单神经元PID控制.doc

单神经元PID控制
一、实验目的
。
。
二、实验设备及条件

。
三、实验原理

+
-
+
△u
z
转换器
过程
K
1/z
干扰
图1中转换器的输入反映被控过程及控制器设定的状态,如设定为,输出为,经转换器后转换成为神经元学****控制所需要的状态量,其中:(*)
图1 单神经元PID控制系统结构
神经元通过关联搜索来产生控制信号,即
(1)
式中,为对应于的权系数,为神经元的比例系数,且。

将无监督的Hebb学****规则和有监督的Delta学****两者结合起来就构成有监督的Hebb学****规则,如
(2)
以表示神经元的激活值,以表示神经元的激活值,以表示神经元
和神经元的连接权值。单神经元自适应控制器通过对加权系数的调整来实现自适应、自组织功能,而加权稀疏的调整采用有监督的Hebb学****规则,它与神经元的输入、输出和输出偏差三者的相关函数有关,即
(3)
(4)
式中表示误差信号,即,为学****效率,为常数。学****算法规范化处理后为
(5)
式中为神经元的比例系数;为积分学****速率;为比例学****速率;为微分学****速率。
四、实验步骤

式中,为干扰信号;为过程输入信号;为过程的输出。
,开始加入幅度为1的单位节约信号,到第150周期开始加入幅度为-20%的阶跃干扰,在第300个周期干扰消失。
单神经元控制的各数为
。
,运行程序,记录实验数据和控制曲线。
五、实验结果

clear all;
close all;
x=[0,0,0]';xiteP=;xiteI=;xiteD=;
%初始化kp,ki,kd 随机
wkp_1=;wki_1=;wkd_1=;
error_1=0;error_2=0;
y_1=0;y_2=0;y_3=0;
u_1=0;u_2=0;u_3=0;
ts=;
for k=1:1:1000
time(k)=k*ts;
rin(k)=;
if k<150
yout(k)=*y_1+*y_2+*u_1+*u_2;
elseif k<300
yout(k)=*y_1+*y_2+*u_1+*u_2-;
else
yout(k)=*y_1+*y_2+*u_1+*u_2;
end
error(k)=rin(k)-yout(k);
%自适应
m=4;
if m==1
wkp(k)=wkp_1+xiteP*u_1*x(1); %p
wki(k)=wki_1+xiteI*u_1*x(2); %i
wkd(k)=wkd_1+xiteD*u_1*x(3); %d
K=;
elseif m==2
wkp(k)=wkp_1+xiteP*error(k)*u_1; %p
wki(k)=wki_1+xiteI*error(k)*u_1; %i
wkd(k)=wkd_1+xiteD*error(k)*u_1; %d
K=;
elseif m==3
wkp(k)=wkp_1+xiteP*error(k)*u_1*x(1); %p
wki(k)=wki_1+xiteI*error(k)*u_1*x(2); %i
wkd(k)=wkd_1+xiteD*error(k)*u_1*x(3); %d
K=;
elseif m==4
wkp(k)=wkp_1+xiteP*error(k)*u_1*(2*error(k)-error_1); %p
wki(k)=wki_1+xiteI*error(k)*u_1*(2*error(k)-error_1); %i
wkd(k)=wkd_1+xiteD*error(k)*u_1*(2*error(k)-error_1); %d
K=;
end
x(1)=error(k)-error_1; %p
x(2)=error(k); %i
x(3)=error(k)-2*error_1+error_2; %d
wadd(k)=abs(wkp(k))+abs(wki(k))+abs(wkd(k));