【毕业设计】单神经元自适应PID控制

模糊控制与控制有着密切的联系，事实上，模糊控制在很多情况下被称作为非线性控制。

将模糊控制和控制两者结合起来，扬长避短，既具有模糊控制灵活适应性强的优点，又具有控制精度高的特点。

神经网络控制器人工神经网络是最近发展起来的十分热门的交叉学科。

它涉及生物电子计算机数学和物理等学科，有着非常广泛的应用背景，这门学科的发展对目前和未来的科学技术的发展将有着重要的影响。

以大规模并行处理为主要特征的神经网络具有学习记忆联想容错并行处理等能力，已在控制领域得到广泛的应用。

基于神经网络的控制，其结构方式有两类类是单神经元控制，即神经元输入权值对应参数，神经元输入值为经过比例积分微分处理的偏差值，其主要局限性在于单神经元结构无任意函数逼近能力另类是在常规控制器的基础上增加个神经网络模块，按照学习算法如前向算法和反传算法进行离线学习，实时调整出参数，同时还要继续学习不断地调整神经网络中各神经元间权系数，以适应被控对象的变化，因此，具有很强的适应性。

遗传算法控制器世纪年代末，即在遗传算法等进化计算思想提出年后，在生物医学界和自动控制界出现了研究进化控制的苗头。

遗传算法是基于自然选择和基因遗传学原理的搜索算法，达尔文主义的适者生存基本理论贯穿于整个算法。

基本思想就是将待求解问题转换成由个体组成的演化群体和对该群体进行操作的组遗传算子，包括个基本操作选择复制交叉变异。

工业过程的特点在过程控制中，被控对象是工业生产过程中的各种装置和设备，例如换热器工业窑炉蒸汽锅炉精馏塔反应器等等。

被调量通常是温度压力液位成分转速等。

被控对象内部所进行的物理化学过程可以是各式各样的，但是从控制的观点看，他们在本质上有许多相似之处。

对象的动态特性是不振荡的对象的阶跃响应通常是单调曲线，被调量的变化比较缓慢与机械系统电系统相比。

工业对象的幅频特性和相频特性，随着频率的增高都向下倾斜，如图所示。

图工业对象的幅频特性和相频特性对象动态特性有迟延因为调节阀动作的效果往往需要经过段迟延时间后才会在被调量上表现出来。

迟延的主要来源是多个容积的存在，容积的数目可能有几个直至几十个。

分布参数系统具有无穷多个微分容积。

容积愈大或数目愈多，容积迟延时间愈长。

有些被控对象还具有传输迟延。

被控对象本身是稳定的或中性稳定的有些被控对象，如图中的单容水槽，当调节阀开度改变致使原来的物质或能量平衡关系遭到破坏后，随着被调量的变化，不平衡量愈来愈小，因而被调量能够自动地稳定在新的水平上。

这种特性称为自平衡，具有这种特性的被控对象称为自衡过程。

如果对于同样大的调节阀开度变化，被调量只需稍改变点就能重新恢复平衡，就说该过程的自平衡能力强。

也有些被控对象，例如图中的单容积分水槽，当调节阀开度改变致使物质或能量平衡关系破坏后，不平衡量不因被调量的变化而变化，因而被调量将以固定的速度直变化下去而不会自动地在新的水平上恢复平衡。

这种对象不具有自平衡特性，称为非自衡过程。

它是中性稳定的，就是说，它需要很长的时间，被调量才会有很大的变化。

图单容水槽图单容积分水槽不稳定的过程是指原来的平衡旦被破坏后，被调量在很短的时间内就发生很大的变化。

这类过程是比较少见的，些化学反应器就属于这类。

被控对象往往具有非线性特性严格说来，几乎所有被控对象的动态特性都呈现非线性特性，只是程度上不同而已。

个实际的控制系统般具有两类非线性。

除了存在于对象内部的连续非线性特性之外，在控制系统中还存在另类非线性，如调节阀继电器元件的饱和死区和滞环等典型的非线性特性。

虽然该非线性通常并不是被控对象本身所固有的，但考虑到在过程控制工程中，往往把被控对象测量变送单元和调节阀三部分串联在起统称为广义对象，因而它包含了这部分非线性特性。

控制控制原理在工程实际中，应用最为广泛的控制器控制规律为比例积分微分控制，简称控制，又称调节。

控制器问世至今已有近年历史，它以其结构简单稳定性好工作可靠调整方便而成为工业控制的主要技术之。

当被控对象的结构和参数不能完全掌握，或得不到精确的数学模型时，控制理论的其它技术难以采用时，系统控制器的结构和参数必须依靠经验和现场调试来确定，这时应用控制技术最为方便。

即当我们不完全了解个系统和被控对象，或不能通过有效的测量手段来获得系统参数时，最适合用控制技术。

控制，实际中也有和控制。

控制器就是根据系统的误差，利用比例积分微分计算出控制量进行控制的。

工作基理由于来自外界的各种扰动不断产生，要想达到现场控制对象值保持恒定的目的，控制作用就必须不断的进行。

若扰动出现使得现场控制对象值以下简称被控参数发生变化，现场检测元件就会将这种变化采集后经变送器送至控制器的输入端，并与其给定值以下简称值进行比个仿真阶段时，相应调用的子函数为。

模板文件使用语句来完成这种指定，当然这种结构并不唯，用户也可以使用语句来完成同样的功能。

而且在实际运用时，可以根据实际需要来去掉些值，因为并不是每个模块都需要经过所有的子函数调用。

模板文件只是为方便用户而提供的种参考格式，并不是编写的语法要求，用户完全可以改变子函数的名称，或者直接把代码写在主函数里，但使用模板文件的好处是，比较方便，而且条理清晰。

使用模板编写，用户只需把函数名换成期望的函数名称，如果需要额外的输入参量，还需在输入参数列表的后面增加这些参数，因为前面的个参数是调用时自动传入的。

对于输出参数，最好不做修改。

接下去的工作就是根据所编要完成的任务，用相应的代码去替代模板里各个子函数的代码即可。

在每个仿真阶段都会对进行调用，在调用时，会根据所处的仿真阶段为传入不同的值，而且还会为这个返回参数指定不同的角色，也就是说尽管是相同的变量，但在不同的仿真阶段其意义却不相同，这种变化由自动完成。

文件可用的子函数说明如下定义模块的基本特性，包括采样时间连续或者离散状态的初始条件和数组。

计算连续状态变量的微分方程。

更新离散状态采样时间和主时间步的要求。

计算的输出。

计算下个采样点的绝对时间，这个方法仅仅是在用户在里说明了个可变的离散采样时间。

结束仿真任务。

概括说来，建立可以分成两个分离的任务初始化模块特性包括输入输出信号的宽度，离散连续状态的初始条件和采样时间。

将算法放到合适的子函数中去。

为了让识别出个文件，用户必须在函数里提供有关函数的说明信息，包括采样时间连续或者离散状态个数等初始条件。

这部分主要是在子函数里完成。

数组是函数信息的载体，它内部的字段意义为连续状态的个数状态向量连续部分的宽度离散状态的个数状态向量离散部分的宽度输出变量的个数输出向量的宽度输入变量的个数输入向量的宽度有无直接馈入。

注意是个布尔变量，它的取值只有和两种。

表示没有直接馈入，此时用户在编写子函数时就要确保子函数的代码里不出现输入变量表示有直接馈入。

采样时间的个数，也就是变量的行数，与用户对的定义有关，有无代数循环标志。

如果字段代表的向量宽度为动态可变，则可以将它们赋值为。

需要指出的是，由于会忽略端口，所以当有多个输入变量或多个输出变量时，必须用模块或模块将多个单输入合成个复合输入向量或将个复合输出向量分解为多个单输出。

输入和输出参量说明默认的个输入参数为和，它们的次序不能变动，代表的意义分别为代表当前的仿真时间，这个输入参数通常用于决定下个采样时刻，或者在多采样速率系统中，用来区分不同的采样时刻点，并据此进行不同的处理。

表示状态向量，这个参数是必须的，甚至在系统中不存在状态时也是如此。

它具有很灵活的运用。

表示输入向量。

是个控制在每个仿真阶段调用哪个子函数的参数，由在调用时自动取值。

默认的个返回参数为它们的次序不能变动，代表的意义分别为是个通用的返回参数，它所返回值的意义取决于的值。

是初始的状态值没有状态时是个空矩阵，这个返回参数只在值为时才有效，其他时候都会被忽略。

这个参数没有什么意义，是公司为将来的应用保留的，文件必须把它设为空矩阵。

是个的矩阵，它的两列分别代表采样时间间隔和偏移。

单神经元自适应控制器参数对控制效果的影响设被控对象为仿真结果如下图图仿真结果比例系数学习速率对控制效果的影响仿真结果如下图图仿真结果与图对比可见比例系数学习率越大则超调量越小，但是响应速度也会越慢。

积分学习速率对控制效果的影响仿真结果如下图图仿真结果与图对比可见积分系数学习率越大则响应会越快，但是超调量也会越大。

微分学习速率对控制效果的影响仿真结果如下图图仿真结果与图对比可知增大微分学习速率能减小超调，但是效果不是很明显。

学习速率对控制效果的影响图仿真结果与图对比可知是个比较敏感的系数，值的增大，减小相当于三项同时增加减小，同时值过大会导致系统发生振荡。

单神经元自适应控制仿真及其与传统控制比较单神经元自适应控制器参数传统控制器参数采用扩充临界比例带法，比例度为单神经元自适应控制器与传统控制器结构图如下图单神经元自适应控制器与传统控制器结构图被控对象为阶系统对比仿真结果如下图对比仿真结果被控对象为阶延迟系统对比仿真结果如下图对比仿真结果通过对图和的分析，可知对于阶系统，单神经元自适应控制器的超调量和调节时间都比传统的控制器的小，也就是对于阶系统而言单神经元自适应控制器的控制效果优于传统控制。

被控对象为二阶系统对比仿真结果如下图对比仿真结果被控对象为二阶延迟系统图对比仿真结果通过分析图和，可知对于二阶系统，单神经元自适应控制器的超调量和调节时间也都比传统的控制器的小，也就是对于二阶系统而言单神经元自适应控制器的控制效果同样优于传统控制。

抗干扰性能力在工业环境中，控制系统会受到各种干扰的影响，例如电磁干扰，噪声干扰，周围环境温湿的改变等的影响，因此要设计控制器就应该考虑干扰的影响。

以二阶系统为被控对象，假设在时控制系统受到干扰，且干扰持续，仿真结果如下图对比仿真结果从图可以看出，单神经元自适应控制器的抗干扰能力优于传统控制器。

增益自调整单神经元自适应控制器仿真图对比仿真结果对比图和，可以看出增益自调整单神经元自适应控制器的超调量和调节时间比单神经元自适应控制器的要少，可见