基于RBF网络的自整定PID控制

基于RBF网络的自整定PID控制概要•1PID控制原理•2RBF神经网络模型•3RBF神经网络PID整定原理•4仿真实例——基于RBF神经网络辨识的单神经元PID模型参考自适应控制1PID控制原理•在工业控制中,PID控制是工业控制中最常用的方法。这是因为PID控制器结构简单、实现简单,控制效果良好,已得到广泛应用。据统计,在目前的控制系统中,PID控制占了绝大多数。但是,他具有一定的局限性:当控制对象不同时,控制器的参数难以自动调整以适应外界环境的变化。1PID控制原理•PID控制系统框图如图1所示。图1常规PID控制系统原理框图1PID控制原理•PID控制器是一种线性控制器，它根据给定值与实际值的偏差构成控制量。常规PID控制离散算法为：1PID控制原理•对于实际的工业生产过程来说，往往具有非线性、时变不确定性等，应用常规的PID控制便不能达到理想的控制效果;而且PID控制器由于参数整定困难，在实际应用中往往参数整定不良、性能欠佳，对于运行的工况适应性很差。这样，人们就一直在寻求PID控制器参数的自动整定技术，以便适应复杂的工况和高指标的控制要求。2RBF神经网络模型•2.1RBF神经网络结构•径向基函数(RadialBasisFunction，RBF)神经网络是由J·Moody和C·Darken在20世纪80年代末提出的一种神经网络，它是具有单隐层的三层前向网络。由于它模拟了人脑中局部调整、相互覆盖感受野(ReceptiveField)的神经网络，因此，RBF神经网络与BP网络不同，是一种局部逼近网络，已证明它能以任意精度逼近任意连续函数。2RBF神经网络模型•RBF网络结构如图2所示。图2RBF网络结构图2RBF神经网络模型•2.2RBF神经网络的学习算法——最小二乘递推法（RLS）•设有p组输入/输出样本up/yp，定义目标函数（L2范数）：•学习的目的是：2211()22ppkpkpppkJdydyJ2RBF神经网络模型•式中yp是在up输入下网络的输出向量，L为样本长度。2211()22ppkpkpppkJdydy3RBF神经网络PID整定原理•RBF整定PID控制系统的结构如图3所示。图3RBF网络整定PID结构图3RBF神经网络PID整定原理•增量式PID控制算法•PID三项输入为3RBF神经网络PID整定原理•神经网络整定指标为•参数调整使用梯度下降法4仿真实例——基于RBF神经网络辨识的单神经元PID模型参考自适应控制•被控对象为：•采样时间为1ms，参考模型指令信号为：4仿真实例——基于RBF神经网络辨识的单神经元PID模型参考自适应控制•建立3-6-1的RBF神经网络图4参考模型辨识结果4仿真实例——基于RBF神经网络辨识的单神经元PID模型参考自适应控制图5Jacobian信息辨识结果4仿真实例——基于RBF神经网络辨识的单神经元PID模型参考自适应控制图6正弦位置跟踪4仿真实例——基于RBF神经网络辨识的单神经元PID模型参考自适应控制图7控制误差