基于模糊RBF神经网络的PID控制方法及应用

详细信息    查看全文 | 推荐本文 |

英文篇名：PID Control Method Based on Fuzzy-RBF Neural Network and Its Applicaiton 作者：潘玉成 ; 林鹤之 ; 陈小利 ; 吕仙银 英文作者：PAN Yucheng;LIN Hezhi;CHEN Xiaoli;LV Xianyin;Department of Mechanical and Electronic Engineering,Ningde Vocational and Technical College;Fujian Mindong Health School;Department o Information Technology and Engineering,Ningde Vocational and Technical College; 关键词：模糊RBF神经网络 ; PID控制 ; 参数整定 ; MATLAB仿真 英文关键词：fuzzy-RBF neural network;;PID control;;parameter tuning;;MATLAB simulation 中文刊名：ZZHD 英文刊名：Machine Building & Automation 机构：宁德职业技术学院机电工程系;福建省闽东卫生学校;宁德职业技术学院信息技术与工程系; 出版日期：2019-06-20 出版单位：机械制造与自动化 年：2019 期：v.48;No.262 基金：福建省教育厅科技项目(JAT171132) 语种：中文; 页：ZZHD201903055 页数：5 CN：03 ISSN：32-1643/TH 分类号：221-225

摘要

针对常规PID控制参数固定难于满足时变不确定非线性系统的控制要求,利用模糊控制的良好收敛性和对模糊量的运算优势,以及神经网络自学习、自适应的特性,将常规PID控制与模糊控制、神经网络结合起来,提出一种基于模糊RBF神经网络的PID控制方法,实现了对PID参数的实时在线整定。将算法运用到柴油发电机调速系统的PID参数寻优中,MATLAB仿真试验结果表明,模糊RBF神经网络的PID控制具有更好的动静态特性和抗干扰性能,提高了对非线性时变被控对象的控制效果。
        Because the conventional PID control parameters are difficult to meet the control requirements of time-varying uncertain nonlinear systems, this paper uses the good convergence of fuzzy control and the computing advantages of fuzzy quantity, and the self-learning and self-adapting characteristics of neural network to combine the traditional PID control and fuzzy control and neural network and proposes a PID control strategy based on fuzzy-RBF neural network, which is used to achieve real-time online tuning of PID parameters. Simultaneously the algorithm is applied to PID parameter optimization of the diesel generators speed control system. The results of MATLAB simulation show that the fuzzy-RBF neural network PID control has better dynamic and static characteristics and anti-jamming performance than the conventional PID control, so it can be used to improve the control effect of the nonlinear time-varying controlled object.

引文

[1] 陆文昌,张勇,张厚忠.轮毂电机驱动汽车电子差速系统P-模糊PID控制研究[J].机械制造与自动化,2017,46(6):193-196.
    [2] 王安,杨青青,闫文宇.模糊自整定PID控制器的设计与仿真[J].计算机仿真,2012,29(12):224-228.
    [3] 秦立庆.基于神经网络的PID控制技术研究[D].南京:南京邮电大学,2015.
    [4] 腾飞.智能PID控制器的设计和仿真[D].哈尔滨:哈尔滨工业大学,2011.
    [5] 蔡恩丰,石守东.基于专家-模糊PID的通用温度控制系统研究[J].宁波大学学报(理工版),2014,27(1):48-52.
    [6] 潘玉成,林高飞,陈小利,等.基于模糊专家控制的茶叶炒制温度控制系统[J].食品与机械,2016,32(11):79-84.
    [7] 郭凯,郭奇,李大伟,等.模糊神经网络PID控制器设计及在常减压装置中的应用[J].自动化应用,2016(2):14-15,18.
    [8] 胥良,郭林,梁亚,等.基于模糊RBF神经网络的智能PID控制[J].工业仪表与自动化装置,2015(6):67-69,75.
    [9] 李梦瑶.基于模糊神经网络PID算法的电阻炉温度控制系统的研究[D].郑州:河南理工大学,2014.
    [10] 王晓远,傅涛.基于模糊RBF神经网络的无刷直流电机控制[J].微电机,2015,48(11):33-36,88.
    [11] 范春丽.基于模糊神经网络的智能优化PID控制器研究[D].北京:北京化工大学,2009.
    [12] 付光杰,张微微,牟海维.基于模糊RBF网络高频感应加热电源控制的研究[J].化工自动化及仪表,2014,41(4):357-361,376.
    [13] 李燕强.模糊RBF神经网络在人脸识别的应用研究[D].广州:广州大学,2011.
    [14] 刘洋.基于智能PID的小功率柴油发电机调速器的研制[D].成都:电子科技大学,2014.
    [15] 刘金琨.先进PID控制MATLAB仿真[M].第4版北京:电子工业出版社,2016.
    [16] 王华强,石亚娟,王健波.神经网络模糊PID在水轮机调速系统中的应用[J].合肥工业大学学报(自然科学版),2012,35(9):1187-1191.