專利名稱：基于非線性動(dòng)態(tài)因子的復(fù)合pid神經(jīng)網(wǎng)絡(luò)控制方法
技術(shù)領(lǐng)域：
本發(fā)明屬自動(dòng)控制領(lǐng)域，涉及一種將基于動(dòng)態(tài)因子的非線性復(fù)合PID運(yùn)算單元融 入到隱層神經(jīng)元的參數(shù)在線自鎮(zhèn)定的智能控制方法。
背景技術(shù)：
按偏差的比例、積分、微分(P、I、D)控制是歷史最悠久、生命力最強(qiáng)的控制方式。 盡管在先進(jìn)控制策略逐漸推廣的今天，目前正在運(yùn)行的控制回路中，90%以上還是PID控 制器。但是，隨著系統(tǒng)復(fù)雜程度的提高和對(duì)象不確定因素的增多，傳統(tǒng)的線性PID控制已不 再適用，而非線性PID控制卻能真實(shí)反映控制量與偏差信號(hào)之間的非線性關(guān)系，在一定程 度上克服了線性PID控制器的缺點(diǎn)，因此，越來越受到控制界的關(guān)注。近年來，為了克服傳 統(tǒng)PID控制器的弱點(diǎn)，控制界提出了大量的將神經(jīng)網(wǎng)絡(luò)與PID控制相結(jié)合的改進(jìn)方案，這種 將神經(jīng)網(wǎng)絡(luò)和PID控制相結(jié)合的研究已經(jīng)得到了許多研究成果。比如，用神經(jīng)網(wǎng)絡(luò)在線修 正PID參數(shù)，獲得了有效的自鎮(zhèn)定PID型廣義預(yù)測(cè)控制器；采用一個(gè)神經(jīng)網(wǎng)絡(luò)對(duì)被控系統(tǒng) 進(jìn)行辨識(shí)和預(yù)測(cè)，同時(shí)以P、I、D參數(shù)作為網(wǎng)絡(luò)權(quán)值構(gòu)成線性網(wǎng)絡(luò)作為控制器來求解性能指 標(biāo)，獲得了一種具有預(yù)測(cè)功能神經(jīng)網(wǎng)絡(luò)PID控制器；采用PID長(zhǎng)程預(yù)測(cè)能量函數(shù)作為優(yōu)化函 數(shù)，并用局部遞歸神經(jīng)網(wǎng)絡(luò)(LCNN)在線調(diào)整控制器的參數(shù)，實(shí)現(xiàn)非線性PID神經(jīng)網(wǎng)絡(luò)多步 預(yù)測(cè)控制算法，有很好的自適應(yīng)能力和魯棒性；采用神經(jīng)網(wǎng)絡(luò)在線自鎮(zhèn)定PID參數(shù)獲得線 性控制信號(hào)，再經(jīng)Sigmoid函數(shù)變換得到非線性控制信號(hào)以實(shí)現(xiàn)非線性控制等。但是，以上方法僅局限于采用神經(jīng)網(wǎng)絡(luò)輔助選取或修改傳統(tǒng)PID控制器的P、I、D 參數(shù)，非線性控制能力差。為此，有學(xué)者提出了 PID神經(jīng)元網(wǎng)絡(luò)(PIDNN)控制方法。其主 要思想是將線性PID運(yùn)算單元經(jīng)過限幅處理后融入到神經(jīng)網(wǎng)絡(luò)隱層神經(jīng)元中，構(gòu)造了結(jié)構(gòu) 簡(jiǎn)單的動(dòng)態(tài)網(wǎng)絡(luò)，以實(shí)現(xiàn)非線性系統(tǒng)的控制。然而，該方法一方面涉及兩層神經(jīng)網(wǎng)絡(luò)權(quán)值調(diào) 整，存在權(quán)值耦合現(xiàn)象，因而算法收斂漫、計(jì)算量較大，不利于快速采樣系統(tǒng)的實(shí)時(shí)控制；另 一方面，該方法只是將線性PID運(yùn)算單元經(jīng)過限幅處理后融入到神經(jīng)網(wǎng)絡(luò)隱層神經(jīng)元中， 其非線性控制能力不強(qiáng)。

發(fā)明內(nèi)容
本發(fā)明的目的是針對(duì)現(xiàn)有技術(shù)的不足，首次提出了一種動(dòng)態(tài)非線性復(fù)合PID控 制律，并將動(dòng)態(tài)非線性復(fù)合PID運(yùn)算單元融入到神經(jīng)網(wǎng)絡(luò)隱層神經(jīng)元中，從而構(gòu)造一種基 于動(dòng)態(tài)非因子的線性復(fù)合PID神經(jīng)網(wǎng)絡(luò)控方法。該方法綜合了非線性PID控制理論和神經(jīng) 網(wǎng)絡(luò)理論的優(yōu)點(diǎn)。本發(fā)明的技術(shù)方案是根據(jù)國外相關(guān)文獻(xiàn)采用Ziegler-Nichols方法鎮(zhèn)定基于 動(dòng)態(tài)非線性因子的PID控制器的一種改進(jìn)方案進(jìn)行了進(jìn)一步的改進(jìn)研究，有效避免了根據(jù) Ziegler-Nichols方法利用根軌跡法來確定PID的增益參數(shù)需要知道被控對(duì)象的數(shù)學(xué)模型 的弊端。本發(fā)明旨在用神經(jīng)網(wǎng)絡(luò)方法實(shí)時(shí)在線訓(xùn)練基于動(dòng)態(tài)非線性因子的復(fù)合PID控制器 中的各增益參數(shù)和系數(shù)，以實(shí)現(xiàn)非線性系統(tǒng)的智能控制。
進(jìn)一步地，具體分為以下步驟(1)根據(jù)國外基于動(dòng)態(tài)非線性因子的PID控制律通過展開變?yōu)榛趧?dòng)態(tài)非線性因 子的復(fù)合PID控制律；(2)根據(jù)構(gòu)造的基于非線性動(dòng)態(tài)因子的復(fù)合PID控制律的數(shù)學(xué)模型，將1個(gè)動(dòng)態(tài)線 性比例項(xiàng)和1個(gè)動(dòng)態(tài)非線性比例項(xiàng)、1個(gè)動(dòng)態(tài)線性積分項(xiàng)和1個(gè)動(dòng)態(tài)非線性積分項(xiàng)、1個(gè)動(dòng) 態(tài)線性微分項(xiàng)和1個(gè)動(dòng)態(tài)非線性微分項(xiàng)共6個(gè)動(dòng)態(tài)運(yùn)算單元融入到隱層神經(jīng)元中，構(gòu)造具 有傳統(tǒng)PID基本特征的動(dòng)態(tài)非線性復(fù)合PID神經(jīng)網(wǎng)絡(luò)控制器模型，如圖1所示；(3)選定神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)率，按動(dòng)態(tài)非線性復(fù)合PID控制律中各權(quán)值系數(shù)的相關(guān)要 求隨機(jī)給定權(quán)值系數(shù)的初始值，避免了憑經(jīng)驗(yàn)給定初始值；(4)采用梯度下降法在線實(shí)時(shí)更新神經(jīng)網(wǎng)絡(luò)權(quán)值，獲取被控對(duì)象的控制信號(hào)，以實(shí) 現(xiàn)非線性對(duì)象的在線實(shí)時(shí)智能控制。本發(fā)明的優(yōu)點(diǎn)是結(jié)構(gòu)簡(jiǎn)單、免模型預(yù)測(cè)、計(jì)算量小、便于未知對(duì)象和難以建模的 時(shí)變時(shí)滯對(duì)象的非線性控制。


圖1是基于非線性動(dòng)態(tài)因子的復(fù)合PID神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)原理圖。
具體實(shí)施例方式
即
下面根據(jù)附圖對(duì)本發(fā)明作進(jìn)一步的說明。 1.基于非線性動(dòng)態(tài)因子的復(fù)合PID運(yùn)算單元
近年來，國外針對(duì)Ziegler-Nichols方法鎮(zhèn)定的PID控制器提出了一種改進(jìn)方案，
其中，k =k =1，k =12;..........e(眾)=.
式(1)的主要?jiǎng)?chuàng)新是將非線性動(dòng)態(tài)因子α (k)引入到PID的增益調(diào)整中，且用 Ziegler-Nichols方法鎮(zhèn)定PID的增益參數(shù)KpJi和Kd。但是，用Ziegler-Nichols方法鎮(zhèn) 定PID的增益參數(shù)需要知道被控對(duì)象的數(shù)學(xué)模型，并利用根軌跡法來確定增益參數(shù)。本發(fā) 明在式⑴的基礎(chǔ)上作了進(jìn)一步的研究，旨在用神經(jīng)網(wǎng)絡(luò)方法實(shí)時(shí)在線訓(xùn)練式⑴中的各 增益參數(shù)和系數(shù)，增強(qiáng)通用性。首先將式(1)展開為 設(shè)W1 = Kp、W2 = Kpk1^w3 = 0. 3K” W4 = Κ^2、W5 = Kd、W6 = Kdk3，則式(2)變?yōu)?br> 式(3)所示增益函數(shù)中的各個(gè)系數(shù)W1、W2、W3、W4、W5、W6可通過神經(jīng)網(wǎng)絡(luò)方法在線實(shí) 時(shí)訓(xùn)練，從而實(shí)現(xiàn)非線性PID增益的在線實(shí)時(shí)鎮(zhèn)定，這對(duì)非線性時(shí)變系統(tǒng)的控制尤為重要， 能有效避免用Ziegler-Nichols方法鎮(zhèn)定PID增益參數(shù)需要已知被控對(duì)象數(shù)學(xué)模型的難 題。根據(jù)國外現(xiàn)有研究結(jié)果屯=k2 = 1，k3 = 12，因此，隨機(jī)給定式(3)所示增益函數(shù)中 的各個(gè)系數(shù)巧
的初始值時(shí)，應(yīng)該滿足約束條件= W2 > 0,0 < W3 < w4,
0 < W5 < W6O2.基于非線性動(dòng)態(tài)因子的復(fù)合PID神經(jīng)元網(wǎng)絡(luò)控制器眾所周知，傳統(tǒng)數(shù)字PID控制律為 將式(3)中的J 字PID控制律為個(gè)動(dòng)態(tài)非線性增益替代式(4)中的三個(gè)線性增益，可得非線性數(shù) 由式(5)可知，該控制律實(shí)際上保留了傳統(tǒng)PID的基本特征，所不同的是該控制 律由1個(gè)動(dòng)態(tài)線性比例項(xiàng)和1個(gè)動(dòng)態(tài)非線性比例項(xiàng)、1個(gè)動(dòng)態(tài)線性積分項(xiàng)和1個(gè)動(dòng)態(tài)非線 性積分項(xiàng)、1個(gè)動(dòng)態(tài)線性微分項(xiàng)和1個(gè)動(dòng)態(tài)非線性微分項(xiàng)共6個(gè)動(dòng)態(tài)運(yùn)算單元復(fù)合而成， 因此是一個(gè)非線性動(dòng)態(tài)復(fù)合PID控制律，即由一個(gè)動(dòng)態(tài)線性PID和一個(gè)動(dòng)態(tài)非線性PID復(fù) 合而成。根據(jù)式(5)可構(gòu)造非線性動(dòng)態(tài)復(fù)合PID神經(jīng)元網(wǎng)絡(luò)控制器模型如圖1所示，其中 神經(jīng)網(wǎng)絡(luò)輸出，即被控對(duì)象輸入為 3.基于非線性動(dòng)態(tài)因子的復(fù)合PID神經(jīng)元網(wǎng)絡(luò)權(quán)值更新算法(1)定義誤差函數(shù)為
(J)(2)定義性能指標(biāo)為
(6)
8)其中， (3)采用梯度下降法，神經(jīng)網(wǎng)絡(luò)權(quán)值更新公式為
(9)

由式(6)、(8)、(9)可得
- 由式(6)分別可得

因此，由式(10)可得權(quán)值更新公式為

其中，0 < μ <1為學(xué)習(xí)率， 4.權(quán)值更新算法的進(jìn)一步討論由上述權(quán)值更新公式可知，
均與系統(tǒng)的未來輸出 y(k+l)(未知的)有關(guān)，因而會(huì)使神經(jīng)網(wǎng)絡(luò)權(quán)值訓(xùn)練出現(xiàn)計(jì)算困難。國內(nèi)外許多學(xué)者采用 被控對(duì)象的模型辨識(shí)方法來解決該計(jì)算困難，但是，也造成了計(jì)算量大、實(shí)時(shí)性差的另一問 題，而且對(duì)于時(shí)變系統(tǒng)而言，模型辨識(shí)不現(xiàn)實(shí)。為此，本發(fā)明提出了解決該計(jì)算困難的有效 方法，具有通用性。(ι)眾所周知，如果算法是收斂的，則必有
因此，只要滿足條件
I即可保證算法是收斂的。據(jù)此可設(shè)
,且0< β <1。由于β 可通過學(xué)習(xí)率μ來彌補(bǔ)，因此，可將β隱含在學(xué)習(xí)率μ中。(2)如果用符號(hào)函數(shù)來替代辦
也是完全可行的。因?yàn)槠浞?hào)的正負(fù)只 決定權(quán)值變化的方向，其數(shù)值的大小只影響權(quán)值的變化速度，而權(quán)值變化速度也可通過學(xué) 習(xí)率μ加以彌補(bǔ)。如果設(shè) 則上述權(quán)值更新公式可改寫為
則上述權(quán)值更新公式可改寫為
其中，β已隱含在學(xué)習(xí)率μ中。(3)為了有效避免因權(quán)值過大引起神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中出現(xiàn)振蕩現(xiàn)象，通常對(duì)權(quán) 值進(jìn)行歸一化處理，即 由式(12) 式(13)可知，權(quán)值的計(jì)算只與當(dāng)前或歷史的輸入r(k)、Hk-I)和輸 出y (k)、y(k-l)以及歷史控制信號(hào)u(k-1)和u(k-2)有關(guān)，因而有效解決了權(quán)值計(jì)算的難 題。本發(fā)明研究的非線性動(dòng)態(tài)復(fù)合PID神經(jīng)網(wǎng)絡(luò)控制器只涉及乘法和加法運(yùn)算，計(jì)算簡(jiǎn)單、 計(jì)算量小，便于實(shí)際應(yīng)用，特別便于以DSP芯片為核心的非線性復(fù)合PID神經(jīng)網(wǎng)絡(luò)控制器的 實(shí)現(xiàn)。
權(quán)利要求
一種利用神經(jīng)網(wǎng)絡(luò)來鎮(zhèn)定基于非線性動(dòng)態(tài)因子的復(fù)合PID控制器參數(shù)的方法，其特征在于，將國外現(xiàn)有技術(shù)中的三個(gè)增益參數(shù)和三個(gè)系數(shù)重新組合得到六個(gè)權(quán)值系數(shù)，從而提出了非線性PID控制器增益參數(shù)的構(gòu)造思想，推導(dǎo)出非線性復(fù)合PID控制律公式，然后以非線性復(fù)合PID控制律公式為神經(jīng)網(wǎng)絡(luò)模型，以非線性復(fù)合PID控制律公式中的六個(gè)系數(shù)為神經(jīng)網(wǎng)絡(luò)訓(xùn)練權(quán)值，通過神經(jīng)網(wǎng)絡(luò)在線實(shí)時(shí)訓(xùn)練得出非線性被控對(duì)象的控制信號(hào)。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述系統(tǒng)為非線性系統(tǒng)。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述系統(tǒng)的控制律為非線性復(fù)合PID控制律。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述系統(tǒng)的非線性復(fù)合PID控制律由一個(gè) 動(dòng)態(tài)線性PID和一個(gè)動(dòng)態(tài)非線性PID復(fù)合而成。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)為三層BP神經(jīng)網(wǎng)絡(luò)，輸入層 和輸出層分別為一個(gè)神經(jīng)元，隱層包含六個(gè)神經(jīng)元，分別為兩個(gè)線性和非線性比例神經(jīng)元、 兩個(gè)線性和非線性積分神經(jīng)元以及兩個(gè)線性和非線性微分神經(jīng)元。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，具體分為以下步驟(1)以非線性復(fù)合PID控制律公式為神經(jīng)網(wǎng)絡(luò)模型，以非線性復(fù)合PID控制律公式中的 各系數(shù)為神經(jīng)網(wǎng)絡(luò)的權(quán)值，并給出權(quán)值系數(shù)的初值，選定學(xué)習(xí)率。(2)以系統(tǒng)的期望輸出和實(shí)際輸出作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本，以期望輸出和實(shí)際輸出產(chǎn) 生的誤差信號(hào)經(jīng)限幅處理后作為神經(jīng)網(wǎng)絡(luò)的輸入信號(hào)，以神經(jīng)網(wǎng)絡(luò)輸出作為非線性被控對(duì) 象的控制信號(hào)。(3)通過神經(jīng)網(wǎng)絡(luò)在線實(shí)時(shí)訓(xùn)練，得出非線性復(fù)合PID控制律，對(duì)非線性被控對(duì)象實(shí)施 在線實(shí)時(shí)控制。
全文摘要
本發(fā)明公開了一種基于非線性動(dòng)態(tài)因子的復(fù)合PID神經(jīng)網(wǎng)絡(luò)控制方法。該方法在國外采用Ziegler-Nichols方法鎮(zhèn)定基于動(dòng)態(tài)非線性因子的PID控制器的基礎(chǔ)上進(jìn)行了創(chuàng)造性的改進(jìn)研究，有效避免了根據(jù)Ziegler-Nichols方法利用根軌跡法來確定PID的增益參數(shù)需要知道被控對(duì)象數(shù)學(xué)模型的弊端。本發(fā)明旨在將國外現(xiàn)有技術(shù)中的三個(gè)增益參數(shù)和三個(gè)系數(shù)重新組合得到六個(gè)權(quán)值系數(shù)，從而得到具有六個(gè)神經(jīng)網(wǎng)絡(luò)權(quán)值系數(shù)的基于非線性動(dòng)態(tài)因子的復(fù)合PID神經(jīng)網(wǎng)絡(luò)控制律，根據(jù)該非線性控制律構(gòu)造神經(jīng)網(wǎng)絡(luò)模型，并用神經(jīng)網(wǎng)絡(luò)方法實(shí)時(shí)在線訓(xùn)練基于非線性動(dòng)態(tài)因子的復(fù)合PID控制器中的權(quán)值系數(shù)，以實(shí)現(xiàn)非線性系統(tǒng)的智能控制。本發(fā)明可以快速準(zhǔn)確地對(duì)非線性對(duì)象進(jìn)行控制，魯棒性強(qiáng)。
文檔編號(hào)G05B13/02GK101900991SQ201010228338
公開日2010年12月1日 申請(qǐng)日期2010年7月2日 優(yōu)先權(quán)日2010年7月2日
發(fā)明者曾喆昭 申請(qǐng)人:長(zhǎng)沙理工大學(xué)