开题报告单神经元自适应PID控制算法及仿真研究.docVIP

毕业设计(论文)开题报告 课 题 名 称 ：单神经元PID控制算法及仿真研究 学 院 ： 信息科学与技术学院 专 业 ： 电气工程及其自动化 姓 名 ： 学 号 ： 指 导 教 师 ： 年 月 日 一、课题背景 PID简介 PID (Proportional Integral Derivative)控制是控制工程中技术成熟、应用广泛的一种控制策略，经过长期的工程实践，已形成了一套完整的控制方法和典型的结构。它不仅适用于数学模型已知的控制系统中，而且对于大多数数学模型难以确定的工业过程也可应用，在众多工业过程控制中取得了满意的应果。 PID 工作基理：由于来自外界的各种扰动不断产生，要想达到现场控制对象值保持恒定的目的，控制作用就必须不断的进行。若扰动出现使得现场控制对象值(以下简称被控参数)发生变化，现场检测元件就会将这种变化采集后经变送器送至PID 控制器的输入端，并与其给定值(以下简称SP 值)进行比较得到偏差值(以下简称e 值)，调节器按此偏差并以我们预先设定的整定参数控制规律发出控制信号，去改变调节器的开度，使调节器的开度增加或减少，从而使现场控制对象值发生改变，并趋向于给定值(SP 值)，以达到控制目的 ，如图 1 所示，其实PID 的实质就是对偏差（e 值）进行比例、积分、微分运算，根据运算结果控制执行部件的过程。 图1 模拟PID 控制系统原理图 PID 控制器的控制规律可以描述为： (1) 比例（P）控制能迅速反应误差，从而减小稳态误差。但是，比例控制不能消除稳态误差。比例放大系数的加大，会引起系统的不稳定。积分（I）控制的作用是：只要系统有误差存在，积分控制器就不断地积累，输出控制量，以消除误差。因而，只要有足够的时间，积分控制将能完全消除误差，使系统误差为零，从而消除稳态误差。积分作用太强会使系统超调加大，甚至使系统出现振荡。微分（D）控制可以减小超调量，克服振荡，使系统的稳定性提高，同时加快系统的动态响应速度，减小调整时间，从而改善系统的动态性能。根据不同的被控对象的控制特性，又可以分为P、PI、PD、PID 等不同的控制模型。 2.智能控制系统简介 随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出犷新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。 一、智能控制的主要方法 智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控制和集成智能控制等,以及常用优化算法有:遗传算法、蚁群算法、免疫算法等。 1 模糊控制 模糊控制以模糊集合、模糊语言变量、模糊推理为其理论基础,以先验知识和专家经验作为控制规则。其基本思想是用机器模拟人对系统的控制,就是在被控对象的模糊模型的基础上运用模糊控制器近似推理等手段,实现系统控制。在实现模糊控制时主要考虑模糊变量的隶属度函数的确定,以及控制规则的制定二者缺一不可。 2 专家控制 专家控制是将专家系统的理论技术与控制理论技术相结合,仿效专家的经验,实现对系统控制的一种智能控制。主体由知识库和推理机构组成,通过对知识的获取与组织,按某种策略适时选用恰当的规则进行推理,以实现对控制对象的控制。专家控制可以灵活地选取控制率,灵活性高;可通过调整控制器的参数,适应对象特性及环境的变化,适应性好;通过专家规则,系统可以在非线性、大偏差的情况下可靠地工作,鲁棒性强。 3 神经网络控制 神经网络模拟人脑神经元的活动,利用神经元之间的联结与权值的分布来表示特定的信息,通过不断修正连接的权值进行自我学习,以逼近理论为依据进行神经网络建模,并以直接自校正控制、间接自校正控制、神经网络预测控制等方式实现智能控制。 4 学习控制 (1)遗传算法学习控制 智能控制是通过计算机实现对系统的控制,因此控制技术离不开优化技术。快速、高效、全局化的优化算法是实现智能控制的重要手段。遗传算法是模拟自然选择和遗传机制的一种搜索和优化算法,它模拟生物界/生存竞争,优胜劣汰,适者生存的机制,利用复制、交叉、变异等遗传操作来完成寻优。遗传算法作为优化搜索算法,一方面希望在宽广的空间内进行搜索,从而提高求得最优解的概率;另一方面又希望向着解的方向尽快缩小搜索范围,从而提高搜索效率。如何同时提高搜索最优解的概率和效率,是遗传算法的一个主要研究方向 。 (2)迭代学习控制 迭代学习控制模仿人类学习的方法、即通过多次的训练,从经验中学会某种技能,来