摘　要：介紹了一種單神經(jīng)元自適應控制的方法，并提出了在線調整的方法。該方法結構簡單，便于在分散控制系統(tǒng)中實現(xiàn)。

0 引言

　　在工業(yè)過程控制中，pid控制是歷史最悠久、生命力最強的控制方式。這主要是因為這種控制方式具有直觀、實現(xiàn)簡單和魯棒性能好等一系列優(yōu)點。在火電廠分散控制系統(tǒng)中，單輸入單輸出（siso）、采用pid控制規(guī)律、簡單的控制回路一般占80%以上。但是，許多熱工對象都具有大時延、大慣性的特性，使得過渡過程時間變長，調節(jié)品質變差；另外，對于高階或多變量強耦合過程，pid的整定與控制都存在困難。由于整定條件常常受到限制，以及對象的動態(tài)特性隨著工況、環(huán)境等變化而發(fā)生變化，pid參數(shù)往往難以達到最優(yōu)狀態(tài)。

　　為此，本文提出一種單神經(jīng)元自適應控制的方法。通過大量的仿真實驗表明，該方法簡單易行，具有比普通pid算法好得多的控制效果。

1基于單神經(jīng)元的自適應控制

　　神經(jīng)元的輸入信號由4部分組成：前饋控制信號x1（t）、反饋比例控制信號x2（t）、反饋微分控制 信號x3（t）、反饋積分控制信號x4（t）。它是一種多層次多模式的控制結構，集前饋和反饋于一體，互為關聯(lián)，互為補償。前饋控制信號x1（t）通過ω′1（t） 直接作用于受控對象，加快了系統(tǒng)的響應速度；x2（t）能迅速減小跟蹤誤差；x3（t） 可以改善系統(tǒng)的響應速度，減小超調量；x4（t） 使系統(tǒng)趨近于穩(wěn)態(tài)無差，提高了控制的準確性。權值ω′i（t）（i=1，2，3，4）反映了受控對象和過程的動態(tài)特性，神經(jīng)元通過自身的學習策略不停地調整ω′i（t）（i=1，2，3，4），在4種控制的關聯(lián)作用下迅速消除偏差，進入穩(wěn)態(tài)。

　　權值調整方法采用有監(jiān)督hebb學習算法［2］，同時為了保證學習算法的收斂性和控制的魯棒性，可采用規(guī)范化的學習算法�？刂扑惴ㄈ缦率剑�


　

2仿真實驗研究

　　進行單神經(jīng)元自適應控制仿真實驗，實驗結果見圖2。pid的參數(shù)ti、δ和td是通過尋優(yōu)得到的最優(yōu)參數(shù)。在t=0.56 s時加了一個內擾�？梢妴紊窠�(jīng)元自適應控制比普通pid控制響應速度快，控制效果好。

　　大量的仿真實驗表明，單純調節(jié)學習速率η對控制效果的影響不明顯。k是神經(jīng)元的比例系數(shù)，它對開環(huán)放大倍數(shù)較大的受控對象，可以起到衰減神經(jīng)元控制效果、消除學習過程的沖擊的作用；而對開環(huán)放大倍數(shù)較小的受控對象，則可以起到增強神經(jīng)元控制效果、保證神經(jīng)元在全局范圍內搜索到e｛［r（t）-y（t）］2｝ 的最小值的作用。仿真實驗表明，k取的較大時，系統(tǒng)動態(tài)啟動快，但超調量大，調整時間長；k取的較小時，系統(tǒng)響應變慢，超調量下降，但如果k取的太小，則響應跟蹤不上給定信號。

　　對k的分析表明，應當在響應初期取較大的值，以提高響應速度；而在進入穩(wěn)態(tài)以后，k應逐步減少到某一穩(wěn)定值，以保證系統(tǒng)不出現(xiàn)過大的超調量。為了滿足上述要求，可以采用非線性變換法對k進行在線修改，調整公式如下：

　
　　式中，k0為k的穩(wěn)態(tài)值；α為待定參數(shù)，其值視控制效果進行調整。取偏差的3次方是使偏差較大時k較大，增加響應速度，而偏差較小時，后一項幾乎不起作用，以減小超調量。

　　也可以采用如下簡單的分段線性化方法來調整k：

　
　　對無自平衡對象g（s）=（0.325s+1)-1×(0.5s+1)-1 進行單神經(jīng)元自適應控制仿真實驗，實驗結果見圖3。在t=5.6 s時加一個內擾�？梢娍刂频捻憫俣冗M一步加快。

3結論

　　以上提出的神經(jīng)元自適應預測pid控制器，能夠提高控制系統(tǒng)的自適應能力和魯棒性，該控制器結構簡單，易于實現(xiàn)，特別是便于在分散控制系統(tǒng)中實現(xiàn)。