資源描述：
《單神經(jīng)元自適應(yīng)PID 控制器設(shè)計(jì)方法研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、http://www.elecfans.com電子發(fā)燒友http://bbs.elecfans.com電子技術(shù)論壇單神經(jīng)元自適應(yīng)PID控制器設(shè)計(jì)方法研究侯勇嚴(yán)，郭文強(qiáng)(陜西科技大學(xué)電氣與電子工程學(xué)院，陜西咸陽712081)摘要：本文主要介紹了采用有監(jiān)督Hebb學(xué)習(xí)算法的單神經(jīng)元自適應(yīng)PID控制器以及采用以輸出誤差平方為性能指標(biāo)的單神經(jīng)元自適應(yīng)PID控制器的控制算法及其仿真實(shí)現(xiàn)，總結(jié)出了兩種基于單神經(jīng)元的自適應(yīng)PID控制器的控制特點(diǎn)及其參數(shù)設(shè)計(jì)規(guī)律。關(guān)鍵詞：單神經(jīng)元；自適應(yīng)；PID控制中圖分類號：TP273文獻(xiàn)標(biāo)識碼：AResearchonDesignofSingleNeuralElem
2、entSelf-AdaptivePIDControllerHouYongyan，GuoWenqiang(ElectronicEngineeringCollege,ShaanxiUniversityofScience&technology,Xianyang712081)Abstract：ThispaperintroducedcontrolalgorithmofsingleneuralelementSelf-AdaptivePIDcontrollerinsupervisoryHebbalgorithmandsingleneuralelementSelf-AdaptivePIDcontrol
3、leradoptedperformanceindexbaseduponthesquareoferrorandtheirsimulationrealizing.ControlcharacteristicsandlawsofParameterdesignoftwokindsofsingleneuralelementSelf-AdaptivePIDcontrollersareconcluded.Keywords：Singleneuralelement;Self-Adaptivecontrol;PIDcontrol1引言神經(jīng)元網(wǎng)絡(luò)（NeuralNetworks）是利用工程技術(shù)手段模擬人腦神經(jīng)網(wǎng)
4、絡(luò)和功能的一種大規(guī)模并[1]行的非線性系統(tǒng)，具有信息分布儲存、并行處理以及自組織、自學(xué)習(xí)能力等優(yōu)點(diǎn)，在信息處理、模式識別、智能控制等領(lǐng)域有著廣闊的應(yīng)用前景。而神經(jīng)元是組成人腦神經(jīng)系統(tǒng)的最基本單元，不同神經(jīng)元的樹突和軸突一一對接，就把眾多的神經(jīng)元連成一個神經(jīng)元網(wǎng)絡(luò)。本文主要介紹了兩種基于單神經(jīng)元的自適應(yīng)PID控制算法，總結(jié)了單神經(jīng)元自適應(yīng)PID控制器的參數(shù)設(shè)計(jì)規(guī)律。2單神經(jīng)元模型[2]單神經(jīng)元的McCulloch-Pitts模型如圖1所示。xwy11xw22y∑θuwNxN圖1人工神經(jīng)元模型示意圖圖2Sigmoid人工神經(jīng)元活化函數(shù)x,x,???,x是神經(jīng)元接收的信息，ww,,Lw為連接
5、權(quán)值。利用簡單的線性加權(quán)求和運(yùn)算12N12NN把輸入信號的作用結(jié)合起來構(gòu)成凈輸入input=∑wxjj?θ，其中θ是神經(jīng)元的閾值。此作用引起j=1神經(jīng)元的狀態(tài)變化，而神經(jīng)元的輸出y是其當(dāng)前狀態(tài)的活化函數(shù)，即y=ginput()?？刂浦袘?yīng)用的1http://www.elecfans.com電子發(fā)燒友http://bbs.elecfans.com電子技術(shù)論壇神經(jīng)元活化函數(shù)g(*)通常為Sigmoid函數(shù)(S型函數(shù))，它使神經(jīng)元的輸出是限制在兩個有限值之間的連續(xù)非減函數(shù)，如圖2所示。3神經(jīng)網(wǎng)絡(luò)有監(jiān)督的Hebb學(xué)習(xí)規(guī)則學(xué)習(xí)規(guī)則是修改神經(jīng)元之間連接強(qiáng)度或加權(quán)系數(shù)的算法，使獲得的知識結(jié)構(gòu)適應(yīng)周圍環(huán)
6、境的變化。如果用o表示單元i的輸出，o表示單元j的輸出，w表示單元j到單元i的連接加權(quán)系數(shù)，ijijd表示網(wǎng)絡(luò)期望目標(biāo)輸出，η為學(xué)習(xí)速率，則神經(jīng)網(wǎng)絡(luò)有監(jiān)督的Hebb學(xué)習(xí)規(guī)則如式（1）所示。i?w(k)=η[]d(k)?o(k)o(k)o(k)（1）ijiiij4基于單神經(jīng)元的PID控制單神經(jīng)元控制系統(tǒng)的結(jié)構(gòu)如圖3所示。圖中轉(zhuǎn)換器的輸入為設(shè)定值r(k)和輸出y(k)，轉(zhuǎn)換器的輸出為神經(jīng)元學(xué)習(xí)所需要的狀態(tài)量x,x,x，K為神經(jīng)元的比例系數(shù)。123x1(k)x2(k)w1(k)u(k)被控w2(k)K對象x3(k)w3(k)...轉(zhuǎn)換器圖3單神經(jīng)元自適應(yīng)控制器結(jié)構(gòu)圖3神經(jīng)元通過關(guān)聯(lián)搜索來產(chǎn)生
7、控制信號ut()，將其離散化為u(k)=u(k?)1+k∑wi(k)xi(k)，i=1其中，w(k)為對應(yīng)于x(k)的權(quán)系數(shù)，x()()()()kr=ky?=kek，ii1xk()=?ek()()(1)=ekek??，xk()()2(1)(2)=ek??ek+?ek。234.1采用有監(jiān)督Hebb學(xué)習(xí)算法的單神經(jīng)元自適應(yīng)PID控制器由于加權(quán)系數(shù)w(k)和神經(jīng)元的輸入、輸出和輸出偏差三者的相關(guān)函數(shù)有關(guān)，因此采用有監(jiān)督iHebb學(xué)習(xí)算法時，為保證這種
