基于BP神经网络的PID控制器的研究和实现.pdfVIP

第十六届电工理论学术研讨会论文集 基于BP神经网络的PID控制器的研究与实现 张建国 ． (漳州职业技术学院电于工程系福建漳州363000) 摘要：本文介绍基于BP神经网络的PID控制器的实现方法，可以在一定程度上解决传统PID 调节器不易在线实时整定参数、难于对一些复杂过程和参数幔时变系统进行有效控制等问题。一r一 关键词：PID控制；神经网络； 研究 O引言 PID控制要取得好的控制效果，必须寻找比例、积分和微分三种控制作用在形成控制量 中相互配合又相互制约的关系，这种关系不一定是简单的“线性组合”，要在变化无穷的非 线性组合中找出最佳的关系并非易事。为此，本文试图利用神经网络所具有的：①能够充分 逼近任意复杂的非线性关系，从而形成非线性动力学系统，以表示某种被控对象的模型或控 制器模型；②能够学习和适应不确定性系统的动态特性；⑨所有定量或定性的信息都分布储 存于网络内的各神经单元，从而具有很强的容错性和鲁棒性；④采用信息的分布式并行处理， 可以进行快速大量运算等特点，把神经网络引入传统的PID控制，可以在一定程度上解决传 统PID调节器不易在线实时整定参数、难于对一些复杂过程和参数慢时变系统进行有效控制 等问题。 1基于BP神经网络的PID控制器 BP神经网络具有逼近任意非线性函数的能力，而且结构和学习算法简单明确。通过神经 网络自身的学习，可以找到某一最优控制律下的P、I、D参数。基于BP神经网络的PID控 制系统结构如图1所示。控制器由两个部分组成：①经典的PID控制器：直接对被控对象过 程闭环控制，并且三个参数KP、KI、KD为在线整定式；②神经网络NN：根据系统的运行状 态，调节PID控制器的参数，以期达到某种性能指标的最优化。即使输出层神经元的输出状 态对应于PID控制器的三个可调参数KP、KI、KD，通过神经网络的自身学习，加权系数调 接，从而使其稳定状态对应于最优控制律下的PID控制器参数。 ’ 经典增量式数字PID的控制算式为 (1) 式中KP、KI、Kd一比例、积分、微分系数。 将KP、KI、KD视为依赖于运行状态的可调系数时，可将式(1)描述为 u(k)=tIu(k-1)，Kp，Kl，KD，e(k-1)，e(k-2)] (2) 式中 过训练和学习来找到这样一个最佳控制规律。 第十六届电工理论学术研讨会论文集 圈l基于BP神经网络的PID控制系统结构 设BP神经网络NN是一个三层BP网络，其结构如图2所示，有M个输入节点、0个 隐含节点对应所选的系统运行状态量，如系统不同时刻的输入量和输出量等，必要时要进行 不能为负值，所以输出层神经元的活化函数取非负的Sigmoid函数，而隐含层神经元的活化 函数可取正负对称的Sigmoid函数。 由图2可见，BP神经网络NN的输入为 隐含层 输 入 输出层 层 M Q 图2 NN-BP网络结构 q‘1k_xk i=qk-i)(j--0,Z，．，M-1) oM(1)-l 式中，输入变量的个数M取决被控系统的复杂程度．网络的隐含层输入输出为 ^， neh‘”(炉∑wij‘2)oj‘1)(k) (4) ，rl oj。’(炉f【neb。’(k)】 (i=o…I．．，M—1) 第十六届电工理论学术研讨会论文集 OQ