[发明专利]神经网络模型与二次型单神经元PID并行控制方法

摘要

本发明涉及一种神经网络模型与二次型单神经元PID并行控制方法，CMAC神经网络模型输入为设定值rin，输出为un；二次型单神经元PID的输入为误差e，即控制输入rin与输出测量值yout的差，二次型单神经元PID的输出为up；控制器总输出为u＝up+un，利用CMAC神经网络具有学习算法简单、收敛速度快、局域泛化等优点，同时把二次型性能指标的思想，神经元非线性映像和权值的自适应修正功能引入到PID控制器，由CMAC控制器实现前馈控制，二次型单神经元PID控制实现反馈控制，针对系统中的非线性、不确定性和复杂性，提高系统控制的稳定性，也提高了系统的抗干扰能力。

主权项

一种神经网络模型与二次型单神经元PID并行控制方法，包括CMAC神经网络模型，其特征在于，方法包括如下步骤：1)设定控制的输入与输出：CMAC神经网络模型输入为设定值rin，输出为un；二次型单神经元PID的输入为误差e，即控制输入rin与输出测量值yout的差，二次型单神经元PID的输出为up；u为控制器总输出；2)确定CMAC神经网络以及单神经元网络参数：CMAC神经网络参数：维数N，泛化参数c，网络学习速率η，惯性量α；单神经元网络参数：比例系数K；输出误差的加权系数P；控制增量的加权系数Q；比例、积分、微分三部分加权系数学习速率分别取为ηP，ηI，ηD；PID三个参数的初始化值wP，WI，wD；3)确定CMAC神经网络以及单神经元网络性能指标：CMAC的调整指标为： E ( k ) = 1 2 ( u ( k ) - u n ( k ) ) 2 · α i c , Δw ( k ) = η u ( k ) - u n ( k ) c α i = η u p ( k ) c α i , w(k)＝w(k-1)+Δw(k)+α(w(k)-w(k-1))；二次型单神经元性能指标： E ( k ) = 1 2 ( P ( rin ( k ) - yout ( k ) ) 2 + Q Δ 2 u p ( k ) ) , rin(k)和yout(k)为k时刻的参考输入和输出；4)分别计算CMAC神经网络输出 u n ( k ) = Σ i = 1 c w i α i 以及二次型单神经元PID控制输出 u p ( k ) = u p ( k - 1 ) + K Σ i = 1 3 w i ′ ( k ) x i ( k ) , ; 5)控制系统总输出为u＝up+un。