陈 军 李玉榕



基于S7-300 PLC 的单神经元 PID 控制器设计与实现

陈 军 李玉榕

（福州大学电气工程与自动化学院，福州 350116）

PID控制器在被控对象具有非线性特性或运行环境发生变化时，PID的固定参数导致控制系统性能下降。针对该问题，本文提出在S7-300 PLC上设计和实现基于Hebb学习规则单神经元PID控制器。首先根据神经元的学习能力，设计了基于Hebb学习规则的单神经元PID控制器，仿真测试表明相对于PID控制器，基于Hebb学习规则的单神经元PID能够自适应调整控制器参数，具有系统响应速度快和超调量小等优点。最后在S7-300 PLC上实现了基于Hebb学习规则的单神经元PID控制算法，对温度对象进行控制。实验结果表明，基于Hebb学习规则的单神经元PID算法简单，在PLC上易于实现，有效改善系统性能。

单神经元PID；自适应控制；S7-300 PLC；Hebb学习规则

在工业控制中，PID控制由于其算法简单、易于实现、可靠性高，得到广泛应用，并且也将在很长一段时间内作为主要控制方法存在着。PID控制器的参数是根据被控对象的数学模型整定的，当被控对象的参数具有时变性、不确定性、非线性或运行环境发生变化时，PID控制器的参数无法自适应调整，造成控制效果下降[1]。为解决这个问题，基于神经网络的PID控制器一类智能控制算法，即利用神经网络的学习能力和自适应能力实现PID控制器参数自适应调整得到了广泛研究：基于各种复杂改进学习规则的单神经元PID控制器[2-4]，基于二次型性能指标的单神经元PID控制器[5]，基于BP神经网络、RBF神经网络、Hopfield神经网络的PID控制器等[6-9]。……