【正文】 量的加權(quán)系數(shù)，=為時刻的誤差，可以用來代替[5]，或由預(yù)測算法求得[6]。在具體計算時，由于未知,在求導(dǎo)過程中，可將其近似為一常數(shù)，可以用其符號函數(shù)近似代替。⑤在開始調(diào)整時，選擇較小值，當調(diào)整，和，使被控對象具有良好特性時，再逐漸增大，而其他參數(shù)不變，使系統(tǒng)輸出基本無波紋。③若被控對象響應(yīng)特性出現(xiàn)上升時間短、震蕩現(xiàn)象，應(yīng)減少，其他參數(shù)不變。然后根據(jù)“②一⑤”項調(diào)整規(guī)則調(diào)整。當被控對象時延增大時，值必須減少，以保證系統(tǒng)穩(wěn)定。值的變化，相當于，三項同時變化，因此值的選擇非常重要，應(yīng)在第一步先調(diào)整。 ()為神經(jīng)元的比例系數(shù)，0；，分別為比例、積分、微分的學習速率。下面介紹兩種學習算：有監(jiān)督的Hebb學習算法和基于二次型性能指標的學習算法。其中，神經(jīng)元的學習功能是通過改變權(quán)系數(shù)來實現(xiàn)的，學習算法即是如何調(diào)整規(guī)則，它是神經(jīng)元控制的核心，反映了學習方式與學習功能。正是由于能進行自適應(yīng)調(diào)整，故可大大提高控制器的魯棒性能。為神經(jīng)元權(quán)值，神經(jīng)元的輸入輸出描述為： = 　　　　　　　　 () = ()轉(zhuǎn)換器過程KZ1 單神經(jīng)元自適應(yīng)PID控制原理框圖若取=，其中取線性截斷函數(shù)，則神經(jīng)元控制器輸出可寫成： ()由PID控制器的增量算式： ()如果取=,=,=2+，則式（）變?yōu)椋? =1[]+2+3[2+] ()比較式()和式()，可見兩式形式完全相同，所不同的只是式()中的系數(shù) (=1,2,3)可以通過神經(jīng)元的自學習功能來進行自適應(yīng)調(diào)整，而式()中的參數(shù), ,。若將兩者結(jié)合，則可以在一定程度上解決傳統(tǒng)PID調(diào)節(jié)器不易在線實時整定參數(shù)、難于對一些復(fù)雜過程和參數(shù)慢時變系統(tǒng)進行有效控制的不足。 基于單神經(jīng)元的PID控制 基于單神經(jīng)元的自適應(yīng)PID控制器在神經(jīng)網(wǎng)絡(luò)控制中，神經(jīng)元是最基本的控制元件，具有自學習和自適應(yīng)能力，而且結(jié)構(gòu)簡單易于計算。 2）誤差校正學習型 () 誤差校正學習型表示單神經(jīng)元控制器在誤差信號指導(dǎo)下進行強迫學習，從而對外界做出反映及作用，也就是在無監(jiān)督的Hebb學習規(guī)則中引入了教師信號。學習算法如下： =+ ()式中，為隨過程遞減的學習信號，0為學習速率。圖中， (=1,2,3…n)分別為控制器的輸入量及相應(yīng)的權(quán)重，為比例系數(shù)，為單神經(jīng)元控制器的輸出,其中=/ () 式中用權(quán)重向量除以權(quán)重值向量的歐幾里德范數(shù)，即在權(quán)重值向量空間中，將權(quán)重值向量進行單位化處理，以保證學習算法的收斂性和系統(tǒng)的穩(wěn)定性。樹突與軸突一一對接，從而把眾多的神經(jīng)元連成一個神經(jīng)元網(wǎng)絡(luò)[3]。細胞體內(nèi)有細胞核，突起的作用是傳遞信息。第3章 單神經(jīng)元PID控制系統(tǒng) 單神經(jīng)元簡介　單神經(jīng)元模型人腦神經(jīng)元是組成人腦神經(jīng)系統(tǒng)的基本單元。 但是增量式控制也有其不足之處：積分截斷效應(yīng)大，有靜態(tài)誤差；溢出的影響大。3) 算式中不需要累加。2) 手動/自動切換時沖擊小，便于實現(xiàn)無擾動切換。 增量式PID控制算法增量式PID是指數(shù)字控制器的輸出只是控制量的增量。而且，因為計算機輸出的對應(yīng)的是執(zhí)行機構(gòu)的實際位置，如計算機出現(xiàn)故障，的大幅度變化，這種情況往往是生產(chǎn)實際中不允許的，在某些場合，還可能造成重大的生產(chǎn)事故，因而產(chǎn)生了增量式PID控制器的控制算法。積分系數(shù)=/，微分系數(shù)=/。 位置式PID控制算法位置式PID控制算法中必須將式()進行離散化處理。 數(shù)字PID控制算法由于計算機技術(shù)的發(fā)展，數(shù)字 PID 控制器將逐漸取代傳統(tǒng)的模擬 PID 控制器。積分作用的強弱取決于積分時間常數(shù)，越大，積分作用越弱，反之則越強。下面簡單介紹一下PID控制器各校正環(huán)節(jié)的作用：1）比例環(huán)節(jié)即時成比例地反映控制系統(tǒng)的偏差信號，偏差一旦產(chǎn)生，控制器立即產(chǎn)生控制作用，以減少偏差。在模擬控制系統(tǒng)中，控制器最常用的控制規(guī)律就是PID控制。本文主要講解一下單神經(jīng)元PID是如何對多變量系統(tǒng)進行解耦的。 解耦控制的研究方法和內(nèi)容多變量系統(tǒng)的解耦控制的方法可分為四大類:(1)經(jīng)典解耦控制方法；(2)自適應(yīng)解耦控制方法；(3)模糊解耦控制方法；(4)反饋線性化解耦控制方法。利用神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)本身以及連續(xù)和離散非線性解耦理論，神經(jīng)網(wǎng)絡(luò)線性化和解耦控制就比較容易實現(xiàn)。在多變量控制理論和實踐中，人們提出了解耦控制問題，即如何通過外部控制手段(如狀態(tài)反饋)將多變量系統(tǒng)解耦，變成若干個互相獨立的單輸入單輸出(SISO)系統(tǒng)，從而可用單變量控制的各種成熟技術(shù)來完成系統(tǒng)的設(shè)計。它是由Roksenbom和Hoodllol提出來的，他們最先將矩陣分析法應(yīng)用于多變量控制系統(tǒng)分析，分析了有關(guān)飛行器控制的問題，即如何通過分別控制燃料與推進器葉片角度來控制飛行器發(fā)動機的速度與功率，并使這兩個控制系統(tǒng)互不干涉。我們可以用傳統(tǒng)的PID控制器，神經(jīng)網(wǎng)絡(luò)來對多變量系統(tǒng)進行等進行解耦，使多變量系統(tǒng)的控制達到最優(yōu)狀態(tài)。隨著耦合度增加，系統(tǒng)品質(zhì)也會有明顯惡化，嚴重影響生產(chǎn)過程的正常運行。自動化專業(yè)是實踐性很強的專業(yè)，培養(yǎng)和提高學生工程動手能力一直是該專業(yè)培養(yǎng)計劃的一個重要環(huán)節(jié)。作為當代大學生的我們應(yīng)該掌握好本專業(yè)的知識、增強自己的動手能力、解決實際問題的能力、增強自己的創(chuàng)新意識。自動化技術(shù)又是一門工程實踐性很強的技術(shù)，掌握自動化技術(shù)既要有扎實的專業(yè)理論基礎(chǔ)，還要有工程實踐解決實際問題的能力。由于自動化技術(shù)的不斷發(fā)展和成熟，應(yīng)用范圍越來越廣泛，已滲透到社會經(jīng)濟各個部門和人們生活的各個方面。 研究解耦控制系統(tǒng)目的及意義 自動化技術(shù)是當代發(fā)展迅速，最引人矚目的高技術(shù)之一，是推動新的技術(shù)革命和新的產(chǎn)業(yè)革命的核心技術(shù)。例如，發(fā)電廠的中間儲粉倉式制粉多變量控制系統(tǒng)，給煤機的括板位置，熱風的送風量，二次循環(huán)門的開度(引風量)控制磨煤機裝入的煤量，煤粉溫度及磨煤機的負壓，構(gòu)成了33的耦合系統(tǒng)；冶金工業(yè)的熱處理爐溫度控制系統(tǒng)，要求工件均勻受熱，每個加熱區(qū)都有一個溫度控制系統(tǒng)，由加入的燃料來調(diào)節(jié)溫度，燃料控制會影響著電加熱爐內(nèi)負壓，所以還需控制煙囪廢氣的流量，由此構(gòu)成了負壓與溫度場的耦合系統(tǒng)；軋鋼系統(tǒng)的厚度控制和板型控制也存在著相互關(guān)聯(lián)。稱被控制變量與操作變量在調(diào)整過程互相影響的對象為耦合對象，而解除這種耦合關(guān)系的過程稱之為解耦。解耦控制一直是過程控制中的一個難點。對于這種存在耦合的對象，工業(yè)過程控制要求系統(tǒng)能夠安全穩(wěn)定地運行，又有較好的調(diào)節(jié)性能，能以較小的誤差跟蹤設(shè)定值的變化，并使穩(wěn)態(tài)誤差為零。 Multivariable Decoupling。關(guān)鍵字：解耦控制系統(tǒng)；多變量解耦；單神經(jīng)元自適應(yīng)PIDThe Research Of Single Neuron PID Multivariable Decoupling ControlAbstract For the nonlinear, heavy delay, the strong coupling characteristics of multivariable systems, Researchers are difficult to find an effective contr