单神经元自适应控制器的设计.doc

目录 摘要 I Abstract II 1 引言 - 1 - 1.1 选题背景及意义 - 1 - 1.2 设计的整体安排 - 1 - 2 神经网络的理论基础 - 3 - 2.1 单层感知器 - 3 - 2.2 神经网络学习规则 - 4 - 3 单神经元自适应PID控制器 - 6 - 3.1 PID控制的概述 - 6 - 3.2 神经元PID控制器 - 7 - 3.3 神经元自适应PID控制器 - 8 - 3.4 几种典型的单神经元自适应PID控制器学习规则 - 9 - 3.4.1无监督的Hebb学习规则 - 9 - 3.4.2 有监督Hebb学习规则 - 10 - 3.4.3 改进的Hebb学习规则 - 10 - 4 单神经元自适应PID控制器的仿真与研究 - 12 - 4.1 对阶跃信号的跟踪 - 12 - 4.2 对外部对象发生变化时的适应性 - 15 - 4.3 总结 - 17 - 5 结束语 - 19 - 参考文献 - 20 - 致谢 - 21 - 摘要 神经网络具有自适应和自学习能力，单神经元的权值系数可以进行在线的修正，通过不断的调整权值系数从使其达到最优值，以达到改善控制系统的控制性能的目的。PID控制器结构简单，鲁棒性强，目前在很多方面都有着广泛的应用。但是随着科学技术的不断发展和进步，被控对象变得越来越复杂，传统的PID控制器对时变系统和非线性系统往往得不到较好的控制效果，将神经网络与传统的PID控制器相结合改造成神经网络自适应PID控制器，对工业控制中的复杂系统的控制有着更好的控制效果，可以有效地改善由于系统结构和参数变化而导致的控制效果不稳定的状况。 本文通过对单神经元自适应PID控制器作了仿真研究，仿真结果表明，神经网络自适应PID控制器不但具有PID控制的优点而且还具有神经网络控制的自适应特点，能够对控制对象变化以及外来的扰动做出及时调整，保证系统的顺利运行。 关键词：PID控制器 神经网络 单神经元 自适应 仿真 Abstract With adaptive neural network self-learning ability, and the value of single neurons can online correction coefficient of interpreting, through constant coefficient from to achieve optimal value to improve the control performance.PID controller has simple structure and good robustness，there is extensive application in many fields at present．But with the development of science and technology，the controlled system has become more and more complicated。So the conventional PID controller can’t get good performance for the time-varying objects and non—linear systems．And the neural network has the ability of adaptive and self-learning，the traditional PID controller is transformed by the neural networks，there is a better control result to the complicated system in industrial control，and improving the instability of the result because of the structure and the parameter of the system change． Carried on simulation to the single neuron adaptive PID controller, the simulation results show that the neural network adaptive PID controller not only has the advantage of traditional PID but also has the features of self-adaptive．It can regulate the s