基于RBF神經(jīng)網(wǎng)絡(luò)的PID自校正控制研究及應(yīng)用.pdf

1、PID控制具有算法簡(jiǎn)單、魯棒性強(qiáng)和容易操作等優(yōu)點(diǎn)被廣泛應(yīng)用于化工、電力等控制領(lǐng)域，也是最早發(fā)展起來(lái)的控制方法之一。由于傳統(tǒng)PID控制過(guò)分依賴(lài)于對(duì)象的數(shù)學(xué)模型、參數(shù)難以確定，對(duì)時(shí)變性和非線性的系統(tǒng)難以適應(yīng)，而神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的適應(yīng)性、多目標(biāo)學(xué)習(xí)能力和能以任意精度逼近非線性連續(xù)函數(shù)等優(yōu)點(diǎn)，所以被廣泛應(yīng)用在非線性控制領(lǐng)域。本文提出了一種將神經(jīng)網(wǎng)絡(luò)和自適應(yīng)控制方法相結(jié)合的神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制方法，即基于RBF神經(jīng)網(wǎng)絡(luò)的PID自校正控制方法。

2、>　　本文首先簡(jiǎn)要介紹了PID控制原理，傳統(tǒng)的PID控制方法即位置式PID控制算法和增量式PID控制算法以及自校正PID控制算法，接著又介紹了RBF網(wǎng)絡(luò)的結(jié)構(gòu)和學(xué)習(xí)算法以及RBF神經(jīng)網(wǎng)絡(luò)的辨識(shí)。重點(diǎn)部分是在RBF神經(jīng)網(wǎng)絡(luò)PID自校正控制方法不足的基礎(chǔ)上，提出了兩種改進(jìn)的方法，一種是在梯度下降法中引入PID參數(shù)動(dòng)量因子的平方，此算法是在同一梯度方向上增加修正量，保證修正結(jié)果是沿著參數(shù)收斂的方向進(jìn)行的，當(dāng)權(quán)值修正過(guò)快時(shí)，讓權(quán)值的更新具有一定

3、的慣性克服由較大學(xué)習(xí)速率造成非線性系統(tǒng)的不穩(wěn)定問(wèn)題;另一種是增加輸入?yún)?shù)的數(shù)量，來(lái)抑制比例參數(shù)Kp和積分參數(shù)Ki的過(guò)快增大，延遲由于PID參數(shù)過(guò)快增大導(dǎo)致系統(tǒng)發(fā)散的時(shí)間，可以在一定程度上抑制控制系統(tǒng)的快速發(fā)散。仿真結(jié)果表明，這兩種改進(jìn)方法都具有很好的控制效果。最后將基于RBF神經(jīng)網(wǎng)絡(luò)的PID自校正方法應(yīng)用于人工晶體生長(zhǎng)溫度控制中，為了有效地達(dá)到溫控效果，在梯度下降法中引入PID參數(shù)動(dòng)量因子的平方，仿真結(jié)果表明，改進(jìn)的方法在晶體生長(zhǎng)溫控中