基于RBF神經(jīng)網(wǎng)絡的PID自校正控制研究及應用.pdf

1、PID控制具有算法簡單、魯棒性強和容易操作等優(yōu)點被廣泛應用于化工、電力等控制領域，也是最早發(fā)展起來的控制方法之一。由于傳統(tǒng)PID控制過分依賴于對象的數(shù)學模型、參數(shù)難以確定，對時變性和非線性的系統(tǒng)難以適應，而神經(jīng)網(wǎng)絡具有很強的適應性、多目標學習能力和能以任意精度逼近非線性連續(xù)函數(shù)等優(yōu)點，所以被廣泛應用在非線性控制領域。本文提出了一種將神經(jīng)網(wǎng)絡和自適應控制方法相結合的神經(jīng)網(wǎng)絡自適應控制方法，即基于RBF神經(jīng)網(wǎng)絡的PID自校正控制方法。

2、>　　本文首先簡要介紹了PID控制原理，傳統(tǒng)的PID控制方法即位置式PID控制算法和增量式PID控制算法以及自校正PID控制算法，接著又介紹了RBF網(wǎng)絡的結構和學習算法以及RBF神經(jīng)網(wǎng)絡的辨識。重點部分是在RBF神經(jīng)網(wǎng)絡PID自校正控制方法不足的基礎上，提出了兩種改進的方法，一種是在梯度下降法中引入PID參數(shù)動量因子的平方，此算法是在同一梯度方向上增加修正量，保證修正結果是沿著參數(shù)收斂的方向進行的，當權值修正過快時，讓權值的更新具有一定

3、的慣性克服由較大學習速率造成非線性系統(tǒng)的不穩(wěn)定問題;另一種是增加輸入?yún)?shù)的數(shù)量，來抑制比例參數(shù)Kp和積分參數(shù)Ki的過快增大，延遲由于PID參數(shù)過快增大導致系統(tǒng)發(fā)散的時間，可以在一定程度上抑制控制系統(tǒng)的快速發(fā)散。仿真結果表明，這兩種改進方法都具有很好的控制效果。最后將基于RBF神經(jīng)網(wǎng)絡的PID自校正方法應用于人工晶體生長溫度控制中，為了有效地達到溫控效果，在梯度下降法中引入PID參數(shù)動量因子的平方，仿真結果表明，改進的方法在晶體生長溫控中