基于CMAC神經(jīng)網(wǎng)絡(luò)的PID參數(shù)自整定方法的研究

0引言

　　控制器的參數(shù)整定是通過對PID控制器參數(shù)（K_P,K_I,K_D）的調(diào)整，使得系統(tǒng)的過渡過程達到滿意的質(zhì)量指標(biāo)要求。PID參數(shù)的整定一般需要經(jīng)驗豐富的工程技術(shù)人員來完成，既耗時又耗力，加之實際系統(tǒng)千差萬別，又有滯后非線性等因素，使PID參數(shù)的整定有一定的難度，致使許多PID控制器沒能整定的很好;這樣的系統(tǒng)自然無法工作在令人滿意的狀態(tài)，為此人們提出了自整定PID控制器。將過程動態(tài)性能的確定和PID控制器參數(shù)的計算方法結(jié)合起來就可實現(xiàn)PID控制器的自整定[1,2]。

　　筆者設(shè)計出一種基于CMAC小腦模型神經(jīng)網(wǎng)絡(luò)的PID參數(shù)自整定的控制系統(tǒng)，從而實現(xiàn)PID參數(shù)的快速整定，并且使得PID的參數(shù)整定達到一定的精度。

1CMAC神經(jīng)網(wǎng)絡(luò)

　　CMAC（Cerebellarmodelarticulationcontroller）是J.S.Albus在1975年提出的一種模擬小腦功能的神經(jīng)網(wǎng)絡(luò)模型。CMAC是一種聯(lián)想網(wǎng)絡(luò)，對每一輸出只有小部分神經(jīng)元（由輸入決定）與之相關(guān)，它的聯(lián)想具有局部泛化能力，即相似的輸入將產(chǎn)生相似的輸出，而遠(yuǎn)離的輸入產(chǎn)生幾乎獨立的輸出。CMAC與感知器比較相似，雖然從每個神經(jīng)元看其關(guān)系是一種線性關(guān)系，但從結(jié)果總體看，它適合一種非線性的映射，因而可以把CMAC看作一個用于表達非線性映射（函數(shù)）的表格系統(tǒng)[3]。由于它的自適應(yīng)調(diào)節(jié)（學(xué)習(xí)）是在線性映射部分，所以其學(xué)習(xí)算法是簡單的算法，收斂速度比BP快得多，且不存在局部極小問題[4]。CMAC神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1CMAC結(jié)構(gòu)

2系統(tǒng)原理

　　系統(tǒng)的工作原理為：當(dāng)閉環(huán)控制系統(tǒng)受到擾動時，對系統(tǒng)誤差的時間特性進行模式識別，首先得出系統(tǒng)誤差曲線的峰值及時間，如圖2所示。

圖2給定值階躍變化時的誤差e（t）曲線

　　再根據(jù)以下公式得出該過程響應(yīng)曲線的多個特征參數(shù)ei（i=1,2,3）分別為：超調(diào)量σ，阻尼比ζ和衰減振蕩周期T。

　　將識別出的三個特征參數(shù)作為輸入送入CMAC參數(shù)整定網(wǎng)絡(luò)，經(jīng)計算后得出相應(yīng)的PID參數(shù)的變化量（），再將所得參數(shù)送入PID控制器，從而實現(xiàn)PID參數(shù)的自整定。PID參數(shù)自整定系統(tǒng)如圖3所示。

圖3PID參數(shù)自整定控制系統(tǒng)

　　在本CMAC神經(jīng)網(wǎng)絡(luò)中，獲取系統(tǒng)誤差特性曲線中的三個特征參數(shù)，每個特征參數(shù)根據(jù)表的劃分，成為一個特征參數(shù)等級。當(dāng)每個區(qū)域的特征參數(shù)大小都確定時，就組成了一個特征參數(shù)模式。當(dāng)獲取的特征值發(fā)生變化時，相應(yīng)的模式也發(fā)生變化。因而本文建立的CMAC網(wǎng)絡(luò)的輸入是一個3個分量組成的向量，即選取的三個特征值（阻尼比，超調(diào)量百分比，衰減振蕩周期）也可稱為特征參數(shù)模式。由于PID控制器需整定的參數(shù)為3個，所以，CMAC網(wǎng)絡(luò)的輸出為3個分量組成的向量。每一個元素與PID控制器中的一個待整定參數(shù)相對應(yīng)。