毕业论文-单神经元自适应PID控制算法及仿真研究.ppt

单神经元PID控制器参数对控制效果的影响 （1）改变单神经元PID控制器的比例学习速率: Np=100 Np=150 Np=200 * (2)改变单神经元PID控制器的积分学习速率: Ni=50 Ni=80 Ni=100 * (3)改变单神经元PID控制器的微分学习速率: Nd=100 Nd=150 Nd=200 * 总 结 本文介绍了PID控制和智能控制发展，概述了PID控制的基本理论框架，并阐述了单神经元自适应PID控制原理，分析了一些单神经元PID参数调节的规则。通过仿真定性的分析了单神经元PID控制中比例学习率、积分学习率、微分学习率和增益K等参数在控制中所起到的作用。通过对一阶和二阶系统在不同参数下进行仿真研究，并与传统PID控制算法进行对比；得知单神经元自适应PID控制算法在总体上优于传统的PID控制算法，它有利于控制系统控制品质的提高，受环境的影响较小，具有较强的控制鲁棒性，是一种很有发展前景的控制器。 * 谢谢各位老师 * 单神经元PID控制算法及仿真研究 姓名： 学号： 班级： 导师： * 目录 研究背景 PID控制原理 PID控制器参数的工程整定方法 PID控制仿真 单神经元自适应PID控制原理 单神经元PID控制算法 单神经元PID算法仿真及其与传统PID算法比较 单神经元PID控制器参数对控制效果的影响 总结 * 研究背景 PID控制器是一种相当成熟的控制器。因其原理简单，使用方便，鲁棒性好等优点得到广泛使用。 当今的工业控制对象变得越来越复杂,如具有非线性、参数时变、数学模型无法精确获得等特点。所以PID控制原来越难以取得令人满意的控制效果。 智能PID算法是一种将智能控制方法和常规PID控制方法相融合的新方法。它具有自学习、自适应、自组织能力等特点。 * PID控制原理 P：其控制器的输出与输入误差信号成比例关系。 I：误差对时间的积分，为了消除稳态误差。 D：误差的变化率，够提前控制调节器的输出，从而避免了被控制量的严重超调 * 连续性PID控制器的数学形式：增量式PID控制器的数学形式：  * PID控制参数工程整定 Z-N整定法（动态特性参数法） 稳定边界法（临界比例度法） 衰减曲线法 * PID控制仿真 * 参数整定 将积分和微分系数均设为0，比例系数由小增大，当比例系数为1.05时出现临界振荡，振荡周期Tcr为126.6s * Kp= δcr/1.67=1.05/1.67=0.63 TI=0.5Ts=0.5 *126.6=63.3 TD=0.125Tcr=0.125 *126.6=15.8 KI=Kp/TI=0.001 KD=Kp/TD=0.04 适当调节控制器参数，得到适合的参数 KP=0.5 KI=0.005 KD=0.04 *  Tr=114.5s，超调量σ %=36%，调节时间Ts=535.5s * * 系统出现发散振荡，不能收敛，可见常规PID的超调量较大；当被控对象特性发生较大变化时，PID的控制效果不太理想。 * 单神经元原理 * 学习规则 1、无监督Hebb学习规则 式中 η ——学习速率。 2、有监督 学习规则或Widow-Hoff学习规则 * 3、有监督Hebb学习规则 将无监督Hebb学习规则和有监督 δ学习规则两者结合起来，组成有监督Hebb学习规则，即 这种学习规则使神经元通过关联搜索对未知的外界作出反应，即在教师信号 的指导下，对环境信息进行相关学习和自组织，使相应的输出增强或削弱。 * 单神经元PID控制原理 客户端 数字式PID表达式： * 单神经元PID控制 客户端 控制器结构框图: * 本文选择有监督Hebb学习规则来修正连接权值 ，使获得的PID参数能适应周围环境的变化 * 单神经元PID算法仿真及其与传统PID算法比较 * 客户端 * * 客户端 * * * * * * * * *