PID神经元网络及控制算法讲解.pptx

PID神经网络及控制算法 神经元又称神经细胞神经元由树突、胞体、轴突、神经末梢等结构组成。轴突的主要功能是将神经冲动由胞体传至其他神经元，树突的主要功能是接受刺激并将冲动传入细胞体。 PID参数调整 在PID参数调整里面提到了一些结论如：增大比例系数，有利于减小静差；积分环节可以消除静差；增加积分时间有利于减小超调，减小震荡，使系统稳定性增加；由于PID属于无模型控制，调节三个环节的参数会产生什么影响根据控制对象的不同也会有很大差别。PID参数整定的结论是根据普遍经验总结的，但是针对某个具体的系统不一定完全适用。 假设我们面对的系统是一个简单的水箱的液位，要从空箱开始注水直到达到某个高度，而你能控制的变量是注水笼头的开关大小.那么这个简单的数学模型就是 其中 . kp为比例系数，模型中kp大小代表了水龙头的粗细（即出水量大小对液位误差的敏感程度，假设水龙头开度与误差正比关系），越粗调的越快，也就是所谓的增大比例系数一般会加快系统响应. 假设水箱假设咱们这个水箱不仅仅是装水的容器了，还需要持续稳定的给用户供水。 积分的意义在于相当于你增加了一个水龙头，这个水龙头的规则是，水位比预定水位低就一直往大拧，比预定高度高就往小拧.如果漏水速度不变，那么总有一天这个水龙头的出水速度恰好和漏水速度相同. 我们把之前的控制器变成:比例环节+积分环节，积分环节可以消除系统静差. 积分时间常数越大，积分环节系数越小，积分环节就越不敏感（第二个水龙头越细）. 但是当咱们用俩水龙头注水的时候，在没到预定高度前第二个积分环节的水龙头可以一直在往大了拧的，那当到达预定高度的时候它恰好拧到最大，自然而然就会注水注多了。而多出去的这部分水就叫做“超调”。第二个水龙头越粗，多注的水就会越多，它调到恰好等于漏水速度的时间就会越快，但同时会多更多波折。增大积分时间有利于减小超调，减小震荡，使系统稳定性增加，但是系统静差消除时间变长. 在传统的控制中，往往只考虑控制系统和受控系统所组成的独立体系，忽略了环境所施与的影响，而现在的大规模复杂的控制和决策问题，必须把外界环境和对象，以及控制系统作为一个整体来进行分析和设计。 工程用语到数学描述的映射过程中，一方面使问题作了很多简化，但另一方面却使原问题丢失了很多信息。 (1)不适应不确定系统的控制 (2)不适应非线性系统的控制 (3)不适应时变系统的控制 (4)不适应多变量系统的控制 神经元网络是以大脑生理研究成果为基础模拟大脑的某些机理或者机制，由人工建立的以有向图为拓扑结构的网络，它通过对连续或断续的的输入做响应处理。神经元网络具有很强的信息综合能力，它能处理大量不同类型的输入信息。 基于神经元的智能控制系统也称基于连接机制的智能控制系统，随着人工智能网络越来越多地应用于控制领域的各个方面。从过程控制，机器人控制，生产制造，模式识别，直到决策支持都有许多应用神经元网络的例子。它在系统的辨识、建模、自适应控制中特别收到重视，尤其是他比较好地解决了具有不确定性、严重非线性、时变和滞后的复杂系统的建模和控制问题。但是，一般神经元网络的弱点，制约了其在控制系统中的应用. 1.神经元网络的收敛速度很慢，训练和学习时间很长 2.神经元网络隐含单元个数的选取尚无定则 3.神经元网络连接权重初值多被取为随机数，存在陷入局部最小值的可能，使控制性能难以达到预期效果 4.神经元的结构、参数和机能，难以与控制系统所要求的响应快、超调小、无静差和动态性能指标相联系 5.为了满足系统需求时，大量增加隐含层神经元个数，网络计算量很大，使在当前的技术水平下很难控制的实时性 比例、积分、微分(PID)神经元 人工神经元网络是由大量的、同时又是简单的处理单元广泛地相互连接而形成的复杂网络系统，从拓扑结构上看是以处理单元为节点，用加权有向弧相连接而成的有向图。人工神经元网络反映了生理神经元网络的许多基本特性，是对生理神经元网络系统的许多基本特性。 神经元假说: (1)某种生物神经元接受来自其他神经元的输入信息后，该神经元的状态将与所接受的信息一定比例的规律发生变化，并按此规律进行发放。 (2)某种生物神经元接受来自其他神经元的输入信息后，该神经元的状态将与输入信息的累积量有关，并按此规律进行发放。 (3)某种生物神经元接受来自其他神经元的输入信息后，该神经元的状态将与输入量的变化(微分)有关，并按此规律进行发放。 神经元网络的处理单元，称之为神经元，是神经元网络最基