论文部分内容阅读
在现代工业生产和军事技术中,耦合对象的控制算法成为控制工程师们研究的焦点问题之一。智能解耦控制是近年发展起来的一种新型多变量解耦控制方法,它以神经网络解耦方法为代表。目前,神经网络解耦在一类系统中的应用已取得了一些研究成果,但由于神经网络的一些缺点,如收敛速度慢,训练时间长,隐节点数难选取等制约了它在控制系统中的应用。传统PID控制理论与神经网络的结合为复杂系统的控制提供了有效的途径。
本文重点研究目前PID控制与神经网络结合的三种多变量系统控制方法,给出了三种方法的网络结构、算法及其改进;利用MATLAB建立EFPT过程实验台上压力--流量关联对象的模型,与用前向网络建立的模型对比,PID神经元网络在辨识精度和训练速度方面优于传统的前向网络,用MATLAB编写了PID与神经网络相结合的三种控制算法软件包,对前面建立的PID神经元网络辨识模型进行控制仿真,仿真结果表明 PID神经元网络控制方法的响应时间快,超调量小,实现了多变量耦合对象的解耦控制,其效果优于神经网络整定PID参数控制和单神经元PID控制,而且PID神经元网络解耦结构简单规范,具有良好的自学习和自适应解耦控制能力;在仿真研究的基础上,把仿真研究得到的辨识网络和控制网络投入到EFPT过程实验台中的压力--流量关联对象中,通过实时采集到的实际对象输入输出对,在线修正控制网络的权值。
试验结果表明:PID神经元网络解耦控制系统具有良好的动态和静态性能,特别是依据PID控制规律来确定网络连接权的初值,具有参数快速收敛的优点,网络还不易陷入局部最小值点,较好的兼顾了控制系统的快速性和稳定性的需求。