智能控制 课件 第五章-单神经元PID自适应控制.pptx

智能PID控制智能控制1 第五章 IntelligentPIDControl

智能PID控制智能控制2Ch55.1 专家PID控制5.2 模糊PID控制5.3 神经网络PID控制

神经网络PID控制智能控制35.3传统的PID控制根据经验设定比例、积分、微分系数，然而，被控对象往往复杂多变，难以根据经验选定一组最优参数进行控制器设计。最优参数与系统性能指标之间存在着复杂的非线性关系，如果能找到此非线性关系，则可以根据系统性能指标优化PID控制参数。神经网络有很强的非线性学习能力，可将神经网络与PID控制结合，不断优化调整PID参数，获得更优系统性能。分类：单神经元PID自适应控制、基于BP神经网络的PID控制、基于RBF神经网络的PID控制等。

1 单神经元PID自适应控制凭借单个神经元的自学习能力，不断调整控制参数，实现自适应PID控制。神经元智能控制4

1智能控制5单神经元PID自适应控制系统误差：神经元神经元输入：e(k)?yd(k)?y(k)I1(k)?e(k)?e(k?1)I2(k)?e(k)I3(k)?e(k)?2e(k?1)?e(k?2)神经元输入权值：wn(k)(n?1,2,3)

1单神经元PID自适应控制神经元I2(k)w1(k)增量式PID算法：u(k)?u(k?1)??u(k)?u(k)?Kp[e(k)?e(k?1)]?Kie(k)?Kd[e(k)?2e(k?1)?e(k?2)]I1(k) I3(k)w2(k) w3(k)神经元输入权值智能控制6

1 单神经元PID自适应控制智能控制7?单神经元通过不断学习调整输入的权值，进而实现参数可调的自适应PID控制功能。?选用有监督Hebb学习规则进行权值的调整。有监督Hebb学习规则：?wij??[dj(k)?Oj(k)]Oj(k)Oi(k)?wij神经元i和j的连接权值调整量；? 学习率；dj(k)期望输出；神经元i的输出；神经元j的输出。O(Oj(k)

1 单神经元PID自适应控制智能控制8?单神经元权值的调整与神经元的输入、输出及输出偏差有关单神经元权值调整规则：?p?i?dw1(k)?w1(k?1)??w2(k)?w2(k?1)??ie(k)u(k)I2(k)w3(k)?w3(k?1)??de(k)u(k)I3(k)比例环节系数学习率；积分环节系数学习率；微分环节系数学习率。

u(k)?u(k?1)??u(k)?u(k)?Kp[e(k)?e(k?1)]?Kie(k)?Kd[e(k)?2e(k?1)?e(k?2)]1单神经元PID自适应控制调节后权值规范化：3?n(k)?wn(k)/?wn(k)n?13智能控制9u(k)?u(k?1)?K??n(k)In(k)n?1

1单神经元PID自适应控制K为神经元比例系数。随着K的增大，系统响应速度加快，但易增大超调。当被控对象时延增大时，需减小K保证系统稳定。K过小时，系统快速性变差。3u(k)?u(k?1)?K??n(k)In(k)n?1智能控制10

1 单神经元PID自适应控制智能控制11?单神经元PID自适应控制是通过单神经元学习更新输入权值来实现参数可调的智能PID控制算法。?算法控制效果与比例、积分、微分环节系数学习率以及神经元比例系数的选取有关。?单神经元PID自适应控制结构简单、学习速度快，有较强鲁棒性。