[發明專利]一種基于RBF神經網絡的分數階PID控制器的參數整定方法

在審

• 申請號: 202111579779.3
• 申請日: 2021-12-22
• 公開（公告）號: CN114063444A
• 公開（公告）日: 2022-02-18
• 發明（設計）人: 胡紅明;楊皓東;劉勤
• 申請（專利權）人: 武漢理工大學
• 主分類號: G05B11/42
• 分類號: G05B11/42
• 代理公司: 武漢市首臻知識產權代理有限公司 42229
• 代理人: 朱迪

一種基于RBF神經網絡的分數階PID控制器的參數整定方法，包括以下步驟：S1、初始化網絡各參數；S2、采樣得到輸入給定r(k)和系統輸出y(k)，得到系統控制誤差e(k)；S3、在線構造動態RBF神經網絡，同時調整動態RBF網絡各參數，得到神經網絡辨識器的輸出y_m(k)以及被控對象的Jacobian辨識信息；S4、根據系統誤差函數，用梯度下降的方法調整分數階PID控制器的比例系數,積分系數,微分系數以及積分階次λ和微分階次；S5、通過分數階PID控制器的時域形式，計算出控制器的輸出u(k)；S6、令k＝k+1,進行下一次采樣控制。本設計不僅通過自我學習的方式自動逼近系統的最優解，而且有效提高控制效率。

技術領域

本發明涉及一種基于RBF神經網絡的分數階PID控制器的參數整定方法，具體適用于自動控制領域的參數整定。

背景技術

近年來，隨著分數階微積分理論的發展，在自動控制領域，經實驗證明，基于分數階微積分理論的PID控制器其動態性能和靜態性能都優于整數階PID控制器。分數階PID控制器是傳統PID控制器向分數階領域的推廣，它比傳統的PID控制器多了兩個參數，積分階次λ和微分階次μ，因此有更為靈活的調節范圍。然而隨著參數的增加，分數階PID控制器的參數整定變得較為困難。

在實際的現場應用中,比如在飛行導彈控制系統中，采用分數階PID制器控制,極大地提高了飛航導彈控制器的控制品質，增強了導彈的快速反應能力、突防能力和打擊精度。在車輛線控轉向系統中，分數階PID控制器也能表現出更好的魯棒性。最后基于電機這種強耦合，非線性，高階復雜的控制系統，分數階PID控制器也能準確，靈活的進行控制。可以看出，將分數階PID控制器應用到各個領域將會是以后發展的熱點,也是一個必然趨勢,在實際應用中必會有一個廣闊的前景。

發明內容

本發明的目的是克服現有技術中存在的分階PID控制器整定困難的問題，提供了一種通過自學習方式的基于RBF神經網絡的分數階PID控制器的參數整定方法。為實現以上目的，本發明的技術解決方案是：

一種基于RBF神經網絡的分數階PID控制器的參數整定方法，所述參數整定方法包括以下步驟：

S1、建立RBF神經網絡模型，確定輸入層神經元的個數為n，隱含層神經元的個數為m，輸出神經元個數為1；

S2、初始化RBF神經網絡的各個參數，即確定該神經網絡辨識器基寬半徑向量B,中心向量C，隱含層對應輸出層的初始權重向量W，網絡的學習效率η，動量因子α和分數階PID控制器的參數初值：K_P(0)、K_I(0)、K_D(0)、λ(0)、μ(0)；

RBF神經網絡的輸入為X＝[x₁,x₂,…x_i,…x_n](i＝1,2…n)；

隱含層神經元內部的高斯函數為H＝[h₁,h₂,…h_j,…h_m]^T(j＝1,2,…m)；

其中第j個隱含層神經元內部的高斯函數為：

式中：C_j為RBF神經網絡的第j個隱含層神經元內部的中心矢量，記作C_j＝[c_j1,c_j2,…,c_ji,…,c_jn]^T，其中：C_ji表示第j個隱含層神經元對應第i個輸入的中心點(i＝1,2,…n)，b_j為第j個隱含層神經元的基寬度參數(j＝1,2,…m)；

整個RBF神經網絡的基寬度向量為：