第3卷第3期 智能系统学报 Vol 3 Na 3 2008年6月 CAA I Transactions on Intelligent Systems Jun 2008 进化神经网络PD控制器的研究与应用 邱建斌，王劭伯 (福州大学电气工程与自动化学院，福建福州350002) 摘要：提出一种基于进化神经网络的PD控制器设计方法.该控制器主要由3部分组成，第1部分应用神经网络根 据控制对象的输入、输出在线调整PD控制器参数.第2部分利用进化算法根据性能指标对神经网络控制器参数进 行优化，找出最优的神经网络初始权系数和比例系数.第3部分是传统PD控制器.把该控制器温度控制的仿真对照 结果表明，这种控制算法具有结构简单、鲁棒适应性强、进化性能良好的特点.同时还提出一种以快速响应为目标的 改进方案. 关键词：进化神经网络；进化算法；神经网络；分段控制；PD 中图分类号：1P13文献标识码：A文章编号：16734785(2008)03-0245-05 An iproved PD controller based on an evolutionary neural network Q U Jian-bin,WANG Shao-bo (College of Electrical Engineering and Automation,Fuzhou University,Fujian 350002,China) Abstract:A PD controller design based on an evolutionary neural netork is presented It consists of three parts In the first part,a neural netork is used to optm ize and ad just PD parameters in real tme In the second part. the parameters of the neural netork are opti ized by an evolutionary algorithm.The third part is a traditional PD controller A smulation wasmade of a temperature control system which showed that this controller is characterized by a siple structure,robust adap tation,and good evolutionary perfomance An mp roved scheme with more rapid response is also presented Keywords:evolutionary neural neworks,evolutionary algorithm;neural netorks piecew ise control,PD PD控制已经成为工业过程控制中主要的和rim,EA)是一种模拟生物进化过程的随机优化算 可靠的技术工具山.在工业控制中总会存在着各种法).该算法具有良好的全局搜索能力和无需误差 各样的不确定性，这些不确定性可能造成辨识模型 梯度信息就可以进化学习到问题接近最优解的特 的变化，这就要求PD控制器有在线调整优化自身 点.它从可行解空间中随机产生的多个起点同时开 控制参数的功能，这是人们关注的重要问题 始概率性搜索，通过适当的进化操作设计，可以保证 目前，采用把神经网络应用于PD控制已是一 搜索收敛到全局最优点，从而克服传统搜索方法的 大研究热点21.特别是网络连接权采用误差信号反 不足 向传播(back propagation,BP)算法.BP网络不但具 首先给出一种采用进化神经网络的PD控制 有很好的逼近非线性映射的能力，而且具有自适应 器.然后，将此方法用于温度控制，验证该方法的有 学习、并行分布处理和有较强的鲁棒性和容错性等 效性.为了能够让控制系统快速响应，提出了基于分 特点.但是BP算法是一种梯度下降的学习方法，它 段控制的进化神经网络PD控制器设计方案， 对复杂误差函数容易陷入搜索空间的局部最优区 1进化神经网络PD控制原理 域，使得搜索效率降低.进化算法(evolutionary algo- 进化神经网络PD控制(NN-PD)结构如图1 所示.神经网络PD控制器的性能被看作是进化算 收稿日期：200706-28 基金项目：福建省教有厅科研资助项目(K03008). 法寻优对象.进化算法以进化的方式完成神经网络 通讯作者：邱建斌.Emai让fishgib2008@163.cam PD控制器参数的优化I5) 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net第 3卷第 3期 智 能 系 统 学 报 Vol. 3 №. 3 2008年 6月 CAA I Transactions on Intelligent System s Jun. 2008 进化神经网络 PID控制器的研究与应用 邱建斌 ,王劭伯 (福州大学 电气工程与自动化学院 ,福建 福州 350002) 摘 要 :提出一种基于进化神经网络的 P ID控制器设计方法. 该控制器主要由 3部分组成 ,第 1部分应用神经网络根 据控制对象的输入、输出在线调整 P ID控制器参数. 第 2部分利用进化算法根据性能指标对神经网络控制器参数进 行优化 ,找出最优的神经网络初始权系数和比例系数. 第 3部分是传统 P ID控制器. 把该控制器温度控制的仿真对照 结果表明 ,这种控制算法具有结构简单、鲁棒适应性强、进化性能良好的特点. 同时还提出一种以快速响应为目标的 改进方案. 关键词 :进化神经网络 ;进化算法 ;神经网络 ;分段控制 ; P ID 中图分类号 : TP13 文献标识码 : A 文章编号 : 167324785 (2008) 0320245205 An improved PID controller based on an evolutionary neural network Q IU Jian2bin, WANG Shao2bo (College of Electrical Engineering and Automation, Fuzhou University, Fujian 350002, China) Abstract:A PID controller design based on an evolutionary neural network is p resented. It consists of three parts. In the first part, a neural network is used to op tim ize and adjust PID parameters in real time. In the second part, the parameters of the neural network are op tim ized by an evolutionary algorithm. The third part is a traditional PID controller. A simulation wasmade of a temperature control system which showed that this controller is characterized by a simp le structure, robust adap tation, and good evolutionary performance. An imp roved scheme with more rap id response is also p resented. Keywords: evolutionary neural networks; evolutionary algorithm; neural networks; p iecewise control; PID 收稿日期 : 2007206228. 基金项目 :福建省教育厅科研资助项目 ( K03008). 通讯作者 :邱建斌. E2mail: fjshqjb2008@163. com. PID控制已经成为工业过程控制中主要的和 可靠的技术工具 [ 1 ] . 在工业控制中总会存在着各种 各样的不确定性 ,这些不确定性可能造成辨识模型 的变化 ,这就要求 PID控制器有在线调整优化自身 控制参数的功能 ,这是人们关注的重要问题. 目前 ,采用把神经网络应用于 PID控制已是一 大研究热点 [ 2 ] . 特别是网络连接权采用误差信号反 向传播 ( back p ropagation, BP)算法. BP网络不但具 有很好的逼近非线性映射的能力 ,而且具有自适应 学习、并行分布处理和有较强的鲁棒性和容错性等 特点. 但是 BP算法是一种梯度下降的学习方法 ,它 对复杂误差函数容易陷入搜索空间的局部最优区 域 ,使得搜索效率降低. 进化算法 ( evolutionary algo2 rithm, EA)是一种模拟生物进化过程的随机优化算 法 [ 3 ] . 该算法具有良好的全局搜索能力和无需误差 梯度信息就可以进化学习到问题接近最优解的特 点. 它从可行解空间中随机产生的多个起点同时开 始概率性搜索 ,通过适当的进化操作设计 ,可以保证 搜索收敛到全局最优点 ,从而克服传统搜索方法的 不足. 首先给出一种采用进化神经网络的 PID 控制 器. 然后 ,将此方法用于温度控制 ,验证该方法的有 效性. 为了能够让控制系统快速响应 ,提出了基于分 段控制 [ 4 ]的进化神经网络 PID控制器设计方案. 1 进化神经网络 PID控制原理 进化神经网络 PID控制 ( ENN2PID)结构如图 1 所示. 神经网络 PID控制器的性能被看作是进化算 法寻优对象. 进化算法以进化的方式完成神经网络 PID控制器参数的优化 [ 527 ]