神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制器仿真研究.pdf

1、工業(yè)生產(chǎn)過程往往具有非線性、不確定性，難以建立精確的數(shù)學(xué)模型，應(yīng)用常規(guī)的PID控制器難以達(dá)到理想的控制效果。作為智能控制的重要分支，人工神經(jīng)網(wǎng)絡(luò)具有良好的非線性映射能力和高度的并行信息處理能力，已成為非線性系統(tǒng)建模、辨識(shí)和控制中極具魅力的理論和方法。 本文在查閱大量國(guó)內(nèi)外文獻(xiàn)的基礎(chǔ)上，研究了神經(jīng)網(wǎng)絡(luò)辨識(shí)的模型，基于單神經(jīng)元PID自適應(yīng)控制器，基于BP神經(jīng)網(wǎng)絡(luò)的PID自適應(yīng)控制器以及神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制器。針對(duì)PID控制的不足，研究

2、了神經(jīng)網(wǎng)絡(luò)與自適應(yīng)控制的結(jié)合，以探討收斂速度快、辨識(shí)精度高、實(shí)時(shí)性能好的神經(jīng)網(wǎng)絡(luò)控制方法。主要以研究各種算法的模型、實(shí)現(xiàn)及性能為基礎(chǔ)，具體的內(nèi)容如下： (1)以神經(jīng)網(wǎng)絡(luò)逆模型的原理、結(jié)構(gòu)與算法的研究為基礎(chǔ)，針對(duì)一類狀態(tài)不可直接測(cè)量的非線性時(shí)變系統(tǒng)，給出了一種基于BP神經(jīng)網(wǎng)絡(luò)逆模型的狀態(tài)觀測(cè)器，可以對(duì)系統(tǒng)的狀態(tài)進(jìn)行實(shí)時(shí)觀測(cè)，理論分析和仿真結(jié)果表明，這種狀態(tài)觀測(cè)器可以很好地觀測(cè)系統(tǒng)的狀態(tài)。 (2)單神經(jīng)元自適應(yīng)控制有幾個(gè)問題

3、值得研究：①權(quán)系數(shù)初值的選擇問題。權(quán)系數(shù)的初值對(duì)控制性能的好壞有很大影響②權(quán)系數(shù)的限幅問題。當(dāng)權(quán)系數(shù)飽和時(shí)，系統(tǒng)將失去應(yīng)有的學(xué)習(xí)能力。③神經(jīng)元控制系統(tǒng)的上升時(shí)間比較長(zhǎng)，受到擾動(dòng)以后動(dòng)態(tài)恢復(fù)過程較長(zhǎng)。針對(duì)上述缺陷給出兩種改進(jìn)方法：第一利用遺傳算法來(lái)優(yōu)化單神經(jīng)元的權(quán)值從而實(shí)現(xiàn)對(duì)系統(tǒng)的控制。結(jié)果表明該方法能夠很快地搜索到一組較優(yōu)的權(quán)系數(shù)，消除了初值對(duì)控制性能的影響，加快系統(tǒng)收斂速度，具有較好的動(dòng)態(tài)性能和魯棒性；第二基于CMAC的單神經(jīng)元復(fù)合自

4、適應(yīng)PID控制器，使CMAC網(wǎng)絡(luò)的學(xué)習(xí)過程包括整個(gè)系統(tǒng)控制過程，仿真結(jié)果表明該方法具有自適應(yīng)能力強(qiáng)、實(shí)時(shí)性好、抗干擾能力強(qiáng)等優(yōu)點(diǎn)。 (3)分析了基于BP網(wǎng)絡(luò)的自適應(yīng)PID控制的模型、算法及特點(diǎn)。將神經(jīng)網(wǎng)絡(luò)用于控制器的設(shè)計(jì)或直接學(xué)習(xí)計(jì)算控制器的輸出，一般都要用到系統(tǒng)的預(yù)測(cè)輸出值或其變化量來(lái)計(jì)算加權(quán)系數(shù)的修正量。但實(shí)際上，系統(tǒng)的預(yù)測(cè)輸出值是不易直接測(cè)得的，通常做法是建立被控對(duì)象的預(yù)測(cè)數(shù)學(xué)模型。所以為了提高控制效果，需要建立合理的模型

5、來(lái)計(jì)算預(yù)測(cè)輸出。本文利用最小二乘法和神經(jīng)網(wǎng)絡(luò)建立被控對(duì)象的預(yù)測(cè)數(shù)學(xué)模型，用該模型所計(jì)算的預(yù)測(cè)輸出取代預(yù)測(cè)輸出的實(shí)測(cè)值，對(duì)基于BP網(wǎng)絡(luò)的自適應(yīng)PID控制器的權(quán)值調(diào)整算法進(jìn)行改進(jìn)。仿真結(jié)果表明算法的有效性。 (4)針對(duì)一類未知、不確定、時(shí)變的SISO離散非線性系統(tǒng)，利用神經(jīng)網(wǎng)絡(luò)對(duì)被控對(duì)象的正向模型辨識(shí)，將神經(jīng)網(wǎng)絡(luò)的輸出作為被控對(duì)象輸出的預(yù)報(bào)，在此基礎(chǔ)上設(shè)計(jì)出控制律，構(gòu)成神經(jīng)自校正控制方案。仿真結(jié)果表明控制算法的有效性。 (5