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