第
28
卷第
4
期
2012
年
8
月
上海电力学院学报
Joumal
of
Shanghai
University
of
E1ectric
Power
文章编号
1006
-4729(2012)04
-0396-04
CMAC
神经网络与
PID
复合控制
在温度控制中的应用
薛阳,汪莎
(上海电力学院电力与自动化工程学院,上海
2
∞
090)
Vo
1.
28 , No.4
Aug.
2012
摘
要:介绍了小脑模型神经网络原理,提出了神经网络与
PID
的复合控制算法.将该算法应用于温度控制
中,对各个控制器的输出进行了仿真眼踪,并研究了其抗干扰性能,以及改变被控对象参数时的系统响应特
性.仿真结果表明,神经网络
CMAC
与
PID
复合控制的输出误差小、实时性好、鲁棒性强,抗干扰能力较好.
关键词
CMAC
神经网络;复合控制;温度控制
中固分类号:
TPl
曰
jTP13
文献标志码
:A
CMAC
Neural Network and PID Composite Control
in the Application of Temperature Control
XUE Yang, W ANG Sha
(Sc
/wol 01 Electric Power and
A
ω
omatwn
E
,
唔
ineering
,
Shangh
α
University
01 Electric Power , Shanghai
2
∞
090
,
China)
Abstract:
币
le
principle of
CMAC
(Cerebella
Model Articulation Controller) is described , the
neural network
CMAC
and
PID
composite control algorithm is proposed , which is applied in the
temperature control to track the simulation of each controller and study its anti-jamming. Simulation
results show that for the step input
, the feedforward control has better results and a certain anti-
interference
ability.
白lÎ
s
fully reflects the advantages of neural network
CMAC
and PID composite
control
, that is , small output error, real-time and strong robust.
Key
words:
CMAC
neural network; composite control; traditional
PID
常规的
PID(
比例、积分、微分)控制器是过程
控制中应用最为广泛的一种控制器,具有结构简
单、稳定性好、可靠性高的特点,对于线性定常系
统的控制是非常有效的,一般都能够得到比较满
意的控制效果.但常规的
PID
控制器不能在线整
定参数,而且对于非线性、时变的系统,以及模型
收稿日期:
2012
-03
-16
不清楚的系统不能进行很好的控制,其
PID
参数
整定困难,因此无法得到预期的控制效果
[1]
神经网络具有良好的并行处理、学习、非线性
映射和泛化能力[坷,这使其在智能控制中得到广
泛应用.小脑模型关节控制器
(Cerebella
Model
Articulation Controller,
CMAC)
是
ALBUS
J
S
根据
通讯作者简介:薛阳(1
976
-),男,博士后,副教授,江苏无锡人.主要研究方向为智能控制,电力仿真,核电技术,光
伏发电技术等.
E-mail: xueyang@shiep.edu.cn.
基金项目:国家自然科学基金资助项目
(6104
∞
13)
j
上海市教育委员会重点学科建设项目(1
51303)
.