本文设计了二次性能指标神经元PID控制器，并利用Matlab软件在三个方面对温度控制系统进行了仿真：跟踪，抗干扰和鲁棒性。
真结果表明，所设计的控制器比传统的PID控制器具有更好的控制效果。次性能指标，温度控制系统，PID神经元控制器中图分类号：TP273.1文献标识码：概述神经网络涉及使用工程技术来模拟神经网络和神经功能人类。规模并行非线性系统[1]具有信息分布存储，并行处理，自组织和自学习能力等优点，具有广阔的应用前景。
息处理，模式识别和智能控制领域。文利用Matlab软件设计并仿真了二次性能指标神经元PID控制器。次性能指标神经元PID控制器的示意图如图1所示。
神经元PID控制器的加权系数调整到最小化一定的性能指标，以获得PID控制自适应。神经学习算法中，利用最优控制中二次性能指标的思想，在调整加权系数时引入二次性能指标，从而得出误差输出和控制的增量加权和被最小化以调整加权系数。
此，间接执行输出误差约束控制和增量控制加权。能指标如下：本文档选择监督的Hebb学习规则来纠正连接的权重。此，通过二次性能指标规范优化的PID神经元控制器的输出和学习算法符合等式2-6。等式2-6中，b0是对应于输出的第一个值，恒温阀芯并且：ηI，ηP，ηD是积分，比例差分学习率，K是神经元的比例系数，K> 0。度下降法，校正网络的加权系数ωi（k），即根据J（k）对加权系数的负梯度方向搜索的调整如下：温度控制系统中的控制器应用选择受控对象：软件模拟二次性能指标神经控制器的跟踪，抗干扰和鲁棒性。
踪系统输入加上单位音调信号，性能神经元的次级性能模拟曲线如图3所示。级性能神经元的PID采样周期为Ts = 0.1。
图2中可以看出，控制器可以跟随给定的音调信号。
干扰二次性能神经元PID控制器在100 s时增加了90％的干扰，Ts = 0.1并在50 s时恢复跟踪而没有过冲。真图如图3所示。以看出，控制器对温度控制系统有一些抗干扰。棒性将温度控制系统的增益修改为5，受控对象为：，PID控制器仿真曲线如图4所示。级性能神经元的PID采样周期Ts = 0.1，如模拟中所示，图5.从模拟曲线的比较可以看出，当温度控制系统的受控对象发生变化时，只有带有索引的PID神经元控制器二次性能可以遵循给定的步进信号，而传统的PID不能跟随，从而指示例程。PID不如神经元PID控制器的二次性能指标稳健。论仿真结果表明，二次性能指标的神经PID比传统PID控制器更有利于提高控制质量：受环境影响较小，鲁棒性较强。制。是一个非常有用的应用程序。台的控制器。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com