Journal of the Institute of Electronics Engineers of Korea SC (전자공학회논문지SC)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지

Design of a nonlinear Multivariable Self-Tuning PID Controller based on neural network

신경회로망 기반 비선형 다변수 자기동조 PID 제어기의 설계

  • Cho, Won-Chul (Division of Cooperative Systems, Gyeongpook Provincial College)
  • 조원철 (경북도립대학 군산관학특약계열)
  • Published : 2007.11.25
Download PDF
⟨ Previous Next ⟩

Abstract

This paper presents a direct nonlinear multivariable self-tuning PID controller using neural network which adapts to the changing parameters of the nonlinear multivariable system with noises and time delays. The nonlinear multivariable system is divided linear part and nonlinear part. The linear controller are used the self-tuning PID controller that can combine the simple structure of a PID controllers with the characteristics of a self-tuning controller, which can adapt to changes in the environment. The linear controller parameters are obtained by the recursive least square. And the nonlinear controller parameters are achieved the through the Back-propagation neural network. In order to demonstrate the effectiveness of the proposed algorithm, the computer simulation results are presented to adapt the nonlinear multivariable system with noises and time delays and with changed system parameter after a constant time. The proposed PID type nonlinear multivariable self-tuning method using neural network is effective compared with the conventional direct multivariable adaptive controller using neural network.

본 논문에서는 비선형 다변수 시스템에 적응할 수 있는 신경회로망을 이용한 PID 구조를 갖는 직접 다변수 자기동조 제어기를 제안한다. 제어기에 적용되는 플랜트는 잡음, 시간지연과 상호결합항이 존재하며 파라미터가 변하는 비선형 다변수 시스템이다. 비선형 다변수 시스템은 선형부분과 비선형부분으로 분리한 형태로 구성되며, 선형제어기는 외부환경 변화에 적응할 수 있는 PID 제어기 특성을 가진 자기동조 PID 제어기 이다. 선형부분의 제어기 파라미터는 순환최소자승법으로 직접 추정하고 비선형 부분의 파라미터는 신경회로망으로 추정한다. 그리고 각 부분에서 추정한 파라미터를 합한 후 비선형 다변수 일반화 자기동조 제어기의 제어법칙에 적용한다. 제어 알고리듬의 타당성을 확인하기 위해 시간 지연이 있고 일정한 시간이 경과한 후 시스템의 파라미터가 변하는 비선형 다변수 시스템에 대해 컴퓨터 시뮬레이션을 하였다. 또한 기존의 신경회로망을 이용한 직접 다변수 적응 제어기에 비해 효과적이다.

Keywords

References

  1. P. J. Gawthrop and P. E. Nomikos, 'Automatic tuning of commercial PID controllers for single loop and multiloop applications', IEEE Control Systems Magazine, pp. 34-42, 1990
  2. D. E. Seborg, 'A perspective on advanced strategies for process control', Modelling Identification and Control, vol. 15, no. 3, pp. 179-189, 1994 https://doi.org/10.4173/mic.1994.3.8
  3. K. S. Narendra, and K. Parthasarathy, 'Identification and control of dynamical systems using neural networks', IEEE Trans. Neural Networks, vol. 1, no. 1, pp. 4-27, 1990 https://doi.org/10.1109/72.80202
  4. L. Jin, P. N. Nikiforuk, and M. M.Gupta, 'Direct adaptive output tracking control using multilayered neural networks,' Proc. IEE, Pt. D., vol. 140, no. 6, pp. 393-398, 1996
  5. H. N. Koivo, 'A multivariable self-tuning controller,' Automatica, vol. 16, no. 4, pp. 351-366, 1980 https://doi.org/10.1016/0005-1098(80)90020-5
  6. R. Yusof, S. Omatu, and M. Khalid, 'Self-tuning PID control: a multivariable derivation and application,' Automatica, vol. 30, no. 12, pp. 1975-1981, 1994 https://doi.org/10.1016/0005-1098(94)90059-0
  7. 조원철, 전기준 '다변수 자기동조 PID 제어기의 설계,' 대한전자공학논문지, 제34권7호, pp.66-77, 1997년 7월
  8. W. C. Cho, I. S. Lee, and K. Y. Kim, 'Design weighting parameter tuning of multivariable self-tuning controllers', Computers and Electrical Engineering, vol. 28, no.6, pp. 465-480, 2002 https://doi.org/10.1016/S0045-7906(01)00002-7
  9. A. Yesildireck, and F. L. Lewis, 'Feedback linearization using neural networks,' Automatica, vol. 31, no. 11, pp. 1659-1664, 1995 https://doi.org/10.1016/0005-1098(95)00078-B
  10. Q. M. Zhu, Z. Ma, and K. Warwick, 'Neural network enhanced generalised minimum variance self-tuning controller for nonlinear discrete-time systems,' Proc. IEE, Pt. D., vol. 146, no. 4, pp. 319-326, 1999 https://doi.org/10.1049/ip-cta:19990364
  11. L. Jin, P. N. Nikiforuk, and M. M.Gupta, 'Direct adaptive output tracking control using multilayered neural networks,' Proc. IEE, Pt. D., vol. 140, no. 6, pp. 393-398, 1996
  12. Chen, F-C, 'Back propagation neural networks for nonlinear self-tuning adaptive control,' IEEE Control System Magazine, Special Issue on Neural Networks for control, pp. 45-48, 1990
  13. Wang Fuli, Li Mingzhong, and Yang Yinghua, 'Neural network pole placement controller for nonlinear systems through linearisation', Proceeding of the American Control Conference, pp. 1984-1988, 1997
  14. K. Ogata, Discrete-Time Control Systems, Prentice Hall, Englewood Cliffs, NJ, 1995
  15. R. Soeterboek, Predictive Control, Prentice Hall, Englewood Cliffs, NJ, 1992