论文部分内容阅读
PID调节器做为传统控制器,具有结构简单、适应性强、应用性广的特点。但是,单纯的PID控制往往不能达到令人满意的程度,尤其对于时变对象和非线性系统,传统的PID控制更是显得无能为力。神经网络PID具有良好的控制效果,该控制器是将神经网络和PID控制技术融为一体,即具有常规PID控制器结构简单,物理意义明确之优点,同时又具有神经网络自学习、自适应的功能。三自由度飞行器模型系统是加拿大Quanser公司提供的,该系统作为一个实验装置,形象直观,结构简单;作为一个被控对象,它又相当复杂,就其本身而言,是一个高阶次、不稳定、多变量、非线性、强耦合的具有三个自由度的多输入多输出系统,只有采用行之有效的控制方法才能使之稳定。本文主要进行了基于RBF神经网络整定的PID控制器的设计,主要内容如下:(1)分析介绍了系统的组成,并且分三个自由度对系统进行了建模,推出系统的状态方程,对系统模型进行了分析。(2)研究了传统控制方法在MATLAB下的实现,主要是PID控制和LQR最优控制,并对两种方法进行了MATLAB下的仿真。(3)设计了基于RBF神经网络整定的PID控制器,进行了对实物的实时控制,仿真结果表明,与LQR控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性。