毕设-利用BP神经网络PID控制器进行优化.docx

《毕设-利用BP神经网络PID控制器进行优化.docx》由会员分享，可在线阅读，更多相关《毕设-利用BP神经网络PID控制器进行优化.docx（43页珍藏版）》请在优知文库上搜索。

1、P1.D控制是圾早发展起来的控制策略之一，由于其.算法简单、鲁棒性好和可靠性高,被广泛应用r工业控制过程，尤其适用于可建立精确数学模型的确定性控制系统.而实际工业生产过程中往往具有非线性，时变不确定性，因而难以建立精确的数学模型，应用常规P1.D控制器不能达到到理想的控制效果，在实际生产过程中，由于受到参数整定方法繁杂的困扰，常规PID控制涔参数往往整定不良，性能欠佳，对运行工况的适应性很差I1.因此常规P1.D控制的应用受到很大的限制和挑战。人们对P1.D应用的同时，也对其进行各种改进，主要体现在两个方面：一是对常规P1.D本身结构的改进，即变结构P1.D控制。另一方面，与模糊控制、神经网络

2、控制和专家控制相结合，扬长避短，发挥各自的优势，形成所谓智能PID控制。这种新型控制器己引起人们的普遍关注和极大的兴趣，并已得到较为广泛的应用。它具有不依赖系统精确数学模型的特点，对系统参数变化具有较好的科棒性.主要算法有:基于规则的智能PID自学习控制算法、加辨识信号的智能自整定P1.D控制算法、专家式智能自推定P1.D控制.兑法、模糊P1.D控制算法、基于神经网络的PID控制律法、自适应PID预测智能控制制法和单神经元自适应PID智能控制等多种控制算法。本设计正是利用BP神经网络PID控制器对一个单闭环调速系统进行仿真研究，并和常规的P1.D控制进行对比，从而得出BP神经网络P1.D控制器

3、具有较强的自整定、自适应的优点。第1章绪论1.1 课题背景随着科学技术的迅速发展和进步，对控制系统提出了新的更高要求。由于各种实际工程系统的发展规模越来越大，复杂性越来越高，常规控制的理论和技术已无法满足工程上对提高自动化水平和扩大臼动化葩围的要求，因此，科学技术的进步促使了智能控制技术的建立与发展。智能控制是类无需人的干预就能够独立的驱动智能机器实现其目标的自动控制。目前的智能控制技术包括：神经元网络技术、模糊控制技术、遗传算法优化技术、专家控制系统、基于规则的仿人智能控制技术等已进入工程化和实用化的时代，并已有商品出售。在控制系统的实验研究中，可以在实际物理系统上进行,也可以通过物理装置模

4、型进行研究。当前，由于控制系统的对象规模越来越大，对象结构越来越复杂.对象种类越来越繁多，控制手段越来越复杂，因此，在控制系统的设计过程中，控制系统的仿其研尢也就基本取代了物理系统的实验研尢。一般只有到了控制系统设计的最后阶段一一系统调试阶段，才有可能进行实际系统实验。计算机仿真目前已经成为解决工程实际问题的重密手段，MAT1.ABZSimuIink软件已成为其中功能最强大的仿F1.软件之一。当然，该软件对BP神经网络的P1.D控制研究提供了非常大的楮助。它不仅能得出精确的数据，还有比较直观的图形。给我们提供了较好的理论依据，以便更好的研究。1.2 神经网络技术的发展与现状人工神经网络(荷称神

5、经网络，NN)是由人工神经元(简称神经元)互联组成的网络。是1943年由心理学家MCCU1.1.OCh和数学家PmS提出的。他们提出了第个神经元模型Mp模型。1949年心理学家HCbb提出了改变神经元连接强度的HCbb规则。1958年ROSCnbku提出了感知器(PCrCCPUon)模型，为神经网络模型的研究提供了重要的方向。I960年WidrOw和HOff提出了自适应线性元件(AdaIine)模型以及神经网络P1.D控制罂研究及仿真WidrOW-Hoft学习规则.从而在60年代，掀起f神经网络研究的第一次热潮。但是此后随着研究的深入，人们在应用和实现方面遇到了一时难以解决的难烟。而同时由于数

6、字计稣机的成功，使得整个学术界陶醉于数字计算机的成功中，从而掩彘了发展新型模拟计算机和人工智能技术的必要性和迫切性，使得神经网络的研究走向低潮。80年代，美国加州工学院物理学家HoPfiCk1.提出了HNN模型，使神经网络的研究有了突破性进展。他通过引入“能量函数”的概念，给出了网络的稳定性判据:此外，HNN的电了电路实现为神经计算机研究奠定了基础，同时开拓了神经网络用于联想记忆和优化计算的新途径，引起工程技术界的普遍关注，从而掀起神经网络研究的又一次热潮。在这一时期，随若大盘开拓性研究工作的深入开展，数百种网络结构、学习兑法应运而生，硬件实现的研究工作也在枳极开展，神经网络理论的应用研究己经

7、渗入到各个领域,并在智能控制、模式识别、自适应滤波和信号处理、非线性优化、传感技术和机器人、生物医学工程等方面取得令人鼓舞的进展.使神经网络的研究进入一个空前志涨的时期。主要的研窕集中在网络结构、学习算法和实际应用方面.尽管这些年来，神经网络理论及其应用研究取得可喜的进步，但是应该看到，神经网络的理论仍有许多缺陷，尚待进一步发展与完善。1.3 研究本课题的意义神经网络应用时不需考虑过程或现象的内在机理一些高度非线性和高度更杂的问题能较好地得到处理，因此神经网络在控制领域取得了较大的发展，特别在模型辨识、控制器设计、优化操作、故障分析与诊断等领域迅速得到应用。神经网络控制作为二十-世纪的自动化控

8、制技术，国内外理论与实践均充分证明，其在工业更杂过程控制方面大有用武之地.而工业现场需要先进的控制方法，迫切需要工程化实用化的神经网络控制方法，所以研究神经网络在控制中的应用，对提高我国的自动化水平和企业的经济效益具有重大意义。P1.D控制是工业过程控制中最常见的一种控制方法，这是因为P1.D控制器结构简单，实现容易，口能对相当些工业对象（或者过程）进行有效的控制。但是常规的P1.D控制的局限性在于:当被控对象具有笑杂的非线性特性，难以建立精确的数学模型，且在工业过程控制中，受控系统的参数常是未知的，有时还因为原料、环境和工况等的变化而引起参数的时变现象和不可忽视的随机扰动，所以常规的P1.D

9、控制要进行在线参数整定是十分困难的。而常规自校正控制是在被控对彖为线性对象的前提下进行研究的，面对工业过程的非线性对象，它也存在许多不尽人意之处“神经网络具有很强的非线性逼近能力和自学习能力，所以将BP神经网络算法与P1.D控制相结合产生的间接自校正控制策略，能自动整定控制器的参数，使系统在较好的性能卜.运行。P1.D控制是最早发展起来的控制策略之一，但应用常规PID控制器对F具有非线性、时变不确定的系统，无法达到理想的控制效果。随若现代控制理论，诸如智能控制技术的研究发展，出现了许多P1.D控制器，为解决或杂无规则系统的控制开辟了新途径。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

10、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也很差.针对以上问题,本文进行了一些相关的探索,通过对BP神经网络的研究对PID控制进行了深入的探讨。采用BP网络不但可以加快学习速率并减少震荡，而且能鲂实现神经网络和PID控制规律的本质结合。BP神经网络根据系统的运行状态，不断调节P1.D控制器的三个参数，以期达到某种性能指标的最优化,使输出神经元的输出状态对应于P1.D控制器的三个可调参数Kp,Ki,Kd并通过神经网络的自学习、加权系数自调整使神经网络的输出对应于某种好优规律卜的P1.D控制器参数。第2章数字PID控制简介自从计算机进入控制领域以来，用数字计算机代杵模拟计算.机调节

11、器组成计算机控制系统，不仅可以用软件实现P1.D控制算法，而且可以利用计算机的逻辑功能，使P1.D控制更加灵活。数字PID控制在生产过程中是一种最普遍采用的控制方法，在冶金、机械、化工等行业中获得了广泛的应用。本章主要介绍P1.D控制的基本原理、数字PID控制算法及其改进和几种常用的数字PID控制系统。2.1 PID控制原理在模拟控制系统中，按偏差的比例（P）、积分1）和微分（D）进行控制的PID控制器是应用最为广泛的一种自动控制器。图24PID控制系统原理框图常规P1.D控制系统原理框图如图2-1所示，系统主要由模拟P1.D控制器和被控对象组成。它根据给定值rin（t）与实际输出值y。Ut构

12、成控制偏差(2-1)e(t)=rin(t)-yout(t)PID控制规律为(I)=k11(e(I)+-e(rk()+丁：)写成传递函数形式崎=Sa+8式中，卬-比例系数，7,-积分时间常数，方-微分时间常数:比例（P）控制是一种最筒单的控制方式。其控制器的输出与输入误差信号成比例关系。当仅有比例控制时系统输出存在梗态误差（Stcady-Statecnorh在积分（I）控制中，控制器的输出与输入误差信号的积分成正比关系。对个自动控制系统，如果在进入稳态后存在稳态误差，则称这个控制系统是有稳态误差的或简称有差系统(SystemwithSteady-stateError).为消除稳态误差，在控制器中

13、必须引入“积分项，积分项对误差取决丁时间的积分，随着时间的增加，积分项会增大。这样，即便误差很小，积分项也会随若时间的增加而加大，它推动控制器的输出增大使稳态误差进一步减小，直到等于零。因此，比例+枳分(PI)控制涔，可以使系统在进入稳态后无稳态误差。在做分(D)控制中，控制器的输出与输入误差信号的微分(即误差的变化率)成正比关系。自动控制系统在克服误差的调节过程中可能会出现振荡甚至失稳。其原因是由于存在有较大惯性组件(环节)或有滞后(de1.ay)组件，具有抑制误差的作用，其变化总是落后于误差的变化。解决的办法是使抑制误差的作用的变化“超前”，即在误差接近零时，抑制误差的作用就应该是零。这就

14、是说，在控制器中仅引入“比例项往往是不够的，比例项的作用仅是放大误差的幅值，而H前需要蝌加的是“微分项”，它能硕测误差变化的趋势，这样，具仃比例+微分的控制器,就能够提前使抑制误差的控制作用等于零，甚至为负值，从而避免了被控量的严重超谑。所以对有较大惯性或滞后的被控对象，比例+微分(PD)控制器能改善系统在调节过程中的动态特性。在P1.D控制器中，比例部分产生与偏差成正比的输出信号，以便消除偏差；积分部分产生.与偏差的积分值成正比的输出信号，以便消除系统的静态误差：微分部分产生与偏差的变化率成正比的输出信号，以便加快控制器的调节速率，缩短过度时间，减少超调.如果这三部分配合适当，便可得到快速敏

15、捷，平稔准确的调节效果。因此，控制器的关键问题是如何选择比例、积分、微分系数，而这些参数的整定的困难使PID控制器的应用受到限制。实际上，PID控制规律是一种线性的控制规律，它也具仃传统控制理论的弱点，仪在简单的线性单变量系统中仃较好的控制效果,而在纪杂的系统的控制效果不佳。概括而言，P1.D控制器的比例、积分和微分三个校正环节的作用如卜丁比例环节：能迅速反映控制系统的误差，减少稳态误差，但比例控制不能消除稳态误差，比例放大系数的加大，会引起系统的不稳定。积分环节：主要用于消除系统稳态误差，只要有足够的时间，积分控制将能完全消除误差，使系统误差为零，但枳分作用太强会使系统超调加大，甚至使系统产

16、生振荡：积分作用的强弱取决于积分时间常数。越大，积分作用越弱。微分作用：减少超调量及克服振荡，使系统的稳定性提高，同时加快系统的动态响应速度，减少调整时间，从而改善系统的动态性能。但是，P1.D控制主要局限性在于它对被控对象的依赖性，一般需预先知道被控对象的数学模型方可进行设计。而这在实际的工业控制中，由于被控对象具有非线性、时变性等特性，难以建立精确的数学模型或其特征参数难以在线获得，从而使其应用受到限制“2.2 数字Pn)控制由于近年来微机技术的迅拓发展，实际应用中大多数采用数字P1.D控制器，与连续PID控制相比，数字PID控制有其优越性，因为计算机程序灵活性，很容易克服连续PID控制中存在的问题，经修正得到更完善的数字P1.D算法。数字PID控制党法通常可分为位置式P1.D控制算法和增量式PID控制算法。221位四式PID控制算法计修机控制是一种