PID神经元网络解耦控制.ppt

y3(t) 0.3y3(t 1) u3(t 1) /[1 u3(t 1)2] 0.4u3(t 1)3 0.4u2(t 1) 0.3y1(t 1)
控制模型
r1
u1
y1
u2
y2
r2
PID神经元网络
被控对象
.
.
.
.
.
.
. rn
. un
.
yn
PID神经元网络闭环系统
r1,r2,…rn 是控制目标，u1，u2，…, un是控制律， y1,y2,…,yn是当前值
n3
yk (t)
jkusj (t)
s 1 j 1
7
权值修正
PID神经元网络在控制过程中根据控制量误差梯度方向修正 权值，使得控制量不断接近控制目标
n
J E [ yk (t) rk ]2 k 1
隐含层到输出层权值修正
jk
(t
1)
jk
(t)
J
jk
输入层到隐含层权值修正
ij (t 1)
j 1,2,3
比例神经元输出 积分神经元输出 微分神经元输出
us1(t) nets1(t)
us2 (t) nets2 (t) us2 (t 1) us3(t) nets3(t) nets3(t 1)
S为子网序号
6
控制律计算
输出层:包含n个神经元，输出数据等于隐含层全部神经元 输出加权和
X22
D
的组合形式
.
.
.
P
Xn1
I
Xn2
D
Yn
4
控制律计算
输入层:包含2n个神经元，输出数据等于输入数据
xsi (t) X si (t)
5
控制律计算
隐含层:包含3n个神经元，n个比例神经元、n个积分神经元 、n个微分神经元，
这些神经元输入值同为
2
netsj (t) ij xsi (t) i `1
是一个三层前向神经元网络，结构为2-3-1
ij
P
jk
X1
Y
I
X2
D
输入层i
隐含层j
隐含层k
3
多控制量PID神经元网络结构
n个控制量PID神
经元网络包含n个
X11
ij
P
jk
并列的相同子网
Y1
I
络
X12
D
各子网络通过连
接权值相互联系
P
X21
多控制量神经元 网络是多个单控
Y2
I
制量神经ห้องสมุดไป่ตู้网络
采用粒子群算法优化权值初值
采用粒子群算法优化权值初值
ij
(t)
J
ij
8
控制对象
3输入3输出复杂耦合系统
y1(t) 0.4y1(t 1) u1(t 1) /[1 u1(t 1)2] 0.2u1(t 1)3 0.5u2(t 1) 0.3y2(t 1)
y2(t) 0.2y2(t 1) u2(t 1) /[1 u2(t 1)2] 0.4u2(t 1)3 0.2u1(t 1) 0.3y3(t 1)
MATLAB编程实现
网络权值随机初始化 控制量初始值[0 0 0] 控制目标[0.7 0.4 0.6] 控制时间间隔0.001s
结果分析
结果分析
结果分析
增加动量项
增加动量项
增加动量项
增加PID调节参数
增加PID调节参数
增加PID调节参数
采用粒子群算法优化权值初值
采用粒子群算法优化权值初值
PID神经元网络解耦控制算法
多变量系统控制
1
目录
单控制量神经元网络结构 多控制量神经元网络结构 控制律计算 权值修正 控制对象 MATLAB编程实现 多种途径改进控制器性能
单控制量PID神经元网络结构
结构上可分为输入层、隐含层和输出层
输入层有两个神经元，接受控制量的目标值和当前值
隐含层由比例元、积分元和微分元构成，对应PID控制器 的比例控制、积分控制和微分控制