小,从而实现自适应PID的最优控制。利用具有自学习和自适应能力的单神经元来构成单神经元自适应РPID控制器,不但结构简单、学习算法物理意义明确、计算量小,而且能适应环境变化,具有较强的鲁棒性[4]。Р转Р换Р器Р被控对象Р图1-2 单神经元自适应PID控制器结构Р1.2.3 模糊自适应PID控制器Р模糊自适应PID(FAPID)控制系统如图1-3所示。Р Р模糊量化Р模糊推理РPIDР被控对象Р图1-3 FAPID控制系统框图Р+Р-РFAC为模糊自适应控制器,与常规PID控制器一起组成FAPID控制器。FAPID控制器的设计分为独立的两步进行,简单方便。FAC的输出即为PID控制器的输入。PID参数若采用工程方法整定,可不需要被控对象模型。整定PID参数时,去掉FAC的作用。当在每个采样时刻获得了系统响应后,就可以根据此时刻系统响应偏离给定的情况及变化趋势,依据已有的系统控制知识,运用模糊控制方法,适当加大或减小控制力度,以控制响应朝偏离给定的方向变化,使输出尽快趋于稳定,可基于这种思路来设计FAC。模型规则表物理意义明确,实时计算工作量小,便于工程应用。事实上,由于模糊控制部分已隐含对误差的PD成分[6],所以在采用FAPID控制时,PID控制器中微分部分没有必要加入。与传统PID控制比较,FAPID控制大大提高了系统的鲁棒性,减小了超调量,提高了抗干扰能力,缩短了调节时间[5]。Р1.2.4 专家PID控制器Р具有专家系统的自适应PID控制器结构如图1-4所示。Р模型控制器Р参考模拟Р被控对象Р波形识别器Р推理机制Р知识库РPID控制器Р实际被Р控对象Р波形识别器Р图1-4 专家自适应PID控制器结构框图Р+Р+Р-Р-Р它由参考模型、可调系统和专家系统组成。从原理上看,它是一种模型参考自适应控制系统。其中,参考模型由模型控制器和参考模型被控对象组成;可调系统由数字式
全文预览
