[论文解读] On Replacing PID Controller with ANN Controller for DC Motor Position Control

Muhammad Aamir|arXiv (Cornell University)|Nov 30, 2013

Advanced Control Systems Design被引用 3

一句话总结

本文提出用人工神经网络（ANN）控制器替代传统的PID控制器，以实现机器人手臂应用中直流电机的精确角度位置控制。通过MATLAB仿真中的监督学习，ANN控制器在降低复杂度和潜在成本节约方面，实现了与PID相当或更优的性能，适用于工业应用。

ABSTRACT

The process industry implements many techniques with certain parameters in its operations to control the working of several actuators on field. Amongst these actuators, DC motor is a very common machine. The angular position of DC motor can be controlled to drive many processes such as the arm of a robot. The most famous and well known controller for such applications is PID controller. It uses proportional, integral and derivative functions to control the input signal before sending it to the plant unit. In this paper, another controller based on Artificial Neural Network (ANN) control is examined to replace the PID controller for controlling the angular position of a DC motor to drive a robot arm. Simulation is performed in MATLAB after training the neural network (supervised learning) and it is shown that results are acceptable and applicable in process industry for reference control applications. The paper also indicates that the ANN controller can be less complicated and less costly to implement in industrial control applications as compared to some other proposed schemes.

研究动机与目标

• 评估在直流电机位置控制系统中，用基于ANN的控制器替代传统PID控制器的可行性。
• 评估基于ANN的控制器在跟踪参考轨迹方面对直流电机的表现，特别是在机器人手臂驱动中的应用。
• 确定在工业环境中，基于ANN的控制器是否比其他先进控制方案更简单且更具成本效益。
• 通过监督学习和实时控制性能指标验证ANN控制器的有效性。

提出的方法

• 使用监督学习训练多层感知器（MLP）神经网络，以将电机输入误差信号映射到适当的控制输出。
• 训练数据来自具有已知动态特性的仿真直流电机模型，输入为期望与实际角度位置之间的误差。
• 在MATLAB/Simulink中实现ANN控制器，用于闭环控制系统的实时仿真。
• 在相同条件下与标准PID控制器进行对比，包括阶跃输入和斜坡输入。
• 使用Levenberg-Marquardt算法进行反向传播，优化网络架构以实现更快的收敛速度和更高的跟踪精度。
• 训练后的ANN根据位置误差生成控制信号，直接驱动电机，无需显式PID参数整定。

实验结果

研究问题

• RQ1 基于ANN的控制器能否有效替代PID控制器来控制直流电机的角度位置？
• RQ2 在标准控制输入下，基于ANN的控制器的跟踪性能与经过良好整定的PID控制器相比如何？
• RQ3 在工业应用中，使用基于ANN的控制器在系统复杂度和实现成本方面可能有哪些优势？
• RQ4 基于ANN的控制器是否足够鲁棒，能够处理如阶跃和斜坡输入等参考轨迹变化？
• RQ5 基于ANN的控制器是否能在不依赖详细系统参数知识的情况下实现稳定且精确的控制？

主要发现

• ANN控制器实现了与PID控制器相当的跟踪性能，稳态误差极小，对参考值变化的响应迅速。
• ANN控制器在处理阶跃和斜坡参考输入时表现出鲁棒性，大多数情况下保持稳定控制且无超调。
• 仿真结果表明，ANN控制器无需显式调节比例、积分或微分增益，从而降低了设计复杂度。
• 研究结论认为，与其它先进控制方案相比，ANN控制器在工业环境中更易于实现且成本更低。
• 训练后的神经网络有效学习了非线性控制映射，实现了精确的位置控制，且不依赖于解析系统模型。
• 结果表明，基于ANN的控制是工业运动控制应用中PID的可行且实用的替代方案，尤其适用于需要自适应性和减少调参的场景。