本站小編為你精心準備了單神經元的溫箱自適應控制系統思考參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要：為了提高溫箱的溫度控制精度與抗擾能力，提出了一種基于單神經元的自適應改進控制算法。分析了溫箱模型及其時延性與傳導慣性，將單神經元與經典PID算法相結合，利用單神經元的非線性逼近和自學習能力，實現參數的在線調整，同時利用二次型性能指標對連接權值進行約束調整，提高參數調整穩定性和收斂速度。仿真結果表明，與經典PID算法相比，該改進控制算法具有更快的響應速度和更小的超調量，系統自適應和魯棒性能得到明顯提升。

關鍵詞：溫度控制；PID；神經元；學習規則；自適應控制

溫箱是高低溫實驗的重要設備，其主要功能是實現溫箱空間內的高精度溫度控制，保證其溫度變化穩定跟蹤設定軌跡。隨著工業技術的發展，對溫度控制精度提出了更高的要求，需要對傳統控制算法進行改進，以提升溫度控制響應速度與控制精度。經典PID控制器基于線性控制模型進行設計，具有良好的魯棒性，在溫度控制系統設計中得到廣泛應用[1-3]。由于溫箱模型具有時滯性、非線性、傳導慣性及時變性等特性，僅采用經典線性PID算法很難實現溫度控制精度和抗擾能力的進一步提升[4-5]。本文提出了一種基于單神經元的自適應控制算法，將單神經元應用于PID參數訓練中，利用神經元的非線性逼近和自學能力，實現控制參數的在線實時調整，以提升控制系統的自適應性和魯棒性，從而提高溫度控制的穩定精度和抗擾能力。

1溫箱數學模型分析

溫箱主要采用加熱棒作為熱源，通過控制加熱棒中的二次電流，實現對溫度的控制。提高加熱棒中的電流，增加熱量輸出，從而控制溫度上升，降低加熱棒中的電流，從而控制溫度下降。為實現溫度的高精度控制，需要利用溫度傳感器、電流驅動器及控制算法實現對溫度的實時控制，在進行控制器設計前，首先需要對溫箱進行數學建模。加熱棒產生的熱量通過散熱片及箱體進行傳導，并通過空氣進行輻射擴散，在溫度傳導的過程中，會產生一定的時延[6]。另外，由于溫箱中具有一定的密閉空間，其溫度變化過程具有一定的慣性。考慮溫度變化的時延性和慣性，可將溫箱簡化為一個包含一階慣性環節和純時延環節的控制對象，溫箱模型的傳遞函數可表示為G（s）=ke-λsTgs+1（1）式中：G（s）表示溫箱模型的傳遞函數；k表示加熱棒輸入電流與熱量輸出的放大系數；λ表示溫箱的時延系數；Tg表示溫箱的慣性時間常數。溫箱模型實際是一個更為復雜的系統，其內部具有非線性和時變性，且受到外界溫度、濕度、風向等工作環境因素的干擾，為了簡化被控模型，可將內部不確定因素和外界干擾統一看作一個擾動總和，作為模型的一個干擾輸入，記作d（s）。

2溫度控制系統設計

2.1經典PID控制設計

經典PID控制算法由于具有結構簡單、較強的魯棒性，仍然在線性控制系統設計中占有主要地位，在工業設計中得到廣泛應用。基于PID算法的控制系統模型如圖1所示，其主要利用溫度傳感器的采集值反饋至輸入端，構成閉環控制回路，將輸入指令與輸出值之間的差值輸入至PID控制器，經過運算輸出控制電流，從而控制加熱棒的熱量釋放[7-9]。PID控制算法的離散型表達式為Δu=kp［e（k）-e（k-1）］+kie（k）+kd［e（k）-2e（k-1）+e（k-2）］（2）式中：Δu表示控制器輸出增量；e（k）表示輸入與輸出之間的差值；kp，ki，kd分別表示比例、積分和微分參數。為了保證溫度控制的響應速度和穩定經度，一般可將溫控系統設計為二階閉環控制系統，控制參考模型的閉環傳遞函數可表示為[10]Φ（s）＝ω2s2+2ξωs+ω2（3）式中：ξ表示系統阻尼比；ω表示系統帶寬。可根據系統設計需求，設定合適的阻尼比和帶寬，從而推導出PID控制器對應的適當參數。但是，由于實際被控對象中存在時延和慣性特性，且包含了非線性和時變性等不確定因素，僅采用傳統的頻域設計和參數設定方法，很難保證系統滿足需求所要求的穩定性和響應速度，且控制參數確定后，控制器無法根據外界干擾變化進行自適應調整，穩定裕度和自適應能力不足。隨著工業生產水平的提高，對溫控系統的控制精度和穩定性提出了更高的要求，僅采用傳統PID設計方法很難滿足更高的控制需求。為了進一步提高溫度控制精度和自適應控制能力，利用神經網絡的非線性逼近和自學能力，將單神經網絡與PID算法相結合，提出一種基于單神經元的自適應控制算法。

2.2基于單神經元的自適應改進設計

神經元結構模型如圖2所示，模擬大腦皮層神經元結構，具有多個輸入和單個輸出，輸入信號與連接權值進行線性加權求和，通過加權、閾值比較等非線性處理，最終輸出狀態結果[11]。圖中x1，x2，…，xn表示神經元的輸入元素；ωi1，ωi2，…，ωin表示連接權值，反應突觸的連接強度。輸入通過線性加權求和，表達式為Neti=∑ωijxj（4）將加權求和與閾值進行運算比較，從而引起輸出狀態的變化，輸出狀態函數的數學表達式為yi＝sgn（∑ωijxj-θi）（5）式中：θi表示閾值；sgn表示符號函數。利用學習規則對連接權值進行迭代修正，直到輸出滿足需求的結果。本文采用Hebb學習規則，其屬于有監督的學習規則，學習規則表達式為ωij（k+1）=ωij（k）+α（di-yi）xj（6）式中：di表示期望輸出；yi表示實際輸出；α表示調整步幅系數，控制學習速率。為了提升溫度控制系統的控制精度和響應速度，提高系統自適應能力和穩定裕度，將單神經元與PID控制算法相結合，實現控制參數的在線調整，克服系統參數時變性和非線性的干擾。基于單神經元的自適應溫度控制系統結構如圖3所示。圖中，yd表示系統的期望輸出；y表示系統的實際輸出，定義期望輸出與實際輸出間的差值為e（k）=yd（k）-y（k），定義神經元的3個輸入為：x1（k）=e（k），x2（k）=e（k）-e（k-1），x3（k）=e（k）-2e（k-1）+e（k-2），連接權值ω1，ω2，ω3分別表示kp，ki，kd參數。溫度控制算法表達式為u（k）=u（k-1）+β3i＝1∑ωi′（k）xi（k）（7）學習規則算法表達式為ωi′（k）=ωi（k）/3i＝1∑ωkωi（k）=ωi（k-1）+αie（k）u（k）xi（k∑∑∑∑∑）（8）式中：αi表示第i給連接權值的調整步幅系數，控制其學習速率；β控制整個系統的響應速度，需要根據系統階躍響應速度進行適當調整。為進一步優化控制效果，可利用最優控制理論，將二次型性能指標對控制律進行約束，在學習規則中引入二次型性能指標，將輸出誤差和控制增量的加權平均和作為約束條件，對神經元的連接權值進行調整，從而對輸出誤差實現間接的約束控制。二次型性能指標表達式為E（k）=12（P（yd（k）-y（k））2+QΔ2u（k））（9）式中：P表示輸出誤差的加權系數；Q表示控制增量的加權系數；yd（k）表示k時刻的期望輸出；y表示k時刻的實際輸出。改進后的學習規則算法表達式為ωi′（k）=ωi（k）/3i＝1∑ωkωi（k）=ωi（k-1）+αiβPb0e（k）xi（k）-QB3i＝1∑（ωi（k）xi（k））xi（k∑∑）∑∑∑∑∑∑∑（10）式中：b0表示輸出值的初始值。

3仿真驗證為驗證

所設計控制算法的性能，設定被研究溫箱的數學模型為G（s）=0.6e-4s36s+1（11）分別采用傳統PID控制算法和單神經元自適應控制算法進行溫度控制，輸入設定溫度值，測試溫度控制階躍響應控制效果，對比兩種算法的過渡響應過程和穩定性能。兩種控制算法的控制仿真結果如圖4所示。由控制仿真結果可以看出，與傳統PID控制算法相比，單神經元自適應控制算法的響應速度更快，能夠迅速上升到設定值，且具有更小的超調量，具有更快更穩的響應速度。另外，在200s處增加一個外界干擾ξ＝2，對比兩種控制算法的抗擾能力，可以明顯看出，單神經元自適應控制算法能夠快速抑制干擾，控制輸出收斂至設定值，具有更強的干擾抑制能力。比例kp、積分ki、微分kd三個參數的自適應在線調整過程如圖5所示，在控制響應過渡階段，參數根據輸出誤差及控制量進行自適應調整，快速迭代收斂至穩定狀態，在出現干擾時，參數能夠自適應進行微量調整，從而快速對干擾進行抑制，驗證了單神經元自適應控制算法的有效性。

4結語

本文針對溫箱的溫度控制問題，對溫箱模型進行了分析，為克服溫箱溫度傳導的時延性和傳導慣性，在經典PID控制算法的基礎上，結合單神經元的非線性逼近和自學能力，提出了一種改進型自適應控制算法。通過仿真實驗，對比了經典PID算法和改進算法的階躍響應特性，并引入干擾量，測試兩種控制算法的抗擾能力，仿真結果表明，基于單神經元的改進型自適應控制算法具有更快的響應速度和更小的超調量，在干擾抑制方面，能夠快速抑制外界干擾，輸出僅出現較小的波動，且能夠迅速收斂至設定值，在控制過渡過程，控制參數通過學習規則進行了實時調整，并能夠快速迭代收斂至穩定值，驗證了改進型控制算法的有效性。

作者：高磊 陶彥飛 劉祥言 單位：中國電子科技集團公司第二十七研究所