基于分数阶PID控制器的多模型神经网络控制策略

唐军1; 张皓2; 陈伟军3

基于分数阶PID控制器的多模型神经网络控制策略

引用本文：唐军1，张皓2，陈伟军3.基于分数阶PID控制器的多模型神经网络控制策略[J].计算技术与自动化,2025,(2):99-105

摘要点击次数: 922

全文下载次数: 758

作者	单位
唐军1，张皓2，陈伟军3	（1.宜宾职业技术学院电子信息与人工智能学院,四川宜宾 644000；2.雅安职业技术学院智能制造与信息工程学院,四川雅安 625100；3.岭南师范学院电子与电气工程学院,广东湛江 524048）

中文摘要:由于分数阶PID相较于整数阶PID具有更多的参数自由度，更广的控制范围，以及更强的控制性能等优势，本文提出一种基于分数阶PID的多模型神经网络控制器。将已整定好控制参数的多个分数阶PID控制器的输入输出数据进行采集，并经过预处理后，利用神经网络强大的学习能力和泛化能力进行多模型训练，并将训练好的网络作为控制器。MABLAB仿真实验表明：在进行多模型控制时，该控制器的超调量为0，最长调节时间、上升时间、延迟时间分别为430.99 s、259.50 s、90.76 s，不仅兼具了多个分数阶PID的模型控制能力，而且比每个分数阶PID控制器都具有更优越的性能指标。

中文关键词:分数阶PID 整数阶PID 神经网络多模型

Multi model Neural Network Control Strategy Based on Fractional order PID Controller

Abstract:Since fractional order PID has more parameter degrees of freedom, wider control range, and stronger control performance than integer order PID, this paper proposes a multi model neural network controller based on fractional order PID.The input and output data of multiple fractional order PID controllers with tuned control parameters are collected and preprocessed, and multi model training is performed using the powerful learning and generalization capabilities of neural networks, and the trained network is used as the controller. MATLAB simulation experiments show that when performing multi model control, the overshoot of the controller is 0, and the longest adjustment time, rise time and delay time are 430.99 s, 259.50 s and 90.76 s respectively. It not only has the model control capabilities of multiple fractional order PIDs, but also has better performance indicators than each fractional order PID controller.

keywords:fractional order PID integer order PID neural network multi model

查看全文 查看/发表评论 下载pdf阅读器