神經網絡分數(shù)階PID在網絡控制系統(tǒng)中的研究與應用.pdf

1、隨著控制理論、計算機技術及通信技術的日益發(fā)展和交叉滲透，網絡化控制應運而生，并逐漸成為國際學術界研究熱點之一。網絡化控制系統(tǒng)通過通信網絡來實現(xiàn)數(shù)據(jù)交換，然而，在控制系統(tǒng)中引入網絡環(huán)節(jié)會帶來網絡誘導時延、數(shù)據(jù)丟包等一系列問題，為減小或消除網絡時延給控制系統(tǒng)所帶來的影響，本文在參考了國內外關于網絡化控制系統(tǒng)研究理論的基礎之上，從系統(tǒng)的建模、控制器設計等方面進行了研究。主要研究及結論如下:
　　首先，本文介紹了網絡化控制系統(tǒng)產生的有關背

2、景、發(fā)展現(xiàn)狀及其特點，并簡要分析了網絡控制系統(tǒng)中的幾個問題。針對網絡控制系統(tǒng)中存在的時延問題，在不考慮其他網絡因素影響的條件下分別對短時延和長時延的網絡化控制系統(tǒng)進行數(shù)學建模。
　　其次，分數(shù)階控制器與傳統(tǒng)PID控制器相比具有更好的適應性，但由于分數(shù)階控制器引入了兩個附加參數(shù)λ和μ，從而使分數(shù)階PIλDμ控制器參數(shù)的確定變得更加困難。RBF神經網絡具有自適應和自學習能力，將其與分數(shù)階PID控制器相結合，有效提高分數(shù)階PID控制器對

3、系統(tǒng)不確定性的適應能力，并對參數(shù)在線調整，實現(xiàn)了對時延的良好補償。
　　最后，在Matlab/Simulink環(huán)境下運用TrueTime工具箱建立了網絡控制系統(tǒng)仿真平臺，以彈簧——阻尼控制系統(tǒng)為研究對象，模擬實際網絡控制系統(tǒng)的運行，分別將基于RBF神經網絡分數(shù)階PID控制器、神經網絡PID控制器、分數(shù)階PID控制器運用于控制系統(tǒng)模型，并進行仿真驗證。結果表明基于RBF神經網絡的分數(shù)階PID控制器具有較優(yōu)的控制性能，能夠對時延進行有