１．２

改进后的单神经元

ＰＩＤ

控制器结构

改 进 后 的 单 神 经 元

ＰＩＤ

控 制 器 结 构 如 图

２

所

示

：

图 中 转 换 器 的 输 出

ｘ

１

（ｋ）

、

ｘ

２

（ｋ）

、

ｘ

３

（ｋ）

分 别 对 应

ＰＩＤ

控制中的比例、积分和微分输入

， 而权系数

ｗ

１

（ｋ）

、

ｗ

２

（ｋ）

、

ｗ

３

（ｋ）

分别对应比例系数、积分系数和微分

系数

， 按照某一性能指标通过对权系数的调整即可

实现自学习、自适应功能。经过转换器输出的数据

为神经元学习控制所需要的状态量

， 其中

（

１

）

ｚ（ｋ）＝ｘ

１

（ｋ）＝ｙ

ｒ

（ｋ）－ ｙ（ｋ）＝ｅ（ｋ）

为 性 能 指 标

，

ｙ

ｒ

（ｋ）

参 考

输出

，

ｙ（ｋ）

为实际输出值。图中

Ｋ

为神经元的比例系

数

，

Ｋ＞０

。

ｕ（ｋ）

为神经元的输出信号

， 也即为控制信

号。

（

２

）

式中

ｗ

ｉ

（ｋ）

对应于

ｘ

ｉ

（ｋ）

的加权系数。

１．３

改进的控制器算法

单 神 经 元 控 制 器 通 过 对 加 权 系 数

ｗ

ｉ

（ｋ）

的 调 整

来实现自适应、自学习功能。常用的学习算法多为

有监督的

Ｈｅｂｂ

学习规则或者是以输出误差二次方

为性能指标的学习算法

， 但是在实际应用中会出现

控制增量过大的现象。针对这一不足

， 对算法进行

了改进

， 采用以

Ｐｅ

２

（ｋ＋ｄ）＋ＱΔｕ

２

（ｋ）

为性能指标的学习

算法

， 取性能指标为：

（

３

）

式中

：

ｙ（ｋ＋ｄ）

———

ｋ＋ｄ

时刻过程的输出

；

ｙ

ｒ

（ｋ＋ｄ）

———

ｋ＋ｄ

时刻过程的参考输出

；

ｄ

———过程总滞后

；

Ｐ

、

Ｑ

———输出误差和控制增量的加权系数

；

使加权系数的修正沿着

Ｊ

的减小方向

， 即对

ｗ

ｉ

（ｋ）

的负梯度方向搜索调整

， 则

ｗ

ｉ

（ｋ）

的调整量为

（

４

）

式中

，

η

ｉ

（

ｉ＝１，２，３

） ———学习速率；

ｂ

０

———零初态时过程输入端加单位阶跃时输出

响应的第一个值。

对上述算法进行规范化处理

， 可得到控制算法

如式

（

５

） （

６

） （

７

） 所示， 式中（

ｉ＝１，２，３

） ：

（

５

）

（６）

（

７

）

神 经 元

ＰＩＤ

控 制 器 增 益

（

即 神 经 元 的 比 例 系

数

）

的取值对神经元

ＰＩＤ

控制系统的性能有很大的

影响

， 尤其是对于开环增益不确定的对象。如果取

值能够随着对开环增益的变化而自动调整

， 将大大

改善系统的动态性能。为此

， 采用了自适应

ＰＳＤ

算

法来解决增益的自动调整问题。其算法如式

（８）

所

示。

（８）

式中

，

１．４

基于神经元

ＰＩＤ

控制器的同步控制策略

图

３

为同步控制的原理图

， 采用两个单神经元

ＰＩＤ

控制器

， 同时跟踪相同的参考输出量（

ｒ

１

＝ｒ

２

） ， 并

根 据 两 个 执 行 机 构 的 实 际 输 出 值 进 行 在 线 的 自 适

应调整控制参数

， 两回路的被控量都能够按照其给

定 值 变 化

， 进行在线的调整， 从而消除了不同回 路

之间的相互影响

， 在短时间内实现同步输出。

图

２

改进后的单神经元

ＰＩＤ

控制器结构图

图

３

同步控制原理图

２

双缸同步运动液压系统仿真分析

６

２００８

年第

５

期