单参数PID的Hebb学习控制

基于模型的设计方法可以获得较为满意的控制性能,但这种方法在设计难以建模或模型时变的系统时会遇到很多困难。本文对简化的Z-N方法进行了根轨迹分析,表明:对于常见的过程控制对象,基于简化Z-N方法整定的单参数单神经元PID存在使系统稳定的可行性解。利用人工神经网络的Hebb学习规则对PID增益进行学习,可以实现常见工业过程的无模型自适应控制。与其他单神经元PID相比,PID调整参数少。仿真和实验表明,本文算法可以获得较好的仿真效果,具有满意的实验性能指标。