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

0引言

　　控制器的參數整定是通過(guò)對PID控制器參數（K_P,K_I,K_D）的調整，使得系統的過(guò)渡過(guò)程達到滿(mǎn)意的質(zhì)量指標要求。PID參數的整定一般需要經(jīng)驗豐富的工程技術(shù)人員來(lái)完成，既耗時(shí)又耗力，加之實(shí)際系統千差萬(wàn)別，又有滯后非線(xiàn)性等因素，使PID參數的整定有一定的難度，致使許多PID控制器沒(méi)能整定的很好;這樣的系統自然無(wú)法工作在令人滿(mǎn)意的狀態(tài)，為此人們提出了自整定PID控制器。將過(guò)程動(dòng)態(tài)性能的確定和PID控制器參數的計算方法結合起來(lái)就可實(shí)現PID控制器的自整定[1,2]。

　　筆者設計出一種基于CMAC小腦模型神經(jīng)網(wǎng)絡(luò )的PID參數自整定的控制系統，從而實(shí)現PID參數的快速整定，并且使得PID的參數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(gè)神經(jīng)元看其關(guān)系是一種線(xiàn)性關(guān)系，但從結果總體看，它適合一種非線(xiàn)性的映射，因而可以把CMAC看作一個(gè)用于表達非線(xiàn)性映射（函數）的表格系統[3]。由于它的自適應調節（學(xué)習）是在線(xiàn)性映射部分，所以其學(xué)習算法是簡(jiǎn)單的算法，收斂速度比BP快得多，且不存在局部極小問(wèn)題[4]。CMAC神經(jīng)網(wǎng)絡(luò )結構如圖1所示。

圖1CMAC結構

2系統原理

　　系統的工作原理為：當閉環(huán)控制系統受到擾動(dòng)時(shí)，對系統誤差的時(shí)間特性進(jìn)行模式識別，首先得出系統誤差曲線(xiàn)的峰值及時(shí)間，如圖2所示。

圖2給定值階躍變化時(shí)的誤差e（t）曲線(xiàn)

　　再根據以下公式得出該過(guò)程響應曲線(xiàn)的多個(gè)特征參數ei（i=1,2,3）分別為：超調量σ，阻尼比ζ和衰減振蕩周期T。

　　將識別出的三個(gè)特征參數作為輸入送入CMAC參數整定網(wǎng)絡(luò )，經(jīng)計算后得出相應的PID參數的變化量（），再將所得參數送入PID控制器，從而實(shí)現PID參數的自整定。PID參數自整定系統如圖3所示。

圖3PID參數自整定控制系統

　　在本CMAC神經(jīng)網(wǎng)絡(luò )中，獲取系統誤差特性曲線(xiàn)中的三個(gè)特征參數，每個(gè)特征參數根據表的劃分，成為一個(gè)特征參數等級。當每個(gè)區域的特征參數大小都確定時(shí)，就組成了一個(gè)特征參數模式。當獲取的特征值發(fā)生變化時(shí)，相應的模式也發(fā)生變化。因而本文建立的CMAC網(wǎng)絡(luò )的輸入是一個(gè)3個(gè)分量組成的向量，即選取的三個(gè)特征值（阻尼比，超調量百分比，衰減振蕩周期）也可稱(chēng)為特征參數模式。由于PID控制器需整定的參數為3個(gè)，所以，CMAC網(wǎng)絡(luò )的輸出為3個(gè)分量組成的向量。每一個(gè)元素與PID控制器中的一個(gè)待整定參數相對應。