[发明专利]一种基于神经网络的分数阶内模PID控制器

说明书

本发明涉及一种基于神经网络的分数阶内模PID控制器，包括获得控制系统的数学模型如下：其中，k_p、k_i、k_d、k_f分别为PID控制器的控制参数；λ为滤波时间常数；a和b分别为PID控制器的积分和微分的分数阶次；采用神经网络计算三个未知量λ、a和b，包括：所述神经网络的输入为控制系统的期望值R(t)，实际输出值Y(t)以及偏差e(t)，所述神经网络的输出为λ、a以及b。本发明解决了分数阶内模PID控制器参数确定困难复杂的问题，使用神经网络对参数进行实时的整定，系统的响应时间快、超调量小并且抗干扰能力强。

技术领域

本发明涉及控制器算法领域，尤其涉及一种基于神经网络的分数阶内模PID控制器。

背景技术

在经济快速发展的今天，人们追求高质量的生活。空调已经成为人们生活中不可缺少的一部分。无论是学习还是生活，一个合适的温度不仅会让人感到舒适，也会让人保持清醒的头脑，事半功倍。对于空调房间温度的控制，目前使用最多的还是比例积分微分控制(PID控制)。但是众所周知，PID控制器在对系统的控制过程中，设定值与输出值之间的误差会不断减小，由于PID控制器中的三个参数不会根据误差的改变而做出改变，这会导致系统超调大、响应慢等问题。

目前已提出了分数阶PID控制器，即：将传统PID控制器的积分和微分项的阶次使用分数来表示。与传统PID控制器相比，分数阶PID控制器具有更大的调节范围，更强的鲁棒性，抗干扰性能更优，在规定限度控制方面也取得了比传统PID控制器更好的效果。但是，分数阶PID控制器除了比例积分微分这三个参数之外，还多了两个分数阶次的参数，这就加大了控制器的复杂程度。而且该控制器还存在参数整定计算量大、待求解参数多等缺点。

内模控制原理将PID控制器的三个参数仅使用一个滤波时间常数来表示，减少了参数数量，提高了控制器的性能。将内模控制与分数阶理论相互结合，将大大减少系统所控制的参数。Tavakoli将内模原理运用到了分数阶PI控制器和分数阶PID控制器上面来，取得了不错的效果。但是，虽然内模原理简化了部分参数，但是分数阶PID控制器参数难整定的问题还是存在。

因此，如何提供一种参数确定简单、响应时间快、超调量小且抗干扰能力强的基于神经网络的分数阶内模PID控制器是本领域技术人员亟待解决的一个技术问题。

发明内容

本发明提供一种基于神经网络的分数阶内模PID控制器，以解决上述技术问题。

为解决上述技术问题，本发明提供一种基于神经网络的分数阶内模PID控制器，获得控制系统的数学模型如下：

其中，k_p、k_i、k_d、k_f分别为PID控制器的控制参数；λ为滤波时间常数；a和b分别为PID控制器的积分和微分的分数阶次；

采用神经网络计算三个未知量λ、a和b，包括：

所述神经网络的输入为控制系统的期望值R(t)，实际输出值Y(t)以及偏差e(t)，所述神经网络的输出为λ、a以及b。

较佳地，获得所述控制系统的数学模型的方法包括：建立所述PID控制器的传递函数如下：

采用内模原理将所述PID控制器的控制参数k_p、k_i、k_d、k_f表示出来。

较佳地，采用所述内模原理表示所述PID控制器的控制参数包括：

将过程模型G(s)进行分解，得到：

G(s)＝G₊(s)G_-(s)