基于LPC2148无刷电机控制论文.docVIP

滨江学院 题 目 基于LPC2148的无刷电机的控制 院 系 自动控制系 专 业 自动化 学生姓名 叶鹏 学 号 20092336035 指导教师 周旺平 基于RBF神经网络的自适应PID及模型仿真 叶鹏 南京信息工程大学滨江学院自动控制系，南京210044 摘要：PID 控制器结构简单，实现容易，控制效果良好，因而取得广因而取得广泛的应用，但同时它对于大滞后、时变、非线性系统，没有良好的控制效果。因此本文提出RBF神经网络的PID 控制方案，利用RBF神经网络的自学习能力对 PID 控制参数在线整定，使PID 控制器具有自适应性，达到了在线实时控制的目的。最后用 Matlab 软件对一个实例进行仿真研究。仿真结果表明，神经网络 PID 控制器控的系统，不仅快速性好、具有较高的控制精度，还对模型的时变具有较强的适应性。 关键词：神经网络 RBF 算法 PID 控制 Matlab 仿真 1 引言 在工业控制中，PID 控制是最常用的方法 。因为PID 控制器结构简单，实现容易，控制效果良好。随着工业的发展，对象的复杂程度不断加深，尤其对于大滞后、时变的、非线性的复杂系统，常规PID 控制显得无能为力。因此常规 PID 控制的应用受到很大的限制和挑战。为了使控制器具有较好的自适应性 ，实现控制器参数的自动调整 ，可以采用神经网络控制的方法 。利用神经网络所具有的非线性映射能力、自学习能力、概括推广能力 ，结合常规 PID 控制理论，通过吸收两者的优势，使系统具有自适应性，可自动调节控制参数 ，适应被控过程的变化，将控制性能和可靠性都提高。 现如今的自动控制理念都是通过反馈这一概念诞生的。反馈理论主要包括三个概念：测量、比较和执行。测量相关的变量，与期望值进行对比，使用这一标准来调节控制系统的响应。PID（比例-积分-微分）控制器作为最早实用化的控制器已有50多年历史，现在仍然是应用最广泛的工业控制器。PID控制器因为他简单易懂的操作和不需要太大精度的控制，成为应用最为广泛的控制器。PID控制器由比例单元（P）、积分单元（I）和微分单元（D）组成。在实际生产过程中，由于受到参数整定方法繁杂的困扰，因此常规PID控制的应用受到很大的限制和挑战。人们对PID应用的同时，也对其进行各种改进，主要体现在两个方面：一是对常规PID本身结构的改进，即变结构PID控制。如积分分离算法，抗积分饱和算法和微分项的改进等等。另一方面，与模糊控制、神经网络控制和专家控制相结合，扬长避短，发挥各自的优势，形成所谓智能PID控制。 神经网络是一个由大量简单的处理单元广泛连接组成的系统，用来模拟人脑神经系统的结构和功能。它从开始研究到发展并不是一帆风顺的，经历了兴起到低潮，再转入新的高潮的曲折发展道路。20世纪80年代中期以来，在美国、日本等一些西方工业发达国家里，掀起了一股竞相研究、开发神经网络的热潮。近十多年来人工神经网络的发展也表明了，这是一项有着广泛的应用前景的新型学科，它的发展对目前和未来科学技术水平的提高将有重要影响。 90年代初，对神经网络的发展产生了很大的影响是诺贝尔奖获得者Edelamn提出Darwinism模型。他建立了一种神经网络系统理论，例如，Darwinism的结构包括Dawin网络和Nallance网络，并且这两个网络是并行的，而他们又包含了不同功能的一些子网络。他采用了Hebb权值修正规则，当一定的运动刺激模式作用后，系统通过进化，学会扫描跟踪目标。Narendra和Parthasarathy(1990年)提出了一种推广的动态神经网络系及其连接权的学习算法，它可表示非线性特性，增强了鲁棒性。神经网络理论有较强的数学性质和生物学特性，尤是神经科学、心理学和认识科学等方面提出一些重大问题，是向神经网络理论研究的新挑战，因而也是它发展的最好的机会。 近十年来，神经网络理论与实践有了引人注目的进展，它再一次拓展了计算概念的内涵，使神经计算、进化计算成为新的学科，神经网络的软件模拟得到了广泛的应用。科技发达国家的主要公司对神经网络芯片、生物芯片情有独钟。例如Intel公司、IBM公司和HNC公司已取得了多项专利，已有产品进入市场，被国防、企业和科研部门选用，许多公众手中也拥有神经网络实用化的工具，其商业化令人鼓舞。神经网络在国民经济和国防科技现代化建设中具有广阔的应用领域和发展前景。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力，特别适用于处理需要同时考虑多因素和多条件的、不精确和模糊的信息处理问题。它主要应用领域有：语音识别、图像识别、计算机视觉、智