改进单神经元PID在矿井提升机中的应用.pdfVIP

vo1．35No．09 改进单神经元PID在矿井提升机中的应用——郑津津，等 第35卷第09期 0 引言 经元学习过程可表示为 由于矿井提升机需要频繁的正反向加减速运 W(+1)=(1_c)毗()+rlri(k) 动 ．是一种非线性 、时变的复杂系统 ，PID控制很难 ()= () () () (4) 达到理想的控制效果。因此 ．结合矿井提升机系统 式中 ()——1个递进信号逐渐衰减 ； 的特点．以现有的数学、控制理论为指导 ，研究PID Zi()——作为误差信号 ； 的参数整定有着重要 的现实意义。 学习速率 ，7／0； 目前 ．为解决传统 PID控制器难以满足矿井提 c— — 常数 。ct0 升机的控制要求 ．一些先进的控制方法已经应用于 对神经元算法进行规范化处理 ．保证其收敛性 PID参数整定 ，如模糊控制 、免疫克隆算法等。随着 和控制的鲁棒性．则控制算法化为 神经 网络逐渐被认知 ．单神经元 PID控制器也得到 3 了广泛的应用 。利用神经网络的 自学习、自组织等 u(k)= Wi() (．j})+u(k-1) i=1 优 点．通过控制器 的权值在线调整 。以满足控制要 3 求 但在单神经元 PID控制器中．神经元 比例系数 W()=wi(k)／ ()I (5) =l K和学习速率 伽、功、 的选取对控制效果有很大的 lW1(后+1)=1(k)+叼 ()u(k)1() 影响．如何寻优这些参数 ．对于神经元 PID控制具 {W2(+1)=2(．j})+叼 (k)¨(i|})2(后) 有十分重要的意义 本文提出一种改进单神经元 W【3(后+1)=3(后)+~7oz(k)u(k)3() PID控制器 ．通过采用粒子群优化算法 (PSO)对这 单神经元 PID控制器就相 当于 1个具有可变 些参数进行寻优来取代经验取值 ．得到的参数更加 系数功能的自适应控制器 为方便对不 同权系数分 精确 ．使控制器具有更好 的控制效果。 别进行调整 。对比例 P、积分 I和微分D采取了不 同 1 改进单神经元PID控制器 的学习速率 即伽、。、 。同时，神经元 比例系数 的 基于粒子群优化算法 的改进单神经元 PID控 选择也非常重要 ．K值太大或者太小都会引起系统 制的结构如图 1所示 的不稳定甚至会使系统性能变差 为解决 K值和学 习速度的选择 问题 ，选择 PSO算法对其进行寻优 ， 通过实时校正来在线调整单神经元的权值 ．使得控 制器的性能达到最优 。 2 基于粒子群优化算法的参数优化