為了克服萬能試驗機傳統PID控制的弱點,控制界已經提出了大量的PID控制的改進方案,各種方案的理論依據不同,采用手段也不相同,但它們的共同點都是針對如何選取和整定PID參數,在保持傳統PID控制器結構的基礎上,采用新的方法在線或離線確定PID參數。
PID控制要取得好的控制效果,就必須對比例、積分和微分三種控制作用進行調整以形成相互配合又相互制約的關系,這種關系不是簡單的“線性組合”,而是從非線性組合中找出最佳的關系。近年來,隨著神經元網絡的研究與應用,人們開始采用神經元網絡和PID控制相結合,以便改進傳統PID控制的性能,神經元網絡所具有的任意非線性表示能力,可以通過對系統性能的學習來實現具有較佳組合的PID控制。目前的神經元網絡和PID控制相結合的方法可以歸納為兩種類型:
(1) 采用神經元網絡確定PID參數;
(2) 單神經元結構PID控制器。這兩種類型分別具有各自的特點
1. 采用神經元網絡整定PID參數
這種方法是在傳統的PID控制器的基礎上附加一個或多個神經元網絡,利用神經元網絡的學習功能確定和調整PID參數,此控制器分為兩個部分:一部分是虛內部分,按傳統PID控制器的結構,對系統偏差信號進行比例、積分和微分處理并加權相加,這些權重值即為比例、積分、微分系數;另一部分則為神經元網絡,一般采用多層前向網,此網絡根據系統的輸入和輸出信息,通過反復的學習和調整,提供第一部分所需的PID參數。
這種方法的主要缺點之一是它的結構比傳統的PID要復雜的多,實現的難度和代價較大;主要缺點之二是其不能避免一般神經元網絡的弱點,比如收斂速度慢、易陷入局部最小點、隱層單元個數和連接權重難以確定等等。
2. 單神經元結構PID控制器
單神經元結構PID系統的結構,虛線框內為單神經元網絡,它不承擔比例、積分、微分處理工作,它的輸入信號分別為系統偏差、偏差的積分和微分,單神經元的連接權重值一一對應比例、積分、微分系數。單神經元結構PID控制器的形式與傳統PID控制器的形式是相同的,所不同的是常規PID控制器的比例、積分、微分系數是預先設定的固定不變的,而單神經元結構PID控制器的比例、積分、微分參數對應網絡的連接權重值,是可按某種學習算法改變的。 |