[发明专利]一种基于RBF神经网络PID的速比控制方法

说明书

本发明公开了一种基于RBF神经网络PID的速比控制方法，与常规的PID速比控制系统相比，采用增量式PID控制算法，基于RBF神经网络对PID进行优化，实现了更为精确的速比跟踪控制，使汽车发动机的转速更加趋近于目标转速附近，表现出更加优于传统PID速比控制的效果，实现较为精确的CVT速比跟踪控制，使之能够适用于汽车多种行驶工况。

技术领域

本发明涉及CVT的速比控制领域，特别是一种基于RBF神经网络PID的速比控制方法。

背景技术

CVT(Continuously Variable Transmission)也叫无级变速器，它与传统无级变速器相比有着诸多优点，它的变速是一系列连续的值，而非一些间断的值，且能使发动机的转速处于极佳的工作点上，提升汽车的动力性、经济性和平顺性能等。

智能控制的迅速发展为研究CVT的控制方法注入了新的思路，其中的人工神经网络(Artificial Neural Network)，一直是近年来人工智能领域的研究热点。学习与适应、函数逼近、以及自组织等优点是其他常规的方法难以替代的，而RBF作为一种典型的前馈型神经网络，为解决非线性控制系统与具有不确定性因素等的难题提供了更好的解决方案，CVT速比控制系统便是其一。这其中也不乏有其他领域的应用，比如国内合肥工业大学的曹文霞等人以直线永磁同步电机的驱动控制系统作为研究对象，采用RBF-PID的控制方法于其中，结果已经证明了改进后的控制系统响应输入信号的速度相比之前更快，且输出无超调；另外，哈尔滨理工大学的裴雪红等人将采用RBF神经网络的原BP-PID控制系统应用于一单自由度电磁悬浮系统，其结果表现出了更加优于传统PID控制系统的效果。可见，加入RBF神经网络的PID控制算法在其研究应用领域有着更加优越的性能。而在汽车无级变速器速比跟踪控制领域，现有传统的CVT常规PID速比控制系统较为复杂，且具有非线性、时变性等的特点，其速比跟踪控制难以达到预想的效果。

发明内容

本发明的目的是要解决现有技术的CVT的速比控制系统本身传动具有滞后性，工作环境具有时变性等缺点，常规的PID速比控制方法难以达到预想的控制效果的技术问题，提供一种基于RBF神经网络PID的速比控制方法，采用增量式PID控制算法，在传统的CVT速比跟踪控制系统中加入RBF神经网络进行调节，实现更为精确的速比跟踪控制。

为达到上述目的，本发明是按照以下技术方案实施的：

一种基于RBF神经网络PID的速比控制方法，包括以下步骤：

将RBF神经网络整定到PID控制系统的PID控制器构建RBF-PID速比控制系统，PID控制系统的控制误差e(k)为期望值r(k)和输出值y(k)的差值：e(k)＝r(k)-y(k)，

PID的输入为：

x_c(1)＝e(k)-e(k-1)

x_c(2)＝e(k)

x_c(3)＝e(k)-2e(k-1)+e(k-2)，

基于RBF-PID速比控制系统采用增量式PID的控制算法，具体为：

增量式PID的控制算法为：

u(k)＝u(k-1)+K_Px_c(1)+K_Ix_c(2)+K_Dx_c(3)

Δu(k)＝Kpx_c(1)+KIx_c(2)+KDx_c(3)，