基于BP神经网络的PID控制器设计(完整资料).doc

基于BP神经网络的PID控制器设计(完整资料）
(可以直接使用，可编辑优秀版资料，欢迎下载）
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

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，thｉspapeｒusestheｉdeｏlogｙofｌｉterａtｕre[1],ｔhｅtechnoｌogｙｏｆneuraｌｎｅtｗorkwｉｌｌbeuseｄinｔhｅpｒｏceｓsofｐaramｅteｒｉdentiｆicaｔion，cｏmｂinｉnｇｃlassicalPＩDcontrｏｌalgorithm，ｆormsａnadaptｉvｅPlDｃontrolａｌgorithmba