【正文】 21， 14(1)： 46～ 53 [23] Zhong Tanwei． Multidimensional MP model in meural work． Journal of South ChinaAgricultural University， 2021， 25(2) 25 致 謝 經(jīng)過幾個月時間的努力，我終于完成了論文《基于 RBF 神經(jīng)網(wǎng)絡(luò)的 PID 控制器設(shè)計及仿真 》 ， 在論文完成之際，本人謹向 平玉環(huán) 老師表示誠摯的敬意和衷心的感謝。特別是當(dāng)系統(tǒng)存在不確定性因素時，更能體現(xiàn)神經(jīng)網(wǎng)絡(luò)方法的優(yōu)越性。) 運行后得到： z + z^2 z + 即 y(n)=(n1)(n2)+(n1)+(n2) 然后運用 MATLAB 對系統(tǒng)進行仿真，其仿真結(jié)果如圖 55 和 56 所示： 21 圖 55 RBF 整定 PID 控制魯棒性響應(yīng)曲線 圖 56 參數(shù)自適應(yīng)整定曲線 22 本章小結(jié) 本章 運用 MATLAB 軟件對所掌握的 RBF 神經(jīng)網(wǎng)絡(luò)整定的 PID 控制算法進行了仿真研究，并通過仿真實驗，研究了基于 RBF 神經(jīng)網(wǎng)絡(luò)整定的 PID 控制系統(tǒng)的穩(wěn)定性、魯棒性和抗干擾能力。基于 RBF 神經(jīng)網(wǎng)絡(luò)的 PID 控制系統(tǒng)結(jié)構(gòu)如下圖所示： 41 基于 RBF 神經(jīng)網(wǎng)絡(luò)整定的 PID 控制框圖 控制器由兩個部分組 成：①經(jīng)典的 PID 控制器：直接對被控對象進行閉環(huán)控制，并且 KP, KI,KD 三個參數(shù)為在線 P， I， D 整定；②神經(jīng)網(wǎng)絡(luò) NN：根據(jù)系統(tǒng)的運行狀態(tài)，調(diào)節(jié) PID 控制器的參數(shù)，以期達到某種性能指標的最優(yōu)化。神經(jīng)網(wǎng)絡(luò)所具有的任意非線性表 示能力，可以通過對系統(tǒng)性能的學(xué)習(xí)來實現(xiàn)具有最佳組合的 PID 控制。例如，各種傳感器不可避免地存在著測量誤差；誤差微分信號的提取是由誤差信號差分或由超前網(wǎng)絡(luò)近似實現(xiàn)的，這種方式對信號噪聲的放大作用很大，使微分信號失真。 PID 控制器參數(shù)的工程整定方法，主要有臨界比例法、反應(yīng)曲線法和衰減法 。微分控制可以改善動態(tài)特性，如超調(diào)量δ p 減少，調(diào)節(jié)時間 ts 縮短，允許加大比例控制，使穩(wěn)態(tài)誤差減少，提高控制精度。它可以克服調(diào)節(jié)對象的慣性滯后（時間常數(shù) T）、容量滯后τ c ，但不能克服調(diào)節(jié)對象的純滯后τ 0 ，因為在τ 0 時間內(nèi)，被調(diào)參數(shù)的變化速度為零。一般而言，控制過程的時間常 數(shù)越短，選擇的積分時間越小。有時也用比例度（δ ）表示比例作用的強弱，比例度等于增益的倒數(shù)乘以 100％（δ =100% /Kp）。 概括起來， PID 控制器各校正環(huán)節(jié)的作用如下： ①．比例環(huán)節(jié)：輸出控制量與控制系統(tǒng)偏差信號 e(k)成比例關(guān)系，一旦有偏差產(chǎn)生，控制器立即產(chǎn)生控制作用，以減小偏差。 RBF 神經(jīng)網(wǎng)絡(luò)的梯度下降訓(xùn)練方法是通過最小化目標函數(shù)實現(xiàn)對各隱節(jié)點數(shù)據(jù)中心、寬度和輸出權(quán)值的學(xué)習(xí)。 這些方法各有優(yōu)缺點：第 1 類算法較容易實現(xiàn)，且能在權(quán)值學(xué)習(xí)的同時確定隱節(jié)點的數(shù)目，并保證學(xué)習(xí)誤差不大于給定值，但數(shù)據(jù)中心從樣本輸入中選取是否合理，值得進一步討論。 一般的算法都是充分利用的三層結(jié)構(gòu)特點來設(shè)計學(xué)習(xí)算法，第一步確定網(wǎng)絡(luò)隱層神經(jīng)元個數(shù)與其中心，第二步確定網(wǎng)絡(luò)的權(quán)值。當(dāng) RBF 的中心確定后這種映射關(guān)系也就確定了。Moody 和 Darken 在 1989 年發(fā)表文章《 Fast learning in work of locallytunedprocessing units》，提出一種含有局部響應(yīng)特性的神經(jīng)網(wǎng)絡(luò)，這種網(wǎng)絡(luò)實際上與 Broomhead 和 Lowe提出的 RBF 神經(jīng)網(wǎng)絡(luò)是一致的，他們還提出了 RBF 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法。自組織學(xué)習(xí)能對網(wǎng)絡(luò)的學(xué)習(xí)過程進行度量，并優(yōu)化出其中的自由參數(shù)。在訓(xùn)練過程中又需要教師的監(jiān)督，故這種有教師的學(xué)習(xí)又稱有監(jiān)督式學(xué)習(xí)。 Hopfield 神經(jīng)網(wǎng)絡(luò)是反饋網(wǎng)絡(luò)中最簡單且應(yīng)用廣泛的模型，它具有 8 聯(lián)想記憶 (content addressable memory ,CAM)的功能， Hopfield 神經(jīng)網(wǎng)絡(luò)還可以用來解決快速尋優(yōu)問題。 前饋網(wǎng)絡(luò) 前饋型神經(jīng)網(wǎng)絡(luò) (Feed forward neural work)， 又稱前饋網(wǎng)絡(luò)。此外 還有一個附加的輸入，稱作閾值或偏置。 第二，具有聯(lián)想存儲功能。 6 2 神經(jīng)網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)的基本概念和 特點 人工神經(jīng)網(wǎng)絡(luò) (ANN， Artificial Neural Network)，又稱并行分布處理模型或連接機制模型，是基于模仿人類大腦的結(jié)構(gòu)和功能而構(gòu)成的一種信息處理系統(tǒng)或計算機系統(tǒng)。例如 Intel 公司、 IBM 公司和HNC 公司已取得了多項專利，已有產(chǎn)品進入市場，被國防、企業(yè)和科研部門選用，許多公眾手中也擁有神經(jīng)網(wǎng)絡(luò)實用化的工具，其商業(yè)化令人鼓舞。如積分分離算法，抗積分飽和算法和微分項的改進等等。當(dāng)今的自動控制技術(shù)都是基于反饋的概念。 1987年 6 月在美國加州舉行了第一屆神經(jīng)網(wǎng)絡(luò)國際會議。有二個概念對神經(jīng)網(wǎng)絡(luò)的復(fù)興具有極其重大的意義。 19721 年，芬蘭的 Kohonen 開始從事隨機連接變化表的研究工作。1962 年， Rosenblatt 出版了一本名為《 The Priciples of Neuro dynamics》的書，書中詳述了他的感知機。 Hebb 的工作對后來的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和算法產(chǎn)生了很大的影響，目前的一些神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則仍在采用 Hebbian 規(guī)則或它的改進型規(guī)則。 1945年馮 神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史 神經(jīng)網(wǎng)絡(luò)的研究最早可以追溯到人類考試研究自己智能的時期。 缺點：① 最嚴重的問題是沒能力來解釋自己的推理過程和推理依據(jù)。而工業(yè)現(xiàn)場需要先進的控制方法，迫切需要工程化實用化的神經(jīng)網(wǎng)絡(luò)控制方法，所以研究神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用，對提高我國的自動化水平和企業(yè)的經(jīng)濟效益具有重大意義。人工神經(jīng)網(wǎng)絡(luò)是由大量簡單的基本神經(jīng)元相互連接而構(gòu)成的自適應(yīng)非線性動態(tài)系統(tǒng)。 Parameter setting 目 錄 摘 要 ..................................................................... Ⅰ Abstract ................................................................... Ⅱ 1 緒論 ...................................................................... 1 課題研究背景及意義 ...................................................... 1 神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史 ...................................................... 2 2 神經(jīng)網(wǎng)絡(luò) .................................................................. 6 神經(jīng)網(wǎng)絡(luò)的基本概念和特點 ................................................ 6 人工神經(jīng)網(wǎng)絡(luò)構(gòu)成的基本原理 .............................................. 6 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) .......................................................... 7 前饋網(wǎng)絡(luò) .............................................................. 7 反饋網(wǎng)絡(luò) .............................................................. 7 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式 ...................................................... 8 監(jiān)督學(xué)習(xí) (有教師學(xué)習(xí) ) .................................................. 8 非監(jiān)督學(xué)習(xí) (無教師學(xué)習(xí) ) ................................................ 8 再勵學(xué)習(xí) (強化學(xué)習(xí) ) .................................................... 9 RBF 神經(jīng)網(wǎng)絡(luò) ............................................................ 9 RBF 神經(jīng)網(wǎng)絡(luò)的發(fā)展簡史 ................................................ 9 RBF 的數(shù)學(xué)模型 ........................................................ 9 被控對象 Jacobian 信息的辨識算法 ...................................... 10 RBF 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法 ............................................... 11 本章 小結(jié) ............................................................... 12 3 PID 控制器 ............................................................... 13 PID 控制器簡介 ......................................................... 13 經(jīng)典 PID 控制原理 ....................................................... 13 現(xiàn)有 PID 控制器參數(shù)整定方法 ............................................. 15 PID 控制的局限 ......................................................... 15 本章小結(jié) ............................................................... 15 4 基于 RBF 神經(jīng)網(wǎng)絡(luò)整定的 PID 控制器設(shè)計 ..................................... 16 RBF 神經(jīng)網(wǎng)絡(luò)的 PID 整定原理 ............................................. 16 神經(jīng)網(wǎng)絡(luò) PID 控制器的設(shè)計 ............................................... 16 本章小結(jié) ............................................................... 17 5 仿真分析 ................................................................. 18 系統(tǒng)的穩(wěn)定性分析 ....................................................... 18 系統(tǒng)抗干擾能力分析 ..................................................... 19 系統(tǒng)魯棒性分析 ......................................................... 20 本章小結(jié) ............................................................... 22 結(jié) 論 ..................................................................... 23 參 考 文 獻 ................................................................ 24 致 謝 ..................................................................... 25 附錄 仿真程序 .............................................................. 26 1 1 緒論 課題研究背景及意義 PID 控制器（ 按比例、積分和微分進行控制的調(diào)節(jié)器 ） 是最早發(fā)展起來的應(yīng)用經(jīng)典控制理論的控制策略之一， 是工業(yè)過程控制中應(yīng)用最廣泛，歷史最悠久，生命力最強的控制方式，在目前的工業(yè)生產(chǎn)中， 90％以上的控制器為 PID 控制器。然而隨著現(xiàn)代工業(yè)過程的日益復(fù)雜，對控制要求的逐步增高（如穩(wěn)定性、準確性、快速性等），經(jīng)典控制理論面臨著嚴重的挑戰(zhàn)。然后再進一步通過仿真實驗數(shù)據(jù)，研究本控制系統(tǒng)的穩(wěn)定性，魯棒性