一種神經網絡直接自校正PID控制器

韓沖

摘 要：該文提出了一種神經網絡直接自校正PID控制器。其主要特點是，在控制結構上不再包含獨立的PID控制器，而是將神經網絡和PID控制規律融為一體。并給出了這種神經網絡控制器的學習算法和控制系統的穩定性分析。仿真結果表明，該控制系統具有較強的適應性和魯棒性。

關鍵詞：神經網絡 PID控制 非線性 學習算法

中圖分類號：TP27 文獻標識碼：A 文章編號：1674-098X（2015）11（c）-0041-03

Abstract：A new type of directly self-tuning PID controller based on neural network is proposed in this paper. its main characteristic is that it no longer includes independent PID controller and put neural network and the law of PID controller together. Showing the study algorithm of this neural network controller and analyzing the stability of this control system. The simulated results prove that this kind of control system is more adaptive and robust.

Key Words：Neural network； PID control； Nonlinearity； Study algorithm

PID控制是最早發展起來的控制策略之一，其算法簡單、魯棒性好、可靠性高，被廣泛應用于工業過程控制。但是，隨著科學技術的不斷發展，被控對象變得越來越復雜，實際工業生產過程往往具有非線性、時變性，存在許多不確定性，對象參數和環境常常隨時間發生變化，而且各類不確定干擾也會影響控制效果。目前，人們對控制品質的要求也越來越高，傳統的P1D控制缺陷逐漸暴露出來。主要表現在不適應不確定性系統的控制、不適應非線性系統的控制、不適應時變系統的控制、不適應多變量系統的控制等。

近些年來，人工神經網絡的迅速發展引起了人們的關注。它能以任意精度逼近任意連續非線性函數，對復雜不確定問題具有自適應和自學習能力，可以處理那些難以用模型和規則描述的過程，具有很強的信息綜合能力。人們根據它的特點，提出了很多基于神經網絡的PID控制算法，但還是無法克服“線性組合”存在的快速性和超調量之間的矛盾。該文正是從以上情況出發，提出了一種神經網絡直接自校正PID控制器。這種控制器的特點是將誤差信號的比例、積分、微分運算和PID參數的自適應整定放在一個前向神經網絡中完成。實驗表明，它具有很好的自適應、自學習功能，對提高具有強非線性和快速時變性的控制系統的控制效果和魯棒性有積極的意義。

1 神經網絡直接自校正PID控制系統結構

神經網絡直接自校正PID控制系統如圖1所示。該文以圖2的網絡結構為例，說明其工作原理。輸入層兩個節點的輸入分別為給定值和被控對象輸出值。隱含層3個節點用于實現誤差信號的比例、積分、微分運算。輸出層完成非線性PID控制規律的綜合。P、I、D系數由網絡的權重體現，網絡權值通過系統誤差按照選定的規則自適應修正。其中，輸入層到隱含層權值的自適應學習用于對系統輸出受到隨機干擾的濾波，隱含層到輸出層權值的自適應調整用于尋找合適的PID參數。

設為輸入層第個單元到隱含層第個單元的權重，約定輸入層單元中=1對應，=2對應；為隱含層第個單元到輸出層單元的權重；為隱含層第個神經元的總輸入，為隱含層第個神經元的總輸出。

用該文給出的神經網絡直接自校正PID控制系統進行仿真。網絡各層權值系數的初始值分別為：均取+1，均取-1，取區間[-0.5，0.5]上的隨機數，學習速率取。參考輸入信號取方波，周期為100 s，系統跟蹤曲線如圖3所示。

由圖3可見，仿真對象的輸出能很好地跟蹤系統的輸入。

5 結語

從設計方法和仿真結果可以看出，該文提出的神經網絡直接自校正PID控制系統既有常規PID控制器結構簡單、實現容易、參數物理意義明確的優點，又具有神經網絡很好的自學習、自適應的能力，避免了人工手動調節，提高了系統的平穩性，有較強的適應性和魯棒性。隨著研究的進一步深入，這種控制方法將在工業控制領域中有著廣泛的應用前景。

參考文獻

[1] 陶永華.新型PID控制及其應用第二版[M].北京：機械工業出版社，2002：149-197.

[2] 牛玉剛，楊成梧.基于PID型神經網絡的自適應控制[J].兵工學報，2001，22（1）：109-111.

[3] Sang-Min Kim，Woo-Yong Han.Induction motor servo drive using robust PID-like neuro-fuzzy controller.Control Engineering Practice，2006，14（5）：481-487.

[4] 韓曾晉.自適應控制[M].北京：清華大學出版社，1995.

[5] 胡守任，沈清，胡德文，等.神經網絡應用技術[M].長沙：國防科技大學出版社，1993.

[6] 王敬志，任開春，胡斌.基于BP神經網絡整定的PID控制[J].工業控制計算機，2011，24（3）：72-73.