线性对象，但神经网络控制器既可用于线性对象，又可用于非线性对象，对被控对象无须精确建模，对参数变化有较强的鲁棒性。在数字伺服系统中，常常是参数变化范围大、存在着非线性及耦合关系，往往要求精度高、响应速度快，常规的控制算法有一定局限性。因此采用神经网络控制以解决数字伺服系统的非线性、自适应问题。1人工神经网络特点与神经元模型图1-1 人工神经元模型为模拟人类大脑神经网络系统的生物神经元，人们提出了人工神经元，由神经元相互连接构成神经网络。神经元模型如图1-1所示1。设xi(i=l，n)为加于神经输入端的输入信号，wi为相应的连接权系数，用于模拟生物神经元突触的连接强度，连接权可以为正(激励)和负(抑制)。为神经元的阀值，则神经元的内部状态(或称静输入)为： （1-1）神经元的输出为： （1-2）f(s)为响应函数(激活或输出函数)，可取阶跃(硬限幅、阀值、符合)函数、线性或非线性函数。非线性函数有S型(Sigmoid)函数和双曲正切函数等。2神经网络PID控制器离散形式的位置PID控制算法表达式2为: （2-1）根据公式（2-1），用一个单神经元构造控制器如图2-1所示：图2-1 神经元PID控制器神经元的三个输入分别为 （2-2）即三个输入分别对应于误差的比例、积分(求和)与微分(差分)。神经元响应函数采用线性函数，其输出为： （2-3）公式（2-3）中，Wi(k)(i=l,2,3)为加权系数，可在线修正。可见，此神经元控制器具有PID控制器结构，其加权系数分别相当于PID控制器的比例、积分与微分系数，通过对加权系数的调整来实现自适应、自调整的功能。而权系数的调整采用有监督的学习算法，与神经元的输入、输出和偏差三者的相关函数有关，即： （2-4）式中，ri(k)学习信号，它随过程逐渐衰弱；e(k)输出误差信号为教师信号，即采用有监督的学习算法；学习速率；c充分小的常数，0c1，通常可取c为0。3单神经元自适应PID控制器的设计采用单神经元自适应PID控制器的结构框图如图3-1所示3：图3-1 单神经元自适应PID控制器结构图3-1中神经元有3个输入量Xi(k)(i=l,2,3)，转换器的输入反映被控制过程及控制给定的偏差状态。若设给定为r(k)，输出为y(k)，偏差为e(k)，经转换器后转换成为神经元学习控制所需要的状态X1(k)、X2(k)、X3(k)。神经元PID控制器的输出为： （3-1）其中K为神经元比例系数，Wi(k)(i=l,2,3)为神经元权值系数，KWi(k)相当于PID控制器的参数Kp、KI、KD。可见这样建立的神经元控制器具有PID控制器结构，由于神经元的权系数具有自调整功能，故该神经元控制器为具有参数自调整功能的PID控制器。4系统仿真实验某大型雷达伺服系统位置环基于传统PID控制器的系统仿真模型如图4-1所示：图4-1基于传统PID控制器的系统仿真模型而某大型雷达伺服系统位置环基于单神经元自适应PID控制器的系统仿真模型如图4-2所示：图4-2 基于单神经元自适应PID控制器的系统仿真模型系统仿真结果如图4-3所示。图4-3 系统仿真结果曲线1是基于传统PID控制阶跃响应，曲线2是基于单神经元自适应PID控制阶跃响应，由仿真结果可以看出，基于单神经元自适应PID控制器的系统几乎没有超调，虽然调节时间较长，但响应速度依然满足指标要求。5 结论理论分析首先表明，单神经元控制实质上是变系数的PID控制，所以单神经元控制最重要的特征在于它具有自适应性，这是传统的PID控制所不可比拟的特征。其次，仿真结果也表明采用单神经元自适应PID控制器，比传统的PID控制器具有更好的适应性、鲁