專利名稱:神經(jīng)網(wǎng)絡(luò)模型與二次型單神經(jīng)元pid并行控制方法
技術(shù)領(lǐng)域:
本發(fā)明涉及一種智能控制方法,特別涉及一種神經(jīng)網(wǎng)絡(luò)模型與二次型單神經(jīng)元PID并行控制方法。
背景技術(shù):
PID (Proportion Integration Differentiation)控制器作為最早實(shí)用化的控制器已有50多年歷史,現(xiàn)在仍然是應(yīng)用最廣泛的工業(yè)控制器。PID控制器簡(jiǎn)單易懂,使用中不需精確的系統(tǒng)模型等先決條件,因而成為應(yīng)用最為廣泛的控制器。但是PID在控制非線性、時(shí)變、耦合及參數(shù)和結(jié)構(gòu)不確定的復(fù)雜過程時(shí),工作效果不理想。最重要的是,如果PID控制器不能控制復(fù)雜過程,通過調(diào)參數(shù)將沒有任何效果。 隨著專家系統(tǒng)、模糊控制、神經(jīng)網(wǎng)絡(luò)等智能控制理論的發(fā)展,形成了多種智能控制與PID控制相結(jié)合的智能PID控制策略。由于神經(jīng)網(wǎng)絡(luò)具有自組織、自學(xué)習(xí)、自適應(yīng)的能力,基于神經(jīng)網(wǎng)絡(luò)的控制已成為智能控制中最重要的一種方式。CMAC (Cerebellum ModelArticulation Controller,以下簡(jiǎn)稱CMAC)神經(jīng)網(wǎng)絡(luò)是一種模擬小腦功能的神經(jīng)網(wǎng)絡(luò)模型,是一類聯(lián)想網(wǎng)絡(luò),具有局部泛化能力,相似的輸入將產(chǎn)生相似的輸出,而遠(yuǎn)離的輸入將產(chǎn)生幾乎獨(dú)立的輸出。CMAC從總體看是一種非線性的映像,但其自適應(yīng)學(xué)習(xí)是線性映像部分,所以其學(xué)習(xí)算法是一種簡(jiǎn)單的線性優(yōu)化,收斂速度比BP(BackPropagation,誤差反向傳播)算法快得多,且不存在局部極小值問題。由于CMAC神經(jīng)網(wǎng)絡(luò)具有上述優(yōu)越性能,比一般神經(jīng)網(wǎng)絡(luò)具有更好的非線性逼近能力,因此更適合復(fù)雜環(huán)境下的非線性實(shí)時(shí)控制。
發(fā)明內(nèi)容
本發(fā)明是針對(duì)PID控制器對(duì)復(fù)雜過程控制效果不佳的問題,提出了一種神經(jīng)網(wǎng)絡(luò)模型與二次型單神經(jīng)元PID并行控制方法,提出利用CMAC神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)算法簡(jiǎn)單、收斂速度快、局域泛化等優(yōu)點(diǎn),同時(shí)把二次型性能指標(biāo)的思想,神經(jīng)元非線性映像和權(quán)值的自適應(yīng)修正功能引入到PID控制器,此方法具有更好的穩(wěn)定性和抗干擾能力。
本發(fā)明的技術(shù)方案為一種神經(jīng)網(wǎng)絡(luò)模型與二次型單神經(jīng)元PID并行控制方法,包括CMAC神經(jīng)網(wǎng)絡(luò)模型,方法包括如下步驟 1)設(shè)定控制的輸入與輸出CMAC神經(jīng)網(wǎng)絡(luò)模型輸入為設(shè)定值rin,輸出為Un ;二次型單神經(jīng)元PID的輸入為誤差e,即控制輸入rin與輸出測(cè)量值yout的差,二次型單神經(jīng)元PID的輸出為up ;u為控制器總輸出; 2)確定CMAC神經(jīng)網(wǎng)絡(luò)以及單神經(jīng)元網(wǎng)絡(luò)參數(shù)CMAC神經(jīng)網(wǎng)絡(luò)參數(shù)維數(shù)N,泛化
參數(shù)C,網(wǎng)絡(luò)學(xué)習(xí)速率n,慣性量a ;單神經(jīng)元網(wǎng)絡(luò)參數(shù)比例系數(shù)K;輸出誤差的加權(quán)系
數(shù)P;控制增量的加權(quán)系數(shù)Q;比例、積分、微分三部分加權(quán)系數(shù)學(xué)習(xí)速率分別取為nP, npnD ;PID三個(gè)參數(shù)的初始化值wP, Wl, wD ; 3)確定CMAC神經(jīng)網(wǎng)絡(luò)以及單神經(jīng)元網(wǎng)絡(luò)性能指標(biāo)
CMAC的調(diào)整指標(biāo)為
4
= —C-W"(A:))2 .」,
2 c Aw(yt)"^^^~^a<=7;_^a,.,
c c w (k) = w (k-1) + A w (k) + a (w (k) i (k_l)); 二次型單神經(jīng)元性能指標(biāo)£(A:) = icP07'"("-:^w^:))2 +gA2 (A:)) ,rin(k)和yout(k)為k時(shí)刻的參考輸入和輸出; 4)分別計(jì)算CMAC神經(jīng)網(wǎng)絡(luò)輸出^(" = ^w,^以及二次型單神經(jīng)元PID控制輸出
^ ("= ("1) + 4 w; ("x, (A),;
5)控制系統(tǒng)總輸出為u = up+un。 所述單神經(jīng)元控制輸出"P(A:) = "P(A:-l) +〖l>"A:)x,(A:),其中,^(k) (i = 1,2,3)為加權(quán)系數(shù),w;(A:卜w,/t卜,.(A:)1 (/ = 1,2,3),
,=1
3 wi (" = w, (" 1) + W《(尸(" - 2《Z ("、 ("); w2(A) = w2(A -1) + ;7尸K(尸V(^2(" — ^尤(W Wx,.(A:))x2(A:));
3w3 (A:) = w3 (A: -1) + ;/DJfi:(/^。z(A:)x3 (A;) - 2夂Z O, ("x, (A:))x3 (");
,:=l 式中, Xl(k) = e (k);x2(k) = e(k)-e(k-l);x3(k) = e(k)-2e(k-l)+e(k-2); z (k) = e (k); b。 = yout(l)。 所述每一控制周期結(jié)束時(shí),CMAC神經(jīng)網(wǎng)絡(luò)模型輸出Un與總控制輸出u相比較,修正權(quán)重,進(jìn)入學(xué)習(xí)過程,數(shù)據(jù)存入,CMAC神經(jīng)網(wǎng)絡(luò)模型記憶庫(kù)。 CMAC是一種表達(dá)復(fù)雜非線性函數(shù)的表格查詢型自適應(yīng)神經(jīng)網(wǎng)絡(luò),該網(wǎng)絡(luò)可通過學(xué)習(xí)算法改變表格的內(nèi)容,具有信息分類存儲(chǔ)的能力。 CMAC把系統(tǒng)的輸入狀態(tài)作為一個(gè)指針,把相關(guān)信息分布式地存入一組存儲(chǔ)單元。其本質(zhì)上是一種用于映像復(fù)雜非線性函數(shù)的查表技術(shù)。具體作法是將輸入空間分成許多分塊,每個(gè)分塊指定一個(gè)實(shí)際存貯器位置每個(gè)分塊學(xué)習(xí)到的信息分布式地存儲(chǔ)到相鄰分塊的位置上;存儲(chǔ)單元數(shù)通常比所考慮問題的最大可能輸入空間的分塊數(shù)少得多,故實(shí)現(xiàn)的是多對(duì)一的映射,即多個(gè)分塊映像到同樣一個(gè)內(nèi)存地址上。 CMAC已被公認(rèn)為是一類聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)的重要組成部分,能夠?qū)W習(xí)任意多維非線性映像。CMAC算法可有效地用于非線性函數(shù)逼近、動(dòng)態(tài)建模、控制系統(tǒng)設(shè)計(jì)等,CMAC的基本思想在于在輸入空間中給出一個(gè)狀態(tài),從存儲(chǔ)單元中找到對(duì)應(yīng)于該狀態(tài)的地址,將這些存儲(chǔ)單元中的內(nèi)容求和得到CMAC的輸出;將此響應(yīng)值與期望輸出值進(jìn)行比較,并根據(jù)學(xué)習(xí)算法修改這些已啟動(dòng)的存儲(chǔ)單元的內(nèi)容。 本發(fā)明的有益效果在于本發(fā)明神經(jīng)網(wǎng)絡(luò)模型與二次型單神經(jīng)元PID并行控制方法,將神經(jīng)網(wǎng)絡(luò)模型與二次型單神經(jīng)元PID方法結(jié)合,針對(duì)系統(tǒng)中的非線性、不確定性和復(fù)雜性,提高系統(tǒng)控制的穩(wěn)定性,也提高了系統(tǒng)的抗干擾能力。
圖1為CMAC神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖; 圖2為本發(fā)明基于CMAC與二次型單神經(jīng)元PID的并行控制原理框圖; 圖3為本發(fā)明過熱汽溫串級(jí)控制原理框圖; 圖4為本發(fā)明基于CMAC與二次型單神經(jīng)元PID并行控制在過熱汽溫中的原理框圖; 圖5為本發(fā)明方法下系統(tǒng)單位階躍響應(yīng)曲線圖; 圖6為本發(fā)明方法下系統(tǒng)擾動(dòng)響應(yīng)曲線圖。
具體實(shí)施例方式
CMAC的設(shè)計(jì)方法分為以下三步[OO39] (1)量化(概念映射) 在輸入層對(duì)N維輸入空間進(jìn)行劃分,每一個(gè)輸入都降落到N維網(wǎng)絡(luò)基的一個(gè)超立方體單元內(nèi)。中間層由若干個(gè)判斷區(qū)間構(gòu)成,對(duì)任意一個(gè)輸入只有少數(shù)幾個(gè)區(qū)間的輸出為非零值,非零值區(qū)間的個(gè)數(shù)為泛化參數(shù)c,規(guī)定了網(wǎng)絡(luò)內(nèi)部影響網(wǎng)絡(luò)輸出的區(qū)域大小。[OO41 ] (2)地址映像(實(shí)際映像) 采用除余數(shù)法,將輸入樣本映像至概念內(nèi)存的地址,除以一個(gè)數(shù),得到的余數(shù)作為實(shí)際內(nèi)存的地址值。即將概念內(nèi)存中的c個(gè)單元映像至實(shí)際內(nèi)存的c個(gè)地址。[OO43] (3) CMAC的函數(shù)計(jì)算(CMAC輸出) 將輸入映像至實(shí)際內(nèi)存的c個(gè)單元,每個(gè)單元中存放著相應(yīng)權(quán)值,CMAC的輸出c個(gè)實(shí)際內(nèi)存單元加權(quán)之和。 CMAC的結(jié)構(gòu)如圖1所示,其中U輸出空間為與CMAC并行控制器的輸出。CMAC的控制算法為出。
式中,ai為二進(jìn)制選擇向:
(1)
:,c為CMAC網(wǎng)絡(luò)的泛化參數(shù),Un為CMAC產(chǎn)生相應(yīng)的輸
CMAC的調(diào)整指標(biāo)為柳4(孝)-w"(")2 = 7
丑a,.
(2)
(3)
6
w (k) = w (k-1) + A w (k) + a (w (k) i (k_l)) (4) 式中,n為網(wǎng)絡(luò)學(xué)習(xí)速率,n G (O,l) ;a為慣性量,a G (0, 1)。 神經(jīng)網(wǎng)絡(luò)應(yīng)用于控制系統(tǒng)設(shè)計(jì)主要是針對(duì)系統(tǒng)的非線性、不確定性和復(fù)雜性。由
于神經(jīng)網(wǎng)絡(luò)的適應(yīng)能力、并行處理能力和魯棒性,使得采用神經(jīng)網(wǎng)絡(luò)的控制系統(tǒng)具有更強(qiáng)
的適應(yīng)性和魯棒性。神經(jīng)元作為構(gòu)成神經(jīng)網(wǎng)絡(luò)的基本單元具有自學(xué)習(xí)和自適應(yīng)的能力,而
且結(jié)構(gòu)簡(jiǎn)單易于計(jì)算。傳統(tǒng)的PID調(diào)節(jié)器也具有結(jié)構(gòu)簡(jiǎn)單、調(diào)整方便和參數(shù)整定與工程指
標(biāo)聯(lián)系密切等特點(diǎn),將兩者結(jié)合,便可以在一定程度上解決傳統(tǒng)PID調(diào)節(jié)器不易在線實(shí)時(shí)
整定參數(shù)和難于對(duì)一些復(fù)雜過程和參數(shù)慢時(shí)變系統(tǒng)進(jìn)行有效控制的不足。 在最優(yōu)控制理論中,采用二次型性能指標(biāo)來計(jì)算控制律可以得到所期望的優(yōu)化效
果。在神經(jīng)元學(xué)習(xí)算法中,也可借助最優(yōu)控制中二次型性能指標(biāo)的思想,在加權(quán)系數(shù)的調(diào)整
中引入二次型性能指標(biāo),使輸出誤差和控制增量加權(quán)平方和為最小來調(diào)整加權(quán)系數(shù),從而
間接實(shí)現(xiàn)對(duì)輸出誤差和控制增量加權(quán)的約束控制。單神經(jīng)元PID自適應(yīng)控制器是通過對(duì)加
權(quán)系數(shù)的調(diào)整來實(shí)現(xiàn)自適應(yīng)、自組織功能。 二次型性能指標(biāo)
—戸柳2 +gA2"p(A:》 (5) 式中,P, Q分別為輸出誤差和控制增量的加權(quán)系數(shù),rin(k)和yout (k)為k時(shí)刻
的參考輸入和輸出。 單神經(jīng)元控制器輸出 "p("= (A: —1) + X^>;("X'(" (6)其中,Wi(k) (i = 1,2,3)為加權(quán)系數(shù)。(7)Wl (&) = Wi — 1) + w K -/=1(8)w2 (" = w2 (A: -1) + 7尸尺W ■(9)w3 = w3 (A: -1) + # W(*3 W.(10)式中,xjk) = e(k) (11)x2(k) = e(k)-e(k-l) (12)x3(k) = e(k)-2e(k-l)+e(k-2) (13)z(k)=e(k) (14) b0 = yout(l) (15)np nP, nD分別為積分、比例、微分的學(xué)習(xí)速度,K為神經(jīng)元的比例系數(shù),K > 0對(duì)積分i、比例P和微分D分別采用了不同的學(xué)習(xí)速率n工,nP, n。,以便對(duì)不同的權(quán)系數(shù)分別進(jìn)行調(diào)整。 提出利用CMAC神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)算法簡(jiǎn)單、收斂速度快、局域泛化等優(yōu)點(diǎn),同時(shí)把二次型性能指標(biāo)的思想,神經(jīng)元非線性映像和權(quán)值的自適應(yīng)修正功能引入到PID控制器,由CMAC控制器實(shí)現(xiàn)前饋控制,二次型單神經(jīng)元PID控制實(shí)現(xiàn)反饋控制。
基于CMAC與二次型單神經(jīng)元PID的并行控制原理框圖如圖2所示,CMAC控制器的輸入為設(shè)定值rin以及二次型單神經(jīng)元PID控制器的輸出up, CMAC控制器的輸出為un ;二次型單神經(jīng)元PID的輸入為誤差e,輸出為up ;u為控制器總輸出;yout為輸出測(cè)量值。每一控制周期結(jié)束時(shí),CMAC輸出un與總控制輸出u相比較,修正權(quán)重,進(jìn)入學(xué)習(xí)過程。學(xué)習(xí)的目的是使總控制輸出與CMAC的輸出之差最小,即使系統(tǒng)的總控制輸出主要由CMAC控制器產(chǎn)生。 基于CMAC與二次型單神經(jīng)元PID的并行控制設(shè)計(jì)步驟如下 (1)控制器輸入/輸出二次型單神經(jīng)元PID控制器輸入變量為誤差e,輸出為Up ;
CMAC控制器輸入變量為輸入設(shè)定值rin、系統(tǒng)誤差e以及二次型單神經(jīng)元PID輸出Up,輸出
變量為Un;系統(tǒng)總輸出為U; (2)分別確定CMAC神經(jīng)網(wǎng)絡(luò)以及單神經(jīng)元網(wǎng)絡(luò)參數(shù)CMAC神經(jīng)網(wǎng)絡(luò)參數(shù)維數(shù)N,
泛化參數(shù)C,網(wǎng)絡(luò)學(xué)習(xí)速率n ,慣性量a 。單神經(jīng)元網(wǎng)絡(luò)參數(shù)比例系數(shù)K ;輸出誤差的加權(quán)系數(shù)P ;控制增量的加權(quán)系數(shù)Q ;比例、積分、微分三部分加權(quán)系數(shù)學(xué)習(xí)速率分別取為nP,np nD ;PID三個(gè)參數(shù)的初始化值wP, Wl, wD ; (3)分別確定CMAC神經(jīng)網(wǎng)絡(luò)以及單神經(jīng)元網(wǎng)絡(luò)性能指標(biāo); (4)分別計(jì)算CMAC神經(jīng)網(wǎng)絡(luò)輸出un以及二次型單神經(jīng)元PID控制輸出up ; (5)求得控制系統(tǒng)總輸出變量u。 現(xiàn)代鍋爐的過熱器是在高溫,高壓條件下工作的,鍋爐出口的過熱蒸汽溫度是整個(gè)汽水行程中工質(zhì)的最高溫度,對(duì)電廠的安全經(jīng)濟(jì)運(yùn)行有重大影響。電廠過熱汽溫控制系統(tǒng)具有大慣性,大延遲和時(shí)變性等特點(diǎn),因此為了保證電廠運(yùn)行的高效率和高負(fù)荷跟蹤性,過熱汽溫控制系統(tǒng)是必不可少的。采用常規(guī)PID串級(jí)控制方法難以獲得滿意的控制效果。對(duì)于鍋爐過熱汽溫這類具有大慣性的對(duì)象,采用常規(guī)的PID調(diào)節(jié)器,在工作點(diǎn)附近的小范圍內(nèi),由于其動(dòng)態(tài)特性近似于線性,有可能控制得較好;但當(dāng)大范圍改變給定值或受外界環(huán)境(包括工況)太大擾動(dòng)時(shí),就需要實(shí)時(shí)修正PID參數(shù),否則將達(dá)不到控制要求。
目前,絕大多數(shù)火電廠過熱汽溫采用圖3所示的串級(jí)控制方案,圖中,Wjs)為惰性區(qū)傳遞函數(shù);W2(s)為導(dǎo)前區(qū)傳遞函數(shù);PI為內(nèi)回路比例_積分控制器;PID為外回路比例_積分_微分控制器A為輸出測(cè)量干擾;d2為控制量干擾;rin為給定值;yout為輸出測(cè)量值;e為給定值與輸出值之間的誤差。 外回路及主調(diào)節(jié)器的任務(wù)是維持過熱汽溫穩(wěn)定,在工業(yè)上一般采用PI和PID調(diào)節(jié)器。內(nèi)回路及副調(diào)節(jié)器的任務(wù)是快速消除內(nèi)擾,一般可選用純比例調(diào)節(jié)器?,F(xiàn)場(chǎng)整定通?;诮?jīng)驗(yàn)和試湊法。當(dāng)負(fù)荷在整定值附近時(shí),結(jié)果較好。但當(dāng)在其他負(fù)荷情況下,控制性能就較差了 ,甚至要從自動(dòng)控制切換到手動(dòng)調(diào)節(jié)。 以某電廠過熱汽溫為例,其導(dǎo)前區(qū)傳遞函數(shù)為<formula>formula see original document page 8</formula> ,其惰性區(qū)傳遞
將CMAC與二次型單神經(jīng)元PID并行控制方案應(yīng)用于該電廠過熱汽溫控制系統(tǒng)。仿
真結(jié)果表明,該控制系統(tǒng)具有良好的控制品質(zhì),其控制原理框圖如圖4所示。 基于CMAC與二次型單神經(jīng)元PID的過熱汽溫控制系統(tǒng)設(shè)計(jì)步驟如下 (1)控制器輸入/輸出二次型單神經(jīng)元PID控制器輸入變量為誤差e,輸出為Up ;
CMAC控制器輸入變量為過熱汽溫設(shè)定值rin、系統(tǒng)誤差e以及二次型單神經(jīng)元PID輸出up,
輸出變量為un ;系統(tǒng)總輸出為u ; (2)分別確定CMAC神經(jīng)網(wǎng)絡(luò)以及單神經(jīng)元網(wǎng)絡(luò)參數(shù)CMAC神經(jīng)網(wǎng)絡(luò)參數(shù)維數(shù)N =300,泛化參數(shù)c = 5,網(wǎng)絡(luò)學(xué)習(xí)速率n = 0. l,慣性量a = 0. 04 ;二次型性能指標(biāo)學(xué)習(xí) 算法的單神經(jīng)元自適應(yīng)智能PID控制器采用PD控制,使CMAC的學(xué)習(xí)僅僅依賴于誤差的當(dāng) 時(shí)測(cè)量值及變化值。神經(jīng)元的比例系數(shù)K = 0. 2 ;輸出誤差的加權(quán)系數(shù)P = 2 ;控制增量的 加權(quán)系數(shù)Q = 1 ;比例、積分、微分三部分加權(quán)系數(shù)學(xué)習(xí)速率分別取為n工=0, nP = 500, nD = 500 ;Wp, Wl, wD為PID三個(gè)參數(shù)的初始化值,分別為wP = 1. 2, Wl = 0, wD = 0. 45。
(3)分別確定CMAC神經(jīng)網(wǎng)絡(luò)以及二次型單神經(jīng)元網(wǎng)絡(luò)性能指標(biāo)
CMAC的調(diào)整指標(biāo)為<formula>formula see original document page 9</formula>
二次型單神經(jīng)元性能指標(biāo)<formula>formula see original document page 9</formula>
(4)分別計(jì)算CMAC神經(jīng)網(wǎng)絡(luò)輸出"n(W = S^a,以及二次型單神經(jīng)元PiD控制輸
出<formula>formula see original document page 9</formula> (5)控制系統(tǒng)總輸出為u = up+un。 通過傳統(tǒng)PID控制器、CMAC-PID并行控制以及CMAC與二次型單神經(jīng)元PID控制 的仿真可以得到如下單位階躍響應(yīng)曲線,如圖5所示。 由圖5可以明顯看出,傳統(tǒng)PID控制的過渡過程時(shí)間為1350s,以及5X的超調(diào)量; CMAC-PID并行控制的過渡過程時(shí)間為400s,以及7%的超調(diào)量;而CMAC與二次型單神經(jīng)元 PID并行控制方案過渡過程時(shí)間僅為250s,系統(tǒng)幾乎沒有超調(diào)量,也更穩(wěn)定。
當(dāng)系統(tǒng)加入單位階躍擾動(dòng)時(shí),由圖6所示,CMAC與二次型單神經(jīng)元PID控制器的 超調(diào)量為8% ,過渡過程時(shí)間為200s,相較傳統(tǒng)PID控制以及CMAC-PID并行控制,此方法具 有更好的穩(wěn)定性和抗干擾能力。
權(quán)利要求
一種神經(jīng)網(wǎng)絡(luò)模型與二次型單神經(jīng)元PID并行控制方法,包括CMAC神經(jīng)網(wǎng)絡(luò)模型,其特征在于,方法包括如下步驟1)設(shè)定控制的輸入與輸出CMAC神經(jīng)網(wǎng)絡(luò)模型輸入為設(shè)定值rin,輸出為un;二次型單神經(jīng)元PID的輸入為誤差e,即控制輸入rin與輸出測(cè)量值yout的差,二次型單神經(jīng)元PID的輸出為up;u為控制器總輸出;2)確定CMAC神經(jīng)網(wǎng)絡(luò)以及單神經(jīng)元網(wǎng)絡(luò)參數(shù)CMAC神經(jīng)網(wǎng)絡(luò)參數(shù)維數(shù)N,泛化參數(shù)c,網(wǎng)絡(luò)學(xué)習(xí)速率η,慣性量α;單神經(jīng)元網(wǎng)絡(luò)參數(shù)比例系數(shù)K;輸出誤差的加權(quán)系數(shù)P;控制增量的加權(quán)系數(shù)Q;比例、積分、微分三部分加權(quán)系數(shù)學(xué)習(xí)速率分別取為ηP,ηI,ηD;PID三個(gè)參數(shù)的初始化值wP,WI,wD;3)確定CMAC神經(jīng)網(wǎng)絡(luò)以及單神經(jīng)元網(wǎng)絡(luò)性能指標(biāo)CMAC的調(diào)整指標(biāo)為 <mrow><mi>E</mi><mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mn>1</mn> <mn>2</mn></mfrac><msup> <mrow><mo>(</mo><mi>u</mi><mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo></mrow><mo>-</mo><msub> <mi>u</mi> <mi>n</mi></msub><mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo></mrow><mo>)</mo> </mrow> <mn>2</mn></msup><mo>·</mo><mfrac> <msub><mi>α</mi><mi>i</mi> </msub> <mi>c</mi></mfrac><mo>,</mo> </mrow> <mrow><mi>Δw</mi><mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo></mrow><mo>=</mo><mi>η</mi><mfrac> <mrow><mi>u</mi><mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo></mrow><mo>-</mo><msub> <mi>u</mi> <mi>n</mi></msub><mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo></mrow> </mrow> <mi>c</mi></mfrac><msub> <mi>α</mi> <mi>i</mi></msub><mo>=</mo><mi>η</mi><mfrac> <mrow><msub> <mi>u</mi> <mi>p</mi></msub><mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo></mrow> </mrow> <mi>c</mi></mfrac><msub> <mi>α</mi> <mi>i</mi></msub><mo>,</mo> </mrow>w(k)=w(k-1)+Δw(k)+α(w(k)-w(k-1));二次型單神經(jīng)元性能指標(biāo) <mrow><mi>E</mi><mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mn>1</mn> <mn>2</mn></mfrac><mrow> <mo>(</mo> <mi>P</mi> <msup><mrow> <mo>(</mo> <mi>rin</mi> <mrow><mo>(</mo><mi>k</mi><mo>)</mo> </mrow> <mo>-</mo> <mi>yout</mi> <mrow><mo>(</mo><mi>k</mi><mo>)</mo> </mrow> <mo>)</mo></mrow><mn>2</mn> </msup> <mo>+</mo> <mi>Q</mi> <msup><mi>Δ</mi><mn>2</mn> </msup> <msub><mi>u</mi><mi>p</mi> </msub> <mrow><mo>(</mo><mi>k</mi><mo>)</mo> </mrow> <mo>)</mo></mrow><mo>,</mo> </mrow>rin(k)和yout(k)為k時(shí)刻的參考輸入和輸出;4)分別計(jì)算CMAC神經(jīng)網(wǎng)絡(luò)輸出 <mrow><msub> <mi>u</mi> <mi>n</mi></msub><mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo></mrow><mo>=</mo><munderover> <mi>Σ</mi> <mrow><mi>i</mi><mo>=</mo><mn>1</mn> </mrow> <mi>c</mi></munderover><msub> <mi>w</mi> <mi>i</mi></msub><msub> <mi>α</mi> <mi>i</mi></msub> </mrow>以及二次型單神經(jīng)元PID控制輸出 <mrow><msub> <mi>u</mi> <mi>p</mi></msub><mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo></mrow><mo>=</mo><msub> <mi>u</mi> <mi>p</mi></msub><mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo></mrow><mo>+</mo><mi>K</mi><munderover> <mi>Σ</mi> <mrow><mi>i</mi><mo>=</mo><mn>1</mn> </mrow> <mn>3</mn></munderover><msubsup> <mi>w</mi> <mi>i</mi> <mo>′</mo></msubsup><mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo></mrow><msub> <mi>x</mi> <mi>i</mi></msub><mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo></mrow><mo>,</mo><mo>;</mo> </mrow>5)控制系統(tǒng)總輸出為u=up+un。
2. 根據(jù)權(quán)利要求1所述的神經(jīng)網(wǎng)絡(luò)模型與二次型單神經(jīng)元PID并行控制方法,其特征在于,所述單神經(jīng)元控制輸出l) +《i>, ,(A:),<formula>formula see original document page 2</formula>其中,Wi(k) (i = L2,3)為加權(quán)系數(shù),^(" = ^/^>,(" (/ = 1,2,3), w, (A) = w, (A -1) + T7,尺(尸Z)。z(A:K (A:) - 2《^ (w, ("x,("); w2 (" = w2 (A: -1) + t/尸K(尸VW - 2《t K (A:))x2 (A:));式中,Xi (k) = e (k);x2(k) = e(k)-e(k-l);x3(k) = e(k)-2e(k-l)+e(k-2);z (k) = e (k);b0 = yout(l)。
3.根據(jù)權(quán)利要求1所述的神經(jīng)網(wǎng)絡(luò)模型與二次型單神經(jīng)元PID并行控制方法,其特征在于,所述每一控制周期結(jié)束時(shí),CMAC神經(jīng)網(wǎng)絡(luò)模型輸出Un與總控制輸出u相比較,修正權(quán)重,進(jìn)入學(xué)習(xí)過程,數(shù)據(jù)存入,CMAC神經(jīng)網(wǎng)絡(luò)模型記憶庫(kù)。
全文摘要
本發(fā)明涉及一種神經(jīng)網(wǎng)絡(luò)模型與二次型單神經(jīng)元PID并行控制方法,CMAC神經(jīng)網(wǎng)絡(luò)模型輸入為設(shè)定值rin,輸出為un;二次型單神經(jīng)元PID的輸入為誤差e,即控制輸入rin與輸出測(cè)量值yout的差,二次型單神經(jīng)元PID的輸出為up;控制器總輸出為u=up+un,利用CMAC神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)算法簡(jiǎn)單、收斂速度快、局域泛化等優(yōu)點(diǎn),同時(shí)把二次型性能指標(biāo)的思想,神經(jīng)元非線性映像和權(quán)值的自適應(yīng)修正功能引入到PID控制器,由CMAC控制器實(shí)現(xiàn)前饋控制,二次型單神經(jīng)元PID控制實(shí)現(xiàn)反饋控制,針對(duì)系統(tǒng)中的非線性、不確定性和復(fù)雜性,提高系統(tǒng)控制的穩(wěn)定性,也提高了系統(tǒng)的抗干擾能力。
文檔編號(hào)G05B13/02GK101727071SQ200910198718
公開日2010年6月9日 申請(qǐng)日期2009年11月13日 優(yōu)先權(quán)日2009年11月13日
發(fā)明者嚴(yán)振杰, 葉建華, 易金明, 楊旭紅, 薛陽(yáng), 錢虹 申請(qǐng)人:上海電力學(xué)院