【毕业论文】单神经元自适应PID控制(word文档)Word格式.docx
《【毕业论文】单神经元自适应PID控制(word文档)Word格式.docx》由会员分享,可在线阅读,更多相关《【毕业论文】单神经元自适应PID控制(word文档)Word格式.docx(39页珍藏版)》请在冰豆网上搜索。
单神经元自适应控制;
PID控制;
神经网络;
有监督的hebb学习规则
Abstract
Astheadvantagesofsimplealgorithm,goodrobustnessansstability,thePIDcontrolleriswidelyadoptedinmodernindustrialfields.BecsuseoftheparametersofthePIDcontrolleraresetforthefixedobjiect,whenthesystemmodelchangesverylittle,theperformanceofPIDcontrollerisverygood,whiletheconventionalPIDcontrollercannotperformanceverywellifthesystemmodelishighlynonlinearity
uncertaintyandtheparameterschangeusually,immediatelythosewillleadtotheconventionalPIDcontrollercannotachievegoodresults.NeuralnetworkasoneofdevelopingintelligentcontrollerscansolvetheproblemthatconventionalPIDcontrollercannotovercome,nowthenerralnetworkhasbeenusedinindustrialfieldsandthecontroleffectsaresatisfied.
Thesingleneuronasthebasicelementofneuralnetworkhasabilityofself-studyandself-adaptive,Atthesametime,thestructureandalgorithmofsingleneuronisalsoverysimple,immediatelythecalculationisnotverycomplicated.Baseontheanalysisabove,nowImakeanewcontrollercombinetheconventionalPIDcontrolleralgorithmandsingleneuronadaptivealgorithmnamedsingleneuronadaptivePIDcontroller,Ichoosemonitorhebblearningasthestudyrule.Inthisway,thesingleneuronadaptivePIDcontrollerhasadvantagesbothconventionalPIDandneuralnetwork.SimulationandexperimentresultsshowthatthecontroleffectsofsingleneuronadaptivePIDcontrolleraremuchbetterthanconventionalPIDcontroller.
Keywords:
singlenerronadaptivecontroller;
PIDcontroller;
neuralnetwork;
monitorhebblearning
1.1 智能控制系统发展概况
1绪论
随着信息技术的发展,许多新方法和技术进入工程化、产品化阶段,这对自动控制技术提出犷新的挑战,促进了智能理论在控制技术中的应用,以解决用传统的方法难以解决的复杂系统的控制问题。
1.1.1智能控制的主要方法
智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控制和集成智能控制等,以及常用优化算法有:
遗传算法、蚁群算法、免疫算法等。
1模糊控制
模糊控制以模糊集合、模糊语言变量、模糊推理为其理论基础,以先验知识和专家经验作为控制规则。
其基本思想是用机器模拟人对系统的控制,就是在被控对象的模糊模型的基础上运用模糊控制器近似推理等手段,实现系统控制。
在实现模糊控制时主要考虑模糊变量的隶属度函数的确定,以及控制规则的制定二者缺一不可。
2专家控制
专家控制是将专家系统的理论技术与控制理论技术相结合,仿效专家的经验,实现对系统控制的一种智能控制。
主体由知识库和推理机构组成,通过对知识的获取与组织,按某种策略适时选用恰当的规则进行推理,以实现对控制对象的控制。
专家控制可以灵活地选取控制率,灵活性高;
可通过调整控制器的参数,适应对象特性及环境的变化,适应性好;
通过专家规则,系统可以在非线性、大偏差的情况下可靠地工作,鲁棒性强。
3神经网络控制
神经网络模拟人脑神经元的活动,利用神经元之间的联结与权值的分布来表示特定的信息,通过不断修正连接的权值进行自我学习,以逼近理论为依据进行神经网络建模,并以直接自校正控制、间接自校正控制、神经网络预测控制等方式实现智能控制。
4学习控制
(1)遗传算法学习控制
智能控制是通过计算机实现对系统的控制,因此控制技术离不开优化技术。
快速、高效、全局化的优化算法是实现智能控制的重要手段。
遗传算法是模拟自然选择和遗传机制的一种搜索和优化算法,它模拟生物界/生存竞争,优胜劣汰,适者生存的机制,利用复制、交叉、变异等遗传操作来完成寻优。
遗传算法作为
优化搜索算法,一方面希望在宽广的空间内进行搜索,从而提高求得最优解的概率;
另一方面又希望向着解的方向尽快缩小搜索范围,从而提高搜索效率。
如何同时提
高搜索最优解的概率和效率,是遗传算法的一个主要研究方向。
(2)迭代学习控制
迭代学习控制模仿人类学习的方法、即通过多次的训练,从经验中学会某种技能,来达到有效控制的目的。
迭代学习控制能够通过一系列迭代过程实现对二阶非线性动力学系统的跟踪控制。
整个控制结构由线性反馈控制器和前馈学习补偿控制器组成,其中线性反馈控制器保证了非线性系统的稳定运行、前馈补偿控制器保证了系统的跟踪控制精度。
它在执行重复运动的非线性机器人系统的控制中是相当成功的。
1.1.2智能PID控制主要方法
1、模糊PID控制器
模糊控制器FC(fuzzycontroller)是一种近年来发展和应用最普遍的新型控制器,其优点是不要求提供受控对象的数学模型,根据人工控制规则来设计控
制决策表。
模糊控制与PID控制有着密切的联系,事实上,模糊控制在很多情
况下被称作为非线性PID控制。
将模糊控制和PID控制两者结合起来,扬长避短,既具有模糊控制灵活、适应性强的优点,又具有PID控制精度高的特点。
2、神经网络PID控制器
人工神经网络ANN(artificialneuralnetwork)是最近发展起来的十分热门的交叉学科。
它涉及生物、电子计算机、数学、和物理等学科,有着非常广泛的应用背景,这门学科的发展对目前和未来的科学技术的发展将有着重要的影响。
以大规模并行处理为主要特征的神经网络具有学习、记忆、联想、容错、并行处理等能力,已在控制领域得到广泛的应用。
基于神经网络的PID控制,其结构方式有两类:
一类是单神经元控制,即神经元输入权值一一对应PID参数,神经元输入值为经过比例、积分、微分处理的偏差值,其主要局限性在于单神经元结构无任意函数逼近能力;
另一类是在常规PID控制器的基础上增加一个
神经网络模块,按照BP学习算法(如前向算法和反传算法)进行离线学习,实时调整出PID参数,同时还要继续学习不断地调整神经网络中各神经元间权系数,以适应被控对象的变化,因此,具有很强的适应性。
3、遗传算法PID控制器
20世纪90年代末,即在遗传算法GA等进化计算思想提出20年后,在生物医学界和自动控制界出现了研究进化控制的苗头。
遗传算法是基于自然选择和基因遗传学原理的搜索算法,达尔文主义的“适者生存”基本理论贯穿于整个算法。
基本思想就是将待求解问题转换成由个体组成的演化群体和对该群体进
行操作的一组遗传算子,包括4个基本操作:
选择、复制、交叉、变异。
[3]
1.2 工业过程的特点
在过程控制中,被控对象是工业生产过程中的各种装置和设备,例如换热器、工业窑炉、蒸汽锅炉、精馏塔、反应器等等。
被调量通常是温度、压力、液位、成分、转速等。
被控对象内部所进行的物理、化学过程可以是各式各样的,但是从控制的观点看,他们在本质上有许多相似之处[1]。
(1)对象的动态特性是不振荡的
对象的阶跃响应通常是单调曲线,被调量的变化比较缓慢(与机械系统、电系统相比)。
工业对象的幅频特性和相频特性,随着频率的增高都向下倾斜,如图2.1.1所示。
图2.1.1工业对象的幅频特性和相频特性
(2)对象动态特性有迟延
因为调节阀动作的效果往往需要经过一段迟延时间后才会在被调量上表现出来。
迟延的主要来源是多个容积的存在,容积的数目可能有几个直至几十个。
分布参数系统具有无穷多个微分容积。
容积愈大或数目愈多,容积迟延时间愈
长。
有些被控对象还具有传输迟延。
(3)被控对象本身是稳定的或中性稳定的
有些被控对象,如图2.3.1中的单容水槽,当调节阀开度改变致使原来的物质或能量平衡关系遭到破坏后,随着被调量的变化,不平衡量愈来愈小,因而被调量能够自动地稳定在新的水平上。
这种特性称为自平衡,具有这种特性的被控对象称为自衡过程。
如果对于同样大的调节阀开度变化,被调量只需稍改变一点就能重新恢复平衡,就说该过程的自平衡能力强。
也有一些被控对象,例如图2.3.2中的单容积分水槽,当调节阀开度改变致使物质或能量平衡关系破坏后,不平衡量不因被调量的变化而变化,因而被调量将以固定的速度一直变化下去而不会自动地在新的水平上恢复平衡。
这种对象不具有自平衡特性,称为非自衡过程。
它是中性稳定的,就是说,它需要很长的时间,被调量才会有很大的变化。
图2.3.1单容水槽 图2.3.2单容积分水槽
不稳定的过程是指原来的平衡一旦被破坏后,被调量在很短的时间内就发生很大的变化。
这一类过程是比较少见的,某些化学反应器就属于这一类。
(4)被控对象往往具有非线性特性
严格说来,几乎所有被控对象的动态特性都呈现非线性特性,只是程度上不同