基于不完全微分PID算法的神经网络控制

有关神经网络PID 控制的文献中使用的大都是PID 的一般控制算法，而性能相对优于一般PID 控制算法的不完全微分PID算法则很少用于神经网络控制中。神经网络与不完全微分的PID 算法相结合应用于神经网络控制，其中神经网络使用的是BP 网络和神经元。通过仿真实验，证明控制效果良好。
关键词PID 控制不完全微分PID 算法BP 网络神经元
Abstract In literatures about neural network PID control，mostly the ordinary PID algorithm is adopted，while the incomplete differential PID algorithm
which is much better than the ordinary PID algorithm has not been often used. In this paper the authors combine the incomplete differential PID algorithm
with the neural network that uses the BP network and neuron for neural network control. The simulation shows that the control result is excellent.
Keywords PID control Incomplete differential PID algorithm BP Network Neuron

PID 控制作为历史最为悠久、生命力最强的控制
方式一直在生产过程自动化控制中发挥着巨大的作用［1］，多年以来其改进算法层出不穷，如不完全微分的PID 算法［2 ～ 4］。但是随着科学技术的不断进步和发展，被控对象正变得越来越复杂，而人们对其控制精度的要求却日益提高，此时常规调节器不可能得到好的控制品质［5］，基于以往工程方法来整定PID 参数已经不能满足控制要求了，这样就产生了复杂性和精确性的尖锐矛盾。智能自适应控制是解决上述问题的有效方法之一［6］，其中神经网络以其良好的自适应自学习能力，使得它可以作为一种很好的方法而得以应用。使用神经网络实现直接或间接的PID 控制，经过证实是有效的，它实现了PID 的自适应控制，使得传统的PID控制得以能够继续发挥其在控制中的良好作用。然而，一般神经网络实现的PID 控制基本上都是使用一般的PID 控制算法，而并未使用不完全微分PID 控制算法。在本文中，将不完全微分PID 算法与神经网络相结合，组成基于不完全微分PID 算法的神经网络控制器，共同发挥二者的优势，通过仿真实验可以看出该控制器提高了控制效果。