谢玲玲,秦 龙

(广西大学 电气工程学院,广西 南宁 530004)

随着科技水平的不断提高,对控制器性能精度和智能化的要求越来越高。传统的整数阶PID控制器结构简单,易于操作,但参数选择的局限性,导致其稳定范围小,控制系统性能不高。相比于整数阶PID控制器,分数阶PIλDμ控制器的控制范围更大、控制效果更好[1]。

分数阶PIλDμ控制器具有5个控制参数,扩大了参数整定的范围,可以更方便地控制被控对象,具有更好的控制效果[2]。为了更好地优化分数阶PIλDμ控制器参数,国内外学者将智能算法引入分数阶参数整定过程中[3]。文献[4]在解决生物地理学算法收敛不精确的问题时引入了一种改进生物地理学优化算法,加快了寻优速度。文献[5]将改进的粒子群优化算法应用到分数阶PIλDμ控制器复合的控制算法中,使系统的抗干扰能力加强。文献[6]提出了将改进状态空间模型算法与分数阶PID控制器相结合的优化方法,使系统具有更好的时域响应性能。文献[7]在分数阶PIλDμ控制器设计中引入人工蜂群的智能优化算法,简化了控制器的结构,但该算法较易陷入局部最优的问题。

为了使系统可以更好地被控制,科研工作者将大量的人工智能算法与传统的PID控制结合起来。其中,人工神经网络是一种以人脑基本特性为基础的控制算法,具有很强的自学习能力和快速寻优等特点[8]。为解决分数阶PIλDμ控制器难以整定的难题,本文提出了一种基于误差反向传播(Back propagation,BP)神经网络算法与分数阶PIλDμ控制器相结合的方法。……