纯滞后系统的神经元与Smith预估控制.doc

纯滞后系统的神经元与Smith预估控制 设计总说明 在工业过程控制中，被控对象往往存在不同程度的纯滞后。由于纯滞后的存在，系统稳定性降低。Ziegler-Nichols参数整定法整定的PID控制器，能较好地解决滞后步数为0.15~0.6纯滞后对象的控制。但对于滞后较大或控制精度要求较高的场合，该方法就不再适用。1957年，O.J.smiht提出了一种预估补偿控制方法来控制含有时滞环节的现象，理论上解决了时滞系统的控制问题，但这种控制器必须依赖于在实际中很难获得的被控对象的精确数学模型，因而难以对时变时滞系统进行良好控制。在实践中，人们开始逐渐的认识到通过手动操作的经验能很好的调节控制系统，达到控制目标，因此产生了模糊控制方法。模糊控制方法的模糊逻辑是由专家提供语言信息并将其转化为控制策略的系统推理方法，能解决许多复杂而没有精确数学模型系统的控制问题。 单纯的Smith预估控制的鲁棒性差，单神经元具有自学习、自适应能力。本文将单神经元与Smith二者有机结合，形成单神经元—Smith复合控制器，并利用MATLAB/Simulink以及m—函数编程实现方法对其进行仿真研究。仿真结果表明，这种控制器充分发挥了神经元自适应、自学习的功能，弥补了单纯的Smith控制器在处理纯滞后问题中的不足，具有良好的抗干扰能力和适应性。 模糊控制器虽然能克服模型失配带来的不良影响，但是当大时滞系统的模型误差增大时，控制效果有所下降，因此本文将改进的模糊控制器与Smiht预估器相结合。在Smith预估器部分的主反馈通道中引入了一阶惯性环节，通过对被控对象的放大倍数、时间常数和时滞常数发生变化时仿真结果分析与研究，得到了不同情况下惯性环节参数的整定规则，利用这些规则实现了一个实时调整惯性环节参数的自适应机构。 智能控制方法的控制器部分和预估器部分都具有克服模型参数不匹配的功能，可进一步降低控制系统对被控对象模型精度的要求，使系统的鲁棒性和抗干扰性都得到显著提高。结合MATLAB仿真，分析比较几种控制方法在系统参数发生变化时的控制结果，证明本文提出的控制方法取得了较好的控制效果，在时滞过程的控制中具有一定的应用前景。 PID控制作为经典控制理论应用中最成功的代表，对自动化技术的普及和生产过程自动化水平的提高起到了重要作用。然而，在存在多变量耦合、时变、大时滞、强干扰等复杂动态特性的系统中，PID很难获得理想的控制效果，甚至产生不稳定。为此，采取了多种方法来改善PID控制性能，其中神经网络控制引起了控制界的广泛兴趣，原因在于它有着如下特点： (1) 能够充分逼近任意复杂的非线性系统; (2) 能够学习与适应严重不确定性系统的动态特性。由单神经元构成的PID控制器，不仅能利用神经元的自学习、自组织能力，根据被控对象的变化情况对控制器的权值进行在线调整，构成了自适应控制。该控制器具有算法简单、稳定性好、可靠性高等优点。 将神经元PID控制结合Smith预估器对大时滞系统进行控制，取得良好效果。利用Matlab这一最优秀的科技软件，把计算机技术与信号分析紧密地结合起来，对信号进行分析处理仿真研究，经实例验证，取得了非常好的效果，具有一定的实用价值。本文以纯滞后系统控制系统为研究对象，研究了一种基于神经元的Smith预估控制方法，自适应调节参数，从而满足对象参数大幅度变化的要求。 本设计提出了单神经元—Smith 复合控制模型。由于纯滞后系统的普遍存在，单纯的Smith预估控制的鲁棒性差，单神经元具有自学习、自适应能力，将单神经元与Smith二者相结合，取长补短，形成单神经元—Smith控制器，并利用MATLAB和Simulink对其进行仿真研究。仿真结果表明，这种控制器充分发挥了神经元自适应、自学习的功能，弥补了单纯的Smith控制器在处理纯滞后问题中的不足，具有良好的抗干扰能力和适应性。 关键词：纯滞后系统；PID 控制器；Smith预估器；单神经元 Neurons and Smith prediction control of pure lag system General description of the design Industrial process control, the pure lag system are widespread, the control tend to have different degrees of pure lag, because of the existence of pure time-delay system stability decreased. Ziegler and Nichols setting PID controller parameter setting method,