自适应单神经元控制器的研究

摘要

对于参数变化且含有时滞的被控对象，传统控制方法难以获得理想的控制效果。基于文［１］的神经元模型及学习策略，该文提出了采用不同学习速率的神经元学习方法，由此构成的神经元控制器能加速神经元权值收敛和改善神经元控制品质，从而对这一类被控对象取得满意的控制效果。仿真结果表明只要选择适当的神经元参数，神经元控制器的超调量较小，并有很强的鲁棒性和抗干扰性，与ＰＩＤ控制器相比更具优越性，可方便地用于实际工业控制中。