[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡的分數(shù)階內模PID控制器

在審

• 申請?zhí)枺?/td>: 202110472922.2
• 申請日: 2021-04-29
• 公開（公告）號: CN113156824A
• 公開（公告）日: 2021-07-23
• 發(fā)明（設計）人: 劉紅俐;莊夢祥;朱其新
• 申請（專利權）人: 蘇州科技大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 蘇州今邁知識產(chǎn)權代理事務所(特殊普通合伙) 32524
• 代理人: 張佩璇

1.一種基于神經(jīng)網(wǎng)絡的分數(shù)階內模PID控制器，其特征在于，獲得控制系統(tǒng)的數(shù)學模型如下：

其中，k_p、k_i、k_d、k_f分別為PID控制器的控制參數(shù)；λ為濾波時間常數(shù)；a和b分別為PID控制器的積分和微分的分數(shù)階次；

采用神經(jīng)網(wǎng)絡計算三個未知量λ、a和b，包括：

所述神經(jīng)網(wǎng)絡的輸入為控制系統(tǒng)的期望值R(t)，實際輸出值Y(t)以及偏差e(t)，所述神經(jīng)網(wǎng)絡的輸出為λ、a以及b。

2.如權利要求1所述的基于神經(jīng)網(wǎng)絡的分數(shù)階內模PID控制器，其特征在于，獲得所述控制系統(tǒng)的數(shù)學模型的方法包括：建立所述PID控制器的傳遞函數(shù)如下：

采用內模原理將所述PID控制器的控制參數(shù)k_p、k_i、k_d、k_f表示出來。

3.如權利要求2所述的基于神經(jīng)網(wǎng)絡的分數(shù)階內模PID控制器，其特征在于，采用所述內模原理表示所述PID控制器的控制參數(shù)包括：

將過程模型G(s)進行分解，得到：

G(s)＝G₊(s)G_-(s)

式中：G₊(s)是一個非最小相位，包括時間延遲和右半平面的零點；G_-(s)是可逆的；

G₊(s)和G_-(s)表示為：

G₊(s)＝e^-τs

內模控制器Q(s)的公式如下：

其中，f(s)是一個低通濾波器，表示為：

式中：r的值取決于G_-(s)的階次使控制可實現(xiàn)，取值為1；λ為濾波時間常數(shù)。

4.如權利要求3所述的基于神經(jīng)網(wǎng)絡的分數(shù)階內模PID控制器，其特征在于，所述PID控制器的控制參數(shù)k_p、k_i、k_d、k_f采用如下公式表示：

其中，k為放大系數(shù)；T為時間常數(shù)；τ為延遲時間；λ為濾波時間常數(shù)。

5.如權利要求1所述的基于神經(jīng)網(wǎng)絡的分數(shù)階內模PID控制器，其特征在于，所述神經(jīng)網(wǎng)絡采用三層前向網(wǎng)絡，第一層為輸入層；第二層為隱藏層；第三層為輸出層。

6.如權利要求5所述的基于神經(jīng)網(wǎng)絡的分數(shù)階內模PID控制器，其特征在于，對所述隱藏層和所述輸出層的權值進行修正。

7.如權利要求6所述的基于神經(jīng)網(wǎng)絡的分數(shù)階內模PID控制器，其特征在于，采用梯度下降法分別對所述隱藏層和所述輸出層的權值進行修正。

8.如權利要求7所述的基于神經(jīng)網(wǎng)絡的分數(shù)階內模PID控制器，其特征在于，對所述隱藏層和所述輸出層的權值進行修正的過程如下：

取性能指標：

按照所述梯度下降法來對權值進行修正，則所述輸出層的權值的修正為：

所述隱含層的權值的修正為：

式中：η為學習速率；μ為慣性系數(shù)，0＜μ＜1；為隱含層的加權系數(shù)；為輸出層的加權系數(shù)。