一种基于PF-RBF的ANNPID参数自整定方法*

苏岭东，赵 成，马祥林

（1.国网徐州供电公司，江苏 徐州 221000；2.杭州邦友安派智能科技有限公司，浙江 杭州 310012；3.常州致科自动化科技有限公司，江苏 常州 213001）

0 引言

在实际工业生产过程中，控制对象往往具有非线性、时变不确定性以及控制过程中各种非线性非高斯噪声的干扰，难以建立精确的数学模型，参数自整定方法繁杂，因此常规的PID 控制器往往难以达到良好的控制效果[1-2]。近年来，在工业控制领域也出现了神经网络PID 控制，大大提升了PID 控制器的性能。文献[3]提出了神经网络PID 控制的智能算法。文献[4-5]讨论了RBF 网络在PID 参数整定中的应用，取得了一定效果。但是在实际生产过程中存在大量噪声，由于噪声的干扰使得目标信噪比很低，在噪声的干扰下，会导致Jacobian 值出现波动，RBF 学习过程出现偏差，系统鲁棒性下降。

此外，在实际设定值跟踪系统中，控制对象具有非线性，噪声具有非高斯、非线性特点。常用的扩展卡尔曼滤波要求噪声独立或相关的高斯噪声，无法适用于非线性、非高斯环境。

近年来，粒子滤波算法（Particle Filter，PF）在非高斯、非线性系统中得到了广泛应用。PF 粒子滤波算法是基于Monte.Carlo 思想发展而来的一种滤波方法，摆脱了扩展卡尔曼滤波时随机量必须满足高斯分布的制约条件[6-10]，为解决非线性、非高斯干扰问题提供了新的思路，并广泛应用于工业控制系统[11-12]。文献[13]在假设模型已知情况下提出了一种基于粒子滤波的复合控制系统，取得了较好的效果。

针对以上问题，本文提出了一种基于粒子滤波和RBF 辨识（PF-RBF）的单神经元PID 控制系统。……