纯滞后对象的RBF神经网络PID控制研究.pdfVIP

· 信息技术 · 王义飞，等 ·纯滞后对象的RBF神经网络PID控制研究 纯滞后对象的RBF神经网络 PID控制研究 王义飞 ，鲁毅 ，刘涛 (1．山西 电力职业技术学院 电力工程系，山西 太原 030021； 2．中船重工集团公司第七--)k研究所 工业控制工程部，河北 邯郸 056027) 摘 要：神经元网络具有信息分布储存、并行处理以及 自组织、自学习能力等优点。运用 RBF 神经网络训练了PID控制器的三个重要参数。相比于传统的PID控制器，提高了控制精度，使 系统快速地达到了稳定状态。并进行了Maflab仿真，验证了这一结论。 关键词：RBF；神经网络；PID控制器 中图分类号 ：TP393 文献标志码：A 文章编号：16715·276(2011)02-0113-03 PID ControllerBasedonRBF Network WANG Yi—fei．LU Yi．LIU Tao (1．ElectricPowerOccupationalTechnicaIInstituteofSEPC，Taiyuan030021，China； 2．DepartmentOfMeasureandControI，The718thResearchInstituteofCSIC，Handan056027，China) Abstract：Neuralnetworkhasmanyadvantagessuchasdistributingmemoryofinformation，parallelprocessingandabilityofself。or- ganizingandself—studying．ThispapertrainsthethreeimpoflantparametersofPID controllerbyusingRBF neuralnewtork．Com ‘ paredwithtraditionalPID controller．itimprovesthecontrolprecision andmakesthe system reach to steadystaterapidly．And it provesthisconclusionbyMatlabsimulation． Keywords：RBF：neuralnetwork；PIDcontroller 1985年提出的一种多变量插值方法。1988年 Broomhead 0 前言 和Lowe首先将 RBF应用于神经网络设计，构成了RBF神 经网络。RBF神经网络是一局部逼近网络，能以任意精度 PID控制 自20世纪30年代末开始，经历了几十年的 逼近任一连续函数；当有很多的训练向量时，RBF网络很 发展，PID控制器 已广泛地应用于冶金、机械、热工 、轻工 有效 ，如它在地震预测中的应用 。 等工业过程控制之中。PID控制器 由模拟控制器发展到 数字控制器，尤其近几年来 ，随着微处理器技术和神经网 1．1 RBF神经 网络结构 络算法的发展，基于神经网络的PID控制器 14J、自适应 RBF神经网络通常具有三层的网络结构 ，包括输入 PID控制器 、不完全微分 PID算法。。，已成为工业过程 层、隐层 、输出层 ，网络模型的拓扑结构如图1所示。RBF 智能化的重要组成部分 J。 网络的输入层到隐含层实现 —u()非线性 映射，最常 纯滞后的工业对象控制一直是研究的热门课题