基于RBF神经网络的自适应PID控制算法研究  

作者:顾玮 刊名:《工业控制计算机》 上传者:丁海生

【摘要】针对传统PID的控制参数难以精确整定,与RBF神经网络很难满足实时控制的缺点。构建一种基于RBF神经网络的自适应PID控制策略。该策略利用RBF神经网络的自学习、自适应能力自调整系统的控制参数。仿真结果表明所设计的控制器是可行的和有效的,具有更强的适应性、鲁棒性,达到了满意的控制性能。为直流电机的有效控制提供了理论和实验基础。

全文阅读

《工业控制计算机 》2016年第 29卷第 8期 67 来调节 PID控制器 的三个参数 ,以达到某种性 能指标 的最优化 。 PID控制器 的控制误差如下 : error(k)=rin(k)-your(k) (10) PID的三个输入参数如下 : xc(7)=error(k)一err_0r( 一7) xc(2)=error(k) xc(3)=error(k)-2error(k--7)+error(k--2) 控制算法 为: (11) (12) (13) c,( )=u(k-7) △u( ) (14) /~u(k)=kp(error(k)error(k一7 )+kjerror(k)+~(error(k)一2error (k-7)+error(k-2)) (15) 其中 kp k。、ka是比例、积分、微分三个参数。则性能指标函 数为 : ;error( ) (16) 用梯度下降法来调整 k。,ki,kd三个参数则 : 1 薏= 等 rro xc( Ak,= 面aE= _---q rro k) xc(2) (18) 1 蔫= -'qerror(k) xc(3)(19) 其 中 可 以通过 .-f以通过神经网络识别得到。 d厶 U 2 仿真 为了验证算 法 ,采用基于 RBF神经网络的 PID控制原理 , 进行 了直流电机 的 MA丁LA8仿真 。模拟系统的参数是 :K =O.3, KD=0.3,KI=O.1,直流电机 的传递函数为 : G(s): +15s (20) 当采样时间为 2ms,输入信号为阶跃响应信号,网络隐层神 经元数 为 m=6的条件下 ,图 3给出了没有基 于 RBF神经网络 的 自适应 PID控制策略的方波 响应曲线 。图 4显示了基于 RBF 神 经网络 的自适应 PID控制策略 的方波响应曲线 。图 5、图 6和 图 7,反映的是 PID三个参数整定 的过程 。 图 3 阶跃信号无基于 RBF神经 网络的 自适应 PID的曲线 从仿真曲线 可以看出 ,基于 RBF神经 网络 的 自适应 PID控 制算法在最 大超调量 、上升时间 、调节时间 、震荡范 围等性能上 比简单的 PID控制算法的控制效果大大提高 了。这说 明针对被 控对象具有非线性和时变性的参数,使用该算法具有跟踪能力 和抗干扰能力强 的特点 ,保证 了系统 的高精度和高 品质 的输 出。 当数学模型改变时 ,普通 PID控制输出就不能达到给定值 ,也不 能趋于稳定 ,但是基 于 RBF神经网络 PID控制 器的仿真输 出能 达到给定值并且趋于稳定 。 通过对结果的分析 ,基于 RBF神 经网络 PID控制 系统优 于 PID控制 系统 的特点在于 : 厂 圜 , l 图 4 基于 RBF神经网络的自适应 PID的阶跃信号 曲线图 图 5 k。自适应设置曲线 图 6 k。自适应设置 曲线 圈 7 kd自适应设置 曲线 1)达到稳定 的过渡过程时间和上升时间短 。,基于 RBF神经 网络 PID控制系统达到稳定的过渡过程时间和上升时间短 ,提高 T.Z作效率 ,节省用 电量 ,提高了电机控制精度及稳定性嘲。 (下转第 69页) 《工业控制计算机}2016年第 29卷第 8期 69 为 0-5MPa,输出信号 为 O-5V。图 3所示为温度传感器和压力 传感器在瓦背 面的分布示意图。 圈 3 瓦背面传感器分 布 a一温度传 感器 b一压 力传感器 2 结果与分析 2.1转速对轴承静特性的影 响 对 PTFE瓦推力轴 承 ,实验 测量 了转速 对润 滑油膜 温度 的 影 响

参考文献

引证文献

问答

我要提问