專利名稱：基于rbf辨識(shí)的彈性積分bp神經(jīng)網(wǎng)絡(luò)的pid控制方法
基于RBF辨識(shí)的彈性積分BP神經(jīng)網(wǎng)絡(luò)的PID控制方法
技術(shù)領(lǐng)域：
本發(fā)明屬于智能控制技術(shù)領(lǐng)域，涉及一種基于BP神經(jīng)網(wǎng)絡(luò)改進(jìn)型參數(shù)整定的PID 控制系統(tǒng)，尤其是基于RBF辨識(shí)的彈性積分BP神經(jīng)網(wǎng)絡(luò)的PID控制系統(tǒng)。
背景技術(shù)：
按比例、積分和微分進(jìn)行控制的調(diào)節(jié)系統(tǒng)簡(jiǎn)稱為PID控制系統(tǒng)，是工業(yè)過(guò)程控制 中應(yīng)用最廣泛，歷史最悠久，生命力最強(qiáng)的控制方式，在目前的工業(yè)生產(chǎn)中，90%以上的控 制系統(tǒng)為PID控制系統(tǒng)。它采用基于對(duì)象數(shù)學(xué)模型的方法，優(yōu)點(diǎn)是算法簡(jiǎn)單、魯棒性好和可 靠性高，控制效果良好，因此被廣泛應(yīng)用于工業(yè)控制過(guò)程，尤其適用于可建立精確數(shù)學(xué)模型 的確定性控制系統(tǒng)。對(duì)于傳統(tǒng)PID控制系統(tǒng)，在把其投入運(yùn)行之前，要想得到較理想的控制 效果，必須先整定好三個(gè)參數(shù)比例系數(shù)KP、積分系數(shù)K1、微分系數(shù)KD。這是因?yàn)樯a(chǎn)部門中 有各種各樣的被控對(duì)象，它們對(duì)控制系統(tǒng)的特性會(huì)有不同的要求，整定的目的就是設(shè)法使 控制系統(tǒng)的特性能夠和被控對(duì)象配合好，以便得到最佳控制效果，如果控制系統(tǒng)參數(shù)整定 不好，即使控制系統(tǒng)本身很先進(jìn)，其控制效果也會(huì)很差。隨著工業(yè)的發(fā)展，控制對(duì)象的復(fù)雜程度也在不斷加深，許多大滯后、時(shí)變的、非線 性的復(fù)雜系統(tǒng)，如溫度控制系統(tǒng)，被控過(guò)程機(jī)理復(fù)雜，具有高階非線性、慢時(shí)變、純滯后等特 點(diǎn)，常規(guī)PID控制顯得無(wú)能為力；另外，實(shí)際生產(chǎn)過(guò)程中存在著許多不確定因素，如在噪聲、 負(fù)載振動(dòng)和其他一些環(huán)境條件下，過(guò)程參數(shù)甚至模型結(jié)果都會(huì)發(fā)生變化，如變結(jié)構(gòu)、變參 數(shù)、非線性、時(shí)變等，不僅難以建立受控對(duì)象精確的數(shù)學(xué)模型，而且PID控制系統(tǒng)的控制參 數(shù)具有固定形式，不易在線調(diào)整，難以適應(yīng)外界環(huán)境的變化，這些使得PID控制系統(tǒng)在實(shí)際 應(yīng)用中不能達(dá)到理想的效果，越來(lái)越受到限制和挑戰(zhàn)。人們一直在尋求PID控制系統(tǒng)參數(shù)的自適應(yīng)技術(shù)，以適應(yīng)復(fù)雜系統(tǒng)的控制要求， 神經(jīng)網(wǎng)絡(luò)理論的發(fā)展使這種設(shè)想成為可能。人工神經(jīng)網(wǎng)絡(luò)(簡(jiǎn)稱ANN)是由大量簡(jiǎn)單的基 本神經(jīng)元相互連接而構(gòu)成的自適應(yīng)非線性動(dòng)態(tài)系統(tǒng)。神經(jīng)網(wǎng)絡(luò)控制能夠充分任意地逼近任 何復(fù)雜的非線性關(guān)系，具有很強(qiáng)的信息綜合能力，能夠?qū)W習(xí)和適應(yīng)嚴(yán)重不確定系統(tǒng)的動(dòng)態(tài) 特性，故有很強(qiáng)的魯棒性和容錯(cuò)性，可以處理那些難以用模型和規(guī)則描述的過(guò)程，在一些不 確定系統(tǒng)的控制中已成功應(yīng)用。誤差反向傳播神經(jīng)網(wǎng)絡(luò)(簡(jiǎn)稱BP網(wǎng)絡(luò))，所具有的任意非 線性表達(dá)能力，可以通系統(tǒng)性能的學(xué)習(xí)來(lái)實(shí)現(xiàn)具有最佳組合的PID控制。

發(fā)明內(nèi)容本發(fā)明目的是解決傳統(tǒng)PID控制系統(tǒng)由于控制參數(shù)固定，不易在線實(shí)時(shí)調(diào)整和魯 棒性不強(qiáng)，難以適應(yīng)外界環(huán)境變化的問(wèn)題，提供一種基于RBF辨識(shí)的彈性積分BP神經(jīng)網(wǎng)絡(luò) 的PID控制方法。本發(fā)明涉及的是一種基于BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)型智能PID控制方法，該方法首先在 變速積分的基礎(chǔ)上提出彈性積分PID控制算法，然后運(yùn)用BP網(wǎng)絡(luò)整定PID控制，針對(duì)權(quán)值
4修正時(shí)導(dǎo)數(shù)項(xiàng)求值，用一個(gè)徑向基網(wǎng)絡(luò)即RBF神經(jīng)網(wǎng)絡(luò)建立一個(gè)被控對(duì)象的辨識(shí) 模型，用此模型去訓(xùn)練BP網(wǎng)絡(luò)控制系統(tǒng)。發(fā)明提供的基于RBF辨識(shí)的彈性積分BP神經(jīng)網(wǎng)絡(luò)的PID控制系統(tǒng)包括以下步驟第1、確定三層BP神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)M和隱含層節(jié)點(diǎn)數(shù)Q，并給出各層加權(quán) 系數(shù)的初值Wi/2) (0)和Wli(3)(0)，選定學(xué)習(xí)速率η和慣性系數(shù)α，此時(shí)計(jì)算次數(shù)k = 1 ；第2、確定RBF辨識(shí)網(wǎng)絡(luò)的輸入節(jié)點(diǎn)數(shù)m、隱層節(jié)點(diǎn)數(shù)s,并給出隱層節(jié)點(diǎn)的中心矢 量 .(0)、基寬帶參數(shù)的初值h(0)、權(quán)系數(shù)初值％(0)、學(xué)習(xí)速率P、慣性系數(shù)Y、計(jì)算次數(shù) k = 1，此網(wǎng)絡(luò)用于建立被控對(duì)象的辨識(shí)模型，以便動(dòng)態(tài)觀測(cè)控制對(duì)象的輸出對(duì)控制輸入的 靈敏度，提供給BP神經(jīng)網(wǎng)絡(luò)；第3、采樣得到三層BP神經(jīng)網(wǎng)絡(luò)的輸入值r(k)、輸出值y(k)，計(jì)算該時(shí)刻誤差 e(k)；第4、正向計(jì)算BP神經(jīng)網(wǎng)絡(luò)各層神經(jīng)元的輸入、輸出，BP神經(jīng)網(wǎng)絡(luò)輸出層的三個(gè)輸 出值即為PID控制系統(tǒng)的三個(gè)可調(diào)參數(shù)KpIpKd ；給出偏差門限值ε，根據(jù)彈性積分控制算 法計(jì)算PID的輸出u (k)，并與上一次的u (k-Ι)相減得到Δ u (k)送入控制對(duì)象及RBF辨識(shí) 網(wǎng)絡(luò)，產(chǎn)生被控對(duì)象的輸出y(k)；第5、根據(jù)RBF辨識(shí)網(wǎng)絡(luò)的正向計(jì)算公式計(jì)算RBF辨識(shí)網(wǎng)絡(luò)各層神經(jīng)元的輸入輸 出，RBF辨識(shí)網(wǎng)絡(luò)的輸出為向量組ym(k)，m為輸出值個(gè)數(shù)；第6、用RBF辨識(shí)網(wǎng)絡(luò)的迭代算法修正辨識(shí)網(wǎng)絡(luò)輸出權(quán)系數(shù)、隱層節(jié)點(diǎn)的中心矢量 和隱層節(jié)點(diǎn)的基寬參數(shù)；第7、用BP神經(jīng)網(wǎng)絡(luò)的迭代算法修正BP神經(jīng)網(wǎng)絡(luò)的加權(quán)系數(shù)，令計(jì)算次數(shù)k = k+Ι，返回第3步，繼續(xù)按順序執(zhí)行，誤差達(dá)到要求時(shí)停止。第1步中所述的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)采用結(jié)構(gòu)簡(jiǎn)單的三層BP神經(jīng)網(wǎng)絡(luò)。所述的BP神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)對(duì)應(yīng)所選的被控系統(tǒng)運(yùn)行狀態(tài)量，輸出層神經(jīng) 元的積分函數(shù)取非負(fù)的Sigmoid函數(shù)，而隱含層神經(jīng)元的激發(fā)函數(shù)取正負(fù)對(duì)稱的Sigmoid 函數(shù)。第2步中所述的RBF辨識(shí)網(wǎng)絡(luò)運(yùn)用CMOS電路來(lái)實(shí)現(xiàn)；將輸入電壓信號(hào)通過(guò)跨導(dǎo)放 大系統(tǒng)轉(zhuǎn)變?yōu)殡娏餍盘?hào)，然后通過(guò)絕對(duì)值電路和均方根電路即可得到徑向基作為類Gauss 函數(shù)產(chǎn)生電路的輸入，類Gauss函數(shù)產(chǎn)生電路的輸出即為RBF神經(jīng)元的輸出。第4步中所述的彈性積分控制算法是在變速積分算法基礎(chǔ)上提出的，具體內(nèi)容 是
權(quán)利要求
一種基于RBF辨識(shí)的彈性積分BP神經(jīng)網(wǎng)絡(luò)的PID控制方法，其特征在于，該方法包括以下步驟第1、確定三層BP神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)M和隱含層節(jié)點(diǎn)數(shù)Q，并給出各層加權(quán)系數(shù)的初值和選定學(xué)習(xí)速率η和慣性系數(shù)α，此時(shí)計(jì)算次數(shù)k＝1；第2、確定RBF辨識(shí)網(wǎng)絡(luò)的輸入節(jié)點(diǎn)數(shù)m、隱層節(jié)點(diǎn)數(shù)s，并給出隱層節(jié)點(diǎn)的中心矢量Cj(0)、基寬帶參數(shù)的初值bj(0)、權(quán)系數(shù)初值wj(0)、學(xué)習(xí)速率ρ、慣性系數(shù)γ、計(jì)算次數(shù)k＝1，此網(wǎng)絡(luò)用于建立被控對(duì)象的辨識(shí)模型，以便動(dòng)態(tài)觀測(cè)控制對(duì)象的輸出對(duì)控制輸入的靈敏度，提供給BP神經(jīng)網(wǎng)絡(luò)；第3、采樣得到三層BP神經(jīng)網(wǎng)絡(luò)的輸入值r(k)、輸出值y(k)，計(jì)算該時(shí)刻誤差e(k)；第4、正向計(jì)算BP神經(jīng)網(wǎng)絡(luò)各層神經(jīng)元的輸入、輸出，BP神經(jīng)網(wǎng)絡(luò)輸出層的三個(gè)輸出值即為PID控制系統(tǒng)的三個(gè)可調(diào)參數(shù)KP、KI、KD；給出偏差門限值ε，根據(jù)彈性積分控制算法計(jì)算PID的輸出u(k)，并與上一次的u(k 1)相減得到Δu(k)送入控制對(duì)象及RBF辨識(shí)網(wǎng)絡(luò)，產(chǎn)生被控對(duì)象的輸出y(k)；第5、根據(jù)RBF辨識(shí)網(wǎng)絡(luò)的正向計(jì)算公式計(jì)算RBF辨識(shí)網(wǎng)絡(luò)各層神經(jīng)元的輸入輸出，RBF辨識(shí)網(wǎng)絡(luò)的輸出為向量組ym(k)，m為輸出值個(gè)數(shù)；第6、用RBF辨識(shí)網(wǎng)絡(luò)的迭代算法修正辨識(shí)網(wǎng)絡(luò)輸出權(quán)系數(shù)、隱層節(jié)點(diǎn)的中心矢量和隱層節(jié)點(diǎn)的基寬參數(shù)；第7、用BP神經(jīng)網(wǎng)絡(luò)的迭代算法修正BP神經(jīng)網(wǎng)絡(luò)的加權(quán)系數(shù)，令計(jì)算次數(shù)k＝k+1，返回第3步，繼續(xù)按順序執(zhí)行，誤差達(dá)到要求時(shí)停止。FSA00000308731200011.tif,FSA00000308731200012.tif
2.根據(jù)權(quán)利要求1所述的PID控制系統(tǒng)，其特征在于第1步中所述的BP神經(jīng)網(wǎng)絡(luò)的輸 入層節(jié)點(diǎn)對(duì)應(yīng)所選的被控系統(tǒng)運(yùn)行狀態(tài)量，輸出層神經(jīng)元的積分函數(shù)取非負(fù)的Sigmoid函 數(shù)，而隱含層神經(jīng)元的激發(fā)函數(shù)取正負(fù)對(duì)稱的Sigmoid函數(shù)。
3.根據(jù)權(quán)利要求1所述的PID控制系統(tǒng)，其特征在于第2步中所述的RBF辨識(shí)網(wǎng)絡(luò)運(yùn) 用CMOS電路來(lái)實(shí)現(xiàn)；將輸入電壓信號(hào)通過(guò)跨導(dǎo)放大系統(tǒng)轉(zhuǎn)變?yōu)殡娏餍盘?hào)，然后通過(guò)絕對(duì)值 電路和均方根電路即可得到徑向基作為類Gauss函數(shù)產(chǎn)生電路的輸入，類Gauss函數(shù)產(chǎn)生 電路的輸出即為RBF神經(jīng)元的輸出。
4.根據(jù)權(quán)利要求1所述的PID控制系統(tǒng)，其特征在于第4步中所述的彈性積分控制算 法是在變速積分算法基礎(chǔ)上提出的，具體內(nèi)容是u(k) = u(k-l) +Kp {[e (k) -e (k-1) ] +K^ (I e (k) |) *e (k) +Kd [e (k) -2e (k_l) +e (k_2) ]} u(k)和u (k-1)分別為PID第k次和第k-1次運(yùn)算的輸出值；e(k)、e (k-1)和e (k_2) 分別為BP神經(jīng)網(wǎng)絡(luò)中第k次、第k-Ι次和第k-2次運(yùn)算的誤差值；KP、K1, Kd為PID控制系 統(tǒng)的三個(gè)參數(shù)；f(|e(k) I)是一個(gè)系數(shù)，其取值規(guī)則為當(dāng) |e(k)| ^ ε 時(shí)，㈧D = IlI^M ;當(dāng)|e(k)| > ε時(shí)，= e如梓)丨)，ε為第4步給出的偏差門限，即當(dāng)系統(tǒng)偏差超出偏差門限值ε時(shí)，引入非線性減指數(shù)函數(shù)的目的是使積分項(xiàng)即使在偏差較大時(shí)仍然起 一定的作用，偏差越大，積分作用越弱。
5.根據(jù)權(quán)利要求1所述的PID控制系統(tǒng)，其特征在于第7步中所述的BP神經(jīng)網(wǎng)絡(luò)的迭 代算法1是BP神經(jīng)網(wǎng)絡(luò)輸出層的權(quán)系數(shù)學(xué)習(xí)算法為
6.根據(jù)權(quán)利要求1所述的PID控制系統(tǒng)，其特征在于第7步中所述的BP神經(jīng)網(wǎng)絡(luò)的迭 代算法2是隱含層的權(quán)系數(shù)學(xué)習(xí)算法為
全文摘要
一種基于RBF辨識(shí)的彈性積分BP神經(jīng)網(wǎng)絡(luò)的PID控制系統(tǒng)，它包括確定BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，確定初值；確定RBF辨識(shí)網(wǎng)絡(luò)結(jié)構(gòu)；采樣；正向計(jì)算BP網(wǎng)絡(luò)，計(jì)算PID控制系統(tǒng)的輸出；計(jì)算RBF辨識(shí)網(wǎng)絡(luò)；修正辨識(shí)網(wǎng)絡(luò)參數(shù)；修正BP神經(jīng)網(wǎng)絡(luò)的加權(quán)系數(shù)。本發(fā)明的優(yōu)越性在于將BP神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)的PID控制結(jié)合，構(gòu)成智能型的神經(jīng)網(wǎng)絡(luò)PID控制系統(tǒng)。它不需建立精確的數(shù)學(xué)模型，能夠自動(dòng)辨識(shí)被控過(guò)程參數(shù)、自動(dòng)整定控制參數(shù)、適應(yīng)被控過(guò)程參數(shù)的變化，是解決傳統(tǒng)PID控制系統(tǒng)參數(shù)整定難、不能實(shí)時(shí)調(diào)整參數(shù)和魯棒性不強(qiáng)的有效措施。
文檔編號(hào)G06N3/02GK101968629SQ20101051122
公開日2011年2月9日 申請(qǐng)日期2010年10月19日 優(yōu)先權(quán)日2010年10月19日
發(fā)明者于陽(yáng), 劉思佳, 劉玥, 劉進(jìn)華, 周雪松, 馬幼捷 申請(qǐng)人:天津理工大學(xué)