文档介绍：基于单神经元的PID控制1神经元单神经元作为构成神经网络的基本单位,具有自学****和自适应能力,且结构简单响应速度快。这里将单个神经元与传统PID控制器结合起来,一定程度上解决了传统PID调节器不易在线实时整定参数,难以对复杂过程和时变系统参数进行有效控制等问题。人工神经元模型如图1所示,可以看出神经元是一个多输入单输出且具有阈值、权值的非线性处理元件。神经元突触可与其他神经元相连接,或反映外界环境信息,也可以反馈自身信息,通过调整权值得到新的输出。。图2单神经元PID控制原理图图中Yr为设定值,Y为给定值,通过状态转换器得到作为神经元输入的三个状态量,通过学****调节神经元权值最终得到输出。神经元的输入输出关系描述为:(2-1)(2-2)由PID控制器的增量算式:(2-3)若取,则式(2-4)变为:(2-4)比较式(2-3)和(2-4)形式完全相同,所不同的只是式(2-4)中的系数可以通过神经元的自学****功能来进行自适应调整,而式(2-3)中的参数是预先确定好且不变的。正是由于能进行自适应调整,故可大大提高控制器的鲁棒性能。与常规PID控制器相比较,无需进行精确的系统建模,对具有不确定性因素的系统,其控制品质明显优于常规PID控制器。从后面的仿真分析中可以验证这一结论。其中,神经元的学****功能是通过改变权系数来实现的,学****算法即是如何调整规则,它是神经元控制的核心,反映了学****方式与学****功能。神经网络的工作过程主要由两个阶段组成,一个阶段是工作期,此时,各连接权值固定,计算单元的状态变化,以求达到稳定状态。另一个阶段是学****期,此时可以对连接权值进行修改。,学****算法即是如何调整w的规则,它是神经元控制器的核心,反映了学****方式和学****能力。如何调整w对整个控制系统抗干扰能力和自适应性能都有很大的影响。权值的修改学****规则如下:(2-5)为了保证学****算法的收敛性和控制