1、14-7-1 PID神经网络单变量控制 1. 控制结构与控制器输出计算 单变量系统，即SISO系统，用PID神经网络作控制器，不需辨识复杂的非线性被控对象，可对其实现有效的控制。 PID神经网络单变量控制结构见图，网络作为控制器 NNC，输入是期望输出与对象 P的输出： )(),( kykr ， )(kv 是扰动。 控制器输出计算，见节2-8，不同点： （1）网络输入层输入输出相等 )(),()(),()( 21 kykrkrkrk R ； （2）输出层神经元用线性模型，输入=输出： )()( kxku , )(ku ：控制量 （3）控制器与被控对象一起作为广义网络考虑； （4）在线训练控制器
2、，准则函数有所不同。 图4 -7-1 PID神经网络单变量控制结构 xr uqxNNCWW 21 I yv RP22.控制器的学习算法图4 -7-1 PID神经网络单变量控制结构 xr uqxNNCWW 21 I yv RPPID神经网络控制器与对象一起作为广义网络，采用反向传播（BP）学习算法，在线训练，准则函数： )(21)()(21)( 22 kekykrkE （1）经 k步训练后，隐层至输出层权值调整算法 )()()()1( 2222 kw kEkwkwiii )()()( 22 kqkkwii )2()1( )1()(sgn)()( kuku kykykek （2） 经 k步训练后，
3、输入层至隐层 权值调整算法： ijijij wEkwkw1111 )()1( )()()( 11 krkkw jiij )1()( )1()(sgn)()( 2 kxkx kqkqwkkiiiiii 34-7-2 PID神经网络多变量控制 1. 控制结构与控制器输出计算多变量控制结构见图： 对象P是n入n出内部有强耦合的n变量系统 控制器NNCn个PID子网络，输入层至隐层是独立的、隐层至输出层间不独立 有联接权，各子网络隐层3个神经元为比例（P）、积分（I）、微分（D），n个PID神经子网络构成一整体网络 nnnN ,3,2 图4-7-2 PI 神经网络多变量控制结构 nu1u 1v nvN
4、NC 1r ny1y P qx R x w2 nw1 11w nr 4子网络一输入对 一 值 ),2,1( nprp ， 一输入对 系统的一输出),2,1( npyp 网络输出是n个控制量，是对象的控制输入 ),2,1( nhuh 输出 扰动 )(,),(),()( 21 kvkvkvk nv 图4-7-2 PI 神经网络多变量控制结构 nu1u 1v nvNNC 1r ny1y P qx R x w2 nw1 11w nr 5控制器输出计算： （1）控制器输入层神经元的输入与输出相等 , 11211211 nnnnsj yryrrrrrr R s：子网络的 ， ns ,2,1 ； j：子网络
5、输入层神经元 ， 2,1j ； )()(1 krkr ps ， )()(2 kykr ps ， ( ),2,1 nps 图4-7-2 PI 神经网络多变量控制结构 nu1u 1v nvNNC 1r ny1y P qx R x w2 nw1 11w nr 6（2） 隐层神经元的输入与输出 s子网络隐层 i个节点的输入： 211 )()(jsjsijsi krwkx , 3,2,1i s子网络隐层P、I、D 节点输出 )(kqsi ： 1)(,11)(,11)(1,)()(11111kxkxkxkxkqsssss 图4-7-2 PI 神经网络多变量控制结构 nu1u 1v nvNNC 1r ny1
6、y P qx R x w2 nw1 11w nr 71,11,11)(1,)()1()(222222ssssssqqkqkxkqkq 1,11,11)(1,)1()()(333333ssssssqqkqkxkxkq 图4-7-2 PI 神经网络多变量控制结构 nu1u 1v nvNNC 1r ny1y P qx R x w2 nw1 11w nr 8图4-7-2 PI 神经网络多变量控制结构 nu1u 1v nvNNC 1r ny1y P qx R x w2 nw1 11w nr （3） 输出层神经元的输入与输出 输入是各子网络隐层各节点输出的 权 ， ),2,1( nhh 节点输入 )( k
7、xh ： nshisishih kqwkx1 12 )()( shiw2 ： s子网络，隐节点i至输出节点h的权值。 网络输出，即控制器输出 h个控制分量： )()( kxku hh 92. 学习算法 PID神经网络控制器与多变量对象一起，作为广义网络，采用反向传播（BP）学习 算法，准则函数： )(21)()(21 2121kekykrEJpnpppnpp （ ） 经 k步训练后，隐层至输出层权值调整算法 shishishishi wJkwkw222 )()1( npsiphshi kqkw12 )()( )2()1()1()()()(kukukykykekhhpppph （2） 经 k步训
8、练后，输入层至隐层权值调整算法 sijsijsijsij wJkwkw111 )()1( npnhsjshisij krkw1 12 )()( )1()( )1()(sgn)()( 2 kxkx kqkqwkksisisisishiphshi 103. PID神经网络 耦控制 PID神经网络是 有广义Sigmoid函数 性的 单元 成的 层 网络。 输入 输出 有在 2L 义 的 非线性 ，在BP算法训练，准则函数 minJJ minEE 的currency1，“成对象在内的控制系统 输入 输出的 ，currency1训练fifl 耦控制的currency1，PID神经网络在调整权系值学习，控制系统的 耦控制性 currency1。 PID神经网络作控制器，对多变量系统 控制，可对象模型，不需 系统辨识。
