基于神经网络的ＰＩＤ控制及其仿真.docVIP

基于神经网络的ＰＩＤ控制及其仿真 　　摘 要:提出基于神经网络的PID控制方案,利用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。这里采用三层前向网络、动态BP算法,达到了在线实时控制的目的,显示了BP神经网络的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潜能。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控制器优于传统PID控制器,具有较高的精度和较强的适应性,它可以获得满意的控制效果。 　　关键词:神经网络;BP算法;PID控制;Matlab仿真 　　中图分类号:TP274文献标识码:A 　　文章编号:1004-373X(2009)10-143-03 　　 　　PID Control and Simulation Based on BP Neural Network 　　WU Wei,YAN Mengyun,WEI Hangxin 　　(School of Mechanical Engineering,Xi′an Shiyou University,Xi′an,710065,China) 　　Abstract:The neural network PID control method is introduced,which the parameters of PID controller is adjusted by use of the self-study ability.So the PID controller has the capability of self-adaptation.The dynamic BP algorithms of three-layer networks realize the online real-time control,which displays the robustness of the PID control,and the capability of BP neural networks to deal with nonlinear and uncertain system.A simulation example is made by using of this method.The result of simulation shows that the neural network PID controller is better than the conventional PID controller,and has higher accuracy and stronger adaptability,it can get the satisfied control result. 　　Keywords:neural network;BP algorithm;PID control;Matlab simulation 　　 　　0 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[1]。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[2]。 　　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,提高控制性能和可靠性[3]。 　　 　　1 神经网络PID控制 　　 　　神经网络PID控制是神经网络应用于PID控制并与传统PID控制相结合而产生的一种新型控制方法,是对传统的PID控制的一种改进和优化[4]。 　　1.1 常规的PID控制器 　　传统的PID控制器算式如下: 　　u(t)=KP[e(t)+(1/T1)∫t0e(t)dt+TDde(t)/dt](1) 　　 相应的离散算式为: 　　u(k)=KPe(k)+KI∑kj=0e(j)+KD[e(k)-e(k-1)](2) 　　式中: KP,KI,KD分别为比例、积分、微分系数;e(k)为第k次采样的输入偏差值;u(k)为第k次采样时刻的输出值。 　　PID控制器由比例(P)、积分(I)、微分(D)三个部分组成,直接对被控对象进行闭环控制,并且三个参数KP,KI,KD为在线调整方式。 　　1.2 神经网络 　　BP神经网络的结构如图1所示。 　　BP神经网络通常采用基于BP神经元的多层前向神经网络的结构