摘 要：介绍了一种单神经元自适应控制的方法，并提出了在线调整的方法。该方法结构简单，便于在分散控制系统中实现。0 引言 在工业过程控制中，PID控制是历史最悠久、生命力最强的控制方式。这主要是因为这种控制方式具有直观、实现简单和鲁棒性能好等一系列优点。在火电厂分散控制系统中，单输入单输出（SISO）、采用PID控制规律、简单的控制回路一般占80%以上。但是，许多热工对象都具有大时延、大惯性的特性，使得过渡过程时间变长，调节品质变差；另外，对于高阶或多变量强耦合过程，PID的整定与控制都存在困难。由于整定条件常常受到限制，以及对象的动态特性随着工况、环境等变化而发生变化，PID参数往往难以达到
在工业电子领域，传统的PID控制虽然应用广泛，但由于其固有的局限性，如对具有大时延、大惯性及高阶多变量强耦合过程的控制效果不佳，因此需要寻求更为灵活和适应性强的控制策略。单神经元自适应控制方法就是针对这些问题提出的一种新型解决方案。
单神经元自适应控制方法结合了前馈和反馈控制，通过单一神经元模型实现，其输入信号由四个部分组成：前馈控制信号x1(t)、反馈比例控制信号x2(t)、反馈微分控制信号x3(t)和反馈积分控制信号x4(t)。这一多层次的控制结构能够快速响应并补偿各种控制需求。权重ω'i(t)（i=1,2,3,4）根据受控对象的动态特性实时调整，以优化控制效果。
在权值调整过程中，文章采用了有监督的Hebb学习算法，并通过规范化学习算法保证了算法的收敛性和控制系统的鲁棒性。控制算法的具体表达式涉及到这些权重的动态更新，确保系统能够适应不断变化的工况和对象特性。
仿真实验结果显示，单神经元自适应控制相比标准PID控制在响应速度和控制精度上都有显著提升。当系统受到内部扰动时，单神经元控制能更快地恢复稳定。此外，控制参数如学习速率η、神经元比例系数K等对控制性能有显著影响。K的大小影响系统的响应速度和超调量，需要根据系统状态采用非线性变换或分段线性化方法进行在线调整，以兼顾快速响应和稳态性能。
总结来说，单神经元自适应控制方法为工业电子中的复杂过程控制提供了一种有效手段，它简化了控制结构，增强了系统自适应能力和鲁棒性，特别适合在分散控制系统中应用。通过不断的在线学习和参数调整，该方法能更好地应对工况变化和不确定性，改善控制系统的整体性能。
