现在的位置:主页 > 期刊导读 >

一种基于的参数自整定方法

来源:信息记录材料 【在线投稿】 栏目:期刊导读 时间:2021-05-10

【作者】网站采编

【关键词】

【摘要】0 引言 在实际工业生产过程中,控制对象往往具有非线性、时变不确定性以及控制过程中各种非线性非高斯噪声的干扰,难以建立精确的数学模型,参数自整定方法繁杂,因此常规的

0 引言

在实际工业生产过程中,控制对象往往具有非线性、时变不确定性以及控制过程中各种非线性非高斯噪声的干扰,难以建立精确的数学模型,参数自整定方法繁杂,因此常规的PID 控制器往往难以达到良好的控制效果[1-2]。近年来,在工业控制领域也出现了神经网络PID 控制,大大提升了PID 控制器的性能。文献[3]提出了神经网络PID 控制的智能算法。文献[4-5]讨论了RBF 网络在PID 参数整定中的应用,取得了一定效果。但是在实际生产过程中存在大量噪声,由于噪声的干扰使得目标信噪比很低,在噪声的干扰下,会导致Jacobian 值出现波动,RBF 学习过程出现偏差,系统鲁棒性下降。

此外,在实际设定值跟踪系统中,控制对象具有非线性,噪声具有非高斯、非线性特点。常用的扩展卡尔曼滤波要求噪声独立或相关的高斯噪声,无法适用于非线性、非高斯环境。

近年来,粒子滤波算法(Particle Filter,PF)在非高斯、非线性系统中得到了广泛应用。PF 粒子滤波算法是基于 思想发展而来的一种滤波方法,摆脱了扩展卡尔曼滤波时随机量必须满足高斯分布的制约条件[6-10],为解决非线性、非高斯干扰问题提供了新的思路,并广泛应用于工业控制系统[11-12]。文献[13]在假设模型已知情况下提出了一种基于粒子滤波的复合控制系统,取得了较好的效果。

针对以上问题,本文提出了一种基于粒子滤波和RBF 辨识(PF-RBF)的单神经元PID 控制系统。利用RBF 神经网络对非线性函数的高精度逼近以及自学习的快速性,将PF 和RBF 神经网络结合,对被控对象过程实时建模,为系统提供精确的 信息(即控制对象输出对控制输入的灵敏度信息),取代常规的近似算法,在保留PID 控制鲁棒性高和可靠性好等特点的同时,提高控制系统的动态响应性能和抗干扰能力。

1 粒子滤波

粒子滤波(PF)算法是在序贯重要性采样基础上发展起来的一种非线性、非高斯滤波方法,其基本思想是:通过寻找一组在状态空间中传播的随机样本对概率密度函数p(xk|zk)进行近似,以样本均值代替积分运算,从而获得状态最小方差估计,而这些样本即称为“粒子”。采用数学语言描述如下:对于平稳的随机过程,假定k-1 时刻系统的后验概率密度为p(xk-1|zk-1),依据一定原则选取n个随机样本点,k时刻获得测量信息后,经过状态和时间更新,n个粒子的后验概率密度可近似为p(xk|zk)[14-16]。随着粒子滤波数目的增加,粒子的概率密度函数逐渐逼近状态的概率密度函数,粒子滤波估计即达到了最优贝叶斯估计的效果。

具体实现可按如下步骤进行[17-18]:

步骤1:初始化,设k=0 时,i=1,2,…,N;从p(xk|xk-1,yk)中随机抽取n个样本;

步骤2:逐点计算对应的p(xk|yk-1)和p(xk|yk);

步骤6:k→k+1,返回步骤3。

2 基于PF-RBF 的PID 自整定系统设计原理

2.1 基于PF-RBF 的系统辨识

通常情况下,系统的Jacobian 信息由常规方法构造,即,或用符号函数替代计算,然而在近似计算Jacobian 信息的过程中,难免会降低自整定的精度和抗干扰能力。

为了保证Jacobian 信息的精度,利用PF 和RBF 神经网络具有结构简单,训练过程快速易行的特点,对被控对象过程实时辨识,为系统提供精确的Jacobian 信息。相比传统的辨识方法,PF 和RBF 神经网络对时变非线性自校正模型不仅结构简单,而且具有更高的精度和自适应能力。如图1所示,由于在系统辨识的过程中存在非线性、非高斯噪声,利用PF 对系统输出yout进行滤波,用e2=ye-ym作为目标函数训练RBF 神经网络,来保证辨识的精度,进而提高Jacobian 值精度和抗干扰能力。

图1 基于PF&RBF 的PID 参数自整定结构图

PF 和RBF 系统辨识算法如下[1-3,5,8]:

在系统辨识结构中,X=[x1,x2,…,xn]T为网络的输入向量。设RBF 网络的径向基H=[h1,h2,…,hj,…,hm]T,其中径向基hj选择高斯基函数:

网络的第j个节点的中心矢量为:

设网络的基宽向量为:

式中,b1为节点j的基宽度参数,且为大于零的数。网络的权重为:

系统辨识器的性能指标函数设计为:

根据梯度下降法,PF 和RBF 的系统辨识迭代算法如下:

辨识网络的输出为:

式中,η为学习速率,α为动量因子,yout为系统输出,ym为系统辨识输出,ye为粒子滤波输出,根据前文的算法步骤计算得出。

文章来源:《信息记录材料》 网址: http://www.xxjlcl.cn/qikandaodu/2021/0510/1739.html

上一篇:环境对蒲松龄的婚恋观的影响以聂小倩和婴宁为
下一篇:对于地市级图书馆多媒体技术服务体系的建设的

信息记录材料投稿 | 信息记录材料编辑部| 信息记录材料版面费 | 信息记录材料论文发表 | 信息记录材料最新目录
Copyright © 2018 《信息记录材料》杂志社 版权所有
投稿电话: 投稿邮箱: