基于CMAC神经网络的PID参数自整定方法的研究

基于CMAC神经网络的PID参数自整定方法的研究

0 引言

　　控制器的参数整定是通过对PID控制器参数（KP,KI,KD）的调整，使得系统的过渡过程达到满意的质量指标要求。PID参数的整定一般需要经验丰富的工程技术人员来完成，既耗时又耗力，加之实际系统千差万别，又有滞后非线性等因素，使PID参数的整定有一定的难度，致使许多PID控制器没能整定的很好;这样的系统自然无法工作在令人满意的状态，为此人们提出了自整定PID控制器。将过程动态性能的确定和PID控制器参数的计算方法结合起来就可实现PID控制器的自整定[1,2]。

　　笔者设计出一种基于CMAC小脑模型神经网络的PID参数自整定的控制系统，从而实现PID参数的快速整定，并且使得PID的参数整定达到一定的精度。

1 CMAC神经网络

　　CMAC（Cerebellar model arTIculaTIon controller）是J. S. Albus在1975年提出的一种模拟小脑功能的神经网络模型。CMAC是一种联想网络，对每一输出只有小部分神经元（由输入决定）与之相关，它的联想具有局部泛化能力，即相似的输入将产生相似的输出，而远离的输入产生几乎独立的输出。CMAC与感知器比较相似，虽然从每个神经元看其关系是一种线性关系，但从结果总体看，它适合一种非线性的映射，因而可以把CMAC看作一个用于表达非线性映射（函数）的表格系统[3]。由于它的自适应调节（学习）是在线性映射部分，所以其学习算法是简单的 算法，收敛速度比BP快得多，且不存在局部极小问题[4]。CMAC神经网络结构如图1所示。

图1 CMAC结构