【毕业论文】单神经元自适应PID控制(word文档).docx
- 文档编号:712107
- 上传时间:2023-04-29
- 格式:DOCX
- 页数:39
- 大小:310.80KB
【毕业论文】单神经元自适应PID控制(word文档).docx
《【毕业论文】单神经元自适应PID控制(word文档).docx》由会员分享,可在线阅读,更多相关《【毕业论文】单神经元自适应PID控制(word文档).docx(39页珍藏版)》请在冰点文库上搜索。
摘要
在现代工业控制领域,PID控制以其原理简单,鲁棒性好,可靠性高等优点被广泛应用。
PID控制的各个参数是为特定的被控对象而整定的,在系统模
型参数变化不大的情况下,其控制性能优良,操作简单,能满足工程控制的要求,然而在工业实际控制中,被控对象往往还具有高度的非线性,不确定性和参数时变等特点,在这种情况下单纯依靠PID控制是不能达到要求的。
神经网络控
制系统作为新兴发展的智能控制系统,能很好地解决上述问题,已经在很多领域得到应用,同时也显示了它的优越性。
单神经元作为构成神经网络的基本单元,具有自学习和自适应能力,且结构简单而易于计算。
基于以上分析,在PID控制中引入单神经元自适应算法,同时采用有监督的hebb学习规则来设计单神经元自适应PID控制器,这样既可以解决传统PID控制器的不足,同时又能充分利用PID控制技术成熟的优势。
通过仿真对比发现单神经元自适应PID控制器比传统的PID控制器控制效果好。
关键词:
单神经元自适应控制;PID控制;神经网络;有监督的hebb学习规则
Abstract
Astheadvantagesofsimplealgorithm,goodrobustnessansstability,thePIDcontrolleriswidelyadoptedinmodernindustrialfields.BecsuseoftheparametersofthePIDcontrolleraresetforthefixedobjiect,whenthesystemmodelchangesverylittle,theperformanceofPIDcontrollerisverygood,whiletheconventionalPIDcontrollercannotperformanceverywellifthesystemmodelishighlynonlinearity
uncertaintyandtheparameterschangeusually,immediatelythosewillleadtotheconventionalPIDcontrollercannotachievegoodresults.NeuralnetworkasoneofdevelopingintelligentcontrollerscansolvetheproblemthatconventionalPIDcontrollercannotovercome,nowthenerralnetworkhasbeenusedinindustrialfieldsandthecontroleffectsaresatisfied.
Thesingleneuronasthebasicelementofneuralnetworkhasabilityofself-studyandself-adaptive,Atthesametime,thestructureandalgorithmofsingleneuronisalsoverysimple,immediatelythecalculationisnotverycomplicated.Baseontheanalysisabove,nowImakeanewcontrollercombinetheconventionalPIDcontrolleralgorithmandsingleneuronadaptivealgorithmnamedsingleneuronadaptivePIDcontroller,Ichoosemonitorhebblearningasthestudyrule.Inthisway,thesingleneuronadaptivePIDcontrollerhasadvantagesbothconventionalPIDandneuralnetwork.SimulationandexperimentresultsshowthatthecontroleffectsofsingleneuronadaptivePIDcontrolleraremuchbetterthanconventionalPIDcontroller.
Keywords:
singlenerronadaptivecontroller;PIDcontroller;neuralnetwork;monitorhebblearning
1.1 智能控制系统发展概况
1绪论
随着信息技术的发展,许多新方法和技术进入工程化、产品化阶段,这对自动控制技术提出犷新的挑战,促进了智能理论在控制技术中的应用,以解决用传统的方法难以解决的复杂系统的控制问题。
1.1.1智能控制的主要方法
智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控制和集成智能控制等,以及常用优化算法有:
遗传算法、蚁群算法、免疫算法等。
1模糊控制
模糊控制以模糊集合、模糊语言变量、模糊推理为其理论基础,以先验知识和专家经验作为控制规则。
其基本思想是用机器模拟人对系统的控制,就是在被控对象的模糊模型的基础上运用模糊控制器近似推理等手段,实现系统控制。
在实现模糊控制时主要考虑模糊变量的隶属度函数的确定,以及控制规则的制定二者缺一不可。
2专家控制
专家控制是将专家系统的理论技术与控制理论技术相结合,仿效专家的经验,实现对系统控制的一种智能控制。
主体由知识库和推理机构组成,通过对知识的获取与组织,按某种策略适时选用恰当的规则进行推理,以实现对控制对象的控制。
专家控制可以灵活地选取控制率,灵活性高;可通过调整控制器的参数,适应对象特性及环境的变化,适应性好;通过专家规则,系统可以在非线性、大偏差的情况下可靠地工作,鲁棒性强。
3神经网络控制
神经网络模拟人脑神经元的活动,利用神经元之间的联结与权值的分布来表示特定的信息,通过不断修正连接的权值进行自我学习,以逼近理论为依据进行神经网络建模,并以直接自校正控制、间接自校正控制、神经网络预测控制等方式实现智能控制。
4学习控制
(1)遗传算法学习控制
智能控制是通过计算机实现对系统的控制,因此控制技术离不开优化技术。
快速、高效、全局化的优化算法是实现智能控制的重要手段。
遗传算法是模拟自然选择和遗传机制的一种搜索和优化算法,它模拟生物界/生存竞争,优胜劣汰,适者生存的机制,利用复制、交叉、变异等遗传操作来完成寻优。
遗传算法作为
优化搜索算法,一方面希望在宽广的空间内进行搜索,从而提高求得最优解的概率;另一方面又希望向着解的方向尽快缩小搜索范围,从而提高搜索效率。
如何同时提
高搜索最优解的概率和效率,是遗传算法的一个主要研究方向。
(2)迭代学习控制
迭代学习控制模仿人类学习的方法、即通过多次的训练,从经验中学会某种技能,来达到有效控制的目的。
迭代学习控制能够通过一系列迭代过程实现对二阶非线性动力学系统的跟踪控制。
整个控制结构由线性反馈控制器和前馈学习补偿控制器组成,其中线性反馈控制器保证了非线性系统的稳定运行、前馈补偿控制器保证了系统的跟踪控制精度。
它在执行重复运动的非线性机器人系统的控制中是相当成功的。
1.1.2智能PID控制主要方法
1、模糊PID控制器
模糊控制器FC(fuzzycontroller)是一种近年来发展和应用最普遍的新型控制器,其优点是不要求提供受控对象的数学模型,根据人工控制规则来设计控
制决策表。
模糊控制与PID控制有着密切的联系,事实上,模糊控制在很多情
况下被称作为非线性PID控制。
将模糊控制和PID控制两者结合起来,扬长避短,既具有模糊控制灵活、适应性强的优点,又具有PID控制精度高的特点。
2、神经网络PID控制器
人工神经网络ANN(artificialneuralnetwork)是最近发展起来的十分热门的交叉学科。
它涉及生物、电子计算机、数学、和物理等学科,有着非常广泛的应用背景,这门学科的发展对目前和未来的科学技术的发展将有着重要的影响。
以大规模并行处理为主要特征的神经网络具有学习、记忆、联想、容错、并行处理等能力,已在控制领域得到广泛的应用。
基于神经网络的PID控制,其结构方式有两类:
一类是单神经元控制,即神经元输入权值一一对应PID参数,神经元输入值为经过比例、积分、微分处理的偏差值,其主要局限性在于单神经元结构无任意函数逼近能力;另一类是在常规PID控制器的基础上增加一个
神经网络模块,按照BP学习算法(如前向算法和反传算法)进行离线学习,实时调整出PID参数,同时还要继续学习不断地调整神经网络中各神经元间权系数,以适应被控对象的变化,因此,具有很强的适应性。
3、遗传算法PID控制器
20世纪90年代末,即在遗传算法GA等进化计算思想提出20年后,在生物医学界和自动控制界出现了研究进化控制的苗头。
遗传算法是基于自然选择和基因遗传学原理的搜索算法,达尔文主义的“适者生存”基本理论贯穿于整个算法。
基本思想就是将待求解问题转换成由个体组成的演化群体和对该群体进
行操作的一组遗传算子,包括4个基本操作:
选择、复制、交叉、变异。
[3]
1.2 工业过程的特点
在过程控制中,被控对象是工业生产过程中的各种装置和设备,例如换热器、工业窑炉、蒸汽锅炉、精馏塔、反应器等等。
被调量通常是温度、压力、液位、成分、转速等。
被控对象内部所进行的物理、化学过程可以是各式各样的,但是从控制的观点看,他们在本质上有许多相似之处[1]。
(1)对象的动态特性是不振荡的
对象的阶跃响应通常是单调曲线,被调量的变化比较缓慢(与机械系统、电系统相比)。
工业对象的幅频特性和相频特性,随着频率的增高都向下倾斜,如图2.1.1所示。
图2.1.1工业对象的幅频特性和相频特性
(2)对象动态特性有迟延
因为调节阀动作的效果往往需要经过一段迟延时间后才会在被调量上表现出来。
迟延的主要来源是多个容积的存在,容积的数目可能有几个直至几十个。
分布参数系统具有无穷多个微分容积。
容积愈大或数目愈多,容积迟延时间愈
长。
有些被控对象还具有传输迟延。
(3)被控对象本身是稳定的或中性稳定的
有些被控对象,如图2.3.1中的单容水槽,当调节阀开度改变致使原来的物质或能量平衡关系遭到破坏后,随着被调量的变化,不平衡量愈来愈小,因而被调量能够自动地稳定在新的水平上。
这种特性称为自平衡,具有这种特性的被控对象称为自衡过程。
如果对于同样大的调节阀开度变化,被调量只需稍改变一点就能重新恢复平衡,就说该过程的自平衡能力强。
也有一些被控对象,例如图2.3.2中的单容积分水槽,当调节阀开度改变致使物质或能量平衡关系破坏后,不平衡量不因被调量的变化而变化,因而被调量将以固定的速度一直变化下去而不会自动地在新的水平上恢复平衡。
这种对象不具有自平衡特性,称为非自衡过程。
它是中性稳定的,就是说,它需要很长的时间,被调量才会有很大的变化。
图2.3.1单容水槽 图2.3.2单容积分水槽
不稳定的过程是指原来的平衡一旦被破坏后,被调量在很短的时间内就发生很大的变化。
这一类过程是比较少见的,某些化学反应器就属于这一类。
(4)被控对象往往具有非线性特性
严格说来,几乎所有被控对象的动态特性都呈现非线性特性,只是程度上不同而已。
一个实际的控制系统一般具有两类非线性。
除了存在于对象内部的连续非线性特性之外,在控制系统中还存在另一类非线性,如调节阀、继电器元件的饱和、死区和滞环等典型的非线性特性。
虽然该非线性通常并不是被控对象本身所固有的,但考虑到在过程控制工程中,往往把被控对象、测量变送单元和调节阀三部分串联在一起统称为广义对象,因而它包含了这部分非线性特性。
2.1PID控制原理
2 PID控制
在工程实际中,应用最为广泛的控制器控制规律为比例、积分、微分控制,简称PID控制,又称PID调节。
PID控制器问世至今已有近70年历史,它以其结构简单、稳定性好、工作可靠、调整方便而成为工业控制的主要技术之一。
当被控对象的结构和参数不能完全掌握,或得不到精确的数学模型时,控制理论的其它技术难以采用时,系统控制器的结构和参数必须依靠经验和现场调试来确定,这时应用PID控制技术最为方便。
即当我们不完全了解一个系统和被控对象,或不能通过有效的测量手段来获得系统参数时,最适合用PID控制技术。
PID控制,实际中也有PI和PD控制。
PID控制器就是根据系统的误差,利用比例、积分、微分计算出控制量进行控制的。
PID工作基理:
由于来自外界的各种扰动不断产生,要想达到现场控制对象值保持恒定的目的,控制作用就必须不断的进行。
若扰动出现使得现场控制对象值(以下简称被控参数)发生变化,现场检测元件就会将这种变化采集后经变送器送至PID控制器的输入端,并与其给定值(以下简称SP值)进行比较得到偏差值(以下简称e值),调节器按此偏差并以我们预先设定的整定参数控制规律发出控制信号,去改变调节器的开度,使调节器的开度增加或减少,从而使现场控制对象值发生改变,并趋向于给定值(SP值),以达到控制目的,如图2.1.1所示,其实PID的实质就是对偏差(e值)进行比例、积分、微分运算,根据运算结果控制执行部件的过程。
图2.1模拟PID控制系统原理图
连续系统PID控制器的数学形式为:
u(t)=K[e(t)+1
p T
t
òe(t)dt+Td
de(t)]
dt
(2-1)
i0
式中:
Kp---比例系数
Ki---积分系数
Kd---微分系数
将上式离散化得到PID控制器的离散差分形式:
P I D
Du(k)=KDe(k)+Ke(k)+KD2e(k)
(2-2)
T
K=KpT0
式中:
KI---积分比例系数 I
i
(2-3)
KD---微分比例系数
K =KpTd
D
T0
(2-4)
De(k)=e(k)-e(k-1)
(2-5)
D2e(k)=e(k)-2e(k-1)+e(k-2)
(2-6)
从应用反面考虑,增量性控制算式因输出是增量,手动/自动切换时冲击比较小。
另外,增量型控制算式只输出增量,计算机误动作时造成的影响比较小。
因此,在实际控制中,增量型PID控制算式比位置型应用更为广泛。
比例(P)控制
比例控制是一种最简单的控制方式。
其控制器的输出与输入误差信号成比例关系。
当仅有比例控制时系统输出存在稳态误差(Steady-stateerror)。
积分(I)控制
在积分控制中,控制器的输出与输入误差信号的积分成正比关系。
对一个自动控制系统,如果在进入稳态后存在稳态误差,则称这个控制系统是有稳态误差的或简称有差系统(SystemwithSteady-stateError)。
为了消除稳态误差,在控制器中必须引入“积分项”。
积分项对误差取决于时间的积分,随着时间的增加,积分项会增大。
这样,即便误差很小,积分项也会随着时间的增加而加大,它推动控制器的输出增大使稳态误差进一步减小,直到等于零。
因此,比例+积分(PI)控制器,可以使系统在进入稳态后无稳态误差。
微分(D)控制
在微分控制中,控制器的输出与输入误差信号的微分(即误差的变化率)
成
正比关系。
自动控制系统在克服误差的调节过程中可能会出现振荡甚至失稳。
其原因是由于存在有较大惯性组件(环节)或有滞后(delay)组件,具有抑制误差的作用,其变化总是落后于误差的变化。
解决的办法是使抑制误差的作用的变化“超前”,即在误差接近零时,抑制误差的作用就应该是零。
这就是说,在控制器中仅引入“比例”项往往是不够的,比例项的作用仅是放大误差的幅值,而目前需要增加的是“微分项”,它能预测误差变化的趋势,这样,具有比例+微分的控制器,就能够提前使抑制误差的控制作用等于零,甚至为负值,从而避免了被控量的严重超调。
所以对有较大惯性或滞后的被控对象,比例+微分(PD)控制器能改善系统在调节过程中的动态特性。
2.2PID控制器参数整工程定方法
在工程实际中,常采用工程整定法,它们是在理论基础上通过实验总结出来的。
这些方法通过并不复杂的实验,便能迅速获得控制器的近似最佳整定参数,因而在工程中得到广泛应用。
下面介绍几种常见的整定方法:
2.2.1衰减曲线法
衰减曲线法是在总结临界比例带法基础上发展起来的,它是利用比例作用下产生的4:
1衰减振荡(ψ=0.75)过程时的调节器比例带δs及过程衰减周期Ts,
或10:
1衰减振荡(ψ=0.9)过程时调节器比例带δs及过程上升时间Tr,据经验公
式计算出调节器的各个参数。
衰减曲线法的具体步骤是:
(1)置调节器的积分时间Ti→∞,微分时间Td→0,比例带d为一稍大的值;
将系统投入闭环运行。
(2)在系统处于稳定状态后作阶跃扰动试验,观察控制过程。
如果过渡过程衰减率大于0.75,应逐步减小比例带值,并再次试验,直到过渡过程曲线出现
4:
1的衰减过程。
对于ψ=0.9的调节过程,也是一样地做上述试验,直到出现
10:
1的衰减过程。
记录下4:
1(或10:
1)的衰减振荡过程曲线,如图2.2.1.1所示。
在图3.2.1.1(a)或(b)所示的曲线上求取ψ=0.75时的振荡周期Ts或ψ=0.9时的上升时间tr,结合此过程下的调节器比例带ds,按表3.1计算出调节器的各个参
数。
y
规律
d
Ti
Td
y
规律
d
Ti
Td
0.75
P
PIPID
ds
1.2ds
0.8ds
――
0.5Ts
0.3Ts
――
――
0.1Ts
0.9
P
PIPID
ds
1.2ds
0.8ds
――
2tr
1.2tr
――
――
0.4tr
表2.1衰减曲线法计算公式
图2.2衰减曲线
(3)按计算结果设置好调节器的各个参数,作阶跃扰动试验,观察调节过程,适当修改调节器参数,到满意为止。
与临界比例带法一样,衰减曲线法也是利用了比例作用下的调节过程。
从表3-5可以发现,对于ψ=0.75,采用比例积分调节规律时相对于采用比例调节规律引入了积分作用,因此系统的稳定性将下降,为了仍然能得到ψ=0.75的衰
减率,就需将ds放大1.2倍后作为比例积分调节器的比例带值。
对于三参数调节规律,由于微分作用的引入提高了系统的稳定性和准确性,因此可将ds减小
至0.8ds后作为调节器比例带设定值,同时积分时间与无微分作用下相比也适
当减小了。
2.2.2扩充临界比例带法
这是一种基于系统临界振荡参数的闭环整定方法。
这种方法实质上是模拟
控制器中采用的稳定边界法的推广,用来整定数字PID算式中的T、Kc 、Ti
和Td,具体步骤如下:
1)选择合适的采样周期,控制器作纯比例Kc作用,使系统闭环工作。
2)逐渐增大比例增益Kc,直到控制系统达到稳定边界出现等幅振荡,此时的
比例增益为临界比例增益Kcr,振荡周期称为临界振荡周期Tcr。
0
3)选择控制度。
控制度是以模拟控制器为基础,定量衡量计算机数字控制系统与模拟控制器对同一对象的控制效果。
控制效果的评价函数常采用Minò¥e2(t)dt(最小误差平方和),那么
控制度=
[Minò¥e2(t)dt]s
0
0
[Minò¥e2(t)dt]m
如前所述,采样周期T的长短会影响系统的控制品质,同样是最佳整定,计算机数字控制系统的控制品质要低于模拟系统的控制品质,即控制度总是大于1,且控制度越大,相应的数字控制品质越差。
当控制度为1.05是,是指数字控制与相应的模拟控制效果相当;若控制度为2.0.,表明数字控制效果比模拟控制差一倍。
从提高计算机控制系统品质出发,控制度可选得小一些,但就系统的稳定性看,控制度宜选大些。
4)根据选定的控制度,参照表计算T、Kc
、Ti
和Td的值。
5)按求得的参数值,在计算机控制系统设数运行,并观察控制效果。
如果控制系统稳定性差(表现为振荡现象),可适当加大控制度,重复4),直到获得满意的控制效果。
控制度
调节规律
T/Tcr
Kc/Kcr
Ti/Tcr
Td/Tcr
1.05
PI
0.03
0.55
0.88
——
PID
0.14
0.63
0.49
0.14
1.20
PI
0.05
0.49
0.91
——
PID
0.043
0.47
0.47
0.16
1.50
PI
0.14
0.42
0.99
——
PID
0.09
0.34
0.43
0.20
2.00
PI
0.22
0.36
1.05
——
PID
0.16
0.27
0.40
0.22
模拟控制器
PI
——
0.57
0.83
——
PID
——
0.70
0.50
0.13
表2.2扩充临界比例带法PID参数计算公式
2.2.3扩充响应曲线法
扩充响应曲线法是模拟控制器响应曲线法的扩充,是一种开环整定方法。
预先测得广义对象的阶跃响应曲线,并以带纯延迟t和时间常数Tp的一阶惯性
环节近似,从曲线求得t和Tp,然后根据t、Tp和Tp/
Td的值,查表便可求得
数字PID控制算式中的T、Kc
、Ti
和Td。
控制度
调节规律
T/t
Kc/Tp/t
Ti/t
Td/t
1.05
PI
0.10
0.84
3.40
——
PID
0.05
1.15
2.00
0.45
1.20
PI
0.20
0.73
3.60
——
PID
0.16
1.00
1.90
0.55
1.50
PI
0.50
0.68
3.90
——
PID
0.34
0.85
1.62
0.65
2.00
PI
0.80
0.57
4.20
——
PID
0.60
0.60
1.50
0.82
模拟控制器
PI
——
0.90
3.30
——
PID
——
1.20
2.00
0.40
表2.3扩充响应曲线法PID参数计算公式
3神经网络控制系统
模仿人脑生
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 毕业论文 神经元 自适应 PID 控制 word 文档