一种神经网络直接自校正PID控制器

韩冲

摘 要：该文提出了一种神经网络直接自校正PID控制器。其主要特点是，在控制结构上不再包含独立的PID控制器，而是将神经网络和PID控制规律融为一体。并给出了这种神经网络控制器的学习算法和控制系统的稳定性分析。仿真结果表明，该控制系统具有较强的适应性和鲁棒性。

关键词：神经网络 PID控制 非线性 学习算法

中图分类号：TP27 文献标识码：A 文章编号：1674-098X（2015）11（c）-0041-03

Abstract：A new type of directly self-tuning PID controller based on neural network is proposed in this paper. its main characteristic is that it no longer includes independent PID controller and put neural network and the law of PID controller together. Showing the study algorithm of this neural network controller and analyzing the stability of this control system. The simulated results prove that this kind of control system is more adaptive and robust.

Key Words：Neural network； PID control； Nonlinearity； Study algorithm

PID控制是最早发展起来的控制策略之一，其算法简单、鲁棒性好、可靠性高，被广泛应用于工业过程控制。但是，随着科学技术的不断发展，被控对象变得越来越复杂，实际工业生产过程往往具有非线性、時变性，存在许多不确定性，对象参数和环境常常随时间发生变化，而且各类不确定干扰也会影响控制效果。目前，人们对控制品质的要求也越来越高，传统的P1D控制缺陷逐渐暴露出来。主要表现在不适应不确定性系统的控制、不适应非线性系统的控制、不适应时变系统的控制、不适应多变量系统的控制等。

近些年来，人工神经网络的迅速发展引起了人们的关注。它能以任意精度逼近任意连续非线性函数，对复杂不确定问题具有自适应和自学习能力，可以处理那些难以用模型和规则描述的过程，具有很强的信息综合能力。人们根据它的特点，提出了很多基于神经网络的PID控制算法，但还是无法克服“线性组合”存在的快速性和超调量之间的矛盾。该文正是从以上情况出发，提出了一种神经网络直接自校正PID控制器。这种控制器的特点是将误差信号的比例、积分、微分运算和PID参数的自适应整定放在一个前向神经网络中完成。实验表明，它具有很好的自适应、自学习功能，对提高具有强非线性和快速时变性的控制系统的控制效果和鲁棒性有积极的意义。

1 神经网络直接自校正PID控制系统结构

神经网络直接自校正PID控制系统如图1所示。该文以图2的网络结构为例，说明其工作原理。输入层两个节点的输入分别为给定值和被控对象输出值。隐含层3个节点用于实现误差信号的比例、积分、微分运算。输出层完成非线性PID控制规律的综合。P、I、D系数由网络的权重体现，网络权值通过系统误差按照选定的规则自适应修正。其中，输入层到隐含层权值的自适应学习用于对系统输出受到随机干扰的滤波，隐含层到输出层权值的自适应调整用于寻找合适的PID参数。

设为输入层第个单元到隐含层第个单元的权重，约定输入层单元中=1对应，=2对应；为隐含层第个单元到输出层单元的权重；为隐含层第个神经元的总输入，为隐含层第个神经元的总输出。

用该文给出的神经网络直接自校正PID控制系统进行仿真。网络各层权值系数的初始值分别为：均取+1，均取-1，取区间[-0.5，0.5]上的随机数，学习速率取。参考输入信号取方波，周期为100 s，系统跟踪曲线如图3所示。

由图3可见，仿真对象的输出能很好地跟踪系统的输入。

5 结语

从设计方法和仿真结果可以看出，该文提出的神经网络直接自校正PID控制系统既有常规PID控制器结构简单、实现容易、参数物理意义明确的优点，又具有神经网络很好的自学习、自适应的能力，避免了人工手动调节，提高了系统的平稳性，有较强的适应性和鲁棒性。随着研究的进一步深入，这种控制方法将在工业控制领域中有着广泛的应用前景。

参考文献

[1] 陶永华.新型PID控制及其应用第二版[M].北京：机械工业出版社，2002：149-197.

[2] 牛玉刚，杨成梧.基于PID型神经网络的自适应控制[J].兵工学报，2001，22（1）：109-111.

[3] Sang-Min Kim，Woo-Yong Han.Induction motor servo drive using robust PID-like neuro-fuzzy controller.Control Engineering Practice，2006，14（5）：481-487.

[4] 韩曾晋.自适应控制[M].北京：清华大学出版社，1995.

[5] 胡守任，沈清，胡德文，等.神经网络应用技术[M].长沙：国防科技大学出版社，1993.

[6] 王敬志，任开春，胡斌.基于BP神经网络整定的PID控制[J].工业控制计算机，2011，24（3）：72-73.