基于DSP的NNC-PID控制器電液位置控制系統(tǒng)實現

、A18通過由邏輯門器件74AC04和74LVC32組成的譯碼電路后形成片選信號

，從而實現了對IS61LV25616的讀寫控制。

　　3 神經網絡NNC-PID控制器

　　神經網絡是一個高度非線性的超大規(guī)模連續(xù)時間動力系統(tǒng)，具有大規(guī)模并行分布處理、高度的魯棒性、自適應性和學習聯想等能力，它能很好地自適環(huán)境變化，自學習修改過程參數，這些特性為神經網絡應用到電液位置伺服系統(tǒng)控制中提供了巨大的潛力。

　　3.1 神經網絡PID控制系統(tǒng)結構

　　神經網絡PID控制系統(tǒng)結構如圖3(a)所示。從控制系統(tǒng)框圖中可以看出，神經網絡PID控制包括兩個控制子模塊：NNI為被控對象模型辨識器，NNC為神經網絡PID控制器。NNC-PID控制系統(tǒng)的工作原理是：首先獲取實際被控對象的輸入輸出樣本對，然后利用NNI對被控對象進行離線辨識，當辨識精度達到設定的要求時，通過實時調整NNC的權值系數，使系數具有自適應性，從而達到有效控制的目的。

　　3.2 神經網絡辨識器(被控對象模型辨識器NNI)

　　神經網絡辨識器NNI采用3層串并聯BP網絡實現，包括輸入層、隱層、輸出層，其結構如圖3(b)所示。網絡的輸入是被控對象的輸入/輸出序列[u(k)，y(k)]，網絡的輸出為教師信號

。

　　網絡隱層的輸入輸出為：

　　3.3 神經網絡NNC-PID控制器(單神經元自適應NNC-PID控制器)

　　由于被控對象模型不確定、不確知，并且存在著外界隨機擾動，為了達到較高的控制精度，在被控對象模型離線辨識的基礎上，采用單神經元自適應NNC-PID控制器結構，如圖4所示。

　　網絡的權值系數值V=[v1，v2，v3]，即表征PID控制器的3個系數KP，KI，KD。，網絡的輸入為X=[x1，x2，x3]，即表征3個輸入參數e(k)、△e(k)、△2e(k)，網絡的輸出為△u(k)。

　　有監(jiān)督的Hebb學習規(guī)則，通過對權系數的調整來實現自適應、自組織功能，控制算法和學習算法如式(10)和式(11)所示。