基于BP神经网络PID整定原理和算法步骤

I摘要神经网络作为一门新兴的信息处理科学，是对人脑若干基本特性的抽象和模拟。它是以人的大脑工作模式为基础，研究自适应及非程序的信息处理方法。这种工作机制的特点表现为通过网络中大量神经元的作用来体现自身的处理功能，从模拟人脑的结构和单个神经元功能出发，达到模拟人脑处理信息的目的。目前，在国民经济和国防科技现代化建设中神经网络具有广阔的应用领域和发展前景，其应用领域主要表现在信息领域、自动化领域、工程领域和经济领域等。本文以BP神经网络作为研究对象。研究的内容主要有：首先介绍了神经网络的概念、控制结构，学习方式等。其次，介绍了人工神经元模型，并对BP神经网络的基本原理及推导过程进行详细阐述。再次将BP神经网络的算法应用于PID中，介绍了基于BP神经网络PID整定原理和算法步骤。最后利用MATLAB/Simulink对BP神经网络PID控制系统进行仿真，得出BP神经网络的控制效果明显好，它具有很强的自整定，自适应功能。关键词：BP算法，PID控制，自整定IIABSTRACTAsakindofemerginginformationprocessingscience，theneuralnetworkcansimulatesomebasiccharacteristicofhumanbrain.Itisaninformation-processedmethodwhichtakesperson'scerebrumworkingpatternasafoundationandstudiesthemodelofadaptiveandnon-program.Thecharacteristicsofthiskindofworkmechanismarethatitcanshowitsprocessingfunctionthroughthemassiveneuronsfunctioninthenetwork.Then,itstartswithsimulatingthehumanbrainstructureandthesingleneuronfunctiontoachievethegoalthatsimulatesthehumanbraintoprocessinformation.Nowadays,theneuralnetworkhaswideapplicationfieldsandprospectsinthenationaleconomyandmodernizationofnationaldefensescience.Itmainlyappliesininformation,automation,economicalandsoon.ThisarticletakestheBPneuralnetworkastheresearchobject.Thecontentoftheresearchmainlycontain:firstly,itintroducestheconceptofneuralnetwork,controlstructureandmodeofstudyandsoon.Secondly,itintroducestheartificialneuronmodel,thebasicprinciplesofBPneuralnetworkandthederivationprocessindetail.Then,itappliesBPneuralnetworkinthePID,andintroducesthetuningprinciplesofPIDbasedtheBPneuralnetworkandstepsofthealgorithm.Finally,Matlab/SimulinkisusedtosimulatetheBPneuralnetworkPIDcontrolsystem.Intheconsequence,theperformanceofBPneutralnetworkcontrolsignificantlygood.BPneuralnetworkcontrolsystemhasastrongself-tuning,adaptivefunction.KEYWORDS:BPalgorithm,PIDcontrol,self-tuning1目录摘要..........................................................IABSTRACT..........................................................II第1章绪论........................................................21.1选题背景和意义...............................................21.2神经网络技术国内外发展现状...................................3第2章神经网络的原理和应用........................................62.1神经网络的基本概念...........................................62.2神经网络的控制结构...........................................62.2.1前馈网络..............................................62.2.2反馈网络..............................................62.3神经网络的功能...............................................72.4神经网络的学习...............................................72.4.1神经网络的学习方式....................................72.4.2神经网络的学习算法....................................82.5人工神经元（MP）模型.........................................82.6BP算法原理..................................................102.7BP网络的前馈计算.............................................112.8BP网络权系数的调整规则......................................122.9BP网络学习算法的计算步骤....................................142.10本章小结...................................................14第3章BP神经网络PID控制方法研究................................153.1引言........................................................153.2基于BP神经网络的PID整定原理...............................153.3本章小结....................................................19第4章仿真研究...................................................204.1BP神经网络自整定PID控制系统................................204.2仿真结果分析................................................274.3本章小结....................................................27第5章结论与展望.................................................28参考文献.......................................................30附录..........................................................31致谢............................................错误!未定义书签。2第1章绪论1.1选题背景和意义在计算机技术没有发展的条件下,大量需求的控制对象是一些较为简单的单输入单输出线性系统,而且对这些对象的自动控制要求是保持输出变量为要求的恒值,消除或减少输出变量与给定值之误差、误差速度等。而PID控制的结构,正是适合于这种对象的控制要求。因此PID控制是最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，被广泛应用于过程控制中，尤其适用于可建立精确数学模型的确定性控制系统。然而实际工业生产过程往往具有非线性，时变不确定性，难以建立精确地数学模型，应用常规PID控制器不能达到理想的控制效果，而且在实际生产现场中，由于受到参数整定方法繁杂的困扰，常规PID控制器往往整定不良，性能欠佳，对运行工况的适应性很差。所以人们从工业生产过程需要出发,基于常规PID控制器的基本原理,对其进行了各种各样的改进，形成所谓智能PID控制[1]。而其中神经网络所具有的大规模的并行处理和分布式的信息存储；极强的自学、联想额容错能力；良好的自适应和自组织性；多输入、多输出的非线性系统都基本符合工程的要求。人工神经网络作为生物控制论的一个成果，其触角几乎延伸到各个工程领域，并且在这些领域中形成新的生长点。以神经网络研究为开端，整个学术界对计算的概念和作用有了新的认识和提高。计算不仅仅局限于数学中，更不仅采取逻辑的、离散的形式，在大量的物理现象以至生物学对象中，进行各种各样的计算，而且大量的运算表现在对模糊低精度模拟量的并行计算，对于这一类计算，传统的计算机是无能为力的。神经网络的数学理论本质是非线性的数学理论，因此，现代非线性科学方面的进展必将推动神经网络的研究，同时，神经网络理论也会对非线性科学提出新课题。神经网络研究的对象是神经系统，这是高度进化的复杂系统，也是系统科学中一个重要的具体的领域。神经网络的研究不仅重视系统的动态特性，而且强调事件和信息在系统内部的表达和产生。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复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。神经网络控制作为二十一世纪的自动化控制技术，国内外理论与实践均充分证明，其在工业复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[2]。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PID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下运行。虽然人工神经网络存在着以上的许多优点及广泛的应用，但同时也存在着一些不足，3由于神经网络的不足阻碍了神经网络的发展，在现实应用中BP神经网络是最为广泛的神经网络模型，BP神经网络是在1986年被提出的，因其系统地解决了多层网络中隐含单元连接权的学习问题，它同样具有人工神经网络所具有的特点。本课题是以BP神经网络模型研究为主。BP神经网络的缺点主要表现在以下几个方面:(1)学习过程收敛速度慢，训练易陷入瘫痪;(2)训练过程中易陷入局部极小值;(3)网络泛化能力差;(4)隐节点数及权