基于神經網絡的增量PID算法及仿真研究

摘 要:為了解決傳統PID控制器對時變系統控制能力不強的弱點。利用神經網絡理論與傳統PID控制理論相結合。設計了一種基于神經網絡的增量PID控制器，實現PID參數的在線自整定。通過實例仿真試驗比較，這種控制器比傳統的PID具有較強的適應性，可以獲得滿意的控制效果。關鍵詞:神經網絡; PID; Matlab; 在線自整定

中圖分類號:TN919-34; TP274 文獻標識碼:A

文章編號:1004-373X(2010)18-0121-03

Research on Incremental PID Algorithm and Simulation Based on Neural Network

WANG Jun-qin

(Department of Mechanical and Electronic Engineering， Xi’an University of Arts and Science， Xi’an 710065， China)

Abstract: To resolve the shortages of traditional PID controller which is not strong enough to control the time-varying system， an incremental PID controller based on neural network is designed to realize the online self-tuning of PID parameters in combination with the neural network theory and traditional PID control theory. The result of experiment simulation shows that the controller has better adaptability than the traditional PID controller and can obtain the satisfactory control effect. Keywords: neural network; PID; Matlab; online self-tuning

傳統的PID 控制器算法簡單，結構上易于實現，被廣泛應用在工業過程控制領域[1]，但是在實際應用中往往具有非線性、時變不確定性，導致PID控制參數難以整定以達到最佳控制要求。BP神經網絡具有較好的在線檢測能力[2]，將PID控制和BP神經網絡相結合通過加權系數調整，可以實現PID參數的自學習過程[3]，從而達到滿意的控制效果[4]。

1 基于神經網絡的PID控制

PID控制要取得好的控制效果，就必須通過調整好比例、積分和微分三種控制作用的關系，這種關系不一定是簡單的“線性組合”，而是從變化無窮的非線性組合中找出最佳的關系。BP神經網絡具有逼近任意非線性函數的能力，而且結構和學習算法簡單明確。通過網絡自身的學習，可以找到某一最優控制規律下的PID參數[4]。

1.1 常規PID控制器

傳統的PID控制器算式如下:

PID控制器的輸入/輸出關系式為:

u(t)=KPe(t)+1TI∫t0e(t)dt+TDde(t)/dt

式中:u(t)為控制器的輸出;e(t)為誤差信號; KP為比例系數;TI為積分時間常數;TD為微分時間常數。

假設采樣周期為TS，系統開始運行的時刻為t=0，用矩形積分來近似精確積分，用差分近似精確微分，將上式離散化，第k次采樣時控制器的輸出為[5]: