[发明专利]基于粒子滤波和RBF辨识的神经网络PID控制参数自整定方法

摘要

本发明公开一种用于对象模型未知且干扰为非线性及非高斯噪声的控制系统的基于粒子滤波和RBF辨识的神经网络PID控制参数自整定方法；先将PID控制器输出和系统输出分别连接RBF神经网络辨识结构输入，系统输出和RBF神经网络辨识结构之间连接粒子滤波部分；再用粒子滤波对系统输出滤波得到粒子滤波输出，将粒子滤波输出和RBF神经网络输出相减的值作为目标函数训练RBF神经网络得到其输出，然后计算系统的雅可比信息，最后将系统参考输入和系统输出之间的偏差信号作为目标函数训练神经元，用雅可比信息指导神经元通过学习算法调整PID控制器。本发明在保留PID控制鲁棒性高和可靠性好等特点的同时能进一步提高控制系统的动态响应性能和抗干扰能力。

主权项

1.一种基于粒子滤波和RBF辨识的神经网络PID控制参数自整定方法，其特征是采用如下步骤：1)将系统中的神经元PID控制器输出连接控制对象输入，将PID控制器输出和系统输出y_out分别连接RBF神经网络辨识结构的输入，系统输出y_out和RBF神经网络辨识结构之间连接粒子滤波部分；2)采用粒子滤波对系统输出y_out进行滤波，得到粒子滤波输出y_e，将粒子滤波输出y_e和RBF神经网络输出y_m相减的值e₂＝y_e-y_m作为目标函数训练RBF神经网络，得到RBF神经网络辨识输出y_m(k)；3)结合RBF神经网络辨识输出y_m(k)计算系统的雅可比信息u(k)是PID控制器输出的控制信号，y_out(k)是系统输出的控制信号；4)将系统参考输入r_in和系统输出y_out之间的偏差信号e₁作为目标函数训练神经元，应用雅可比信息指导神经元通过学习算法调整PID控制器的比例系数、积分时间常数和微分时间常数这3个参数。