基于BP神经网络优化PID控制器研究.docVIP

基于BP神经网络优化PID控制器研究 　　摘 要：在现代网络控制系统中，数据通信时数据包的丢失，严重影响网络控制系统的稳定性。针对数据包丢失问题，采用一个满足2-state Gilbert的随机分布变量来描述数据在传输过程中的丢包，进而建立一个随机的、非线性输入模型，设计一种BP神经网络PID控制器，将BP神经网络算法和PID控制器有效结合，实现由BP神经网络整定的最佳PID控制。仿真验证表明，当网络控制系统的数据丢包率在一定范围时，与传统的PID控制器性能进行对比，BP神经网络PID控制器可以使系统具有更好的控制效果、较好的环境适应力和鲁棒性。 　　关键词：BP神经网络；PID；数据包丢失；网络控制系统 　　DOIDOI：10.11907/rjdk.151965 　　中图分类号：TP393 　　文献标识码：A 文章编号文章编号：1672-7800（2015）012-0157-04 　　0 引言 　　随着科技的发展，网络控制系统NCS（Networked Control System）被广泛应用于现代工业过程控制。网络控制系统由控制器、传感器和执行器等器件组成，通过通信网络形成一种全分布、网络化实时闭环反馈控制系统。在网络控制系统中，由于网络通信线路在数据传输过程中存在数据包丢失、传输时间延迟、噪声干扰等问题，控制系统因不能及时、准确接收到数据，致使系统的实时性降低，控制性能欠佳，严重时导致系统瘫痪。因此，针对网络控制系统中数据包丢失的故障进行研究和改善，具有十分重要的意义和价值[1-4]。 　　关于网络控制系统中数据包丢失问题，很多专家学者进行了深入的研究。文献[5-6]将网络控制系统中的数据丢包和传输时延这两个问题同时考虑，统一分析建模，解决网络控制系统中的传输时延和数据丢包问题。由于网络控制系统在数据传输时存在数据包丢失问题，严重影响系统的稳定性。通过建模构建一个随机Markov链，并利用Lyapunov稳定性和Markov跳变系统理论，分析闭环系统的稳定性设计控制器，进而解决由于数据丢包带来的系统不稳定性问题[7-8]。文献[9]针对网络控制中的数据丢包对系统稳定性的影响，采用BP神经网络对系统数据丢包进行预测，并对数据丢包进行补偿；文献[10]针对网络控制系统中采样周期数据丢包率对系统稳定性的影响，通过采用模糊PID控制理论对其进行了全面的分析。 　　本文针对数据在传输过程中的随机性、离散性、数据包丢失的不确定性，设计了一种BP神经网络PID控制算法，并用MATLAB仿真平台验证了该控制器对数据丢包的控制效果。 　　1 数据丢包描述 　　数据在传输过程中是一个随机离散系统，表示为： 　　y（k）=x（k）（1） 　　y（k）=f[x（k-1），u（k-1）]（2） 　　其中y（k）、x（k）分别表示在k时刻系统的输出数据和输入数据，f（?）是一个随机离散非线性函数，k=0，1，2…N[14]。 　　实际工作中，系统数据丢包的输出状态量为： 　　y（k）out=y（k）b（k）（3） 　　其中y（k）out表示系统存在数据丢包时的输出状态量，y（k）表示系统在没有数据丢包时的输出状态量，b（k）∈R且服从Bernoulli分布，值为0、1，满足关系： 　　prob{b（k）=0}=βprob{b（k）=1}=1-β（4） 　　其中，β表示数据在传输过程中的丢失率，表示数据在输出过程中的完整率。通过添加Bernoulli随机数列，使系统的数据采集具有随机性，以提高系统的适应性。 　　本文采用的被控对象近似数学模型如下： 　　y（k）=a（k）sin（y（k-1））+1.2u（k-1）（5） 　　其中系数a（k）是慢时变的。 　　本文控制器设计目标：在数据传输过程中，对数据包的丢失在一定程度上起到控制作用，使系统有稳定的输出y（k）out。 　　2 PID控制器设计 　　2.1 结构设计 　　PID控制器算法简单、容易实现、鲁棒性好、可靠性高[15]，而BP神经网络在大规模并行、分布式存储和处理、自组织、自适应以及自学习方面有明显优势。本文将BP神经网络和PID控制器相结合，设计了基于BP 神经网络的PID控制器，结构如图1所示，控制器由两部分构成： 　　（1）经典的PID控制。直接对被控对象进行闭环控制，并且3个参数kp，ki，kd为在线调整方式。PID控制器的输入变量： 　　通过图形（图3、图4、图5、图6）对比，可以看出BP神经网络PID控制器通过神经网络的自学习、加权系数调整、PID参数的自适应调整，对数据包的丢失具有较好的控制效果。 　　通过图形（图5、图6、图7、图8）对比，可以看出当系统的数据丢包率超过一定程度时，系统开始不稳定，BP神经网络PID控