文档介绍：第三章PID神经网络结构及控制器的设计在控制系统中,PID控制是历史最悠久,生命力最强的控制方式,具有直观、实现简单和鲁棒性能好等一系列优点。但近年来随着计算机的广泛应用,智能控制被越来越广泛的应用到各种控制系统中。智能控制方法以神经元网络为代表,由于神经网络可实现以任意精度逼近任意函数,并具有自学****功能,因此适用于时变、非线性等特性未知的对象,容易弥补常规PID控制的不足。将常规PID控制同神经网络相结合是现代控制理论的一个发展趋势。(Proportional、IntegralandDifferential)控制是最早发展起来的控制策略之一,它以算法简单、鲁捧性好、可靠性高等优点而梭广泛应用于工业过程控制中。:。而PID控制器则由比例、积分、微分三个环节组成。它的数学描述为:()式中,为比例系数;为积分时间常数:为微分时间常数。简单说来,PID控制器各校正环节的主要控制作用如下:,偏差一旦产生,控制器立即产生控制作用,以减少偏差。,提高系统的无差度。积分作用的强弱取决于积分时间常数,越大,积分作用越弱,反之则越强。(变化速率),并能在偏差信号值变得太大之前,在系统中引入一个有效的早期修正信号,从而加快系统的动作速度,减少调节时间。具体说来,PID控制器有如下特点:(1)原理简单,实现方便,是一种能够满足大多数实际需要的基本控制器;(2)控制器能适用于多种截然不同的对象,算法在结构上具有较强的鲁棒性,在很多情况下,其控制品质对被控对象的结构和参数摄动不敏感。,使用的是数字PID控制器,数字PID控制算法通常又分为位置式PID控制算法和增量式PID控制算法。,它只能根据采样时刻的偏差值计算控制量,故对式()中的积分和微分项不能直接使用,需要进行离散化处理。按模拟PID控制算法的算式(),现以一系列的采样时刻点代表连续时间t,以和式代替积分,以增量代替微分,则可以作如下的近似变换:(()式中,T表示采样周期。显然,上述离散化过程中,采样周期必须足够短,才能保证有足够的精度。为了书写方便,将简化表示成等,即省去。将式()代入到()中可以得到离散的PID表达式为:()或()式中,——采样序号,;——第k次采样时刻的计算机输出值;——第k次采样时刻输入的偏差值;——第k次采样时刻输入的偏差值;——积分系数,——微分系数,对于位置式PID控制算法来说,由于全量输出,所以每次输出均与过去的状态有关,计算时要对误差进行累加,所以运算工作量大。而且如果执行器——计算机出现故障,则会引起执行机构位置的大幅度变化,而这种情况是生产场合不允许的,因而产生了增量式PID控制算法。。当执行机构需要的是控制量的增量时,可以由式()导出提供增量的PID控制算式。根据递推原理可得:()用式()减去式(),可得()式中,=式()称为增量式PID控制算法。增量式控制算法的优点是误动作小,便于实现无扰动切换。当计算机出现故障时,可以保持原值,比较容易通过加权处理获得比较好的控制效果。但是由于其积分截断效应大,有静态误差;溢出影响大。所以在选择时不可一概而论。为此,可以将PID控制器与其他的算法相结合,对PID控制器进行改进,得到改进型PID控制器。神经网络控制器神经网络应用于控制统设计的主要原因是针对系统的非线性、不确定性和复杂性。出于神经网络的适应能力、并行处理能力和鲁棒性,使得采用神经网络的控制系统具有更强的适应性和鲁棒性。这点在神经网络PID控制器中显露无遗。传统的PID调节器则具有结构简单、调整方便和参数整定与工程指标联系密切的优点。但是对于传统PID控制器来说,它也具有一定的局限性:当控制对象不同时,控制器的参数难咀自动调整以适应外界环境的变化,且难于对一些复杂的过程和参数馒时变系统进行有效控制。而将神经网络技术与传统PID控制相结合,则可以在一定程度上解决传统PID控制器不易进行在线实时参数整定等方面的缺陷,充分发挥PID控制的优点。神经元PID控制器神经网络PID控制是神经网络应用于PID控制并与传统PID控制器相结合而产生的一种改进型控制方法,是对传统的PID控制的一种改进和优化。传统的PID控制器算式如下:()相应的离散算