《基于BP神经网络PID控制器的设计.docx》由会员分享，可在线阅读，更多相关《基于BP神经网络PID控制器的设计.docx（6页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、基于BP神经网络PID控制器的设计王康胜导语：BP神经网络的构造及其BP神经网络的学习算法，进而分析了传统PID控制器的优缺点，以及基于BP神经网络PID控制器的可行性。1.引言PID控制是最早开展起来的控制策略之一，按偏向的比例、积分和微分进展控制的调节器称为PID控制器，它是连续系统中技术成熟，应用最广泛的一种调节器。由于其算法简单，实现简易、鲁棒性能良好和可靠性高，可以对很大一类工业对象进展有效控制等一系列优点，尤其适用于可建立准确数学模型确实定性控制系统传统的PID调节器由于其技术比拟成熟。在目前,工业控制系统调节使用最为广泛的还是典型的PID控制,但在实际的情况中,当被控对象为非线性
2、或时变特性时，参数的整定及在线自适应调整问题就难以解决。随着被控系统越来越复杂，人们对控制系统的要求越来越高，十分是要求控制系统能香应不确定性、时变的对象与环境。传统的基于准确模型的控制方法难以适应要求，如今关于控制的概念也已更加广泛，它要求包括一些决策以及学习功能。由于BP神经网络具有较好的在线监测才能，而神经网络是用大量简单的神经元连接组成的复杂网络,具有人脑的功能的根本特征,为控制领域的研究开拓了新途径,尤其适用于复杂经过、参数时变系统神经网络。BP神经网络与PID控制器的结合可以起到很好的控制效果。神经网络由于具有上述优点而越来越受到人们的重视。因此,神经网络控制技术很合适应用于工业控
3、制调节系统中。2.BP神经网络2.1BP神经网络构造大脑是一部不平常的智能机，它能以惊人的高速度解释感觉器官传来的模糊不清的信息。它能觉察到喧闹房间内的窃窃私语，可以识别出光线暗淡的胡同中的一张面孔，更能通过不断地学习而产生伟大的创造力。所谓神经网路系统是利用工程技术手段模拟人脑神经网络的构造和功能的一种技术系统，它是一种大规模并行的非线性动力学系统。严格地讲神经网络应该称为人工神经网络，为了简化起见，一般省略人工二字直接称神经网络，可简记为NNNeuralNetwork。由于神经网络具有信息的分布存储、并行处理以及自学习等优点，所以它在信息处理、形式识别，智能控制等领域有着广阔的应用前景。人
4、工神经网络的着眼点不是利用物理器件来完好的复制生物体中细胞网络，而是采纳其可利用的局部来解决目前计算机或者其它系统不能解决的问题，如学习、识别、控制和专家系统等。随着生物和认知科学的开展，人们对人脑的构造和认知经过的理解越来越深化，促进了人工神经网络技术的开展，越来越多的生物特性将被利用到工程中去。图2-1BP神经网络构造图BP神经网络构造如图2-1所示。由图可见，BP网络是一种具有三层或者三层以上神经元的神经网络，包括输入层、中间层和输出层。上下层之间实现全连接，而每层神经元之间无连接。当一对学习样本提供应网络后神经元的激活值从输入层经中间层向输出层传播，在输出层的各神经元获得网络的输入响应
5、。接下来，按照减少目的输出与实际输出之间误差的方向，从输出层反向经过各中间层回到输入层，进而逐层修正各连接权值，这种算法称为误差反向传播算法，即BP算法。随着这种误差逆向的传播修正不断进展，网络对输入形式响应的正确率也不断上升。与感悟器不同的是，由于误差反向传播中会对传递函数进展求导计算，BP网络的传递函数要求必须是可微的，所以不能使用感悟器网络中的硬闭值传递函数，常用的有sigmoid型对数、正切函数或者线性函数。由于传递函数是处处可微的，所以对BP网络来讲，一方面，所划分的区域不再是一个线性划分，而是由一个非线性超平面组成的区域，它是比拟平滑的曲面，因此它的分类比线性划分更加准确，容错性也
6、比线性划分更好;另一方面，网络可以严格采用梯度下降法进展学习，权值修正的解析式特别明确。3BP神经网络的PID控制器在某二阶控制系统中的仿真研究由于计算机技术的高速开展，可以借助计算机完成获得系统时间响应的任务，这就是数字仿真。数字仿真本质上是根据被研究的真实系统的模型，利用计算机进展实验研究的一种方法。本章所进展的仿真主要是计算机仿真。仿真的主要经过是:建立模型、仿真运行和分析研究结果。仿真运行就是借助一定的算法，获得系统的有关信息，十分是系统输入和输出响应的变化情况由于连续时间系统和离散系统的数学模型不同，仿真算法也不同;对于连续时间系统，有不同求解微分方程的数值计算方法。已知某系统的传递
7、函数为，通过PID控制器将系统处于稳定状态，通过MATLAB软件编程。通过对参数的设置得到最终仿真结果。图3-3PID误差动态曲线图3-4PID控制器输入和输出动态曲线图3-5Kp,Ki,Kd参数自整定曲线从上面几幅图，BP神经网络PID控制系统在最大超调量、上升时间、调节时间、暂态经过中的振荡范围等暂态性能上都要优于常规PID控制系统。它能使控制系统各输出值较好的跟踪给定值，进而保证高精度、高品质的控制输出。可当数学模型改变时，基于传统PID控制器的输出值就不能到达输出给定值，也不能到达稳定。可基于BP神经网络PID控制器仿真输出值照旧可以到达输出给定值，并持续稳定。综上所述，BP神经网络P
8、ID控制系统优于常规PID控制系统主要在于：首先，它到达稳定的过度过程时间和上升时间短。BP神经网络PID控制系统到达稳定的过渡时和上升时间远远短于常规PID控制系统到达稳定的过度过程时间和上升时间。这样有利于进步工作效率，节省用电量，保证水质达标。最后，它的自适应才能强，不轻易受到外界环境变化的干扰。常规PID控制系统在控制一个经过对象前，必需要整定PID参数，而且在实际中，由于系统参数等会不时的发生变化，这样常规PID控制系统很轻易发生振荡，系统很难在较短的时间里到达最正确的控制效果。但是BP神经网络PID控制系统由于PID参数的在线整定，可以很快适应系统参数等发生的变化，进而可以较好的跟
9、踪给定值。这些都说明BP神经网络PID控制可以应用到很多工程控制中，对很多现实生活中的控制系统都有很好的控制性能。4.结论固然传统的PID控制具有构造简单、稳定性好、可靠性高等优点。但是由于传统的PID控制方法本身存在的问题：首先，传统的PID控制理论是建立在数学模型的根底上。被控对象假设没有足够精度的数学模型。并且，传统的PID控制理论对非线性系统尚缺乏通用的分析和设计方法。还有，.尽管传统PID控制用具有一定的鲁棒性和适应性，但是对于强非线性、快速时变不确定性、强干扰等特性的对象，控制效果较差。这样就为基于神经网络PID控制创造了条件。因此，将PID控制和BP神经网络相结合的控制策略的研究倍受学者关注。比例、积分和微分神经元组成的PID神经网络具有快速学习才能和良好的性能；神经网络自整定PID控制参数可以在线整定和优化，具有较强的自适应才能和鲁棒性。可以应用到很多工程控制系统中。