关于单神经元自适应PID控制器分析与应用

关于单神经元自适应PID控制器分析与应用

曹禺谢张兵潘熠

（南京邮电大学江苏省南京市210000）

摘要：单神经元PID控制在工业发展过程当中有着极为关键的作用，可以有效地提升控制精度与控制范围，本文通过对于单神经元自适应PID控制的分析与应用进行探讨，为其进一步发展提供了借鉴。

关键词：单神经元；自适应；PID控制

1引言

随着我国市场经济发展进程的不断加快，工业建设用户对PID控制器的应用效果需求越来越大。然而，传统的PID控制方式，已经不能满足参数整定要求。针对这一问题，相关建设人员应从PID控制器设计应用现状出发，以优化自适应PID控制器的设计过程，从而作用于实际环境下系统的仿真分析。这是促进现代化经济建设背景下工业快速稳定发展的关键，相关建设人员应将其重视起来。

2单神经元自适应PID控制器分析

模糊自适应PID控制器的设计应用不仅能够实现降低超调量的控制目标，还能提高系统作用的稳定性、实时性以及抗干扰能力。自适应PID控制是极为重要的一个发展方向，自适应PID控制以PID控制为基础，同时实现了最优控制和自动控制的问题，它主要是根据贝尔曼的优化方式，来使得非线性系统和约束性较多的系统，都能够实现最优控制，不管初始状态是如何的，经过这样的优化都可以得到最优的策略。但是，对于实际的识别操作来说，PID控制可能会存在一些问题，在这样的情况下，就需要采用神经网络的方式对其进行学习与训练，使得PID控制能够实现强化学习，同时，可以近似的构造代价函数来进行规划，使得最后的结果更加满足于实际的需求。自适应的PID控制主要是用函数逼近的方式来进行，最优化控制的主要是采用神经网络的方法，主要由评判、模型和执行三个部分来组成，它们都是用神经网络来进行实现的，主要可以采用相关的函数来对于内部的权重进行调整，从而达到分类的目的，对于整体进行逐次的优化，最终得到全局的优化目标函数，通过神经网络建模的方法，可以有效的对于自适应问题进行PID控制，所以神经网络依然是当前很长一段时间内控制科学的发展方向。

当一个控制模型在进行作用之后，可能会受到环境的影响，同时对于自身的评判体制造成一定的影响与反馈，同时利用设定好的函数结构或神经网络，就可以对执行函数和平方函数之间的误差来进行计算，实现最终的误差减少逐渐逼近，如果是先进行判断后执行的话，就需要使得评判函数最小，主要是通过贝尔曼的优化原因来进行的，这样可以尽量的减少系统的计算时间，同时对于系统的不确定的变化进行有效的响应，对于一些权重与参数可以有效的进行调整，本文利用控制函数的神经网络优化，最终得到了自适应PID控制结果，这样就完成了一个控制执行和评判的过程。一般在这样的框架下，可以实现较好的优化功能，主要包括评价模型和执行三个部分，这三个部分主要在于能够实现完整的评价改善循环，评价模块可以评估执行模块的实际效能，对于代价函数进行优化与修正，执行模块可以产生实际的动作来对所改进的策略进行执行，同时也能有效的对于被控对象的情况进行反应，将其进行运行之后，可以通过不同的反馈，来对实际评价与运行的情况进行确定，同时，利用相关的神经网络、强化学习等算法，来实现函数的近似与优化，这样就能对于系统的内部参数进行实时的更新，这里主要是采用贝尔曼的优化方式来进行更新的。

3单神经元自适应PID控制器应用

PID控制已经被广泛应用于工业建设中，然而，传统的PID控制要想保证良好过程模型与在线寻找，比较困难，即使是插入测试信号，也会存在一定程度的干扰问题。这种情况下，PID参数自整定在工业发展中就难以发挥出持续的自适应控制作用。此外，PID控制器也不能区分干扰或是过程动态特性带来的影响。由此可见，虽然PID控制的应用范围广，但因其自身限制，使得难以满足当前工业快速发展背景下的用户需求。在控制方面，目前，其仍处在人工经验的基础上，这就使得对其得定义只能从广义角度出发。即是以理论、语言以及推理作为基础控制方法的。其最大优势主要体现在适应性好，但其对输入量的处理是离散状态的。这就意味着其无法进行积分或是消除误差操作。为此，相关建设人员应将现有的科学技术成果充分利用起来，以满足用户对自适应PID控制器的设计应用需求。

同时，利用BP神经网络可以有效地对于PID的参数进行优化，BP神经网络主要包括输入层、中间层和输出层，主要通过梯度下降法来进行误差的快速下降，使得整个系统能够尽快的收敛，最终使得误差减小，得到最优化的识别配准结果。它们主要是采用隐藏式的结构，从外部是无法进行感知的，输出层可以将中间层计算好的信息进行输出，这样就实现了正向的学习，最后由总的输出层来把结果进行输出，在实际运行当中，输入层的权值不变，不断的对于中间层的权值进行更新，如果实际的输出和期望差距比较大的时候，就可以产生一定的误差，这样误差就会反向传播，按照原有的方式进行各层的修正，把每一层的权重都进行调整，调整使其更加满足实际的要求，信息经过正向的传递，然后误差进行反向运输，这样就可以对各层的权值进行不断的调整，这样就完成了神经网络的一次训练过程，最后将会使得误差越来越小，信息越来越准确，这个过程的完成，主要是将训练之后的误差达到使用的需求或者是达到一定的训练次数才停止。

4总结

在单神经元PID的自动控制过程中，各种错误数据需要认真的比对和分析，从而对其进行评估，因此作为工程师应当具有一定的建模能力，使得控制效率提升，能够将相应工具在精确测量中应用，同时这样有利于实现控制器的科学规划与合理布局。PID控制技术对于工业的发展来说具有极为重要的意义，因此需要对其技术进行进一步的优化。

参考文献：

[1]郑仲桥.单神经元自适应PID控制器在主动磁悬浮系统中的应用研究[J].机械设计与制造，2014（04）：268-271.

[2]刘其朋，邓志良.单神经元自适应PID控制器在AQM中的应用[J].微计算机信息，2010，26（07）：69-70+10.

[3]李春来，童耀南.单神经元自适应PID控制器在主动队列管理中的应用[J].湖南理工学院学报（自然科学版），2009，22（03）：41-43.

作者简介：

曹禺（1995-10-23），男，汉族，安徽合肥人，本科，控制工程方向