ABSTRACT

This study aims to develop an adaptive PID controller for unknown nonlinear control system. The PID controller is constructed as a linear neuron that three input weights of neuron work as three parameters K_p, K_i and K_d of the PID controller. Applying an online learnning algorithm for this neuron allow self-tuning the PID controller adapting to behaviors of system dynamics. This training algorithm needs Jacobian information, the sensitivity of plant output on the controlled input, to calculate the gradients for updating weights of the signle neural PID. Jacobian values are estimated through a recurrent fuzzy neural network non-parametric model identifier. This model identifier is also trained by an online learning algorithm using the Gradient Descent method. Simulation results on the ball and beam system indicates that the system response satisfies the control performance without overshoot, zero error steady-state, and obtaining the rise time within 0.3±0.1 seconds.

Keywords: Single neural PID, adaptive control, recurrent fuzzy neural networks, online learning

Title: Adaptive single neural PID control based on recurrent fuzzy neural network: An application to ball and beam control system

TóM TắT

Nghiên cứu này nhằm mục tiêu xây dựng bộ điều khiển PID thích nghi áp dụng để điều khiển đối tượng phi tuyến chưa biết trước tham số và cấu trúc. Bộ điều khiển PID được tổ chức dưới dạng một nơron tuyến tính mà ở đó ba trọng số kết nối của ba ngõ vào nơron tương ứng là bộ ba thông số K_p,K_i và K_d của bộ điều khiển. Việc áp dụng giải thuật huấn luyện trực tuyến (online) nơron này cho phép tự điều chỉnh thông số bộ điều khiển thích nghi theo sự biến đổi của đặc tính động của đối tượng. Giải thuật huấn luyện bộ điều khiển PID một nơron cần thông tin Jacobian, còn gọi là độ nhạy của đối tượng, để tính toán các giá trị gradient dùng để cập nhật các trọng số kết nối của nơron PID. Thông tin Jacobian này được xác định thông qua một bộ nhận dạng không tham số mô hình đối tượng bằng một mạng nơron mờ hồi qui. Bộ nhận dạng này cũng được huấn luyện trực tuyến bằng phương pháp gradient descent. Kết quả mô phỏng trên hệ thanh và bóng cho thấy đáp ứng của đối tượng thỏa mãn các yêu cầu điều khiển khắc khe, cụ thể là không xuất hiện vọt lố và triệt tiêu được sai số xác lập với thời gian tăng đạt 0.3±0.1 giây. 

Từ khóa: PID, điều khiển thích nghi, mạng nơron mờ hồi qui, học trực tuyến