一种基于单神经元的模糊自整定PID控制器

维普资讯 http://www.cqvip.com 第２１卷第１期　青岛大学学报（工程技术版）　Ｖ０１．２１　Ｎｏ．１　２　０　０　６年３月　ＪｏＩＪ】　ＡＬ　ＯＦ　ＱＩＮＧＤＡＯ　ＵＮＩＶＥＲＳＩＴＹ（Ｅ＆Ｔ）　Ｍａｒ．２　０　０　６　文章编号：１Ｃ０６—９７９８（２００６）０１—００５４一Ｏ５　一种基于单神经元的模糊自整定ＰＩＤ控制器　李迪阳　，周明顺　，何文雪　（１．青岛远洋船员学院机电系，山东青岛２６６０７１；２．青岛大学自动化工程学院，山东青岛２６６０７１）　摘要：为解决普通的ＰＩＤ控制器设计对系统模型有一定依赖性问题，本文将单神经元网　络和模糊逻辑相结合，提出了一种基于单神经元的模糊自整定ＰＩＤ控制器。单神经元控　制部分本身还是一个ＰＩＤ控制器，但由于权值可以在线调整，具有较强的自学习和自适　应能力，而通过模糊控制器对输出整定，可加速控制过程。将该控制器应用于船舶运动控　制仿真中，仿真结果表明，单神经元模糊自整定ＰＩＤ控制器能使船舶更快地达到设定航　向，且航向曲线和打舵更加平稳，可明显改善对大纯滞后、大惯性系统的控制效果，在工业　控制中有广泛的应用前景。　关键词：单神经元；自整定ＰＩＤ控制器；模糊控制器；船舶运动控制　中图分类号：ＴＰ１８３　文献标识码：Ａ　ＰＩＤ线性控制器至今仍在实际工程应用中占有统治地位，这主要是因为它结构简单，使用方便，适用的　控制对象面广，在理论上有成熟的稳定性设计和参数整定方法，在工程应用中积累了丰富的实践经验。但　ＰＩＤ控制器的关键问题是ＰＩＤ参数的整定，设计时大多依赖于系统的数学模型，对于大延迟，时变不确定的　系统，ＰＩＤ控制器无法达到理想的控制效果。针对于ＰＩＤ的这些不足，本文提出了一种单神经元模糊自整　定ＰＩＤ控制器（ｓＮＦＳＰＩＤ）［１］，单神经元作为构成神经网络的基本单位，具有自学习和自适应能力，而且结构　简单易于计算；ＰＩＤ也具有结构简单，调整方便与工程目标联系紧密等特点；模糊控制器用来整定单神经元　的输出，可以提高系统的快速响应能力，也增强了控制器的鲁棒性，当控制对象发生一些变化时，控制器通过　自我调整，就可以实现较好的控制效果。把这种控制器应用在了船舶运动控制中，取得了较好的效果。　１　ＳＮＦＳＰＩＤ的设计　１．１单神经元网络　单神经元模糊自整定ＰＩＤ控制器的结构框图如图１　所示。图１中，单神经元网络输入与输出为　ｆ　ｌ（是）一ｅ（是）　Ｊ　２（愚）一８（愚）一８（愚一１　（１）　Ｉ　ｓ（愚）＝＝＝∑８（　）　神经元的输出为　３　“㈣一　）／　３　Ｉ　愚）Ｉ（２）图１单神经元模糊自整定ｍ控制器结构图　式中，　（愚）（　一１，２，３）为点时刻神经元网络权值；　（是）为是时刻神经元输入值，其中孔（是）为当前误差，　收稿日期：２００５—０４—１８Ｉ修回日期：２００６一Ｏ２—２７　作者筒介：李迪阳（１９７２一），男，汉族，江西萍乡人，在读博士，讲师，主要从事轮机模拟器研究。　维普资讯 http://www.cqvip.com 第ｌ期　李迪阳，等：一种基于单神经元的模糊自整定ＰＩＤ控制器　５５　（愚）为误差的一阶差分，　。（愚）为误差的积分。　目标函数取为　Ｅ（后）一Ｊｒ（ｋ）一ｙ（后）］　／ｚ　神经元权值的在线修正算法为　ｗ（ｋ＋１）一叫（愚）＋刁ｅ（忌）蕾（愚）　（４）　（３）　式中，叩为神经元学习率。一般情况下，学习率不能过大，否则神经元调节器易超调；学习率也不能过小，否则　神经元调节器调节过程缓慢。　由以上算法可知，这个单神经元控制部分本质上仍然是ＰＩＤ算法，但是神经元网络权值ｚｕｉ（愚）（　一１，２，　３）均能在线调整，具有较强的自学习和自适应能力，能适应环境变化或模型不确定性，增强系统的鲁棒　性　２ｌ。　１．２　模糊控制器　模糊控制器的基本结构如图２所示，它由模糊化接口、清　知识库、模糊推理、清晰化四部分组成，各部分的作用如下。　１．２．１　模糊化　将输入的精确量转化成模糊量，其中输入量包括外界　的参考输入、系统的输出和状态等，过程如下：将输入量进　行处理变换成模糊控制器要求的输入量；将处理过的输入　量进行尺度变换，使其变换到各自的论域范围；将已经变化　图２　模糊控制器基本结构　到论域范围的输入量进行模糊处理，使原先精确的输入量变成模糊量Ｌ３］，并用相应的模糊集合来表示［４］。　ｌ＿２．２　知识库　知识库包含了具体应用领域中的知识和要求的控制目标，它们决定模糊控制器的性能，通常由数据库和　模糊控制规则库两部分组成。其中，数据库存储着有关模糊化、模糊推理、解模糊的一切知识，主要包括各语　言变量的隶属度函数、尺度变换因子、以及模糊空间的分级数等；规则库包含了用模糊语言变量表示的一系　列控制规则，它们反映了控制专家的经验和知识。　１．２．３　模糊推理　模糊推理是模糊控制器的核心，它具有模拟人的基于模糊概念的推理能力。该推理过程是基于模糊逻辑　中的蕴涵关系及推理规则来进行的。　ｌ＿２．４　清晰化　清晰化的作用是将模糊推理得到的控制量（模糊量）变换为实际用于控制的清晰量。它包含反模糊化和　域反变换两部分的内容。反模糊化，即将模糊的控制量经清晰化变成表示在论域范围内的清晰量；域反变换，　将表示在论域范围内的清晰量经尺度变换变成实际的控制量。　２　ＳＮＦｓＰｌＤ应用于船舶运动控制的仿真实例　在ＭＡＴＬＡＢ仿真软件中，利用Ｓｉｍｕｌｉｎｋ对船舶运动控制的单神经元模糊自整定ＰＩＤ控制仿真。　２．１某船舶参数　船长Ｌ＝１５２　ｍ，船宽Ｂ＝２５　ｍ，航速　一１７．２　ｋｎ。船舶操纵Ｎｏｍｏｔｏ模型的Ｋ和Ｔ指数经计算为：ｋ。　＝０．０５，Ｔｏ一２０，其航向控制传递函数为　０．０５　一　，０、　而　２．２　单神经元网络的实现　采用Ｍ函数的形式来实现单神经元网络。取设定航向和实际航向的偏差为控制器的输入（即式（１）中的　ｅ（愚））；取控制器的输出为未整定前的舵角输出（即式（２）中的“（愚））。单神经元运算如下：　１）　初始化网络权值，计算出开始时网络的输入状态。　维普资讯 http://www.cqvip.com ５６　青岛大学学报（工程技术版）　第２１卷　２）　由式（２），根据已知的网络输入和网络权值计算出单神经元的输出。　３）　计算出下一时刻的系统状态，求出偏差，　根据式（１）更新神经元的输入，然后根据式（４）更　新神经元的网络权值。　４）　回到第２步，然后循环执行。　一０．５　０　０．５　２．３　一种双输入单输出的模糊控制器　ａ　ｅ，△ｅ和“的隶属函数　使用ＭＡＴＬＡＢ下的模糊控制工具箱，采用了　一种双输入单输出的模糊控制器形式，其中，输入　信号分别是航向偏差和航向偏差的变化率【５　；输出　信号为整定参数ｋ　，航向偏差输入限为　（是）士２Ｏ。，　Ｏ　航向误差变化率为±０．８ｏ／ｓ，整定参数的输出限为　ｂ增益因子　的隶属函数　（Ｏ，１）。隶属度函数设计如图３ａ和图３ｂ所示，控制　规则如表１和表２所示。　图３　隶属函数图　表１　Ｕ的模糊计算规则　表２　ｋ的模糊计算规则　３仿真结果与分析　Ｓｉｍｕｌｉｎｋ下的仿真结构如图４所示。　圉４仿真结构围　１）仿真时，先对船舶运动控制的单神经元模糊自整定ＰＩＤ控制系统和一个普通的船舶运动控制的　ＰＩＤ控制系统分别加入一个＋２０。的航向，仿真曲线结果如图５和图６所示。　维普资讯 http://www.cqvip.com 第１期　李迪阳，等：一种基于单神经元的模糊自整定ＰＩＤ控制器　４Ｏ　５７　Ｊ单神经元自整定ＰＩＤ控制曲线　３Ｏ　一　ｍ删曲线　主１０　Ｏ　ｌＯ　２０　３Ｏ　４Ｏ　５０　时间∥ｓ　图５航向仿真曲线结果　图６舵角仿真曲线结果　从曲线可知，对于船舶航向控制，相对于普通的ＰＩＤ控制器，单神经元模糊自整定ＰＩＤ控制器使船舶更　快地达到设定航向，而且航向曲线更加平滑，同时打舵也没有那么剧烈。　２）改变被控对象，既船舶模型改为一种油轮，船舶操纵Ｎｏｍｏｔｏ模型的Ｋ和Ｔ指数经计算为：是。＝　０．１６，７＂０＝１００，其航向控制传递函数为　，、０．１６　一　而而任何改变，再分别加入一个＋２０。的航向，此时，舵角曲线与　　神经元自整定ＰＩＤ控制曲线　（４）　而对ＰＩＤ控制器和单神经元模糊自整定ＰＩＤ控制器不做　２５　图６相比变化并不明显，因此就不再显示出来，航向曲线如　图７所示。由图７可知，单神经元模糊自整定ＰＩＤ控制器￡～　控制效果基本上没有变化，而普通ＰＩＤ控制器的稳定时间　Ⅲ　明显变长，由此可知，单神经元模糊自整定Ｐ１Ｄ控制器有　着较好的鲁棒性。３）　对船舶运动控制的单神经元模糊自整定ＰＩＤ控　５　０　。　０。　制一线．　。。　。。。　。。　制系统和一个普通的单神经元ＰＩＤ船舶运动控制系统分　别加入一个＋２Ｏ。的航向，仿真曲线结果如图８所示。从图　８可知。单神经元模糊自整定ＰＩＤ控制器控制效果基本Ｅ　…　图７油轮＋２０。航向ＳＮｓＰＩＤ仿真曲线结果　２５『　没有变化，而普通ＰＩＤ控制器的稳定时间明显变长，由此　，。Ｌ＿１　！兰　竺　！兰兰：竺兰　竺兰　可见单神经元模糊自整定ＰＩＤ控制器有着更好的鲁棒　１５　１／，４结论　性　］。　蟠ｆ／＂、普通单神经元　。控制曲线　。５　Ｉ　本文提出了一种单神经元模糊自整定ＰＩＤ控制器，阐０　１００　２００　３００　述了该控制器的特点、控制律、适用对象，并且应用到了船　时间∥ｓ　舶航向控制。仿真运行结果表明，该控制器比普通ＰＩＤ控　制器有着更好的动态控制效果，而且鲁棒性也明显变强。　图８　Ｎ￣＋２ｏ。航向ＳＮＦＰＩＤ仿真曲线结果　单神经元自适应控制器具有可调参数少、易于整定、控制输出平稳、鲁棒性强的独特优点，可明显改善对大纯　滞后、大惯性系统的控制效果＿７］，在工业控制中有广泛的应用前景。　参考文献：　［１］金鸿章。姚绪梁．船舶控制原理［Ｍ］．哈尔滨：哈尔滨工业大学出版社，２００１．　［２］杨国勋．船舶运动混合智能控制及其虚拟现实交互仿真的研究［Ｄ］．大连：大连海事大学，２００２：８—２２．　［３］舒怀林．ＰＩＤ神经元网络多变量控制系统分析［Ｊ］．自动化学报，１９９９，２５（１）：１０５　１１１．　维普资讯 http://www.cqvip.com ５８　青岛大学学报（工程技术版）　第２１卷　［４３　舒怀林．ＰＩ【）神经元网络对强耦合带时延多变量系统的解耦控制［Ｊ］．控制理论与应用，１９９８，１５（６）：９２０—９２４・　［５］　徐英，徐用懋，杨尔辅．时变大纯滞后系统的单神经元预测控制［Ｊ］．清华大学学报：自然科学版，２００２，４２（３）：３８３—　３８６　［６３　丁军，徐用懋．单神经元自适应ＰＩＥ）控制器及其应用［Ｊ］．控制工程，２００４，１１（１）：３８—４２。　［７３　杨国勋，郭晨，贾欣乐．基于混合智能技术的船舶运动控制仿真研究［Ｊ］．系统仿真学报，２００２，１４（５）：６３７—６４０・　Ａ　Ｓｉｎｇｌｅ　Ｎｅｕｒｏｎ　Ｂａｓ　Ｆｕｚｚｙ　Ｓｅｌｆ－Ｔｕｎｉｎｇ　ＰＩＤ　Ｃｏｎｔｒｏｌｌｅｒ　ＬＩ　Ｄｉ—ｙａｎｇ　，ＺＨＯＵ　Ｍｉｎｇ—ｓｈｕｎ　，ＨＥ　Ｗｅｎ—ｘｕｅ　（１．Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｍａｒｉｎｅ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｑｉｎｇｄａｏ　Ｏｃｅａｎ　Ｓｈｉｐｐｉｐ４ｇ　Ｍａｒｉｎｅｒｓ　Ｃｏｌｌｅｇｅ，￣ｎｇｄａｏ　２６６０７１，Ｃｈｉｎａ；　２．Ｓｃｈｏｏｌ　ｏｆ　Ａｕｔｏｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｑｉｎｇｄａｏ　Ｕｎｉｖｅｒｓｉｔｙ，￣ｎｇ＆ｏ　２６６０７１，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｉｎ　ｏｒｄｅｒ　ｔｏ　ｓｏｌｖｅ　ｔｈｅ　ｐｒｏｂｌｅｍ　ｔｈａｔ　ｐａｒａｍｅｔｅｒ　ｄｅｓｉｇｎ　ｏｆ　ＰＩＤ　ｃｏｎｔｒｏｌｌｅｒ　ｃｏｍｍｏｎｌｙ　ｄｅｐｅｎｄｓ　ｏｎ　ｔｈｅ　ｍｏｄｅｌ　ｏｆ　ｔｈｅ　ｓｙｓｔｅｍ，ａ　ｓｉｎｇｌｅ　ｎｅｕｒｏｎ　ｂａｓｅｄ　ｆｕｚｚｙ　ａｄａｐｔｉｖｅ　ＰＩＤ　ｃｏｎｔｒｏｌｌｅｒ（ＳＮＦＳＰＩＤ）ｉｓ　ｐｒｏｐｏｓｅｄ　ｉｎ　ｔｈｉｓ　ｐａｐｅｒ　ｂｙ　ｔｈｅ　ｃｏｍｂｉｎａｔｉｏｎ　ｏｆ　ｓｉｎｇｌｅ　ｎｅｕｒｏｎ　ｎｅｔｗｏｒｋ　ａｎｄ　ｆｕｚｚｙ　ｌｏｇｉｃ．Ｔｈｅ　ｓｉｎｇｌｅ　ｎｅｕｒｏｎ　ｐａｒｔ　ｏｆ　ｔｈｅ　ｃｏｎｔｒｏｌｌｅｒ　ｉｓ，ｉｎ　ｆａｃｔ，ａ　ＰＩＤ　ｃｏｎｔｒｏｌｌｅｒ　ｗｉｔｈ　ｌｉｎｋｓ　ａｄｊｕｓｔａｂｌｅ　ｏｎｌｉｎｅ，ｗｈｉｃｈ　ｈａｓ　ｔｈｅ　ａｂｉｌｉｔｙ　ｏｆ　ｓｅｌｆ－ｌｅａｒｎｉｎｇ　ａｎｄ　ｓｅｌｆ—ａ　ｄａｐｔａｂｉｌｉｔｙ，ａｎｄ　ｔｈｅ　ｃｏｎｔｒｏｌ　ｐｒｏｃｅｓｓ　ｃａｎ　ｂｅ　ａｃｃｅｌｅｒａｔｅｄ　ｂｙ　ｔｕｎｉｎｇ　ｔｈｅ　ｏｕｔｐｕｔ　ｕｓｉｎｇ　ｆｕｚｚｙ　ｌｏｇｉｃ．Ｔｈｅ　ｃｏｎｔｒｏｌ＿　ｌｅｒ　ｉｓ　ａＤｐｌｉｅｄ　ｔｏ　ｓｈｉｐ　ｍｏｔｉｏｎ　ｃｏｎｔｒｏｌ　ｓｙｓｔｅｍ．Ｓｉｍｕｌａｔｉｏｎｓ　ｓｈｏｗｅｄ　ｔｈａｔ　ｔｈｅ　ｐｒｏｐｏｓｅｄ　ｃｏｎｔｒｏｌｌｅｒ　ｈａｓ　ｔｈｅ　ａｂｉｌｉ　ｔｖ　ｏｆ　ｍａｋｉｎｇ　ｔｈｅ　ｓｈｉｐ　ｒｅａｃｈｅ　ｉｔｓ　ｃｏｕｒｓｅ　ｍｏｒｅ　ｑｕｉｃｋｌｙ，ｔｏｇｅｔｈｅｒ　ｗｉｔｈ　ｓｍｏｏｔｈ　ｃｏｕｒｓｅ　ｃｕｒｖｅ　ａｎｄ　ｈｅｌｍ　ｏｐｅｒａ　ｔｉｏｎ．ｗｈｉｃｈ　ｃａｎ　ｏｂｖｉｏｕｓｌｙ　ｉｍｐｒｏｖｅ　ｔｈｅ　ｃｏｎｔｒｏｌ　ｅｆｆｅｃｔ　ｆｏｒ　ｌａｒｇｅ　ｐｕｒｅ　ｔｉｍｅ—ｄｅｌａｙ　ａｎｄ　ｌａｒｇｅ　ｉｎｅｒｔｉａ　ｓｙｓｔｅｍ，ＳＯ　ｈａｓ　ｅｘｔｅｎｓｉｖｅ　ａｐｐｌｉｃａｔｉｏｎ　ｉｎ　ｉｎｄｕｓｔｒｙ．　Ｋｅｙ　ｗｏｒｄｓ：ｓｉｎｇｌｅ　ｎｅｕｒｏｎ；ｓｅｌｆ－ｔｕｎｉｎｇ　ＰＩＤ　ｃｏｎｔｒｏｌｌｅｒ；ｆｕｚｚｙ　ｃｏｎｔｒｏｌｌｅｒ；ｓｈｉｐ　ｓｔｅｅｒｉｎｇ