原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
沈阳工程学院毕业设计（论文）
基于BP神经网络的PID控制器设计
PAGE2
--
-PAGEI-
中文摘要
经典PID控制算法作为一般工业过程控制方法应用范围相当广泛，原则上讲它并不依赖于被控对象的具体数学模型，但算法参数的整定却是一件很困难的工作，更为重要的是即使参数整定完成，由于参数不具有自适应能力，因环境的变化,PID控制对系统偏差的响应变差，参数需重新整定.针对上述问题，人们一直采用模糊、神经网络等各种调整PID参数的自适应方法，力图克服这一难题.一般情况下，一个自适应控制系统能够运行，其相应的参数要适应现场状况的变化，因此就必须根据现场的数据对相应的参数进行在线辨识或估计。对非时变参数可以通过一段时间的在线辨识确定下来，但对时变参数系统，必须将这个过程不断进行下去，因此要求辨识速度快或参数变化速度相对较慢，极大地限制了自适应技术的应用。为克服这种限制，本文利用文献[1]的思想,将神经网络的技术应用于参数辨识过程，结合经典的PID控制算法,形成一种基于BP神经网络的自适应PID控制算法。这一算法的本质是应用神经网络建立系统参数模型，将时变参数系统的参数变化规律转化为神经网络参数模型，反映了参数随状态而变的规律,即当系统变化后，可直接由模型得到系统的时变参数，而无需辨识过程。在神经网络参数模型的基础上，结合文献［1］已知系统模型下PID控制参数的计算，推导出一种自适应PID控制算法.通过在计算机上对线性和非线性系统仿真，结果表明了这种自适应PID控制算法的有效性。
关键词自适应PID控制算法，PID控制器，参数模型，神经网络，BP算法
PAGE1
--
Abstract
ClassicalPIDcontrolalgorithm，asageneralmethodofindustrialprocesscontrol，applicationscopeisbroad-ranged．Inprinciple，itdoesnotdependonthespecificmathematicalmodelofthecontrolledplant，buttuningalgorithmparametersisaverydifficulttask．Tomoreimportant，eveniftuningtheparameteriscompleted，asparametersdonothaveadaptivecapacity，duetoachangeinenvironment，PIDcontroloftheresponseofthesystemdeviationgetworse，parametersneedtobere-tumed．Inresponsetotheseproblems,peoplehavebeenusingtheadaptivemethodoffuzzy，neuralnetworkstoadjustPIDparameters，tryhardtoovercomethisproblem．Undernormalcircumstances，anadaptivecontrolsystemcanbecapableofrunning，andthecorrespondingparametersshouldadapttotllechangeinstatusofthescene,sothecorrespondingparametersmustbebasedonthedataofthescenetoconductonlineidentificationorestimated．Non-time—varyingparameterscanbeconfirmedforaperiodofon-lineidentification，butthetime—varyingparameterssystemwillbenecessarytocontinuethisongoingprocess，sotherequirementoffastidentificationortherelativeslowpaceofchangeofparameters，greatlylimitstheapplicationofadaptivetechnology．Toovercomethislimitation，this
文档评论（0）