基于BP神经网络的自适应PID控制器设计.docVIP

基于BP神经网络的PID控制器设计基于BP神经网络的PID控制器PID控制是最早发展起来的、 应用领域至今仍然广泛的控制策略之一，它是基于对象数学模型的方法，尤其适用于可建立精确数学模型的确定性控制系统。其优点是算法简单、 鲁棒性好和可靠性高。但是，由于实际工业生产过程往往具有非线性，许多非线性系统难以确定精确的数学模型，常规的PID控制器就不能达到理想的控制效果，由于受到参数整定方法烦杂的困扰，参数往往整定不良、 性能欠佳。神经网络所具有的任意非线性表达能力，可以通过对系统性能的学习来实现具有最佳组合的PID控制。基于BP网络的自适应PID控制器，通过BP神经网络调整自身权系数，对PID控制参数进行调节，以达到某种性能指标的最优。 基于BP神经网络的PID控制器基于BP神经网络的PID控制 此控制器由两部分组成： （1）经典的PID控制器，直接对被控对象进行闭环控制，并且三个参数，，为在线调整方式； （2）神经网路，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，是输出层神经元的输出状态对应于PID控制器的一个可调参数，，。通过神经网络的自学习、加权系数调整，使神经网络输出对应于某种最优控制率下的PID控制器参数。 基于BP神经网络的PID控制器 该控制器的算法如下： （1）确定BP神经网络M和隐含层节点数Q，并给各层加权系数的初值和，选定学习速率和惯