基于BP神经网络PID控制器设计_00002.doc

毕业论文 基于BP神经网络的PID控制器设计 2008年 6 月基于BP神经网络的PID控制器设计 摘要：本文提出了一种基于BP 神经网络的PID 控制方法，充分利用BP 神经网络逼近任意连续有界非线性函数的能力，这种PID 控制方法能学习和适应严重不确定系统的动态特性。文中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 控制方法具有很强的鲁棒性，同时也显示了神经网络在解决高度非线性和不确定系统方面的潜能。计算机仿真结果表明，基于BP 神经网络的PID 控制较常规的PID 控制具有更好的鲁棒性和自适应性，能取得良好的控制效果。 关键字：BP 算法，神经网络，PID 控制 Research on PID Control Based on BP Neural Networks Abstract: A PID control based on BP neural networks, is introduced in this paper, which is used to optimize and adjust the dynamic performance of seriously uncertain system by exploiting the nonlinear mapping capability of neural networks. The dynamic BP algorithm of three-layer networks realizes 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. The simulation results show that the PID control based on BP neural networks owns better robustness and self-adaptation than the general one, and the great performance of control can be guaranteed. Keywords: BP algorithm, neural networks, PID control 目 录 1 绪论 1 1.1引言 1 1.2国内外研究现状 1 1.3论文研究内容 2 2 PID控制原理 4 2.1自动控制系统 4 ２.2 PID控制的原理和特点 4 ２.3 PID控制器的参数整定 5 ２.4 数字PID控制 6 3 BP神经网络 7 3.1神经网络的发展历史 7 3.1.1神经网络产生的背景 7 3.1.2 神经网络的发展 7 3.1.3神经网络的发展前景 10 3.1.4 神经网络的意义 11 3.2 BP神经网络的基本结构及其原理 13 3.2.1 神经网络的基本结构 13 3.2.2 基于BP 算法的三层前向网络的PID 控制方案。 13 3.2.3 BP学习算法的改进 19 4 基于BP神经网络的PID控制器设计 22 4.1 总体设计 22 4.2 MTALAB程序及仿真 23 4.2.1 MATLAB简介 23 4.2.2 基于BP神经网络的PID控制器的仿真程序 26 4.2.3仿真结果 27 4.2.4 仿真结果分析 29 结束语 30 附录 仿真程序 31 参考文献 35 致谢 37 绪论 1.1引言 PID 控制是最早发展起来的应用经典控制理论的控制策略之一，由于算法简单，鲁棒性好和可靠性高，被广泛应用于工业过程并取得了良好的控制效果，尤其适用于建立精确数学模型的确定性控制系统。然而实际工业生产过程往往具有非线性，时变不确定性，难以建立精确的数学模型，应用常规PID控制器不能达到理想的控制效果，而且在实际生产现场中，由于受到参数整定方法繁杂的困扰，常规PID控制器参数往往整定不良，性能欠佳，对运行工况的适应性很差 [1]。 神经网络在控制系统中的应用提高了整个系统的信息系统处理能力和适应能力，提高了系统的智能水平。此外，神经网络是由大量反映非线性本质特征的神经元互相连接而成的复杂网络系统。它具有并行计算和分布式数据处理的功能,可实时处理大量数据，具有逼近任意连续有界非线性函数的能力，对于非线性系统和不确定性系统，无疑是一种解决问题的有效途径。人工神经网络是由简单的处理单元所组成的大量并行分布的处理器，这种处理机具有存储和应用经验知识的自然特性，它与人脑的相