介紹了一種單神經元自適應控制的方法，并提出了在線調整的方法。該方法結構簡單，便于在分散控制系統中實現。

0 引言

在工業過程控制中，PID控制是歷史最悠久、生命力最強的控制方式。這主要是因為這種控制方式具有直觀、實現簡單和魯棒性能好等一系列優點。在火電廠分散控制系統中，單輸入單輸出（SISO）、采用PID控制規律、簡單的控制回路一般占80%以上。但是，許多熱工對象都具有大時延、大慣性的特性，使得過渡過程時間變長，調節品質變差；另外，對于高階或多變量強耦合過程，PID的整定與控制都存在困難。由于整定條件常常受到限制，以及對象的動態特性隨著工況、環境等變化而發生變化，PID參數往往難以達到最優狀態。

為此，本文提出一種單神經元自適應控制的方法。通過大量的仿真實驗表明，該方法簡單易行，具有比普通PID算法好得多的控制效果。

1基于單神經元的自適應控制

神經元的輸入信號由4部分組成：前饋控制信號x1（t）、反饋比例控制信號x2（t）、反饋微分控制 信號x3（t）、反饋積分控制信號x4（t）。它是一種多層次多模式的控制結構，集前饋和反饋于一體，互為關聯，互為補償。前饋控制信號x1（t）通過ω′1（t） 直接作用于受控對象，加快了系統的響應速度；x2（t）能迅速減小跟蹤誤差；x3（t） 可以改善系統的響應速度，減小超調量；x4（t） 使系統趨近于穩態無差，提高了控制的準確性。權值ω′i（t）（i=1，2，3，4）反映了受控對象和過程的動態特性，神經元通過自身的學習策略不停地調整ω′i（t）（i=1，2，3，4），在4種控制的關聯作用下迅速消除偏差，進入穩態。

權值調整方法采用有監督Hebb學習算法［2］，同時為了保證學習算法的收斂性和控制的魯棒性，可采用規范化的學習算法。控制算法如下式：

2仿真實驗研究

進行單神經元自適應控制仿真實驗，實驗結果見圖2。PID的參數Ti、δ和Td是通過尋優得到的最優參數。在t=0.56 s時加了一個內擾。可見單神經元自適應控制比普通PID控制響應速度快，控制效果好。

大量的仿真實驗表明，單純調節學習速率η對控制效果的影響不明顯。K是神經元的比例系數，它對開環放大倍數較大的受控對象，可以起到衰減神經元控制效果、消除學習過程的沖擊的作用；而對開環放大倍數較小的受控對象，則可以起到增強神經元控制效果、保證神經元在全局范圍內搜索到E｛［r（t）-y（t）］2｝ 的最小值的作用。仿真實驗表明，K取的較大時，系統動態啟動快，但超調量大，調整時間長；K取的較小時，系統響應變慢，超調量下降，但如果K取的太小，則響應跟蹤不上給定信號。

對K的分析表明，應當在響應初期取較大的值，以提高響應速度；而在進入穩態以后，K應逐步減少到某一穩定值，以保證系統不出現過大的超調量。為了滿足上述要求，可以采用非線性變換法對K進行在線修改，調整公式如下：

式中，K0為K的穩態值；α為待定參數，其值視控制效果進行調整。取偏差的3次方是使偏差較大時K較大，增加響應速度，而偏差較小時，后一項幾乎不起作用，以減小超調量。

也可以采用如下簡單的分段線性化方法來調整K：

對無自平衡對象G（s）=（0.325s+1）-1×（0.5s+1）-1 進行單神經元自適應控制仿真實驗，實驗結果見圖3。在t=5.6 s時加一個內擾。可見控制的響應速度進一步加快。

3結論

以上提出的神經元自適應預測PID控制器，能夠提高控制系統的自適應能力和魯棒性，該控制器結構簡單，易于實現，特別是便于在分散控制系統中實現。