基于神经网络的pid控制器设计(附件)【字数：10701】
摘 要本文对具有神经网络结构的PID控制系统进行研究，目的是提高控制器的控制效果。PID控制是一种经典的控制方法，具有实现简单，抗干扰能力强等的优点。但它的输出对输入的响应有延迟，不能适应不确定系统与非线性系统的控制。因此将常规PID与神经元网络相结合便成了现代控制理论的一个发展方向。多步预测性能指标函数下的神经网络PID控制系统对单变量系统来讲是把预测控制思想与神经网络PID控制思想两者结合起来，凭借性能指标函数去训练网络的权值。而本文采用新的多步预测性能指标函数。针对神经网络辨识器那一块也采用了更便于实时控制的动态神经网络。因此，仿真结果表明本文的改进方法响应性能更突出。对于多变量系统来讲，研究的内容主要包括对基于多步预测性能指标函数下的多变量的神经网络PID控制以及基于神经网络的PID控制，并对研究结果进行了仿真处理。而对于后者的研究又包括对其结构和计算方法。此控制系统由多个子网络并列组成。子网络的个数由控制系统中控制变量个数决定，即m个控制变量，m个子网络。每个子网络由输入层，隐含层和输出层组成。最终的仿真结果也表明了此系统具有良好的自学习和自适应的能力。
目 录
第一章 绪论 1
1.1课题研究的背景与意义 1
1.2 课题当今的研究现状 1
1.3 本课题的章节安排与内容 2
第二章 PID控制器的基本原理 3
2.1 PID控制器 3
2.2 PID控制原理 3
2.3 PID控制基本规律 4
2.4 PID参数整定 6
第三章 神经网络的基本原理 8
3.1 神经网络的概述 8
3.2 神经网络的类型 8
3.2.1 单层前向神经网络 8
3.2.2 多层前向神经网络 9
3.2.3 反馈网络 9
3.3 神经元的基本模型结构形式 10
3.4 神经网络的几种学习规则 12
3.4.1 Hebb学习规则 12
3.4.2 Delta学习规则 12
3.5 几种典型的神经网络 12
3.5.1 BP神经网络 12
3.5.2 R *好棒文|www.hbsrm.com +Q: ￥351916072￥
BF神经网络 14
3.5.3 CMAC神经网络 15
第四章 神经网络PID控制基本原理以及应用 16
4.1 基于BP神经网络PID控制器 16
4.1.1 BP神经网络整定原理 16
4.1.2 常规PID控制系统 19
4.1.3基于BP神经网络的PID控制系统 20
4.2 RBF神经网络和 CMAC神经网络PID控制 23
4.2.1 RBF 神经网络 PID 控制 23
4.2.2 CMAC 神经网络PID控制 24
结束语 26
致 谢 27
参考文献 28
第一章 绪论
1.1课题研究的背景与意义
自动控制理论是自动控制的核心，工业自动化水平随着社会的日益发展成为了衡量各行业现代水平的一把标尺。因此，工业控制领域面临的重要问题便是得到一种更为优越的控制方法。控制领域中比较经典的控制方法要数PID控制了。其结构简单，抗干扰能力强，能适应比较恶劣的工业环境。另一方面，PID控制器在工业控制过程中非常常见了。简单的控制系统由PID单回路控制组成；复杂的离散控制系统便由成千上万的PID控制器组成。根据某项调查结果表明PID控制被用在超过90%以上的控制系统中。因此，PID控制技术的应用领域非常广泛。
PID控制过程中比较复杂的是参数整定，这也是核心内容。各种各样整定参数的方法随着人类的需求被提出来。主要有理论方法整定和工程整定。理论整定方法是用系统数学模型，经过一系列的数学计算对控制器的各个参数进行控制和调整；通过大量的工程实验来得到控制器的基本控制规律的称为工程整定，主要包括临界比例度法，衰减曲线法，经验试凑法，反应曲线法。
智能控制是在无人干预的情况下，独立的在电机驱动控制的设计下进行实施控制。目前，智能化技术主要包括：模糊逻辑控制、神经网络控制、专家控制、学习控制、分层递阶及遗传算法等。每部分自成体系，而又互相联系。将智能控制与PID控制二者结合起来，形成智能PID控制技术。能够实现PID控制参数的在线整定。越来越多的被应用在PID控制的过程。
现在，工程师们对于设计和控制系统的建立，他们想节省资源的使用，采用尽可能少的设备来达到需求。他们需要能够满足不仅可以处理数字0与1，而且还能在任何时候，任何地方能够控制和处理所需要的。这些相对复杂的应用，仅仅依靠PC或者PLC很难解决所需问题的，故希望拥有PC与PLC两者相结合所达到的功能，这也就促使了可编程自动控制器PAC的产生。PAC结合了PC与PLC两者的优势，提供了更多更高级的功能和平台。越来越多的被应用在工业控制领域。
1.2 课题当今的研究现状
PID到目前大约经历了几个世纪，全世界的科学家和工程师为其发展做了大量的工作，使得PID控制在工业控制领域已成为一个非常重要的工具。米罗斯基在1992年的时候对PID的概念进行了分析，提出了PID三作用及控制要求。在1942年，Ziegier和Nichols提出ZN经验法。Astrom在1991年提出了GPM整定PID控制器参数的方法即基于给定相角裕度和幅值。1984年，地点，在美国。Foxboro公司设计出一款专家PID调节器即将专家系统技术应用于PID控制器。20世纪80年代，L.H.Holmblda和Ostergard研究水泥窑控制系统的控制器通过模糊控制器取得了成功。
人工神经元互联组成的网络称为人工神经网络。这个概念是由心理学家Mcculloch和数学家Pitts一起提出来的。1943年他们设计的第一个模型即MP模型。1949年HEBB针对改变神经元连接强度提出了Hebb规则。Rosenblatt在 1958年提出了对以后神经网络的研究提供了重要的方向模型即感知器模型。Widrow和Hoff提出了自适应线性元件模型与神经网络PID的研究仿真。因此在20世纪60年代，第一次掀起了神经网络PID控制器的研究热潮。但是随着以后研究的深入，许多方面各种各样非常棘手的问题也随之出现了。而在当时，计算机盛行起来，逐渐掩盖了发展人工智能方面的迫切性与需要性使得神经网络的研究慢慢走向低潮甚至湮灭。在20世纪80年代的美国加利福利亚，物理学家HoPfiled提出了一种神经网络研究有突破口的HNN模型，“能量函数”的概念被他引入。同时给出了神经网络稳定性判定依据。此外，HNN电子电路的实现奠定了神经网络计算机的研究基础，开拓了神经网络应用的另外途径。比如优化计算与联想记忆等。第二次掀起了研究神经网络的热潮。在这个时期，伴随着很多深入研究性工作的开展，随之而来的是成千上百的算法与网络结构。另一方面，实现硬件的工作也在进行。神经网络的应用已经被广泛应用到各个领域，并在模式识别，机器人制造，非线性系统处理，传感技术，生物医学等各个领域成为热门又取得了突破性进展。同时也使得神经网络进入到一个空前盛行的时期。当然，主要研究的重点还是集中在算法，网络结构与在现实中的应用等方面。
目 录
第一章 绪论 1
1.1课题研究的背景与意义 1
1.2 课题当今的研究现状 1
1.3 本课题的章节安排与内容 2
第二章 PID控制器的基本原理 3
2.1 PID控制器 3
2.2 PID控制原理 3
2.3 PID控制基本规律 4
2.4 PID参数整定 6
第三章 神经网络的基本原理 8
3.1 神经网络的概述 8
3.2 神经网络的类型 8
3.2.1 单层前向神经网络 8
3.2.2 多层前向神经网络 9
3.2.3 反馈网络 9
3.3 神经元的基本模型结构形式 10
3.4 神经网络的几种学习规则 12
3.4.1 Hebb学习规则 12
3.4.2 Delta学习规则 12
3.5 几种典型的神经网络 12
3.5.1 BP神经网络 12
3.5.2 R *好棒文|www.hbsrm.com +Q: ￥351916072￥
BF神经网络 14
3.5.3 CMAC神经网络 15
第四章 神经网络PID控制基本原理以及应用 16
4.1 基于BP神经网络PID控制器 16
4.1.1 BP神经网络整定原理 16
4.1.2 常规PID控制系统 19
4.1.3基于BP神经网络的PID控制系统 20
4.2 RBF神经网络和 CMAC神经网络PID控制 23
4.2.1 RBF 神经网络 PID 控制 23
4.2.2 CMAC 神经网络PID控制 24
结束语 26
致 谢 27
参考文献 28
第一章 绪论
1.1课题研究的背景与意义
自动控制理论是自动控制的核心，工业自动化水平随着社会的日益发展成为了衡量各行业现代水平的一把标尺。因此，工业控制领域面临的重要问题便是得到一种更为优越的控制方法。控制领域中比较经典的控制方法要数PID控制了。其结构简单，抗干扰能力强，能适应比较恶劣的工业环境。另一方面，PID控制器在工业控制过程中非常常见了。简单的控制系统由PID单回路控制组成；复杂的离散控制系统便由成千上万的PID控制器组成。根据某项调查结果表明PID控制被用在超过90%以上的控制系统中。因此，PID控制技术的应用领域非常广泛。
PID控制过程中比较复杂的是参数整定，这也是核心内容。各种各样整定参数的方法随着人类的需求被提出来。主要有理论方法整定和工程整定。理论整定方法是用系统数学模型，经过一系列的数学计算对控制器的各个参数进行控制和调整；通过大量的工程实验来得到控制器的基本控制规律的称为工程整定，主要包括临界比例度法，衰减曲线法，经验试凑法，反应曲线法。
智能控制是在无人干预的情况下，独立的在电机驱动控制的设计下进行实施控制。目前，智能化技术主要包括：模糊逻辑控制、神经网络控制、专家控制、学习控制、分层递阶及遗传算法等。每部分自成体系，而又互相联系。将智能控制与PID控制二者结合起来，形成智能PID控制技术。能够实现PID控制参数的在线整定。越来越多的被应用在PID控制的过程。
现在，工程师们对于设计和控制系统的建立，他们想节省资源的使用，采用尽可能少的设备来达到需求。他们需要能够满足不仅可以处理数字0与1，而且还能在任何时候，任何地方能够控制和处理所需要的。这些相对复杂的应用，仅仅依靠PC或者PLC很难解决所需问题的，故希望拥有PC与PLC两者相结合所达到的功能，这也就促使了可编程自动控制器PAC的产生。PAC结合了PC与PLC两者的优势，提供了更多更高级的功能和平台。越来越多的被应用在工业控制领域。
1.2 课题当今的研究现状
PID到目前大约经历了几个世纪，全世界的科学家和工程师为其发展做了大量的工作，使得PID控制在工业控制领域已成为一个非常重要的工具。米罗斯基在1992年的时候对PID的概念进行了分析，提出了PID三作用及控制要求。在1942年，Ziegier和Nichols提出ZN经验法。Astrom在1991年提出了GPM整定PID控制器参数的方法即基于给定相角裕度和幅值。1984年，地点，在美国。Foxboro公司设计出一款专家PID调节器即将专家系统技术应用于PID控制器。20世纪80年代，L.H.Holmblda和Ostergard研究水泥窑控制系统的控制器通过模糊控制器取得了成功。
人工神经元互联组成的网络称为人工神经网络。这个概念是由心理学家Mcculloch和数学家Pitts一起提出来的。1943年他们设计的第一个模型即MP模型。1949年HEBB针对改变神经元连接强度提出了Hebb规则。Rosenblatt在 1958年提出了对以后神经网络的研究提供了重要的方向模型即感知器模型。Widrow和Hoff提出了自适应线性元件模型与神经网络PID的研究仿真。因此在20世纪60年代，第一次掀起了神经网络PID控制器的研究热潮。但是随着以后研究的深入，许多方面各种各样非常棘手的问题也随之出现了。而在当时，计算机盛行起来，逐渐掩盖了发展人工智能方面的迫切性与需要性使得神经网络的研究慢慢走向低潮甚至湮灭。在20世纪80年代的美国加利福利亚，物理学家HoPfiled提出了一种神经网络研究有突破口的HNN模型，“能量函数”的概念被他引入。同时给出了神经网络稳定性判定依据。此外，HNN电子电路的实现奠定了神经网络计算机的研究基础，开拓了神经网络应用的另外途径。比如优化计算与联想记忆等。第二次掀起了研究神经网络的热潮。在这个时期，伴随着很多深入研究性工作的开展，随之而来的是成千上百的算法与网络结构。另一方面，实现硬件的工作也在进行。神经网络的应用已经被广泛应用到各个领域，并在模式识别，机器人制造，非线性系统处理，传感技术，生物医学等各个领域成为热门又取得了突破性进展。同时也使得神经网络进入到一个空前盛行的时期。当然，主要研究的重点还是集中在算法，网络结构与在现实中的应用等方面。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/91.html
