(完整word版)基于BP神經網絡自整定PID控制仿真

1、實驗二 基于BP神經網絡自整定PID控制仿真一、實驗目的PID的工作熟悉神經網絡的特征、結構以及學習算法，通過實驗掌握神經網絡自整定原理。了解神經網絡的結構對控制效果的影響，掌握用MATLAB實現神經網絡控制系統仿真 的方法。二、實驗原理在工業(yè)控制中，PID控制是工業(yè)控制中最常用的方法。這是因為PID控制器結構簡單、實現簡單，控制效果良好，已得到廣泛應用。但是,PID具有一定的局限性：被控制對象參為了使控制器具有較數隨時間變化時，控制器的參數難以自動調整以適應外界環(huán)境的變化。好的自適應性，實現控制器參數的自動調整,可以采用神經網絡控制的方法。利用人工神經網絡的自學習這一特性，并結合傳統的PID

2、控制理論，構造神經網絡PID控制器,實現控制器參數的自動調整?；贐P神經網絡的PID控制器結構如圖1所示?？刂破饔蓛刹糠纸M成：一是常規(guī)PID控制器，用以直接對對象進行閉環(huán)控制，且三個參數在線整定；二是神經網絡NN根據系統的運行狀態(tài)，學習調整權系數，從而調整PID參數，達到某種性能指標的最優(yōu)化。y*r +圖1基于BP網絡的PID控制器結構網絡學習過程由正向和反向傳播兩部分組成。在正向傳播過程中，每一層神經單元的狀態(tài)只影響下一層神經網絡。 如果輸出層不能得到期望輸出，也就是實際輸出與期望輸出有誤差，那么轉入反向傳播過程，將誤差信號沿原來的連接通路返回，通過修改各層神經元的權 值，逐次向輸入層傳播

3、， 去進行計算，再經過正向傳播過程， 這樣經過兩個過程的反復作用,使得誤差信號最小。實際上，當誤差達到人們所希望的要求時，網絡的學習過程就結束了。圖2 BP網絡結構三、實驗內容(1)被控對象為一時變非線性對象，數學模型可表示為:心)=¥怕”屮-1)1 + y (k 1 )式中，系數a(k)是慢時變的，a(k )= 1.2(1-0.8eq1k L(2)如圖2確定BP網絡的結構，選4-5-3，各層加權系數的初值w(0)w(3)(0),取區(qū)間-0.5, 0.5上的隨機數，選定學習速率n =0.25和慣性系數a=0.05在MATLAB下依據整定原理編寫仿真程序并調試。給定輸入為階躍信號，運行

4、程序，記錄實驗數據和控制曲線。修改神經網絡參數如學習速率，隱含層神經元個數等，重復步驟,(6)分析數據和控制曲線。四、具體操作在MATLABT具條最左邊打開一個新的工作空間，把控制程序copy進去，運行，就可得出仿真結果。然后按實驗要求完成實驗。:!cHIb H： 11 1 lU nnFile EditDASText Cell ToolsDesktop:.O_FID. MX Uitlitleda XscriptLn 1Col 1新建工作空間ZFile Edit Text Desktop Window Help A 二；& -亍T直4門田 m B 曰口45S739IQIt1213入丨/|

5、口疋xit e=0. 25; alfa=0.05;雲慣性系數 幣學另聲fcW St ructutre IK=4;H=5iOut=3 i跚丸層附神辭他 礪含層期©元數 踰出層的稱經元豐數14if S=l t-sp15VL= -0. 6394-0. 2696-0. J756-0.7023;10-0.8603-0.2013-0.5024-C.259&：R-L0749山 5543-L6820-0.5437;13-0.3025-0. 0724-0.6463-0.2359;190.14350. 0279-0.5406-0. reeo；20畑呱5”匚arnig他耳隱會層權值JS=1的運行結

6、果如下5 竺 iptV2JZLn 14£ Col 34 山疙、:-1V . +程序'頁初些歸J File Edit Vi 6wInsert Tools Sesttap Iff indew Help ， »1.505otime(s)%4File Edit Vi ew Insert Toolz Beskt op ffindow Htlp RHS 熨 QD® 遢匡I 00.10.1 0111TT1r1 1 1 1 10123456time(s)111p111110123456timers)1111i-丨1ri11h0123456time 0.0500.0500 020S=2是運行結果File Edit Vi ew Ins