基于RBF神经网络的控制器参数优化设计研究

摘要

以单输入单输出控制系统为研究对象,为快速完成控制器参数整定及优化,提升系统动态性能和稳态性能,提出了一种基于RBF(Radial Basis Function)神经网络的控制器参数优化方法。利用RBF神经网络的局部逼近能力和自学习能力,构造出控制系统辨识与控制器参数优化双网络结构,实现了对被控对象的在线辨识及增量式不完全微分PID控制器参数的在线迭代,快速完成控制器参数的整定,在保证系统动态特性的同时,大幅提升稳定精度。