神经网络P ID 控制及其Ma tlab 仿真
曾 军, 方厚辉
(湖南大学电气与信息工程学院 湖南长沙 410082)
摘 要: 讨论了基于神经网络的P ID 控制, 并将其作用于工业控制, 利用神经网络的自学习能力进行在线参数整定,并利用M at lab 软件进行仿真。仿真结果表明, 神经网络P ID 控制器具有较高的精度和较强的适应性, 可以获得满意的控制效果。
关键词: 神经网络; P ID 控制; M at lab 仿真; 工业控制
1 引 言
在工业控制中, P ID 控制是工业控制中最常用的方法。这是因为P ID 控制器结构简单、实现简单, 控制效果良好, 已得到广泛应用。据统计, 在目前的控制系统中, P ID 控制占了绝大多数。但是, 他具有一定的局限性: 当控制对象不同时, 控制器的参数难以自动调整以适应外界环境的变化。为了使控制器具有较好的自适应性, 实现控制器参数的自动调整, 可以采用神经网络控制的方法。利用人工神经网络的自学习这一特性, 并结合传统的P ID 控制理论, 构造神经网络P ID 控制器, 实现控制器参数的自动调整。
2 神经网络P ID 控制
神经网络P ID 控制是神经网络应用于P ID 控制并与传统P ID 控制相结合而产生的一种新型控制方法, 是对传统的P ID 控制的一种改进和优化。传统的P ID 控制器算式如下:u ( t) = K P [ e ( t) +1T I∫t0e ( t) dt + T Dde ( t)dt] (1)相应的离散算式为:u (k ) = K P e (k ) + K IΣkj= 0e ( j ) +KD [ e (k ) - e (k - 1) ] (2)其中: K P , K I , K D 分别为比例、积分、微分系数; e (k ) 为第k 次采样的输入偏差值; u (k ) 为第k 次采样时刻的输出值。根据式(2) , 用一个单神经元构造P ID 控制器, 如
图1 所示。
图1 神经