一种基于双神经元自适应预估控制的静态解耦系统  

A Kind of Static Decouple System Based on Double-Neuron Adaptive Predictive Control

作　　者：占磊 

机构地区：[1]北京国电智深控制技术有限公司,北京102209 [2]北京市电站自动化工程技术研究中心,北京102209

出　　处：《工业控制计算机》2021年第1期37-39,共3页Industrial Control Computer

摘　　要：当前在多变量系统的解耦控制的实际应用中,存在对象精确模型的依赖型问题,造成动态控制效果不够理想。大规模神经网络等技术控制算法过于复杂,在很多程度上影响了控制的可实现性和实时性。提出了一种基于双神经元自适应预估控制的静态解耦控制系统。详细阐述了所采用的基于神经元的自适应预估控制算法。使用一个神经元作为回路的自适应控制器。该自适应控制器使用三个与误差相关的输入变量,采用最速下降法修正网络权值。使用另一个神经元作为该回路的输出预估器,在被控对象结构可辨识得出的基础上,在预估器中使用分头延时连接(TDL)构造神经元输入信息,在线训练时采用最速下降法修正网络权值,使用训练后当前的网络权值计算预估输出。为提高预测精度,使用先前的信息对由神经元预估器得到的预估值进行了校正,为神经元自适应控制器提供所需的预估信息。对所提出的控制算法做了仿真研究。经仿真试验和现场运行试验,取得了满意的控制效果,充分表明了所提出的设计开发的控制器的实用性和有效性。In the practical application of decouple control for MIMO system,precise mathematical model of controlled object is greatly depended on and cause unsatisfactory control effects.Complexity of algorithms based on large-scale neural network effects the practicability and real-time property of control algorithms.A kind of adaptive predicative controller based on neurons was proposed.Algorithms of adaptive predicative controller based on neurons were expounded in detail.One neuron was used as adaptive controller and 3 input variables related with error were used.Gradient descent method was used in modifying weights in the neuron network.The other neuron was used as predictor.Tapped delay lines are used in the neuron predictor to input variables to the neuron.Gradient descent method was used in modifying weights for predictor neuron in online training.Former information was used to modify the predicted output values of predictor to improve prediction performance.Simulation research was done to the proposed algorithms.

关 键 词：神经元 自适应控制 预估控制 解耦 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置] TP183[自动化与计算机技术—控制科学与工程]