臧玉萍 张 洋 孙 博

(长春工业大学 a.人文信息学院；b.基础科学学院,长春 130122)

基于神经网络的非线性时变对象自适应控制方法研究

臧玉萍a张 洋a孙 博b

(长春工业大学 a.人文信息学院；b.基础科学学院,长春 130122)

针对工业控制中的非线性、时变和滞后被控对象，将神经网络辨识器和PID控制技术有机结合，构建自适应PID控制器，并引入知识先导学习算法，提高时间效率。仿真分析表明：该自适应PID控制器能够自动辨识被控对象模型、自整定控制参数，在辨识误差、响应时间及超调量等指标上均有良好表现。

自适应PID控制 单神经元 神经网络辨识器 知识先导学习算法 系统辨识 参数自整定

在工业过程控制中，许多被控对象随负荷、环境的改变或不确定扰动的影响，表现出非线性、时变及滞后等特征，过程参数甚至模型结构都会发生变化。传统PID控制器方法简单，可以解决工程实践中大量的一般性问题，但缺点是无法辨识被控对象模型变化，参数整定依赖于对象的数学模型，缺乏在线调整能力，因此限制了其在具有非线性、时变及滞后等特征的工业过程控制领域中的应用。人工神经网络具有较强的非线性映射、信息综合、学习记忆和自学习自适应能力，已经在非线性时变系统辨识和控制问题上得到了研究与应用[1～5]。在此，笔者将神经网络和PID有机结合，利用三层前向神经网络自动辨识被控过程参数，采用知识先导学习算法提高时间效率，利用单神经元自适应PID技术自动整定控制参数，构建一个具有自适应能力的PID控制系统，并以燃油加热器为例进行仿真实验分析。……