点击下载——基于Delta学习规则的改进型单神经元自适应PID控制器设计.doc 摘要:介绍了基于Delta学习规则的单神经元自适应PID控制器的控制算法，提出利用径向基函数(RBF)神经网络对其中未知部分进行辨识，构成单神经元和RBF网络组合控制器，并利用带有纯滞后环节的二阶模型进行仿真研究，结果显示改进型算法比原算法响应速度快、抗干扰能力强，具有更好的动、静态特性。 关键词:单神经元;PID控制;RBF网络;自适应控制 0引言 常规PID由于控制结构简单，且控制方案不需要精确的数学模型，被广泛应用于工业控制领域。但对于复杂系统如带有纯滞后环节的系统和非线性系统［1］，常规PID无法达到理想的控制效果。人工神经网络的基本结构模仿人脑，具有自学习、自组织、联想记忆和并行计算等功能，受到控制界的关注。利用具有自适应能力的单神经元构成自适应PID控制器，不但结构简单，且能适应环境变化，有较强的鲁棒性［2－3］。为此，本文将单神经元作为控制器，将径向基函数(RBF)神经网络作为辨识器，对一种基于Delta学习规则的单神经元自适应PID控制器进行改进，并利用带有纯滞后的二阶模型，对算法进行了仿真验证。 1增量式PID控制器 基于Delta学习规..