基于BP神经网络整定的PID温度控制.pdfVIP

第25卷第3期 吉 林 化 工 学 院 学 报 V01．25No．3 2008年6月 JOURNALOFJ1LtNINS唧胍OFCHEMICALTECHNOLOGY Jun．2008 文章编号：1007-2853(2008)03-0064-04 基于BP神经网络整定的PlD温度控制 张彦军，韩帮华，张 晶 (青岛科技大学自动化与电子工程学院，山东青岛266042) 摘要：展示了一种基于BP神经网络的PID控制器，利用神经网络的自学习特性，将神经网络与PID控 制方法相结合，采用3层前向网络。动态BP算法，实现对温度控制系统的在线智能控制，显示了BP神经 网络PID控制方法很强的鲁棒性，同时也显示了神经网络在解决高度非线性和严重不确定系统方面的 能力．仿真结果表明，此种PID在温度控制中能够取得较满意的效果． 关键词：PID控制；BP神经网络；整定 中图分类号：TP273 文献标识码：A PID控制是最早发展起来的控制策略之一， 简单来说，PID控制器各校正环节的作用如 由于其算法简单、鲁棒性好及可靠性高，被广泛应 下： 用于过程控制和运动控制中，尤其适用于可建立 (1)比例环节：成比例地反映控制系统的偏 精确数学模型的确定性系统．在控制系统中，温度 差信号elTOr(t)，偏差一旦产生，控制器立即产生 是一个非常重要的控制参数．目前常采用PID控 控制作用，以减少偏差． 制装置，由于温度是一个非线性时变参数，且控制 (2)积分环节：该环节主要来消除静差，提高 过程对高频干扰非常敏感，很难建立一个精确的 系统的无差度．积分时间常数，越小积分作用越 数学模型．要想取得最佳的PID控制效果，必须对 强，反之则越弱． 比例、积分和微分三种控制作用进行调整，形成控 (3)微分环节：反映偏差信号的变化趋势，在 制中相互配合相互制约的关系，但是。这种关系并 预防偏差信号变的太大之前，在系统中引入一个 不一定是简单的线性组合，由于神经网络具有任 有效的早期修正信号，从而加快系统的动作速度， 意非线性逼近能力，通过神经网络自身的学习，就 减少调节时间． 可以来实现具有最佳组合的PID温度控制． 2 BP神经网络PID控制系统结构 1 PID控制原理 基于BP(Back PID控制系统原理框图如图1所示，系统由系统结构图如图2所示，控制器由两部分构成： PID控制器和被控对象组成． 图1 PID控制系统原理框图 图2基于BP神经网络整定的PlD控制器结构 PID控制器是一种线性控制器，它根据给定 (1)经典的PID控制器，该控制器直接对被 值fin(t)与实际输出值yout(t)构成偏差 控对象进行控制，其比例、积分、微分五，，k；，k。三 (1) Error(t)=rin(t)一yout(t)个参数为在线调整． 收稿日期：2008—05—20 作者简介：张彦军(1960一)，男，吉林九台人，青岛科技大学教授，硕士，硕士生导师，主要从事测控技术与仪器方面 的研究．1979—1983年在吉林化工学院自动化系读书，毕业后留校任教，2005到青岛科技大学任教． 万方数据 第3期 张彦军，等：基于BP神经网络整定的PID温度控制 (2)神经网络根据系统的运行状态调节PID输入层的3个输入量，输出层输出节点分别对应 控制器的参数，从而达到控制系统性能的最优化