单神经元PID自适应控制器的设计

摘要把传统的PID控制和单神经元的优点有机地结合，产生单神经元PID 自适应控制器，可以改进传统PID的控制效果。用单神经元实现自适应PID控制器功能，对单神经元结合的控制算法进行实验仿真，证明单神经元自适应PID 控制器具有良好的鲁棒性。

关键词单神经元；自适应；鲁棒性

0 引言

随着科学技术的不断进步和发展，传统PID控制技术难以达到人们的精确要求。单神经元PID自适应控制器能较好地解决这类问题而得以广泛地应用[1]。本文设计一种具有自适应、自学习功能的单神经元PID控制器，由仿真结果研究了该控制中参数的影响性。

图1为单神经元自适应PID控制器的结构框图，其中r（k）和输出y（k）为转换器的输入，x1（k），x2（k），x3（k）为转换器输出神经元学习控制所需要的状态量。

（2-1）

为性能指标，k是比例系数，且k>0。控制信号是由神经元通过关联搜索产生的。

（2-2）

式2-2中wi（k）为xi（k）加权系数。

调整加权系数可以让单神经元PID控制器实现自适应、自学习，采用不同的学习规则可以形成相应的控制算法。

2 单神经元自适应PID控制系统及MATLAB仿真

2.1 单神经元自适应PID控制系统的原理

利用单神经元PID的控制，我们能够实现对多个变量的控制，图2的控制系统由两个单神经元控制器组成[2]。

单神经元自适应PID控制器要实现自适应，自组织功能的功能，我们可以通过对加权系数来调整而达到这一目的，例如有监督的Hebb学习规则。下面的公式3-1，3-2为相应的算法：

（3-1）

（3-2）

ηP、ηI、ηD 分别代表PID控制器的比例、积分、微分学习速率，k为比例系数，k>0。

在公式3-1中，k值要在合适的范围内，过小或者过大都会产生不理想的状态。k过小，会使系统的快速性变差；k过大，快速性好，但会导致系统不稳定。

2.2 单神经元自适应PID控制仿真程序

设有耦合二变量耦合被控对象：

（3-3）

设采样时间T=1s，给定输入为单位阶跃输入，即：

响应曲线如图3和图4所示。

2.3 分析与结论

单神经元PID控制因为具备了自学习与自适应的特性，相对于传统PID控制无法快速反应的缺陷，更能适应现代工业的发展需求。

自适应PID控制综述(完整版)

自适应PID控制摘要：自适应PID控制是一门发展得十分活跃控制理论与技术,是自适应控制理论的一个重要组成部分,本文简要回顾PID控制器的发展历程,对自适应PID控制的主要分支进行归类,介绍和评述了一些有代表性的算法。关键词：PID控制，自适应，模糊控制，遗传算法。 Abstract: The adaptive PID control is a very active developed control theory and technology and is an important part of adaptive control theory.This paper briefly reviews the development process PID controller.For adaptive PID control of the main branches, the paper classifies,introduces and reviews some representative algorithms. Keywords: PID control, adaptive, fuzzy control, genetic algorithm 1 引言从问世至今已历经半个世纪的PID控制器广泛地应用于冶金、机械、化工、热工、轻工、电化等工业过程控制之中，PID控制也是迄今为止最通用的控制方法， PID控制是最早发展起来的控制策略之一，因为他所涉及的设计算法和控制结构都很简单，并且十分适用于工程应用背景，所以工业界实际应用中PID 控制器是应用最广泛的一种控制策略(至今在全世界过程控制中用的80% 以上仍是纯PID调节器，若改进型包含在内则超过90%)。由于实际工业生产过程往往具有非线性和时变不确定性，应用常规PID控制器不能达到理想控制效果，长期以来人们一直寻求PID控制器参数的自动整定技术，以适应复杂的工况和高指标的控制要求。随着微机处理技术和现代控制理论诸如自适应控制、最优控制、预测控制、鲁棒控制、智能控制等控制策略引入到PID控制中，出现了许多新型PID控制器。人们把专家系统、模糊控制、神经网络等理论整合到PID控制器中，这样既保持了PID控制器的结构简单、适用性强和整定方便等优点，又通过先进控制技术在线调整PID控制器的参数，以适应被控对象特性的变化。 2 自适应PID控制概念及发展 2.1 PID控制器常规PID控制系统原理框图如下图所示，系统由模拟PID控制器和被控对象组成。

模糊控制 - 模糊自适应整定PID控制仿真实验

实验三模糊自适应整定PID控制仿真实验一、实验目的 1．通过实验了解数字PID控制的原理 2．通过实验实现离散系统的数字 PID 控制仿真 3．通过实验了解模糊自适应整定PID控制的原理 4．通过实验实现模糊自适应整定PID控制仿真 5．通过实验进一步熟悉并掌握Matlab软件的使用方法二、实验内容 1．针对给定离散系统的输入信号的位置响应，设计离散PID控制器，编制相应的仿真程序。2．若采样时间为1ms ,采用模糊PID控制进行阶跃响应,在第300个采样时间时控制器输出加1.0 的干扰,编制该模糊自适应整定PID系统的Matlab仿真程序三、实验步骤 1．针对给定离散系统的阶跃信号、正弦信号和方波信号的位置响应，设计离散PID控制器，编制相应的仿真程序。 2．确定模糊自整定PID的算法基础 3．针对 kp, ki , kd 三个参数分别建立合适的模糊规则表 4．画出PID参数的在线自校正工作程序流程图 5．编制该模糊自适应整定PID系统的Matlab仿真程序四、实验要求 1．设被控对象为：采样时间为1ms,采用Z变换进行离散化，经过Z变换后的离散化对象为： yout(k)=-den(2)yout(k-1)-den(3)yout(k-2)-den(4)yout(k-3)+num(2)u(k-1) +num(3)u(k-2)+num(4)u(k-3) 针对离散系统的阶跃信号、正弦信号和方波信号的位置响应，设计离散PID控制器。其中，S为信号选择变量，S=1时为阶跃跟踪，S=2时为方波跟踪，S=3时为正弦跟踪。 2．采样时间为1ms ,采用模糊PID控制进行阶跃响应,在第300个采样时间时控制器输出加1.0的干扰,编制炉温模糊控制系统的Matlab仿真程序五﹑自适应模糊控制的规则 1﹑控制规则：

一种通用自适应PID控制器的设计与实现

文章编号　100426410(2009)0120005205 一种通用自适应PID 控制器的设计与实现浦汉军1,吴彤峰2,付瑞斌1 (1.广西大学机械工程学院,广西南宁530004;21广西工学院汽车工程系,广西柳州　545006) 摘　要:提出了一种新的增益调整方法,并将其应用于单神经元PID 控制算法中。针对目前自适应PID 控制器通用性差的不足,把Matlab 和ARM 处理器相结合,采用改进后的控制算法设计了一种具有良好通用性的自适应PID 控制器。该控制器体积小、成本低。实验表明,其响应速度快、跟踪性能好、输出精度高。关　键　词:控制器 ;单神经元PID ;ARM 中图分类号 :TP273 文献标识码:A 收稿日期:2009-01-05 基金项目:广西研究生教育创新计划项目(2008105930802M62)资助。作者简介:浦汉军(1982-),男,广西容县人,广西大学机械工程学院研究生。 0　引　言图1　控制器硬件电路图图2　控制器硬件电路图单神经元PID 控制算法是神经网络与传统PID 相结合的产物,能通过自学在线调整比例、积分、微分参数,具有良好的适应能力。大量的实验和仿真表明,能较好地应用于线性、非线性、滞后的控制系统中。然而,目前运用该算法的自适应PID 控制器大多都是针对某一种专用系统设计的,在系统调试时,往往需要反复更改控制参数,每一次更改参数都要重新编译连接程序,使得系统的调试非常麻烦,尤其在系统调试者经验不足的情况下,调试系统往往需要更多的时间。本文采用L PC2294处理器作为控制器的核心,结合Matlab 设计并实现了一种通用的嵌入式自适应 PID 控制器。实验证明其调试方便,控制效果良好。1　系统总体方案及其硬件设计系统由PC 机和ARM 控制器组成,如图1所示。PC 机主要作用是实现控制参数的设置和修改,并通过串口与 ARM 控制器通信。ARM 控制器是核心,主要接收主机发送来的命令或控制参数,固化控制参数(把参数烧写到 flash ),采样实际对象的数据,进行自适应PID 控制算法运算,输出控制信号,以实现对目标对象的控制。图2为ARM 控制器硬件结构框图,ARM 控制器的主控制芯片为ARM7处理器L PC2294,其内部资源有16kB 静态RAM 、256kB Flash 、2个32位定时器、8路10位A/D 转换器,4路CAN 、PWM 通道、2个16C550工业标准UAR T [1]。加入电源电路、复位电路、J TA G 接口电路、UAR T 接口电路、外围电路,便构成了控制器的硬件。第20卷　第1期广西工学院学报 Vol 120　No 11 　2009年3月月　JOURNAL OF GUAN GXI UN IV ERSIT Y OF TECHNOLO GY Mar 12009

自适应PID控制研究概要

自适应 PID 控制研究摘要:PID 控制结构简单、可靠性高,在工业控制中得到了广泛的应用。但是实际工业生产过程往往具有大滞后、非线性、时变不确定性,因此常规 PID 控制经常达不到理想的控制效果。因此,有必要提出一种算法简单且对被控对象数学模型要求不高的自适应 PID 控制器。本文围绕这一目标,主要作了一些研究工作:首先对扩充响应曲线法进行改进,提出了扩充响应曲线法开环递推求解算法,简化了 PID 参数的整定过程。研究结果表明这些工作取得了一定的成果。关键词 :PID 控制;自适应控制;智能控制;数学模型中图分类号:TP273 引言 PID 控制是比例 (P积分 (I微分 (D控制的简称。在生产过程自动控制的发展历程中, PID 控制是历史最久、生命力最强的基本控制方式。在本世纪 40年代以前,除在最简单的情况下可采用开关控制外,它是唯一的控制方式。 PID 控制具有以下优点: (1原理简单,使用方便。 (2适应性强,它可以广泛用于化工、热工、冶金以及造纸、建材等各种生产部门。按 PID 控制进行工作的自动调节器早已商品化。 (3鲁棒性强, 即其控制品质对被控对象特性的变化不大敏感。

正是由于具有这些优点,在实际过程控制和运动控制系统中, PID 控制都得到了广泛应用。据统计, 工业控制的控制器中 PID 类控制器占有 90%以上。 1 PID 控制器原理在模拟控制系统中,控制器最常用的控制规律是 PID 控制。常规 PID 控制系统原理框图如图 1.1所示。系统由模拟 PID 控制器和被控对象组成。收稿日期:2012-04-22 基金项目:XX 基金(基金号 ; XX 基金(基金号第一作者:男, *通讯联系人: E-mail :liuhanning@https://www.360docs.net/doc/c83972874.html, 图 1.1 模拟 PID 控制系统原理图 PID 控制器是一种线性控制器,它根据给定值 r(t与实际输出值 c(t构成控制偏差 e(t = r(t-y(t (1-1 将偏差的比例 (P、积分 ((I、微分 ((D通过线性组合构成控制量,对被控对象进行控制,故称 PID 控制器。其控制规律为 ] ( ( [ ( ( 1 1

自适应控制中PID控制方法

自适应PID 控制方法 1、自适应控制的理论概述设某被控对象可用以下非线性微分方程来描述: '()((),(),,) ()((),(),,)x t f x t u t t y t h x t u t t θθ== (1-1) 其中x(t),u(t),y(t)分别为n,p,m 维列向量。假设上述方程能线性化、离散化,并可得出在扰动与噪音影响下的方程: (1)(,)()(,)()()()(,)()() X k k X k k U k k Y k H k X k V k θρθωθ+=Φ++=+ (1-2) X(k),X(k),U(k),Y(k),V(k)分别为n,n,p,m,m 维列向量;(,)k θΦ、(,)k ρθ、(,)H k θ分别为n ×n 系统矩阵、n ×p 控制矩阵、m ×n 输出矩阵。那么自适应控制就就是研究:在矩阵(,)k θΦ,(,)k ρθ,(,)H k θ中的参数向量,随机 {()k ω},{v(k)}的统计特性及随机向量X(0)的统计特性都未知的条件下的控制问题,也就就是说自适应控制的问题可归结为在对象及扰动的数学模型不完全确定的条件下,设计控制序列u(0),u(1),…,u(N- 1),使得指定的性能指标尽可能接近最优与保持最优。自适应控制就是现代控制的重要组成部分,它同一般反馈控制相比有如下突出特点: (l)一般反馈控制主要适用于确定性对象或事先确知的对象,而自适应控制主要研究不确定对象或事先难以确知的对象。

(2)一般反馈控制具有抗干扰作用,即它能够消除状态扰动引起的系统误差,而自适应控制因为有辨识对象与在线修改参数的能力,因而不仅能消除状态扰动引起的系统误差,还能消除系统结构扰动引起的系统误差。 (3)自适应控制就是更复杂的反馈控制,它在一般反馈控制的基础上增加了自适应控制机构或辨识器,还附加了一个可调系统" 1、1模型参考自适应控制系统模型参考自适应控制系统由参考模型、反馈控制器、自适应机构及被控对象组成。此系统的主要特点就是具有参考模型,其核心问题可归纳为如何确定自适应调节律及算法。目前设计自适应律所采用的方法主要有两种:局部参数最优法,如梯度算法等,该方法的局限性在于不一定能保证调节过程总就是稳定的;基于稳定性理论的设计方法,如Lyapunov稳定性理论与Popov超稳定性理论的设计方法。 1、2自校正调节器自校正调节器可分为设计机构、估计器、调节器及被控对象4个部分。此控制器的主要特点就是具有在线测量及在线辨识环节,其核心问题可归纳为如何把不同参数估计算法与不同控制算法相结合。根据参数估计算法与控制算法相结合的情况把自校正控制分为:最小方差自校正控制,其特点就是算法简单、易理解、易实现,但只适用于最小相位系统,对靠近单位圆的零点过于灵敏,而且扰动方差过大时调节过程过于猛烈;广义最小方差自校正控制,可用于非逆稳系统,但难以实现;基于多步预测的自适应控制,适用于不稳定系统等,具有易实现、鲁棒性强的优点;自校正极点配置控制,具有动态性能好、无控制过激现象的特点,但静态干扰特性差;自校正PID控制,具有算法简单、鲁棒性强、待定参数少的特点;增益调度控制,优点就是参数适应快,缺点就是选择合适的列表需要大量的仿真实验,另外离线的计算量大。

单神经元自适应PID控制器实验报告

单神经元自适应PID控制器仿真实验报告一、实验目的 1、熟悉单神经元PID控制器的原理。 2、通过实验进一步掌握有监督的Hebb学习规则及其算法仿真。二、实验内容利用单神经元实现自适应PID控制器，对二阶对象和正弦对象进行控制，在MATLAB环境中进行仿真。被控对象为y(k)=0.3y(k-1)+0.2y(k-2)+0.1u(k-1)+0.6u(k-2) 三、实验原理 1、单神经元模型：图1 人工神经元模型图图2 Sigmoid人工神经元活化函数单神经元的McCulloch—Pitts模型如图1，图2所示。x1,x2,x3…xn是神经元接收的信息，w1,w2,…为连接权值。利用简单的线性加权求和运算把输入信号的作

用结合起来构成净输入input=w j x j?θ。此作用引起神经元的状态变化，而神经元的输出v是其当前状态的激活函数。 2、神经经网络的有监督Hebb学习规则学习规则是修改神经元之间连接强度或加权系数的算法，使获得的知识结构适应周围环境的变化。两个神经元同时处于兴奋状态或同时处理抑制状态时，它们之间的连接强度将得到加强，当一个神经元兴奋而另一个抑制时，它们之间的连接强度就应该减弱。这一论述的数学描述被称为Hebb学习规则。在学习过程中，网络根据实际输出与期望输出的比较，进行联接权系数的调整，将期望输出称导师信号是评价学习的标准。这样，就得到了有监督的Hebb学习规则如果用oi表示单元i的输出，oj表示单元j的输出Wij表示单元j到单元i的连接加权系数，di表示网络期望目标输出，η为学习速率，则神经网络有监督的Hebb学习规则下式所示。 ?w ij k=η[di k?oi(k)]oi(k)oj(k)(1) 3.基于单神经元的PID控制单神经元控制系统的结构如图3所示。图中转换器的输人为设定值r(k)和输出y(k)，转换器的输出为神经元学习所需要的状态量x1,x2,x3,K为神经元的比例系数。图3 单神经元自适应控制器结构图单神经元自适应控制器是通过对加权系数的调整来实现自适应、自组织功能的，权系数的调整是按有监督的Hebb规则实现的。控制及其学习算法如下：

PID自适应控制学习与Matlab仿真

PID自适应控制学习与Matlab仿真 0 引言在P ID控制中，一个关键的问题便是P I D参数整定。传统的方法是在获取对象数学模型的基础上，根据某一整定原则来确定PID参数。然而实际的工业过程往往难以用简单的一阶或二阶系统来描述，且由于噪声、负载扰动等因素的干扰，还可以引起对象模型参数的变化甚至模型结构的政变。这就要求在P I D 控制中。不仅PID参数的整定不依赖于对象数学模型，而PID参数能在线阐整，以满足实时控制的要求。 1 自适应控制的概念及分类控制系统在设计和实现中普通存在着不确定性，主要表现在：①系统数学模型与实际系统间总是存在着差别，即所谓系统具有末建模的动态特性；②系统本身结构和参数是未知的或时变的；③作用在系统上的扰动往往是随机的，且不可量测；④系统运行中，控制对象的特性随时间或工作环境改变而变化，且变化规律往往难以事先知晓。为了解决控制对象参数在大范围变化时，一般反馈控制、一般优控制和采用经典校正方法不能解决的控制问题。参照在日常生活中生物能够遏过自觉调整本身参数改变自己的习性，以适应新的环境特性。为此，提出自适应控制思想。自适应控制的概念所谓自适应控制是指对于控制对象的动态信息了解得不够充分对周围环境变化尚掌握不够明确的情况下控制系统对控制器的参数进行积极的自动调节。自适应控制方法应该做到：在系统远行中，依靠不断采集控制过程信息，确定被控对象的当前实际工作状态，优化性能准则，产生自适应控制规律，从而实时地调整控制器结构或参数，使系统始终自动地工作在最优或次最优的运行状态下。作为较完善的自适应控制应该具有以下三方面功能： (1)系统本身可以不断地检测和处理理信息，了解系统当前状态。 (2)进行性能准则优化，产生自适应校制规律。 (3)调整可调环节(控制器)，使整个系统始终自动运行在最优或次最优工作状态。自适应控制是现代控制的重要组成部分，它同一般反馈控制相比较有如下突出特点： (1) 一般反馈控制主要适用于确定性对象或事先确知的对象，而自适应控制主要研究不确定对象或事先难以确知的对象。 (2) 一般反馈控制具有强烈抗干扰能力，即它能够消除状态扰动引起的系统误差，而自适应控制因为有辨识对象和在线修改参数的能力，因而能消除状态扰动引起的系统误差，而且还能消除系统结构扰动引起的系统误差。 (3) 一般反馈控制系统的设计必须事先掌握描述系统特性的数学模型及其环境变化状况，而自适应控制系统设计则很少依赖数学模型全部，仅需要较少的验前知识，但必须设计一套自适应算法，因而将更多地依靠计算机技术实现。 (4) 自适应控制是更复杂的反馈控制，它在一般反调控制的基础上增加了自适应控制机构或辨识器，还附加一个可调系统。自适应控制系统的基本结构与分类通常，自适应控制系统的基本结构有两种形式，即前馈自适应控制和反馈自适应控制。 1.2.1 前馈自适应控制结构前馈自适应控制亦称开环自适应控制，它借助对作用于过程信号的测量。并通过自适应机构按照这些测量信号改变控制器的状态，从而达到改变系统特性的目的。没有“内”闭

PID自适应调整

控制系统中。实验结果表明，利用人工智能算法与PID自适应算法的有机结合，可以使温度控制曲线在不同的阶段平滑过渡，使系统控制过程达到最优。由于PID调节器规律简单、运行可靠、易于实现等特点，PID控制器仍是目前工业生产过程控制系统中应用最广泛的一类控制器。然而，随着工业过程对控制性能要求的不断提高，传统的PID算法已不能完全满足生产实际的要求。为此不少学者在现代控制理论的基础上建立了一些新的控制算法［１，２］及PID参数的自动整定方法［３］，但许多算法在工程应用过程中比较复杂，特别对于多段温度控制系统，在升降温过程中会出现振荡等现象。为此，将常规PID控制器与自校正算法相结合并利用人工智能系统使其在系统状态变化的每一时刻自动调节PID参数，让控制过程时刻处于最优状态是每个编程人员都力争实现的。为了达到这种目的，笔者利用改进的Z－N算法与人工智能结合，完成PID参数的初始值设定，利用测量误差改变调节器步长的方法实现PID参数的自动整定，在大型加热炉的多段温度曲线控制中取得了非常满意的效果。 1利用Z－N算法获得PID参数的初始值 Ziegler Nichols方法(简称Z－N算法)是基于简单的被控过程的Niquist曲线的临界点计算PID参数初值的方法。它采用的整定准则是要求系统的暂态过程衰减率为0.75，其最大优点是计算方法简单，使用方便。但实际过程中，许多工业对象对自动控制系统的要求各不相同，生产过程的暂态衰减率不同于0 75。因此，本文采用修正的Z－N整定方法，即利用4∶1的衰减比性能准则获得PID参数的初始值。给系统施加一阶跃输入U(可取U为40%功率)，由于温度控制系统有一S形响应曲线，可以利用一阶延时系统进行近似： U(s)／T(s)＝Ke－τs/(1+Ts) 假如温度达到50%和75%时所用的时间分别为：t1、t2，如图1—1。则根据Z－N调谐器调谐准则：利用这种方法可以方便地得到PID参数中的比例系数Kp、积分时间常数Ti和微分时间常数Td的初始值。2自校正PID调节器的调节原理常规PID调节器［４］经离散化处理后的动态方程可表示为(增量法)：式中，T为温度控制周期，在微机自动温控系统中，通常T在2～5 s。由式(2—2)可以看出，只需确定T、P、T i及T d,A′、B′、C′均为常数。

自适应PID控制(精简版)

自适应PID控制摘要:自适应PID控制是80年代以来发展得十分活跃的一门控制理论与技术，是自适应控制理论的一个重要要组成部份。本文系统地概述了自适应PID控制理论与方法的形成和发展、原理和应用，对自适应PID控制各主要分支进行了具体的分类。关键词:自适应，PID，模糊控制，神经网络，遗传算法 1 引言从问世至今已历经半个世纪的PID控制器广泛地应用于冶金、机械、化工、热工、轻工、电化等工业过程控制之中，PID控制也是迄今为止最通用的控制方法。PID控制是最早发展起来的控制策略之一，因为他所涉及的设计算法和控制结构都很简单，并且十分适用于工程应用背景，所以工业界实际应用中PID控制器是应用最广泛的一种控制策略。由于实际工业生产过程往往具有非线性和时变不确定性，应用常规PID控制器不能达到理想控制效果，长期以来人们一直寻求PD控制器参数的自动整定技术，以适应复杂的工况和高指标的控制要求。随着微机处理技术和现代控制理论诸如自适应控制、最优控制、预测控制、鲁棒控制、智能控制等控制策略引入到PID控制中，出现了许多新型PID控制器。人们把专家系统、模糊控制、神经网络等理论整合到PID控制器中，这样既保持了PD控制器的结构简单、适用性强和整定方便等优点，又通过先进控制技术在线调整PID控制器的参数以适应被控对象特性的变化。 2 PID控制概念及发展 2.1PID控制概念常规PID控制系统原理框图如下图所示，系统由模拟PID控制器和被控对象组成。图1常规PID控制系统原理框图 PID的标准控制规律为式中:e(t)—控制器偏差输入;u(t)—控制器输出;Kp,Ki,Kd—比例、积分和微分项系数。2.2PID控制器发展

自适应控制中PID控制方法

自适应控制中P I D控制方法 -CAL-FENGHAI.-(YICAI)-Company One1

自适应PID 控制方法 1、自适应控制的理论概述设某被控对象可用以下非线性微分方程来描述: '()((),(),,) ()((),(),,)x t f x t u t t y t h x t u t t θθ== （1-1）其中x(t)，u(t)，y(t)分别为n,p,m 维列向量。假设上述方程能线性化、离散化,并可得出在扰动和噪音影响下的方程: (1)(,)()(,)()()()(,)()() X k k X k k U k k Y k H k X k V k θρθωθ+=Φ++=+ （1-2） X(k)，X(k)，U(k)，Y(k)，V(k)分别为n ，n ，p ，m ，m 维列向量；(,)k θΦ、(,)k ρθ、(,)H k θ分别为n ×n 系统矩阵、n ×p 控制矩阵、m ×n 输出矩阵。那么自适应控制就是研究:在矩阵(,)k θΦ，(,)k ρθ，(,)H k θ中的参数向量，随机{()k ω},{v(k)}的统计特性及随机向量X(0)的统计特性都未知的条件下的控制问题，也就是说自适应控制的问题可归结为在对象及扰动的数学模型不完全确定的条件下，设计控制序列u(0)，u(1)，…，u(N- 1)，使得指定的性能指标尽可能接近最优和保持最优。自适应控制是现代控制的重要组成部分，它同一般反馈控制相比有如下突出特点： (l)一般反馈控制主要适用于确定性对象或事先确知的对象,而自适应控制主要研究不确定对象或事先难以确知的对象。

(2)一般反馈控制具有抗干扰作用，即它能够消除状态扰动引起的系统误差，而自适应控制因为有辨识对象和在线修改参数的能力，因而不仅能消除状态扰动引起的系统误差，还能消除系统结构扰动引起的系统误差。 (3)自适应控制是更复杂的反馈控制,它在一般反馈控制的基础上增加了自适应控制机构或辨识器,还附加了一个可调系统" 模型参考自适应控制系统模型参考自适应控制系统由参考模型、反馈控制器、自适应机构及被控对象组成。此系统的主要特点是具有参考模型，其核心问题可归纳为如何确定自适应调节律及算法。目前设计自适应律所采用的方法主要有两种：局部参数最优法,如梯度算法等，该方法的局限性在于不一定能保证调节过程总是稳定的；基于稳定性理论的设计方法，如Lyapunov稳定性理论和Popov超稳定性理论的设计方法。自校正调节器自校正调节器可分为设计机构、估计器、调节器及被控对象4个部分。此控制器的主要特点是具有在线测量及在线辨识环节，其核心问题可归纳为如何把不同参数估计算法与不同控制算法相结合。根据参数估计算法与控制算法相结合的情况把自校正控制分为：最小方差自校正控制，其特点是算法简单、易理解、易实现，但只适用于最小相位系统，对靠近单位圆的零点过于灵敏，而且扰动方差过大时调节过程过于猛烈；广义最小方差自校正控制，可用于非逆稳系统，但难以实现；基于多步预测的自适应控制，适用于不稳定系统等，具有易实现、鲁棒性强的优点；自校正极点配置控制，具有动态性能好、无控制过激现象的特点，但静态干扰特性差；自校正PID控制，具有算法简单、鲁棒性强、待定参数少的特点；增益调度控制，优点是参数适应快，缺点是选择合适的列表需要大量的仿真实验，另外离线的计算量大。

模糊自适应PID控制器

模糊自适应PID控制器的设计

模糊自适应PID 控制器的设计一、模糊自适应原理模糊控制是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机控制方法，作为智能控制的一个重要分支，在控制领域获得了广泛应用，模糊控制与传统控制方式相比具有以下突出优点: ·不需要精确的被控对象的数学模型； ·使用自然语言方法，控制方法易于掌握； ·鲁棒性好，能够较大范围的适应参数变化； ·与常规PID 控制相比，动态响应品质优良。常规模糊控制器的原理如图1所示: 图1 模糊控制系统框图 PID 控制规律: 1 01()[()()()] p D I d u t k e t e t dt T e t T dt =++? 式中：p k ---比例系数； I T ---积分时间常数； D T ---微分时间常数。在工业生产中过程中，许多被控对象随着负荷变化或干扰因素影响，其对象特性参数或结构发生改变。自适应控制运用现代控制理论在线辨识对象特征参数，实时改变其控制策略，使控制系统品质指标保持在最佳范围内，但其控制效果的好坏取决于辨识模型的精确度，这对于复杂系统是非常困难的。因此，在工业生产中过程中，大量采用的仍然是PID 算法，PID 参数的整定方法很多，但大多数都以对象特性为基础。随着计算机技术的以展，人们利用人工智能的方法将操作人员的调整经验作为知识存入计算机中，根据现场实际情况，计算机能自动调整PID 参数，这样就出现了智能PID.这种控制器把古典的PID 控制与先进的专家系统相结合，实现系统的最佳控制。这种控制必须精确地确定模型，首先将操作人员长期实践积累

自适应PID 经验总结

注：大部分为摘入或加以修改模糊自适应PID 控制器是在常规PID控制器的基础上以偏差E和偏差变化率Ec 作为输入，利用模糊控制规则在线对Kp、Ki、Kd的修改，以满足不同时刻偏差E 和偏差变化率Ec 对PID参数自调整的要求。模糊控制器是以e 和ec 为输入变量,Kp、Ki、Kd为输出语言变量的双输入三输出的模糊控制器。在运行中通过不断检测e 和ec，查询模糊控制表得出三个参数Kp、Ki、Kd对P、I、D进行在线修改(得到Kp、Ki、Kd需去模糊化处理，一般采用重心法)，以满足不同e 和ec 时对P、 I、D的不同要求，从而使被控对象具有良好的动、静态性能。模糊控制表的规则: (1)当e较大时，为使系统具有较好的跟踪性能，应取较大的Kp与较小的Kd，同时为避免系统响应出现较大的超调，应对积分作用加以限制，通常取Ki=0。 (2)当e处于中等大小时，为使系统响应具有较小的超调，Kp应取得小些。在这种情况下，Kd的取值对系统响应的影响较大，Ki的取值要适当。 (3)当e较小时，为使系统具有较好的稳定性能，Kp与Ki均应取得大些，同时为避免系统在设定值附近出现振荡，Kd值的选择根据|ec|值较大时，Kd取较小值，通常Kd为中等大小。具体控制表制作方式：另外主要还得根据系统本身的特性和你自己的经验来整定。注：E是设定值与实际输入变量的差值，Ec是当前偏差与前一偏差值之差 P=KP+KP*(设定的原始值) I=KI+KI*(设定的原始值) D=KD+KD*(设定的原始值) 做为PID控制的参数

具体做法如下: 1，输入输出模糊化及隶属函数的建立偏差e和偏差变化率ec作为模糊运算的输入量，Kp,Ki和Kd模糊运算的输出量。e 和ec 基本论域均设为(-0.6,0.6),输出量Kp,Ki和Kd的基本论域分别设为(-0.3,0.3), (-0.06,0.06)和(-3,3),都划分为7个等级,即(e,ec,Kp,Ki,Kd)={-3,-2,-1,0,1,2,3},对应其模糊集的语言变量均取7个,{NB,NM,NS,Z,PS,PM,PB},其含义依次为:负大,负中,负小,零,正小,正中,正大。各模糊子集均采用三角形作为隶属函数. e 和ec量化因子为5，Kp比例因子0.1，Ki比例因子0.02，Kd比例因子1。 2，根据模糊规则得出模糊查询表例如，Kp模糊规则 Kp EC NB NM NS Z PS PM PB E NB PB PB PM PM PS Z Z NM PB PB PM PS PS Z NS NS PM PM PM PS Z NS NS Z PM PM PS Z NS NM NM PS PS PS Z NS NS NM NM PM PS Z NS NM NM NM NB PB Z Z NM NM NM NB NB 则其模糊查询表就是将其符号用对应的子集参数代替。 3，查询表格及解模糊运行中读取E和EC将其模糊化（乘以对应的量化因子），找出表格对应KP，Ki，Kd值，由于受隶属度不同，采用重心法计算最符合的KP，Ki， Kd值，然后将此值乘以其对应比例因子，就得到我们所需的参数值了，将此值加上设定基准值，送入PID 回路进行运算即可。

智能控制神经网络的自适应PID控制器综述

HUNAN UNIVERSITY 2016 年6 月 25 日课程智能控制理论题目基于神经网络的自适应PID 控制器的设计学生姓名学生学号专业班级学院名称

基于神经网络的自适应PID控制器的设计摘要神经网络由于其固有的自学习、自适应、自组织和大规模并行处理能力，已经在控制及其优化领域取得了广泛的应用。利用神经网络来可以处理控制系统的非线性、不确定性和逼近系统的辨识函数等问题并取得了大量研究成果。PID控制是最经典的控制算法，其简单、稳定、高效的性能使其在工业控制领域具有绝对的统治地位。但是面对现代控制系统规模大，复杂度高的情况，单纯使用传统的PID控制已经无法满足要求。本文结合神经网络与PID两者的优势，提出了一种基于神经网络的自适应PID控制器的设计的方法。实验证明该方法具有一定的实际应用价值。近年来，智能控制在工业领域的应用受到了广泛的关注，硬件性能的不断提高与硬件成本的不断降低起到了至关重要的作用。目前在工业中单纯使用传统的控制方法具有一定的局限性，在面对复杂系统与大规模控制的情况下不能保证在任何时刻都提供准确无误的控制信号，将传统的PID控制方法结合智能控制中的神经网络控制可以克服信息的不完备性和不确定性，更加准确地控制被控对象，从而做出正确的判断和决策。 1.神经网络控制神经网络用于控制系统设计主要是针对系统的非线性、不确定性和复杂性进行的。资料显示，国内外将神经网络用于控制系统设计的方式和结构还未有一种统一的分类方法。目前，对神经网络控制系统比较公认地研究方向可以分为监督控制、神经自适应控制、预测控制和逆控制，这时根据控制系统的结构划分的。本文利用到的就是神经自适应控制。本文结合神经网络自适应控制与PID控制，提出了一种有效的控制器设计方法，并在在MA TLAB中进行控制系统仿真。 2.控制器原理根据当前产生误差的输入和输出数据，以及误差的变化趋势作为神经网络的输入条件，神经网络将根据当前PID控制器的误差情况以及过去所有进行的PID控制历史数据，共同作为样本数据，重新进行神经网络的参数的训练，得到神经网络内部传递函数的新的表达式，之后PID参数调整将依据新的神经网络进行自动的控制和调整，从而以实现PID控制器具备自适应调节的能力。图2-1 单神经元自适应PID控制实现原理图为此设计了PID控制器实现原理图，如图2-1所示。从图2中可以看出PID控制器在完成正常PID功能之外设计了基于神经网络的PID参数调整模块。模块依照前期生成的神

基于BP神经网络的自适应PID控制器设计

基于BP 神经网络的自适应PID 控制器设计一．基于BP 神经网络的自适应PID 控制器的原理 PID 控制是最早发展起来的、应用领域至今仍然广泛的控制策略之一，它是基于对象数学模型的方法，尤其适用于可建立精确数学模型的确定性控制系统。其优点是算法简单、鲁棒性好和可靠性高。但是，由于实际工业生产过程往往具有非线性，许多非线性系统难以确定精确的数学模型，常规的PID 控制器就不能达到理想的控制效果，由于受到参数整定方法烦杂的困扰，参数往往整定不良、性能欠佳。神经网络所具有的任意非线性表达能力，可以通过对系统性能的学习来实现具有最佳组合的PID 控制。基于BP 网络的自适应PID 控制器，通过BP 神经网络调整自身权系数，对PID 控制参数进行调节，以达到某种性能指标的最优。二．基于BP 神经网络的自适应PID 控制器的控制器结构基于BP 神经网络的PID 控制系统结构图如图1所示：此控制器由两部分组成：（1）经典的PID 控制器，直接对被控对象进行闭环控制，并且三个参数p K ，i K ，d K 为在线调整方式；图1 BP 网络结构 p k i k d k i

（2）神经网路，根据系统的运行状态，调节PID 控制器的参数，以期达到某种性能指标的最优化，是输出层神经元的输出状态对应于PID 控制器的一个可调参数p K ，i K ，d K 。通过神经网络的自学习、加权系数调整，使神经网络输出对应于某种最优控制率下的PID 控制器参数。基于BP 神经网络的自适应PID 控制器的控制器如图2所示：该控制器的算法如下：（1）确定BP 神经网络的结构，即确定输入节点数M 和隐含层节点数Q ，并给各层加权系数的初值)0(1ij w 和)0(2ij w ，选定学习速率η和惯性系数α，此时k=1；（2）采样得到rin(k)和yout(k)，计算该时刻误差error(k)=rin(k)-yout(k)；（3）计算神经网络NN 各层神经元的输入、输出，NN 输出层的输出即为PID 控制器的三个可调参数p K ，i K ，d K ；（4）根据经典增量数字PID 的控制算法(见下式)计算PID 控制器的输出u(k)； )) 2()1(2)(()())1()(()1()(-+--++--+-=k error k error k error K k error K k error k error K k u k u d i p （5）进行神经网络学习，在线调整加权系数)(1k w ij 和)(2k w ij 实现PID 控制参数的自适应调整；（6）置k=k+1，返回到（1）。图2 基于BP 神经网络的自适应PID 控制器的控制器结构

自适应控制中PID控制方法

自适应PID控制方法 1、自适应控制的理论概述设某被控对象可用以下非线性微分方程来描述: （1-1）其中x(t)，u(t)，y(t)分别为n,p,m维列向量。假设上述方程能线性化、离散化,并可得出在扰动和噪音影响下的方程: （1-2） X(k)，X(k)，U(k)，Y(k)，V(k)分别为n，n，p，m，m n×n系统矩阵、n×p控制矩阵、m×n输出矩阵。那么自适应控制就是研究:随机的统计特性及随机向量X(0)的统计特性都未知的条件下的控制问题，也就是说自适应控制的问题可归结为在对象及扰动的数学模型不完全确定的条件下，设计控制序列u(0)，u(1)，…，u(N- 1)，使得指定的性能指标尽可能接近最优和保持最优。自适应控制是现代控制的重要组成部分，它同一般反馈控制相比有如下突出特点： (l)一般反馈控制主要适用于确定性对象或事先确知的对象,而自适应控制主要研究不确定对象或事先难以确知的对象。

(2)一般反馈控制具有抗干扰作用，即它能够消除状态扰动引起的系统误差，而自适应控制因为有辨识对象和在线修改参数的能力，因而不仅能消除状态扰动引起的系统误差，还能消除系统结构扰动引起的系统误差。 (3)自适应控制是更复杂的反馈控制,它在一般反馈控制的基础上增加了自适应控制机构或辨识器,还附加了一个可调系统" 1.1模型参考自适应控制系统模型参考自适应控制系统由参考模型、反馈控制器、自适应机构及被控对象组成。此系统的主要特点是具有参考模型，其核心问题可归纳为如何确定自适应调节律及算法。目前设计自适应律所采用的方法主要有两种：局部参数最优法,如梯度算法等，该方法的局限性在于不一定能保证调节过程总是稳定的；基于稳定性理论的设计方法，如Lyapunov稳定性理论和Popov超稳定性理论的设计方法。 1.2自校正调节器自校正调节器可分为设计机构、估计器、调节器及被控对象4个部分。此控制器的主要特点是具有在线测量及在线辨识环节，其核心问题可归纳为如何把不同参数估计算法与不同控制算法相结合。根据参数估计算法与控制算法相结合的情况把自校正控制分为：最小方差自校正控制，其特点是算法简单、易理解、易实现，但只适用于最小相位系统，对靠近单位圆的零点过于灵敏，而且扰动方差过大时调节过程过于猛烈；广义最小方差自校正控制，可用于非逆稳系统，但难以实现；基于多步预测的自适应控制，适用于不稳定系统等，具有易实现、鲁棒性强的优点；自校正极点配置控制，具有动态性能好、无控制过激现象的特点，但静态干扰特性差；自校正PID控制，具有算法简单、鲁棒性强、待定参数少的特点；增益调度控制，优点是参数适应快，缺点是选择合适的列表需要大量的仿真实验，另外离线的计算量大。

模糊自适应PID控制器及Simulink仿真

模糊自适应PID控制器及Simulink仿真目录摘要 (1) ABSTRACT (1) 第一章绪论 (1) 1.1PID控制器的发展与应用 (1) 1.2PID控制器参数设置中存在的问题 (2) 1.3模糊自适应PID控制器发展研究现状 (2) 1.4本文的主要工作 (4) 第二章 PID控制原理简介 (4) 2.1引言 (4) 2.2PID控制原理 (5) 2.3PID控制器系统概述 (5) 2.3.1比例控制(P) (7) 2.3.2 积分调节(I) (7) 2.3.3微分调节(D) (9) 第三章 PID控制器应用技术简介 (10) 3.1数字PID控制算法原理 (11) 3.2位置式PDI控制算法 (11) 3.3控制规律的选择 (12) 3.4PID控制器的参数整定 (13)

第四章模糊PID控制器及系统仿真 (13) 4.1模糊自适应PID控制系统 (13) 4.2常规PID和模糊自适应PID控制系统的仿真比较 (14) 4.3常规PID控制系统仿真 (14) 4.4模糊自适应PID控制系统仿真 (16) 4.5二者的比较 (18) 第五章总结 (20) 参考文献 (23) 致谢 (24)

*******大学2012届本科生毕业设计（论文）摘要随着工业生产的发展，于20世纪30年代，美国开始使用PID功调节器，它比直接作用式调节器具有更好的控制效果，因而很快得到了工业界的认可。至今，在所有生产过程控制中，大部分的回路仍采用结构简单、鲁棒性强的PID控制或改进型PID控制策略。PID控制作为一种经典的控制方法，几乎遍及了整个工业自动化领域，是实际工业生产过程正常运行的基本保证;控制器的性能直接关系到生产过程的平稳高效运行以及产品的最终质量，因此控制系统的设计主要体现在控制器参数的整定上。随着计算机技术的飞跃发展和人工智能技术渗透到自动控制领域，近年来出现了各种实用的PID控制器参数整定方法。 PID控制算法作为最通用的控制方法，对它的参数整定有许多方法;对于不同的控制要求、不同的系统先验知识，考虑用不同的方法;这些算法既要考虑到收敛性、直观、简单易用，还要综合负载干扰、过程变化的影响，并能根据尽可能少的信息和计算量，给出较好的结果。论文在较为全面地对PID控制器参数自整定方法的现状分析研究的基础上，针对基于继电器反馈和最小二乘的自整定方法以及其应用的可行性进行了相关的研究，主要的工作和结果概括如下: 为克服一自由度PID控制器无法兼顾目标跟踪和外扰抑制的缺点，结合二自由度控制器的结构和基于幅值最优化的控制器参数整定方法，并通过分析得到控制器参数求解公式，实现了二自由度PID控制器参数整定和二自由度Pl控制器参数整定。与常规控制方法相比，该方法得到的控制器具有更好的闭环响应性能，并且由于二自由度系数的半固定性，在整定PID 控制器参数之前就可以确定，因此，对控制器参数的求解难度无影响。针对一类一阶大时滞不稳定特殊对象，普通的PID控制器很难满足要求，甚至不能实现系统的稳定。基于首先引入内环状态反馈，以改善对象动态特性的思想，采用双环控制结构，先将对象状态反馈镇定，然后按照内模控制原理设计外环的控制器。只要选择适当的可调参数兄的值，通过该方法得到的PID控制器对不稳定对象具有较好控制效果及鲁棒性。通过仿真比较研究，对于连续对象，综合得到几种较好的基于继电器反馈的控制器参数整定方法，对离散采样数据采用基于最小二乘模型辨识的参数整定方沪书尸摘要法，提出并设计基于Matlab/simulink仿真工具的PID控制器参数整定仿真应用软件。介绍了PID整定控制器的应用框架、辅助设计与仿真软件的功能、特点，并给出了仿真实例。最后是对论文的综述和展望。关键词：模糊PID控制器参数自整定 Matlab 自适应PID控制时滞系统参数整定继电反馈幅值最优化不稳定 ABSTRACT With the development of industrial production in the 1930s, the United States began using the