基于神经网络补偿的PID控制方法的研究.pdfVIP

维普资讯 DoeO 0L 电气传动 2000年 第j期 一 基于神经网络补偿的PID控制方法的研究 北京航空航天大学苎兰 苎 刘强尔联洁 P ；’2 摘要 ：经典 PID方法的控制参敷难 以精确整定 ．巨依赖 丁对象 的数学模 型 故自适应性较差，很难适应具有 非线性 、时变不确定性的靛控对象 ．控制精度难 以保证 文 中研究 了在 近似参敷 P1D拉 制基础之 上，采用 RBF 神经网络进行补偿拉制的综音控毹方法 仿真研究结果表 明了该方法 的兽棒性 和跟踪性 能均优于餐 典 PID方 法 关键词,PID RB网络 {!堡丝 数 望 鹾 PID ControlBasedonNeuralNetworksCompensation HuHongjie ChenJingquan LiuQiang ErLianjie Abstract：ItLHdifficulttOgetclassicPID control[er。Sp*ecisep~*ameters．and PID controlmethodisbased 。ntheprecisemathematicalmodelGenetra[y．itsadaptlvityispoorSo．PID cont,o[Tnethodisnotadaptivet。 nonlinearand timevarian：p[ants ItLsimpossible “)insu*e th a(curacyofthe system Thispaperstudy a method．inwhichclassic… preciseparametersPID… trolier’splayaimportantroleandRBF neuralnetworks ismakeused tO compensatethePID control[er Simulation resultsindicatedthatthesystem robustnes~and trackingperformancearesuperL0TttlthsseofclassicPID rapthod KeywordsPID RBF he*works compensation… trcl 性 但是．由于一般 的神经网络存在收敛速度 1 引言 慢、运算量大 、易产生局部极小等 问题，故神经网 PID控制是最早发展起来 的、应用 领域至今 络理论一直没有得到广泛的实际应用 ，尤其裉难 仍然很广泛的控制策略之一。它是基于对象数学 适用于高精度要求的控制系统。然而 ，径向基函数 模型的方法 ，尤其适用于可建立精确数学模型的 网络，其 中最 具代 表 性 的是 高斯基 函数 网络 确定性控制系统 其优点是算法简单 、鲁棒性好和 (RBF)，具有运算量小、收敛快、无局部极小等优 可靠性高。尽管如此，由于实际工业生产过程往往 点一．这使得神经网络理论在高精度控制系统中 具有非线性 、参数时变不确定性、难 以确定精确的 的应用成为可能 数学模型 ，常规的PID控制器不能达到理想的控 2 神经网络控制系统 制效果。另外 ，在实际生产现场中，由于受到参数 整定方法烦杂的困扰 ，常规PID参数往往整定不