付冬冬

摘要：本文以研究最基本的神經(jīng)網(wǎng)絡(luò)PID控制即單神經(jīng)元PID控制為主，輔助研究BP神經(jīng)網(wǎng)絡(luò)。PID控制要取得好的控制效果，就必須調(diào)節(jié)好比例、積分和微分參數(shù)在控制系統(tǒng)中的比例，他們的數(shù)值存在著一種相互制約的關(guān)系，然而在工業(yè)實(shí)際生產(chǎn)過(guò)程中，完全的線性時(shí)不變系統(tǒng)是不存在的，一般都是非線性時(shí)變系統(tǒng)，并且難以建立數(shù)學(xué)模型，參數(shù)整定困難。該文通過(guò)MATLAB建立仿真，在其中建立控制對(duì)象以及控制器，即需要對(duì)比的兩種神經(jīng)網(wǎng)絡(luò)PID控制，在變化被控對(duì)象為一階、二階系統(tǒng)進(jìn)行分別的仿真并分析對(duì)比其控制效果；最后發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)PID控制算魯棒性最好。

關(guān)鍵詞：PID控制；神經(jīng)網(wǎng)絡(luò)；單神經(jīng)元PID控制；仿真

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2015）08-0171-04

Abstract：This paper studies the basic neural network PID control that single neuron PID control-oriented ， assisted on BP neural network .， and added to the control condition BP neural network PID control for comparison . PID control To achieve good control effect， it must regulate the proportional， integral and differential ratio control system parameters， and their values there is a relationship of mutual restraint， but in actual industrial production process， completely linear time invariant system does not exist， are generally nonlinear time-varying systems ， and it is difficult to establish the mathematical model， parameter tuning difficult. This paper established by MATLAB simulation， in which the establishment of the control object and a controller that need to compare two types of neural network PID control ， changes in the controlled object for first， second and simulation systems were analyzed and compared its control effect； and finally found that BP neural network PID control algorithm robustness of the best .

Key words： PID control； neural network； single neuron PID controll； simulation

在控制系統(tǒng)設(shè)計(jì)中，復(fù)雜的、變化的以及具有不確定性的被控對(duì)象是非常難控制的，但這正是控制系統(tǒng)面臨的挑戰(zhàn)。用精確的數(shù)學(xué)模型的控制理論和方法往往不能達(dá)到要求的控制效果。無(wú)數(shù)學(xué)模型控制能夠有效的提高控制系統(tǒng)的自適應(yīng)能力和魯棒性，所以，無(wú)模型控制是控制系統(tǒng)發(fā)展的另一個(gè)重要方向。并且值不能過(guò)大或過(guò)小，如果只進(jìn)行PD控制，控制作用會(huì)產(chǎn)生余差。其為智能控制的重要分支之一。PID控制要取得好的控制效果，就必須調(diào)節(jié)好比例、積分和微分參數(shù)在控制系統(tǒng)中的比例，他們的數(shù)值存在著一種相互制約的關(guān)系，在電力，化工以及機(jī)械等各行各業(yè)中都得到了廣泛應(yīng)用并具有良好的控制效果[1]。神經(jīng)網(wǎng)絡(luò)的最基本單位神經(jīng)元具有一定程度的自我學(xué)習(xí)及適應(yīng)能力，并且它的構(gòu)造簡(jiǎn)單且可以輕松計(jì)算。傳統(tǒng)的PID控制具有結(jié)構(gòu)簡(jiǎn)單、調(diào)整方便和參數(shù)整定與工程指標(biāo)聯(lián)系緊密等特點(diǎn)。

1 基于單神經(jīng)元的PID控制

單神經(jīng)元結(jié)構(gòu)PID控制的本質(zhì)是，用單神經(jīng)元的權(quán)系數(shù)來(lái)代替PID控制器的三個(gè)參數(shù)。

單神經(jīng)元PID自適應(yīng)控制，是將單神經(jīng)元與PID相結(jié)合，單個(gè)神經(jīng)元具有自適應(yīng)和自學(xué)習(xí)能力，PID控制采用增量式PID控制算法，單神經(jīng)元能完成自適應(yīng)PID控制的要求。加權(quán)系數(shù)的值對(duì)控制器的輸出影響比較大，如若權(quán)系數(shù)的初始值選擇不當(dāng)，很可能會(huì)導(dǎo)致系統(tǒng)不穩(wěn)定[2]。一般來(lái)講，主要依據(jù)經(jīng)驗(yàn)來(lái)選擇權(quán)系數(shù)的初始值，不同的被控對(duì)象應(yīng)有不同的權(quán)值。Rin（k）為設(shè)定值，yout（k）所以在被控對(duì)象的輸出時(shí)，首先根據(jù)響應(yīng)曲線確保系統(tǒng)穩(wěn)定，沒(méi)有超調(diào)，再適當(dāng)?shù)恼{(diào)節(jié)學(xué)習(xí)率來(lái)加快系統(tǒng)的響應(yīng)速度其控制及學(xué)習(xí)算法為：

K值的選擇非常重要。K越大，則快速性越好，但超調(diào)量大，甚至可能使系統(tǒng)不穩(wěn)定。若延時(shí)增加時(shí)，需減小K值，來(lái)保證系統(tǒng)穩(wěn)定。K值選擇太小，會(huì)使系統(tǒng)的響應(yīng)速度大大的降低，不利于系統(tǒng)的有效控制。改進(jìn)算法中權(quán)系數(shù)的調(diào)整，增加了控制量加權(quán)平方和并且讓比例系數(shù)K自適應(yīng)的改變?cè)谡⊿NPID參數(shù)時(shí)可以根據(jù)階躍輸入的響應(yīng)曲線確定，具體各個(gè)參數(shù)對(duì)控制性能的影響將在下一章用仿真實(shí)例具體說(shuō)明，其步驟如下

1）比例系數(shù)K的取值對(duì)系統(tǒng)的快速性和穩(wěn)定性影響比較大，若其太小響應(yīng)速度也會(huì)過(guò)小，而若其取得太大，系統(tǒng)響應(yīng)速度快，但調(diào)節(jié)時(shí)間長(zhǎng)，超調(diào)量大甚至出現(xiàn)振蕩。因此可采用非線性變換的在線修正的方法，在響應(yīng)初期偏差較大的時(shí)候，取較大的K值，加快系統(tǒng)的響應(yīng)速度[4]。

2基于BP神經(jīng)網(wǎng)絡(luò)的PID控制

PID控制要取得好的控制效果，就要綜合考慮PID參數(shù)的關(guān)系。這三者不是一個(gè)簡(jiǎn)單的數(shù)學(xué)線性關(guān)系，也不是一個(gè)可以用一般的簡(jiǎn)單函數(shù)可以描述的單純數(shù)學(xué)關(guān)系，他們之間的關(guān)系會(huì)隨著控制對(duì)象的不同而發(fā)生不同的變化。而B(niǎo)P神經(jīng)網(wǎng)絡(luò)具有通過(guò)其自主的不斷學(xué)習(xí)，最后始終可以找到一個(gè)比較適優(yōu)的控制規(guī)律，其對(duì)應(yīng)的P、I、D參數(shù)就是最優(yōu)參數(shù)[5]。控制器由兩部分組成：

1）典的PID控制器：控制對(duì)象的直接閉環(huán)控制，并且三個(gè)參數(shù)為調(diào)整模式。

分析表1可知PID參數(shù)在時(shí)刻發(fā)生變化，驗(yàn)證了基于神經(jīng)網(wǎng)絡(luò)的PID控制，是有自適應(yīng)能力的，參數(shù)是在線整定可調(diào)的?；贐P神經(jīng)網(wǎng)絡(luò)的PID控制和基于單神經(jīng)元的PID控制，在被控對(duì)象一定時(shí)其動(dòng)態(tài)性能相差不大，但是當(dāng)被控對(duì)象參數(shù)發(fā)生改變時(shí)，BP神經(jīng)網(wǎng)絡(luò)PID控制的系統(tǒng)和SNPID控制系統(tǒng)相比，BP神經(jīng)網(wǎng)絡(luò)PID控制系統(tǒng)超調(diào)量明顯較小，調(diào)節(jié)速度快，使得整個(gè)系統(tǒng)的自適應(yīng)能力和魯棒性均有明顯提高。所以，基于神經(jīng)網(wǎng)絡(luò)的PID控制更好。單神經(jīng)元和Smith預(yù)估控制相結(jié)合的PID控制器其控制效果優(yōu)于兩種控制方法的單獨(dú)控制（調(diào)節(jié)時(shí)間短），當(dāng)系統(tǒng)參數(shù)發(fā)生改變時(shí)，該控制算法體現(xiàn)出來(lái)單神經(jīng)元PID控制抗干擾能力強(qiáng)和Smith響應(yīng)速度快的優(yōu)點(diǎn)。因此在工程實(shí)際的大滯后系統(tǒng)（如爐溫控制，一般為二階慣性環(huán)節(jié)加延遲環(huán)節(jié)），運(yùn)用Smith預(yù)估控制和單神經(jīng)元PID控制相結(jié)合的算法能得到不錯(cuò)的控制效果。

4結(jié)論

神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性映射能力和自適應(yīng)能力，聯(lián)想記憶，信息能力，并行處理和其出色的容錯(cuò)能力。利用MATLAB語(yǔ)言對(duì)非線性慢時(shí)變的被控對(duì)象進(jìn)行仿真，仿真結(jié)果表明，當(dāng)被控對(duì)象參數(shù)發(fā)生變化時(shí)，該控制系統(tǒng)仍能較好的控制被控對(duì)象達(dá)到較好的控制值效果。但是該控制方式由于要不斷的進(jìn)行訓(xùn)練，所以其收斂速度慢，響應(yīng)速度不及傳統(tǒng)的PID控制；并且網(wǎng)絡(luò)隱含層的節(jié)點(diǎn)數(shù)的選擇沒(méi)有明確的理論指導(dǎo)，只能依靠實(shí)驗(yàn)不斷的嘗試確定。

參考文獻(xiàn)：

[1] 蔡自興.智能控制工程研究的進(jìn)展[J].控制工程，2003，10（1）：1-3.

[2] Antsaklis，P J.Neural Networks in Control Systems[J].IEEE Control System Magazine.

[3] 劉金琨.先進(jìn)PID控制MATLAB仿真（第二版）[M].電子工業(yè)出版社，2004.

[4] 李華.計(jì)算機(jī)控制系統(tǒng)[M].機(jī)械工業(yè)出版社，2007.

[5] 高升.PID參數(shù)自整定[D].上海發(fā)電設(shè)備成套設(shè)計(jì)研究所，1998.

[6] 徐麗娜.神經(jīng)網(wǎng)絡(luò)控制[M].電子工業(yè)出版社，2009.

[7] 張國(guó)忠.智能控制系統(tǒng)及應(yīng)用[M].中國(guó)電力出版社，2007.

[8] 施彥.神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)方法與實(shí)例分析[M].北京郵電大學(xué)出版社，2009.

[9] 舒懷林.PID神經(jīng)元網(wǎng)絡(luò)及其控制系統(tǒng)[M].國(guó)防工業(yè)出版社，2006.