基于ESO的NLPID神經網絡控制器的設計

高秋華,曾喆昭

(長沙理工大學 電氣與信息工程學院,湖南 長沙　410004)

基于ESO的NLPID神經網絡控制器的設計

高秋華,曾喆昭

(長沙理工大學 電氣與信息工程學院,湖南 長沙410004)

摘要針對傳統PID控制自適應和抗擾能力欠佳的問題,提出了一種具有強抗擾動能力的NLPID神經網絡控制方法。該方法通過擴張狀態觀測器對系統建模中不確定性因素以及系統的外部擾動實時觀測進行前饋補償,并與非線性PID神經網絡控制相結合,實現對非線性、時變、不確定性、受未知外擾系統的最優PID自適應抗擾控制。通過Matlab仿真結果與傳統PID控制對比分析,表明該方法具有優良的動態品質和靜態性能,在非線性系統控制領域擁具有重要的應用價值。

關鍵詞NLPID神經網絡;擴張狀態觀測器(ESO);自適應

Design of NLPID PID Neural Network Controller Based on ESO

GAO Qiuhua,ZENG Zhezhao

(College of Electrical and Information Engineering,Changsha University of Science and Technology,Changsha 410076,China)

AbstractA nonlinear PID neural network control method of strong anti-disturbance ability is proposed for better adaptability and immunity.Through the ESO,the method feeds the forward compensation for the uncertainties in modeling and the external disturbance of the system in real time,and combines with the nonlinear PID neural network to achieve the optimal control of PID control for the nonlinear,time-varying,uncertainty and unknown external disturbance immunity system,thus solving the problem of the large computation and poor immunity for PID control.Comparison between the Matlab simulation results and the traditional method of PID control and the classic ADRC method shows that the method has better dynamic and static performance and is of great application value in the field of nonlinear control system.

KeywordsNLPID neural network;Extended State Observer (ESO);self-adapting

PID控制因其技術成熟、結構簡單、易于實現、魯棒性好等優點,被廣泛應用于化工、高性能武器、機械、電力控制系統等領域[1-3]。隨著控制系統復雜程度的提高以及不確定因素的增多,對控制領域的要求越來越高,傳統PID控制已無法滿足要求。

為此,PID控制器與其他理論相結合產生了預測PID控制[4]、基于知識推理的專家PID控制[5]、基于遺傳算法的PID控制[6]等。以上方法在PID優化控制方面取得了不同程度的效果,但均存在計算量大的問題,在實時控制方面存在不同程度的局限性。為解決上述問題,文獻[7]提出的一種基于神經網絡算法的非線性PID控制器,文獻[8]提出的非線性PID自學習控制方法研究,具有計算量小、實時控制能力強和良好的非線性控制性能。……